03634ntm a22005297i 4500 000723036 CZ-PrVSE 20250614131007.0 m d cr n|||||||||| 250614s2025 xr fsbm 000 0 cze d NEZPRACOVANÝ IMPORT ABA006 cze ABA006 ABA006 rda Frič, Roman ISIS:155852 dis Performance Comparison of Large Language Models on Customer Complaint Text Classification eng Porovnání výkonnosti velkých jazykových modelů na textové klasifikaci klientských reklamací / Roman Frič 2025 ?? stran : digital, PDF soubor Vedoucí práce: Pavel Zimmermann Diplomová práce (Ing.)—Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky, 2025 Obsahuje bibliografii Textový (vysokoškolská kvalifikační práce) Rok obhajoby 2025 Diplomová práce se zaměřuje na porovnání výkonnosti vybraných velkých jazykových modelů (LLM) s otevřeným zdrojovým kódem v úloze klasifikace klientských reklamací ČSOB. Primárním cílem je zhodnotit, jaké modely poskytují nejlepší výkonnost ke zpracování reálných dat a posoudit, zda mohou překonat stávající řešení založené na dopředných neuronových sítích, které je nyní v bance implementováno. Dále práce zkoumá, zda přechod na LLM poskytuje dostatečný přínos a umožňuje nahradit současný stav, jenž je méně náročný na výpočetní kapacity. Výsledky poskytují cenné poznatky o možnostech uplatnění LLM s otevřeným zdrojovým kódem a jejich potenciálu ke zvýšení efektivity automatizace pro zpracování reklamací v bankovním sektoru. Teoretické poznatky jsou aplikovány ve výzkumné části práce. Zabývá se problematikou jemného doladění modelů pomocí LoRA techniky, umožňující snížit nároky na tréninkovou kapacitu při zachování vysoké přesnosti klasifikace. Výsledky jednotlivých modelů určují jejich schopnost zlepšit současnou klasifikaci reklamací na základě přesnosti a rychlosti zpracování. Veškerá data jsou zpracována v českém i anglickém jazyce s cílem posoudit, zda překlad reklamací do anglického jazyka povede ke zlepšení přesnosti klasifikace. Pro jemné ladění LLM je využit programovací jazyk Python a knihovny z platformy Hugging Face. Poskytují široké možnosti práce s modely s otevřeným zdrojovým kódem. Způsob přístupu: Internet data a analytika pro business [obor dipl. práce] diplomové práce fd132022 czenas master's theses eczenas LLM transformer jemné doladění LoRA hluboké učení NLP Zimmermann, Pavel, 1980- jo20251268570 ths Vencovský, Filip mzk2015883325 opn Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky kn20010709399 dgg https://insis.vse.cz/zp/90065/podrobnosti VŠKP v InSIS https://insis.vse.cz/zp/90065 Hlavní práce https://insis.vse.cz/zp/90065/posudek/vedouci Hodnocení vedoucího https://insis.vse.cz/zp/90065/posudek/oponent/86358 Oponentura https://insis.vse.cz/zp/90065/podrobnosti dc:identifier NEPOSILAT VSKP vse90065 250611 90065