<h3>Немного о задаче и o DeepPavlov</h3>

<p>DeepPavlov.ai - это стек технологий разговорного искусственного интеллекта для создания виртуальных диалоговых ассистентов и анализа речи. DeepPavlov помогает в создании чатботов, диалоговых систем и Multiskill AI-ассистентов. Технологии могут использовать инженеры с разным опытом и уровнем подготовки &mdash; от начинающих до экспертов в области обработки естественного языка. Стек содержит многосторонний и гибкий набор инструментов, который позволяет быстро конструировать сложных многофункциональных диалоговых ассистентов с развитыми разговорными навыками:</p>

<ul>
	<li>Библиотека DeepPavlov Library, которая поставляется с набором предобученных компонентов для решения задач, связанных с обработкой естественного языка, и предоставляет разработчикам возможность автоматизации разговорных интерфейсов. Библиотека оснащена инструментами прикладной разработки и интеграции.</li>
	<li>Платформа DeepPavlov Agent, которая представляет собой многофункциональный оркестратор, использующий декларативный подход для формирования конвейеров и построения диалогового ИИ в виде модульной системы.</li>
	<li>Продуктовое направление DeepPavlov Dream, направленное на разработку масштабируемых и многофункциональных виртуальных помощников, и опирающаяся на технологии DeepPavlov Library и Agent.</li>
</ul>

<p>В рамках хакатона ставим задачу уменьшить порог входа в библиотеку DeepPavlov Library. Для выполнения этой цели мы предлагаем обновить документацию и туториалы библиотеки DeepPavlov.</p>

<p>С вашей помощью NLP инструменты стека DeepPavlov станут проще в использовании и помогут всему сообществу!</p>

<h3>Правила</h3>

<p>За последнее время мы сильно обновили библиотеку DeepPavlov Library - часть моделей перевели с TF на PyTorch, выложили часть новых, а какие-то просто больше не поддерживаем. Но еще не успели обновить все наши страницы с документацией и туториалы.&nbsp;</p>

<p>В рамках этого хакатона у вас есть шанс попробовать себя в роли Developer Documentation Engineer, чтобы привести все статьи к правильному, чистому и понятному коду.</p>

<p>У нас есть набор готовых статей/страниц документации, которые вы можете исправить (ссылки на них есть в данных). Кроме того, вы также можете написать свою.&nbsp;</p>

<ul>
	<li>Правки или статья должны быть размещены в виде docs c ссылкой на него;&nbsp;</li>
	<li>Вы отправляете решение, щелкнув здесь же по кнопке отправить решение через форму;&nbsp;</li>
	<li>Один участник может отправлять несколько решений на разные туториалы;</li>
	<li>Все решения должны быть отправлены до <strong>23:59 27 августа включительно</strong>.</li>
</ul>

<h3><br />
Критерии оценки</h3>

<p>Мы будем оценивать каждый исправленный туториал и давать за него 5 баллов, если выполнены условия:</p>

<ul>
	<li>Исправлен весь код (где нужно переведены модели на торч)</li>
	<li>Проверен код и значения для определенной модели в документации DeepPavlov</li>
</ul>

<p>Мы будем оценивать каждый исправленный туториал и давать за него от 1 до 5&nbsp;баллов, если часть критериев не была выполнена.</p>

<p>Мы будем оценивать каждую исправленную страницу документации и давать за нее 20 баллов, если выполнены условия:</p>

<ul>
	<li>Исправлена вся страница (подраздел, например, модели или скиллы): прописаны все пути обращения, тренировки, скоры</li>
	<li>Проверены все конфиги, убраны лишние, добавлены новые</li>
	<li>Добавлена информация: что из себя представляет модель</li>
</ul>

<p>Мы будем оценивать каждую исправленную страницу документации и давать за нее от 1 до 20 баллов, если часть критериев не была выполнена.</p>

<p>Если вы захотите написать новый туториал, то мы готовы отдать за него от 10 до 30 баллов, в зависимости от важности и сложности.</p>

<p>Победителем будет объявлен тот, у кого будет больше баллов.</p>

<h3>Призы</h3>

<p>В качестве призов - лучшим участникам мы подарим фирменный мерч проекта и возможность получить job offer в команду.&nbsp;</p>

<h3>Организаторы</h3>

<p>Команда DeepPavlov<br />
За всеми вопросами можно писать в <strong><a href="https://opendatascience.slack.com/archives/CGH9Z9WLQ">#tool_deeppavlov</a></strong>, канал<strong> <a href="https://opendatascience.slack.com/archives/C028RVDRVJ5">#deep_pavlov_soc2021</a></strong>&nbsp;или в тг: <a href="https://t.me/DeepPavlovDreamDiscussions">DeepPavlovDreamDiscussions</a><br />
&nbsp;</p>

Участникам предлагается уменьшить порог входа в open-source библиотеку DeepPavlov, а именно доработать и, при необходимости, создать туториалы.

Data

<figure class="image"><img src="https://storage.yandexcloud.net/datasouls-ods/files/02cd495b/ldetihxqopuwcujqu-wkvb8e9oi.png" /></figure>

<p>At <a href="https://deeppavlov.ai"><strong>DeepPavlov</strong></a>, our investments are spread across 3 parts of the technology stack, including<strong> Library</strong>, <strong>Dream</strong>, and <strong>Agent</strong>. All of these projects are focused on enhancing and strengthening our Conversational AI stack, with each contributing corresponding components.</p>

<p><strong>DeepPavlov </strong>can be used for many useful applications, including:</p>

<ul>
	<li>process automation of call centers and customer service,</li>
	<li>development question answering systems at any scale,</li>
	<li>sentiment classification of customer review,</li>
	<li>production-ready dialog system,</li>
	<li>applied NLP research and others.</li>
</ul>

<h2><strong>Overview</strong></h2>

<p>&nbsp;</p>

<figure class="image"><img src="https://storage.yandexcloud.net/datasouls-ods/files/c56495e7/image%20%287%29.png" /></figure>

<p><a href="https://deeppavlov.ai"><strong>DeepPavlov Library</strong></a> is a foundation for our framework. DeepPavlov is an open- source framework for building chatbots and virtual assistants. It comes with a set of predefined components for solving Natural Language Processing (NL) related problems and a framework to build a modular pipeline that lets developers and NLP researchers create production-ready conversational skills and complex multi-skill conversational assistants. DeepPalvov Library is based on<a href="https://www.tensorflow.org/"> TensorFlow</a> and <a href="https://keras.io/">Keras</a>. It contains basic NLP components like NER, Entity Linking, KBQA, Go-Bot, and others.&nbsp;</p>

<p>In our Conversational AI stack, these components:&nbsp;</p>

<ul>
	<li>are used as standalone services used by skills (e.g., KBQA, Wikidata Parser),</li>
	<li>provide a framework to build goal-oriented skills (Go-Bot),</li>
	<li>are used as generic annotators (e.g., NER, Entity Linking, Emotion Analysis, etc.)</li>
</ul>

<p>The developed&nbsp; <a href="https://github.com/deepmipt/DeepPavlov">DeepPavlov&rsquo;s models</a> demonstrate a level of quality that is superior or comparable to the existing solutions of the leading companies -Google, Microsoft, IBM, Facebook and others.</p>

<p>&nbsp;</p>

<p>&nbsp;</p>

<figure class="image"><img src="https://storage.yandexcloud.net/datasouls-ods/files/3d575e0c/image%20%285%29.png" /></figure>

<p><a href="https://deeppavlov.ai/agent"><strong>DeepPavlov Agent</strong></a> is our multiskill Conversational AI orchestrator that coordinates the entire Conversational AI pipeline of the AI Assistants. It incorporates annotators, skills, Skill &amp; Response Selectors to provide a coherent experience to its users.<br />
<br />
<strong>DP Library </strong>and <strong>DP Agent</strong> make it easy for beginners and experts to create dialog systems. Additionally, its declarative approach to defining sequences of model execution in config files allows users to track dependencies and provide paths to download the missing trained ML models.</p>

<p>&nbsp;</p>

<p>&nbsp;</p>

<figure class="image"><img src="https://storage.yandexcloud.net/datasouls-ods/files/b26fe75b/image%20%286%29.png" /></figure>

<p><a href="https://deeppavlov.ai/dream"><strong>DeepPavlov Dream</strong></a> is a set of our default goal-oriented and chit-chat skills, as well as a number of demo AI Assistants built using components from Library and managed by DeepPavlov Agent.&nbsp;</p>

<h2><strong>Tutorials</strong></h2>

<ul>
	<li><a href="https://medium.com/tensorflow/deeppavlov-an-open-source-library-for-end-to-end-dialog-systems-and-chatbots-31cf26849e37">DeepPavlov: An open-source library for end-to-end dialogue systems and chatbots</a></li>
	<li><a href="http://bit.ly/DPTextClassificationWithPyTorch">Text Classification Using DeepPavlov Library With PyTorch And Transformers</a></li>
	<li><a href="https://bit.ly/DPWelcomeDeepy3000">The King is Dead &mdash; Long Live The King, or welcome to Deepy 3000!</a></li>
	<li><a href="https://medium.com/deeppavlov/how-to-build-simple-ai-assistant-with-deeppavlov-dream-b2bba1412eb2?sk=935cef948c8d49546325a4139611515d">How To Build Simple AI Assistant With DeepPavlov Dream</a></li>
	<li><a href="https://medium.com/deeppavlov/developing-qa-systems-for-any-language-with-deeppavlov-a9033d5231a8?source=friends_link&amp;sk=7866871c799541b23fa8174e37d605d8">Developing QA Systems for any Language with DeepPavlov</a></li>
	<li><a href="https://towardsdatascience.com/deeppavlov-keras-for-natural-language-processing-answers-covid-questions-9da6199c5489?source=friends_link&amp;sk=656541ac7cda840ab78f44500a89fa2d">DeepPavlov: &ldquo;Keras&rdquo; for Natural Language Processing answers COVID Questions</a></li>
</ul>

<h2><strong>Open Source Community</strong></h2>

<p><br />
You can read more about us in our official <a href="https://medium.com/deeppavlov">blog</a>. Also, feel free to test our BERT-based models by using our <a href="http://demo.deeppavlov.ai/?utm_source=medium&amp;utm_medium=article&amp;utm_campaign=tf">demo</a>. And don&rsquo;t forget that DeepPavlov has a dedicated <a href="https://forum.deeppavlov.ai/">forum</a>, where any questions concerning the framework and the models are welcome. Join our official <a href="https://t.me/deeppavlov">Telegram channel</a>, <a href="https://twitter.com/deeppavlov">Twitter</a>, <a href="https://www.facebook.com/deepmipt">Facebook</a> and <a href="https://www.youtube.com/c/deeppavlov">Youtube channel</a> to get notified about our updates &amp; news.<br />
<br />
Slack ODS.ai: <a href="https://opendatascience.slack.com/archives/CGH9Z9WLQ/">#tool_deeppavlov</a></p>

<h2>Call to action</h2>

<p>If you are an ML/NLP engineer, and share our inner passion to push boundaries of Conversational AI, or simply want to make NLP/NLU tools easier to use by the wider community, we welcome you to join our Open Source Community.</p>

<p><a href="https://medium.com/deeppavlov/join-deeppavlov-contributor-program-8c92a04581b?sk=72c5772017f470cc3604d4aa7dbc10dc">Read the blog post to learn more</a> or <a href="http://docs.deeppavlov.ai/en/master/devguides/contribution_guide.html"><strong>start contributing</strong></a> right now.</p>

<h2>Our Awards</h2>

<ol>
	<li>In 2019, the DeepPavlov project won the &quot;Powered by TF Challenge&quot; competition from Google for the best machine learning project that uses the TensorFlow library.</li>
	<li>In 2019, DeepPavlov team &nbsp;was selected to compete in Alexa Prize Socialbot Challenge 3 by Amazon.</li>
	<li>In 2019, the DeepPavlov project received the status of the best open source NLP library according to the Open Data Science Awards Russia.</li>
	<li>In 2020 DeepPavlov team was selected to compete in Alexa Prize Socialbot Grand Challenge 4 by Amazon.</li>
	<li>In 2020 DeepPavlov team won the 1st cycle Up Great technology contest READ//ABLE of the nomination &quot;Grammar.Eng&quot; for texts in English.</li>
</ol>

Alsu Sagirova

Dilyara Baymurzina

Darya Moroz

Evgenii Golikov

burtsev

Daniel Kornev

Azamat Kanametov

Fedor Ignatov

Open-source framework for end-to-end dialog systems and chatbots

DeepPavlov.ai

User Agreement

I accept <a target="_blank" rel="noopener noreferrer" href="https://drive.google.com/file/d/1n-fPczc0u7vYGvOzUUGH55HCbuRlCp8x/view?usp=sharing">Terms of User Agreement</a>

Privacy Policy

I accept <a target="_blank" rel="noopener noreferrer" href="https://drive.google.com/file/d/1JifpdktW5xCMAYgxzomLhYQZuxSrp0Wi/view?usp=sharing">Privacy Policy</a>

Consent

I give my <a target="_blank" rel="noopener noreferrer" href="https://storage.yandexcloud.net/datasouls-ods/DataFest2021_pres/Consent.pdf">consent</a> to «Sorevnovaniya Analiza Dannykh» LLC to process and transfer my personal data (name, email, address) to the partners of the event for information interaction

first_name

First name

last_name

Last name

country

Country (lat)

city

City (lat)

email

Email

slack_name

Your ODS Slack nickname

study_place

Study place

study_specialty

Study specialty

work_place

Work place

work_position

Work position

expectations

Expectations

interests

Interests

preferred_language

Preferred language

about

About

Registration application for Data Fest & ODS Summer Of Code

DeepPavlov Dev Docs Hackathon (Make DeepPavlov Easy & Friendly)

Hackathon

<h3>Документация (<a href="http://docs.deeppavlov.ai/en/master/">link</a>)</h3>

<p>Мы отобрали статьи на английском языке:</p>

<table border="1" cellpadding="1" cellspacing="1">
	<tbody>
		<tr>
			<td>Simple intent recognition and question answering with DeepPavlov</td>
			<td><a href="https://medium.com/deeppavlov/simple-intent-recognition-and-question-answering-with-deeppavlov-c54ccf5339a9?source=friends_link&amp;sk=5fc08b66398799362c34ed032c348504">link</a></td>
		</tr>
		<tr>
			<td>Open-domain question answering with DeepPavlov</td>
			<td><a href="https://medium.com/deeppavlov/open-domain-question-answering-with-deeppavlov-c665d2ee4d65?source=friends_link&amp;sk=c1ea1a08fb10ec27d3bd4a8c2d484f21">link</a></td>
		</tr>
		<tr>
			<td>The BERT-based text classification models of DeepPavlov</td>
			<td><a href="https://towardsdatascience.com/the-bert-based-text-classification-models-of-deeppavlov-a85892f14d61">link</a></td>
		</tr>
		<tr>
			<td>19 entities for 104 languages: A new era of NER with the DeepPavlov multilingual BERT</td>
			<td><a href="https://towardsdatascience.com/19-entities-for-104-languages-a-new-era-of-ner-with-the-deeppavlov-multilingual-bert-1bfa6d413ea6?source=friends_link&amp;sk=76d9f77a50476989771eef8bdadc223c">link</a></td>
		</tr>
		<tr>
			<td>Build AIML chatbot with DeepPavlov Spelling Corrector</td>
			<td><a href="https://chatbotslife.com/build-aiml-chatbot-with-deep-pavlov-spelling-corrector-e882c54c74bd">link</a></td>
		</tr>
		<tr>
			<td>BERT-based Cross-Lingual Question Answering with DeepPavlov</td>
			<td><a href="https://towardsdatascience.com/bert-based-cross-lingual-question-answering-with-deeppavlov-704242c2ac6f?source=friends_link&amp;sk=b7aef1c29b8a8f067fe62e3bfbea2292">link</a></td>
		</tr>
		<tr>
			<td>Developing QA Systems for any Language with DeepPavlov</td>
			<td><a href="https://medium.com/deeppavlov/developing-qa-systems-for-any-language-with-deeppavlov-a9033d5231a8?source=friends_link&amp;sk=7866871c799541b23fa8174e37d605d8">link</a></td>
		</tr>
	</tbody>
</table>

<p>А тут - на русском:</p>

<table border="1" cellpadding="1" cellspacing="1">
	<tbody>
		<tr>
			<td>DeepPavlov для разработчиков: #1 инструменты NLP и создания чат-ботов</td>
			<td><a href="https://habr.com/ru/company/mipt/blog/472890/">link</a></td>
		</tr>
		<tr>
			<td>DeepPavlov для разработчиков: #2 настройка и деплоймент</td>
			<td><a href="https://habr.com/ru/company/mipt/blog/476772/">link</a></td>
		</tr>
	</tbody>
</table>

<p>&nbsp;</p>

Simple intent recognition and question answering with DeepPavlov	link
Open-domain question answering with DeepPavlov	link
The BERT-based text classification models of DeepPavlov	link
19 entities for 104 languages: A new era of NER with the DeepPavlov multilingual BERT	link
Build AIML chatbot with DeepPavlov Spelling Corrector	link
BERT-based Cross-Lingual Question Answering with DeepPavlov	link
Developing QA Systems for any Language with DeepPavlov	link

DeepPavlov для разработчиков: #1 инструменты NLP и создания чат-ботов	link
DeepPavlov для разработчиков: #2 настройка и деплоймент	link

Документация (link)