| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Doğal Dil İşleme | ISE 610 | 0 | 3 + 0 | 3 | 6 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Doktora |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Dr.Öğr.Üyesi MUHAMMED KOTAN |
| Dersi Verenler | |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Diğer |
| Dersin Amacı | Doğal Dil İşleme yapay zekanın en zorlu alanlarından biridir ve günümüzde üzerinde çok yoğun araştırmalar yürütülmektedir. İçerisinde insan beyninin işleyiş yapısını anlamak da dahil olan pek çok alt problem barındırdığından bir problem olarak gösterilir. Günümüzde doğal dil işleme problemlerinin çözümleri için derin öğrenme, makine öğrenmesi, istatiksel analiz ve kural tabanlı yaklaşımlar hibrit biçimde kullanılmaktadır. Yazım yanlışlarının düzeltilmesinden, otomatik çeviri sistemlerine, dil öğrenimi uygulamalarından kişisel asistan uygulamalarına doğal dile değen her alanda doğal dil işleme devreye girmektedir. Bu derste öğrencilerin doğal dil işleme alanında giriş seviyesinde bilgi edinmelerini ve kendi veri setleri üzerinde farklı doğal dil işleme yöntemleri ile başarımı yüksek modeller oluşturma bilgi ve becerisini kazanmalarını sağlamak amaçlanmıştır. |
| Dersin İçeriği | Yapay zeka ve doğal dil işlemeye giriş, Metinsel kaynaklar ve formatlar, Kelime vektörleri, Tokenization işlemleri, metin özellikleri ve sınıflandırılmaları, Köklenme ve lemmatization, duygu analizi yöntemleri ve kullanım alanları, Metinsel verilerde makine öğrenmesi yaklaşımları, Konu modelleme, stilometri, doküman kümeleme, makine çevirisi ve genel örnek uygulamalar. |
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Doğal dil işleme hakkında bilgi sahibi olmak | Anlatım, Deney ve Laboratuvar, | |
| 2 | Doğal dil işleme algoritma ve metotlarını öğrenmek | Anlatım, Deney ve Laboratuvar, Gözlem, | |
| 3 | Doğal dil işleme tekniklerini kullanarak büyük ve dağıtık metinsel verileri işleyebilir | Anlatım, Tartışma, Gözlem, | |
| 4 | Bir doğal dil işleme sistemi tasarlayabilmek | Anlatım, Deney ve Laboratuvar, Gözlem, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Doğal dil işlemeye giriş | |
| 2 | Metinsel kaynaklar ve biçimler | |
| 3 | Kelime vektörleri | |
| 4 | Tokenizasyon ve N-gram | |
| 5 | Metin özellikleri ve sınıflandırma | |
| 6 | Köklenme ve Lemmatizasyon | |
| 7 | Duygu analizi | |
| 8 | Metinsel veriye makine öğrenmesi yaklaşımları | |
| 9 | Konu modelleme | |
| 10 | Stilometri | |
| 11 | Doküman kümeleme | |
| 12 | Makine çevirisi | |
| 13 | Uygulama örnekleri | |
| 14 | Proje Sunumları |
| Kaynaklar | |
|---|---|
| Ders Notu | |
| Ders Kaynakları | 1- Dipanjan Sarkar, Text Analytics with Python (Apress/Springer, 2016) 2-Steven Bird, Ewan Klein, Edward Loper, Natural Language Processing with Python – Analyzing Text with the Natural Language Toolkit (O’Reilly 2009, website 2018) 3-Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics and Speech Recognition, 2019 |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Yaşadığı toplumun bilgi toplumu olmasına katkıda bulunmak, toplumsal, bilimsel, kültürel ve etik sorunlara çözüm sunmak amaçlarıyla alanındaki bilimsel, teknolojik, sosyal veya kültürel ilerlemeleri içeren bilimsel projeler geliştirir ve bu projeleri ulusal ve uluslararası bilimsel ortamlarda (toplantılarda) tanıtır. | ||||||
| 2 | Alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, alanında güncel teknik ve yöntemler ile bunların kısıtları hakkında sahip olduğu kapsamlı bilgiyi elde ettiği bilgi ile karşılaştırarak değerlendirir ve sentezleyerek yeni sonuçlar ortaya koyar. | ||||||
| 3 | Alanı ile ilgili problemleri tanımlar ve formüle eder, yeni ve/veya özgün fikir ve yöntemler geliştirir; karmaşık sistem veya süreçleri tasarlar ve tasarımlarında yenilikçi/alternatif çözümler ve/veya yöntemler geliştirir. | ||||||
| 4 | Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlar ve uygular, belirsiz, sınırlı ya da eksik verileri bilimsel yöntemlerle tamamlar; verilerin toplanması, yorumlanması, duyurulması ile yeni modellemelerin oluşturulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. | ||||||
| 5 | Alanındaki uygulamaların sosyal, çevresel, sağlık, güvenlik, hukuki boyutlarını ile proje yönetimi ve iş hayatı uygulamalarını bilir ve bunların getirdiği kısıtların farkındadır. Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilir, bu tür takımlarda liderlik yapabilir ve karmaşık durumlarda çözüm yaklaşımları geliştirebilir; bağımsız çalışabilir ve sorumluluk alır. | ||||||
| 6 | Çalışmalarının süreç ve sonuçlarını, alanında veya alan dışındaki ulusal ve uluslararası ortamlarda bir yabancı dili en az Avrupa Dil Portföyü C1 Genel Düzeyinde kullanarak, yazılı ya da sözlü olarak aktararak sözlü ve yazılı iletişim kurar. | ||||||
| 7 | Yapay zeka algoritmaları kullanarak farklı alanlara özgü projeler ya da sistemler üretebilir. | ||||||
| 8 | Farklı bilişim sistemlerini tasarım, modelleme ve analiz yeteneğine sahip olur, ilgili yöntemleri ve araçları kullanabilir. | ||||||
| 9 | İlgili alanlarda bilimsel yayın yapabilir, ilgili projelerde görev alabilir. | ||||||
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| Toplam | 0 |
| Toplam | 0 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 16 | 4 | 64 |
| Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 16 | 1 | 16 |
| Ara Sınav | 1 | 10 | 10 |
| Kısa Sınav | 1 | 3 | 3 |
| Ödev | 1 | 10 | 10 |
| Proje / Tasarım | 1 | 20 | 20 |
| Final | 1 | 15 | 15 |
| Toplam İş Yükü | 138 | ||
| Toplam İş Yükü / 25 (Saat) | 5,52 | ||
| Dersin AKTS Kredisi | 6 | ||