Dersi Veren Fakülte \ Bölüm
Mühendislik Fakültesi \ Bilgisayar Mühendisliği
Kredi
AKTS
Ders Türü
Öğretim Dili
Bilgisayar Mühendisliği
Yapay Zeka Mühendisliği
Bu ders, doğal dil işleme (DDİ) alanındaki temel kavramları ve teknikleri, klasik istatistiksel yaklaşımlar ile modern derin öğrenme yöntemlerine odaklanarak tanıtmaktadır. Öğrenciler, pratik ödevler veya projeler aracılığıyla metin verilerinin analiz ve işlenmesi yöntemlerini öğreneceklerdir. Dersin konuları arasında metin normalizasyonu, dil modelleme, metin sınıflandırması, sözdizimsel/bağımlılık çözümlemesi ve derin öğrenme yöntemleri bulunmakta olup, teori ile gerçek dünya uygulamalarını bütünleştirmektedir.
Ders Kitapları ve/veya Kaynaklar
Daniel Jurafsky ve James H. Martin, "Speech and Language Processing", Üçüncü Baskı, Prentice Hall, 2018
Christopher D. Manning ve Hinrich Schütze, "Foundations of Statistical Natural Language Processing"
Kemal Oflazer ve Murat Saraçlar, "Turkish Natural Language Processing
Dersin amacı, öğrencilerin doğal dil verilerini işleme sürecinde kullanılan kural tabanlı ve istatistiksel yöntemlere dair kapsamlı bir anlayış kazanmalarını sağlamaktır. Ders sonunda, öğrenciler metin normalizasyonu, sınıflandırma, çözümleme ve metin üretimi gibi görevler için etkili NLP algoritmaları tasarlayıp uygulayabileceklerdir.
1. Temel NLP kavramlarını ve tarihini anlamak.
2. Düzenli ifadeler, normalizasyon ve düzen mesafesi kullanarak metin işleme uygulamak.
3. n-gram dil modellerini anlamak ve oluşturmak.
4. Naive Bayes ve lojistik regresyon kullanarak metin sınıflandırması yapmak.
5. Vektör semantiğini anlamak ve kullanmak.
6. Sözcük türü etiketlemeyi anlamak ve uygulamak.
7. Sözdizimsel ve bağımlılık çözümlemesi ile cümle yapısını analiz etmek.
8. Derin sinir ağları ve ileri NLP tekniklerini kullanmak.
Hafta 1: NLP’ye Giriş/Genel Bakış
Hafta 2: Düzenli İfadeler, Metin Normalizasyonu, Düzen Mesafesi
Hafta 3: N-gram Dil Modelleri, Yazım Düzeltme
Hafta 4: Metin Sınıflandırması: Naive Bayes ve Lojistik Regresyon
Hafta 5: Vektör Semantiği
Hafta 6: Sözcük Türü Etiketleme
Hafta 7: Bağlamdan Bağımsız Gramerler ve Sözdizimsel Çözümleme
Hafta 8: İstatistiksel Çözümleme
Hafta 9: Bağımlılık Çözümlemesi
Hafta 10: DDİ'de Derin Öğrenme Yöntemleri
Hafta 11: DDİ'de Derin Öğrenme Yöntemleri
Hafta 12: İleri DDİ Yöntemleri
| Referans Değerlendirme Ölçütleri |
| Etkinlikler |
Sayısı |
Katkı Payı (%) |
| Derse Devam / Katılım |
- |
- |
| Laboratuvar |
- |
- |
| Uygulama |
- |
- |
| Ödev |
1 |
%10 |
| Proje |
1 |
%40 |
| Sunum / Sözlü Sınav |
- |
- |
| Alan Çalışması |
- |
- |
| Staj |
- |
- |
| Kurul |
- |
- |
| Kısa Sınav (Quiz) |
- |
- |
| Ara Sınav |
1 |
%20 |
| Final |
1 |
%30 |
|
Toplam |
%100 |
| Referans AKTS-İş Yükü Tablosu |
| Etkinlikler |
Sayısı/Hafta |
Süresi (Saat) |
İş Yükü |
| Ders Süresi (ilk 6 hafta) |
6 |
4 |
24 |
| Ders Süresi (son 6 hafta) |
6 |
3 |
18 |
| Laboratuvar |
- |
- |
- |
| Uygulama |
- |
- |
- |
| Ödev |
1 |
20 |
20 |
| Proje |
1 |
40 |
40 |
| Sunum / Sözlü Sınav |
- |
- |
- |
| Alan Çalışması |
- |
- |
- |
| Staj |
- |
- |
- |
| Kurul |
- |
- |
- |
| Kısa Sınav (Quiz) Hazırlık |
- |
- |
- |
| Ara Sınav Hazırlık |
1 |
20 |
20 |
| Final |
1 |
2 |
2 |
| Final Hazırlık |
1 |
30 |
30 |
| Sınıf Dışı Ders Çalışma Süresi (Ön Çalışma, Pekiştirme vb.) |
12 |
2 |
24 |
| Toplam İş Yükü | | |
178 |
| Toplam İş Yükü / 30 | | |
178 / 30 |
| | |
|
| Dersin AKTS Kredisi | | |
6 |
|
Program Çıktısı
**
|
| 1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
|
Ders Çıktısı
|
|---|
| 1 |
|
|
|
|
|
|
|
|
|
|
|
| 2 |
|
|
|
|
|
|
|
|
|
|
|
| 3 |
|
|
|
|
|
|
|
|
|
|
|
| 4 |
|
|
|
|
|
|
|
|
|
|
|
| 5 |
|
|
|
|
|
|
|
|
|
|
|
| 6 |
|
|
|
|
|
|
|
|
|
|
|
| 7 |
|
|
|
|
|
|
|
|
|
|
|
| 8 |
|
|
|
|
|
|
|
|
|
|
|