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, Bireysel Çalışma, | Sınav, Ödev, Proje / Tasarım, |
2 | Doğal dil işleme algoritma ve metotlarını öğrenmek | Anlatım, Bireysel Çalışma, Proje Temelli Öğrenme , | Sınav, Ödev, Proje / Tasarım, |
3 | Doğal dil işleme tekniklerini kullanarak büyük ve dağıtık metinsel verileri işleyebilir | Anlatım, Alıştırma ve Uygulama, Proje Temelli Öğrenme , | Sınav, Ödev, Proje / Tasarım, |
4 | Bir doğal dil işleme sistemi tasarlayabilmek | Anlatım, Bireysel Çalışma, Proje Temelli Öğrenme , | Sınav, Ödev, Proje / Tasarım, |
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 |
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 |