| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Doğal Dil İşleme | SENG 450 | | | 3 + 0 | 3 | 5,00 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | |
| Dersin Veriliş Biçimi | Yüz Yüze |
| |
Dersin Öğrenme Kazanımları:
Bu dersi başarı ile tamamlayan öğrenciler: |
| 1. Öğrenciler Doğal Dil İşleme alt alanları hakkında genel bilgi edinir |
| 2. Öğrenciler, konuşma parçası etiketleme, morfolojik analiz, ayrıştırma algoritmaları, anlamsal analiz hakkında genel bir anlayışa sahip olacaklardır. |
| 3. Öğrenciler doğal dil işleme uygulamaları için bir temele sahip olacaklardır. |
| 4. Öğrenciler, doğal dil işleme (veya dil teorisi) ile ilgili yayınlanmış, disiplinler arası bir makalenin bulgularını yorumlayabilecek ve sonuçları yapılandırılmış biçimde sunabilecektir. |
| 5. Öğrenciler, doğal dil işlemenin çağdaş (alt) problemlerinden birini belirleyebilecek ve büyük, çalışan, makul ölçüde eksiksiz bir bilgisayar programı biçiminde, buna olası çözümleri uygulayabilecektir. |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
| Daha Önce Alınmış Olması Önerilen Dersler | Yok |
| |
Dersin Tanımı:
Doğal dil işleme (NLP) tarihi. Hesaplama teknikleriyle dilin analizi ve dönüştürülmesinin kaynağı. Genel dilbilimsel ön bilgiler. Dil üzerinde tahmin, çıkarım ve anlamsal muhakemeye yardımcı olabilecek metin ve konuşma temsilleri. Web'den otomatik bilgi madenciliği. Makine öğrenimi disiplini ve NLP için önemi. NLP için temel bir yöntem olarak derin öğrenme. Google Translate gibi otomatik dil çevirmenleri ve Siri gibi kişisel asistanlar dahil olmak üzere NLP'deki son teknolojik gelişmeler. |
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | Doğal Dil İşlemeye Giriş |
| 2 | Düzenli İfadeler ve Sonlu Durum Otomatı |
| 3 | Dil Modelleri ve N-gramlar |
| 4 | Metin Sınıflandırması: Naif Bayes ve Lojistik Regresyon |
| 5 | Vektör Anlambilim |
| 6 | Morphological Processing |
| 7 | Gözden geçirme |
| 8 | Konuşma Kısmı Etiketleme |
| 9 | Bağlamdan Bağımsız Gramerler ve Sözdizimsel Ayrıştırma |
| 10 | İstatistiksel Ayrıştırma, Bağımlılık Ayrıştırma |
| 11 | Cümle Anlamının Temsili |
| 12 | Anlamsal Analiz ve Hesaplamalı Anlambilim |
| 13 | Bilgi Çıkarma |
| 14 | Makine Çevirisi, Soru Cevaplama, İletişim Sistemleri ve Sohbet Robotları |
| |
| Kaynaklar: |
| Daniel Jurafsky, and James H. Martin, Speech and Language Processing, Prentice Hall, 2nd edition (May 16, 2008), ISBN: 978-0131873216 |
| |
| Diğer Kaynaklar: |
| Christopher D. Manning, and Hinrich Schutze, Foundations of Statistical Natural Language Processing, The MIT Press, 1999, ISBN: 978-0262133609
Bird, Steven, Edward Loper and Ewan Klein, Natural Language Processing with Python, O’Reilly Media Inc., 2009, ISBN: 978-0596516499
|
| |
| Öğretim Yöntem ve Teknikleri: |
| Ders
Tartışma
Soru ve cevap
Takım / Grup Çalışması
Ödev
Proje |
| |
| Değerlendirme Sistemi: |
| Yöntem | Adet | Katkı (%) |
| Ödev | 1 | %10 |
| Midterm Exam | 1 | %25 |
| Oral Presentation | 1 | %5 |
| Final Sınavı | 1 | %30 |
| Project | 1 | %30 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |