| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Doğal Dil İşlemeye Giriş | CENG 493 | | | 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. Gerçek dünya problemlerini NLP kapsamında daha küçük alt problemlere ayırma, temel NLP görevlerini gerçekleştirmek için mevcut doğal dil işleme araçlarını kullanma ve potansiyel çözümleri belirleme becerisi kazanma. |
| 2. Doğal dil işlemede makine öğrenimi tekniklerinin ve derin öğrenme modellerinin temel kullanım alanlarını öğrenme. |
| 3. Doğal dil işleme alanındaki terminolojiye, geniş bir kavram yelpazesine ve görevlere aşina olma. |
| 4. Çeşitli doğal dil işleme görevleri ve uygulamaları için kullanılan yöntemleri ve metrikleri kavrama. |
| 5. Kök bulma (stemming), n-gram'lar, kelime türü etiketleme (POS tagging) ve ayrıştırma (parsing) gibi doğal dil işleme kavram ve yöntemlerini kullanarak metinlerden otomatik olarak bilgi çıkarma becerisini kazanma. |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
| Daha Önce Alınmış Olması Önerilen Dersler | Yok |
| |
Dersin Tanımı:
Doğal dil işleme (NLP), bilgi çağında kilit bir teknoloji konumundadır. NLP alanındaki son gelişmeler, metin çevirisi, soru cevaplama ve sözlü konuşma gibi görevleri gerçekleştirebilen sistemlerin ortaya çıkmasına yol açmıştır. Bu ders, öğrencilere NLP'nin temel bir kavrayışını sağlamak üzere tasarlanmış olup, çeşitli NLP problemlerini ele almak için standart çerçeveleri, algoritmaları ve teknikleri kapsamaktadır. Müfredat; dil modelleme, temsil öğrenimi, metin sınıflandırma, dizi etiketleme, sözdizimsel ayrıştırma, makine çevirisi ve soru cevaplama gibi konuları, özellikle son dönem derin öğrenme yaklaşımlarına vurgu yaparak inceleyecektir. Bu ders aracılığıyla öğrenciler, NLP kavramları, yöntemleri, algoritmaları, uygulamaları ve NLP için derin öğrenme alanındaki en güncel araştırmalara kapsamlı bir giriş elde edeceklerdir. |
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | Doğal Dil İşlemeye Giriş |
| 2 | Temel Metin İşleme |
| 3 | N-gram Dil Modelleri |
| 4 | Naive Bayes Sınıflandırması |
| 5 | Lojistik Regresyon Sınıflandırması |
| 6 | Sözcüksel Anlambilim |
| 7 | Kelime Gömme Yöntemleri |
| 8 | Kelime Gömme Yöntemleri |
| 9 | Kelime Sınıfları ve Kelime Türü Etiketleme |
| 10 | Gizli Markov Modelleri |
| 11 | Anlamsal Analiz |
| 12 | Özetleme |
| 13 | Otomatik Çeviri |
| 14 | Doğal Dil Üretimi |
| |
| Kaynaklar: |
| Jurafsky, D., & Martin, J. H. (2018). Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition (3rd ed.). Pearson-Prentice Hall. |
| |
| Diğer Kaynaklar: |
| Eisenstein, J. (2019). Introduction to Natural Language Processing. MIT Press. |
| |
| Öğretim Yöntem ve Teknikleri: |
| PowerPoint sunumları haftalık olarak paylaşılacaktır. Öğrencilerin, ders materyalleri hakkındaki sorularını yöneltmek için çevrimiçi tartışma forumunu kullanmaları teşvik edilmektedir. |
| |
| Değerlendirme Sistemi: |
| Yöntem | Adet | Katkı (%) |
| Midterm Exam | 1 | %30 |
| Project | 1 | %30 |
| Final Sınavı | 1 | %40 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |