Doğal Dil İşleme(MAT410)
| Ders Kodu | Dersin Adı | Yarıyıl | Teori | Uygulama | Lab | Kredisi | AKTS |
|---|---|---|---|---|---|---|---|
| MAT410 | Doğal Dil İşleme | 8 | 3 | 0 | 0 | 3 | 5 |
| Ön Koşul | |
| Derse Kabul Koşulları |
| Dersin Dili | İngilizce |
| Türü | Seçmeli |
| Dersin Düzeyi | Lisans |
| Dersi Veren(ler) | Muhammed ULUDAĞ muhammed.uludag@gmail.com (Email) |
| Dersin Yardımcıları | |
| Dersin Amacı | Bu ders, Doğal Dil İşleme'nin hem temel kavramlarını hem de ileri tekniklerini keşfederken, NLP'nin derinlemesine anlaşılmasını sağlamayı amaçlamaktadır. Öğrencilere, metin sınıflandırma, duygu analizi, makine çevirisi ve soru-cevap sistemleri gibi gerçek dünya uygulamalarında NLP'yi uygulamak için gerekli teorik bilgi ve pratik becerileri kazandırmak üzere tasarlanmıştır. |
| İçerik |
Ders içeriği, aşağıdaki ana alanlar etrafında yapılandırılacaktır: NLP'ye Giriş: NLP'nin genel bakışı ve uygulamaları. Metin İşleme: Temel metin ön işleme, tokenizasyon, kök bulma, lemmatizasyon. Dil Modelleri: N-gramlar, olasılıksal modeller, sinir ağı tabanlı modeller. Kelime Türü Etiketleme ve Adlandırılmış Varlık Tanıma: Teknikler ve uygulamalar. Sözdizimi ve Ayrıştırma: Cümle yapısının analizi, bağımlılık ayrıştırması. Anlambilim: Kelime yerleştirmeleri, bağlamsal yerleştirmeler (BERT, GPT). Makine Çevirisi: Otomatik çeviriye yaklaşımlar, sıra-sıra modeller. Soru-Cevap ve Chatbotlar: İnsan benzeri yanıtlar üreten ve anlayan sistemlerin inşası. NLP'de Etik Değerlendirmeler: Önyargı, adil olma ve NLP teknolojilerinin etkileri. |
| Dersin Öğrenme Çıktıları |
Ders sonunda öğrenciler: NLP'nin temel prensiplerini anlayabilecek ve açıklayabilecek. Python ve ilgili kütüphaneleri (örn., NLTK, spaCy, TensorFlow, PyTorch) kullanarak NLP görevlerini uygulayabilecek. NLP sorunlarını çözmek için makine öğrenimi ve derin öğrenme modellerini uygulayabilecek. NLP modellerini performansları, sınırlılıkları ve etik etkileri göz önünde bulundurarak eleştirel bir şekilde değerlendirebilecek. Gerçek dünya problemleri için kendi NLP uygulamalarını tasarlayıp geliştirebilecek. |
| Öğretim Yöntemleri |
Ders, kapsamlı bir öğrenme deneyimi teşvik etmek için çeşitli öğretim yöntemlerini kullanacaktır: Dersler: Kavramları ve teorileri tanıtmak için Chris Manning'in online dersleri ek materyallerle desteklenerek kullanılacak. Uygulamalı Laboratuvarlar: Öğrencilerin NLP araçlarını ve kütüphanelerini kullanarak kavramları uygulayacağı pratik oturumlar. Vaka Çalışmaları: Gerçek dünya NLP uygulamaları ve araştırma makalelerinin analizi. Grup Projeleri: Daha büyük NLP projelerinde işbirliğini teşvik etmek. Quizler ve Ödevler: Öğrenmeyi pekiştirmek ve ilerlemeyi değerlendirmek için. |
| Kaynaklar |
Birincil Kaynak: Chris Manning'in online NLP dersleri. Ders Kitapları: "Speech and Language Processing" adlı kitaptan Jurafsky & Martin ve diğer ilgili NLP literatüründen önerilen okumalar. Yazılımlar ve Araçlar: Python, Jupyter Notebooks, NLTK, spaCy, TensorFlow ve PyTorch. Online Forumlar: Topluluk desteği ve kod paylaşımı için Stack Overflow ve GitHub gibi platformlar. |
Teori Konu Başlıkları
| Hafta | Konu Başlıkları |
|---|---|
| 1 | Introduction to NLP; history and applications. word2vec |
| 2 | Text processing basics; working with text data. |
| 3 | Language models; introduction to n-grams and probabilistic models. |
| 4 | Advanced language models; introduction to neural networks in NLP. |
| 5 | Part-of-Speech tagging; understanding and implementing tagging algorithms. |
| 6 | Named Entity Recognition; techniques and tools. |
| 7 | Syntax and Parsing; analyzing sentence structure. |
| 8 | Semantics; exploring word embeddings and contextual embeddings. |
| 9 | Machine Translation; understanding and building translation models. |
| 10 | Advanced topics in machine translation; exploring state-of-the-art models. |
| 11 | Question Answering and Chatbots; designing systems for interaction. |
| 12 | Ethical considerations in NLP; discussing bias, fairness, and social impact. |
| 13 | Group project presentations; applying what has been learned. |
| 14 | Course wrap-up; review and final exams. |
Uygulama Konu Başlıkları
| Hafta | Konu Başlıkları |
|---|
Başarı Notuna Etki Oranları
| Sayı | Katkı Payı | |
|---|---|---|
| Yarıyıl içi çalışmaların başarı notuna katkısı | 1 | 40 |
| Yarıyıl sonu çalışmaların başarı notuna katkısı | 1 | 60 |
| Toplam | 2 | 100 |
Yarıyıl İçi Çalışmaları
| Sayı | Katkı Payı | |
|---|---|---|
| Ödevler | 2 | 25 |
| Sunum | 0 | 0 |
| Arasınavlar (Hazırlık Süresi Dahil) | 0 | 0 |
| Proje | 1 | 25 |
| Laboratuar | 0 | 0 |
| Diğer Uygulamalar | 0 | 0 |
| Kısa Sınavlar | 0 | 0 |
| Dönem Ödevi / Projesi | 0 | 0 |
| Portfolyo Çalışmaları | 0 | 0 |
| Raporlar | 0 | 0 |
| Öğrenme Günlükleri | 0 | 0 |
| Bitirme Tezi/Projesi | 0 | 0 |
| Seminer | 0 | 0 |
| Diğer | 0 | 0 |
| Toplam | 3 | 50 |
| Numara | Program Yeterlilikleri | Puan | ||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| 1 | Çıkarım yaparak muhakeme yapmanın ilkelerini anlar; ürettiği ya da karşılaştığı matematiksel ifadenin doğruluğunu ve uygunluğunu sistematik şekilde sorgulayabilir; | |||||
| 2 | Temel matematik netice ve kavramlarını doğru şekilde bilir ve kullanır; | X | ||||
| 3 | Sık kullanılan hesap tekniklerine ve algoritmalara hakimdir; bunları hayata geçirmek için iyi bir hesap becerisine sahiptir; bir problemin çözümü için bildiği araçlar arasından ilgili aleti tespit edip kullanabilir ve bu aletlere sahip olup olmadığını muhakeme edebilir; | X | ||||
| 4 | Matematiksel fikirlerini yapılandırarak hem yazılı hem de sözlü ifade edebilir; | X | ||||
| 5 | Bildiği matematiksel kavram ve neticeler arasındaki bağlantıları idrak eder, matematik nesnelerinin temsil biçimlerinin (şekiller, formüller, ifadeler, tahminler, örnek kümeleri , ...) birinden diğerine geçiş yapabilir; | X | ||||
| 6 | Rehber gözetiminde özerk bir öğrenme tecrübesi geçirmiş ve karmaşık bir problemin çözümünün anlaşılması için stratejiler geliştirmiştir; | X | ||||
| 7 | Bilgisayar biliminin teori ve uygulamaları hakkında, bir programlama dili öğrenmeye devam etmeye yetecek temellere sahiptir; | X | ||||
| 8 | Matematik modellerinin uygunluğunu ve matematik aletlerinin doğa bilimlerinde ve iş dünyasında kullanımını sorgulamıştır; matematik kavramlarının tarihi evriminin farkındadır; | X | ||||
| 9 | Bir akademik serbestlik atmosferi içinde matematik içi veya dışı bir konuya adım atma fırsatına sahip olmuştur, eğitimde yolunu kendi başına çizmeyi ve sorumluluk almayı öğrenmiştir; | X | ||||
| 10 | Yabancı bir ülkede okumak ve çalışmaya yetecek seviyede fransızcaya ve başka bir yabancı dile hakimdir. | X | ||||
| Etkinlikler | Sayı | Süre | Toplam İş Yükü |
|---|---|---|---|
| Ders Süresi | 14 | 3 | 42 |
| Sınıf Dışı Çalışma Süresi | 14 | 1 | 14 |
| Ödevler | 4 | 15 | 60 |
| Sunum | 0 | 0 | 0 |
| Arasınavlar (Hazırlık Süresi Dahil) | 1 | 7 | 7 |
| Proje | 0 | 0 | 0 |
| Laboratuar | 0 | 0 | 0 |
| Diğer Uygulamalar | 0 | 0 | 0 |
| Yarıyıl Sonu Sınavı (Hazırlık Süresi Dahil) | 1 | 10 | 10 |
| Kısa Sınavlar | 0 | 0 | 0 |
| Dönem Ödevi / Projesi | 1 | 4 | 4 |
| Portfolyo Çalışmaları | 0 | 0 | 0 |
| Raporlar | 0 | 0 | 0 |
| Öğrenme Günlükleri | 0 | 0 | 0 |
| Bitirme Tezi/Projesi | 0 | 0 | 0 |
| Seminer | 0 | 0 | 0 |
| Diğer | 0 | 0 | 0 |
| Toplam İş Yükü | 137 | ||
| Toplam İş Yükü / 25 | 5.48 | ||
| Dersin AKTS Kredisi | 5 | ||