İleri Veritabanı Sistemleri(INF 642)
| Ders Kodu | Dersin Adı | Yarıyıl | Teori | Uygulama | Lab | Kredisi | AKTS |
|---|---|---|---|---|---|---|---|
| INF 642 | İleri Veritabanı Sistemleri | 1 | 3 | 0 | 0 | 3 | 8 |
| Ön Koşul | |
| Derse Kabul Koşulları |
| Dersin Dili | İngilizce |
| Türü | Seçmeli |
| Dersin Düzeyi | Doktora |
| Dersi Veren(ler) | Sultan Nezihe TURHAN sturhan@gsu.edu.tr (Email) |
| Dersin Yardımcıları | |
| Dersin Amacı | Bu dersin temel amacı, çizge veri tabanı sistemlerinin kuramsal ve metodolojik gelişimine katkı sağlayabilecek araştırma odaklı doktora öğrencileri yetiştirmektir. Ders, çizge veri modelleri, sematik web teknolojileri ve nöro-sembolik entegrasyon alanlarında ileri düzey uzmanlık kazandırmayı; aynı zamanda öğrencilerin biçimsel akıl yürütme, karmaşıklık analizi ve algoritma tasarımı becerilerini geliştirmeyi hedefler. Ayrıca ders, öğrencilerin üst düzey bilimsel araştırma ve yayın üretimi yapabilmeleri için gerekli kuramsal ve uygulamalı temeli sağlamayı amaçlamaktadır. |
| İçerik | Bu ders, çizge veri tabanı sistemlerinin kuramsal ve metodolojik temellerini, özellikle biçimsel anlambilim, sorgu ifade gücü ve hesaplama karmaşıklığı perspektiflerinden ele almaktadır. Ders, çizge veri modelleri, birinci dereceden mantık, datalog ve grafik homomorfizması gibi temel kavramlarla başlayarak Semantik Web’in biçimsel çerçevesine, RDF anlambilimine ve ileri düzey SPARQL sorgu işleme ve optimizasyon tekniklerine ilerler. Ayrıca ders kapsamında betimleme mantıkları, ontoloji tabanlı çıkarım ve tutarsızlık yönetimi yaklaşımları üzerinden bilgi temsili ve akıl yürütme sistemleri incelenir. Nöro-sembolik entegrasyon başlığı altında çizgeler üzerinde farklılaştırılabilir akıl yürütme ve çizge sinir ağlarının kuramsal sınırları ele alınır. İleri konular arasında bilgi çizgesi oluşturma, bilgi çıkarımı modelleri, otomatik ontoloji öğrenimi ve istatistiksel ilişkisel öğrenme yer almaktadır. Ders ayrıca dağıtık çizge sistemlerini, sorgu işleme, tutarlılık modelleri ve uzlaşma mekanizmaları bağlamında ele alır. Son olarak zamansal bilgi çizgesi, çok modlu veri entegrasyonu ve çapraz modal akıl yürütme gibi güncel araştırma alanları incelenerek doktora düzeyinde kapsamlı bir altyapı sunulmaktadır. |
| Dersin Öğrenme Çıktıları |
Bu dersi başarıyla tamamlayan öğrenciler: 1. Çizge veri tabanı sistemlerinin biçimsel anlambilim, sorgu ifade gücü ve hesaplama karmaşıklığı gibi kuramsal temellerini analiz edebilir. 2. RDF, OWL ve betimleme mantıkları dahil olmak üzere farklı bilgi temsili ve akıl yürütme yaklaşımlarını değerlendirebilir ve karşılaştırabilir. 3. SPARQL ve Datalog gibi biçimsel sorgu dillerini kullanarak ileri düzey grafik sorguları tasarlayabilir ve optimize edebilir. 4. Ontoloji çıkarımı, tutarsızlık yönetimi ve mantıksal çıkarım problemlerine yönelik biçimsel akıl yürütme tekniklerini uygulayabilir. 5. Çizge sinir ağları dahil olmak üzere nöro-sembolik yaklaşımları ifade gücü, sınırlılıklar ve kuramsal sağlamlık açısından eleştirel olarak değerlendirebilir. 6. Biçimsel ve istatistiksel yöntemleri kullanarak ileri düzey bilgi grafı oluşturma süreçleri geliştirebilir ve uygulayabilir. 7. Dağıtık çizge sistemlerini tutarlılık modelleri, sorgu işleme ve ölçeklenebilirlik açısından analiz edebilir. 8. Zamansal ve çok modlu bilgi çizgesi gibi yeni araştırma alanlarını sentezleyebilir. 9. Araştırma problemleri tanımlayarak, bilimsel literatürü analiz ederek ve yayınlanabilir sonuçlar üreterek bağımsız araştırma yürütebilir. |
| Öğretim Yöntemleri | Bu ders, kuramsal derinliği aktif öğrenme ve bilimsel araştırma ile birleştiren araştırma odaklı ve öğrenci merkezli bir öğretim yaklaşımını benimsemektedir. Öğretim yöntemleri, biçimsel temeller ve güncel araştırma gelişmelerine odaklanan ileri düzey ders anlatımlarının yanı sıra bilimsel literatürün derinlemesine tartışılmasını içermektedir. Öğrenciler, araştırma makalelerini eleştirel biçimde okuyup sunarak analiz ve değerlendirme becerilerini geliştirir. Haftalık ödevler, kuramsal kavramların problem çözme ve biçimsel analiz yoluyla pekiştirilmesini amaçlamaktadır. Ders ayrıca,öğrencilerin aktif katılım gösterdiği ve akran geri bildirimi süreçlerine dahil olduğu seminer formatında oturumlar içermektedir. Öğrenme sürecinin önemli bir bileşeni, öğrencilerin araştırma soruları geliştirdiği, yöntemler tasarladığı ve özgün katkılar ortaya koyduğu bağımsız araştırma çalışmalarına ayrılmıştır. Bu bütünleşik yaklaşım, teori ile araştırma pratiği arasında köprü kurarak öğrencileri doktora düzeyinde bilimsel çalışmalara hazırlamayı hedeflemektedir. |
| Kaynaklar |
1. Serles, U., & Fensel, D. (2024). An Introduction to Knowledge Graphs. Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-45256-7 2. Hogan, A., Blomqvist, E., Cochez, M., d'Amato, C., Melo, G. D., Gutierrez, C., Kirrane, S., Gayo, J. E. L., Navigli, R., & Neumaier, S. (2021). Knowledge Graphs. Springer Verlag. https://doi.org/10.2200/S01125ED1V01Y202109DSK022 3. Kejriwal, M., Knoblock, C. A., & Szekely, P. (2021). Knowledge Graphs: Fundamentals, Techniques, and Applications. MIT Press. https://doi.org/10.7551/mitpress/11382.001.0001 4. Ek ve Önerilen Kaynaklar: Temel ders kitaplarına ek olarak, öğrencilerin önde gelen konferans ve dergilerde yayımlanan güncel ve yüksek etkili bilimsel makaleleri takip etmeleri hedeflenmektedir. Seçilen makale listesi, çizge veri tabanları, Semantik Web ve nöro-sembolik sistemler alanındaki en güncel gelişmeleri yansıtacak şekilde her yıl güncellenecektir. |
Teori Konu Başlıkları
| Hafta | Konu Başlıkları |
|---|---|
| 1 | Çizge Veritabanlarının Kuramsal Temelleri |
| 2 | Semantik Web ve RDF Kuramsal Çerçevesi |
| 3 | SPARQL |
| 4 | Bilgi Temsili ile Akıl Yürütme Sistemleri ve OWL |
| 5 | Nöro-Sembolik Entegrasyon Kuramı |
| 6 | İleri Düzey Bilgi Çizgesi Oluşturma |
| 7 | Dağıtık Çizge Sistemleri Kuramı |
| 8 | Zamansal Bilgi Çizgeleri: Zaman Mantığı ve Versiyonlama Kuramı |
| 9 | Çok Modlu Entegrasyon ve Çapraz Modal Akıl Yürütme Çerçeveleri |
| 10 | |
| 11 | |
| 12 | |
| 13 | |
| 14 |
Uygulama Konu Başlıkları
| Hafta | Konu Başlıkları |
|---|
Başarı Notuna Etki Oranları
| Sayı | Katkı Payı | |
|---|---|---|
| Yarıyıl içi çalışmaların başarı notuna katkısı | 6 | 50 |
| Yarıyıl sonu çalışmaların başarı notuna katkısı | 1 | 50 |
| Toplam | 7 | 100 |
Yarıyıl İçi Çalışmaları
| Sayı | Katkı Payı | |
|---|---|---|
| Ödevler | 5 | 20 |
| Sunum | 0 | 0 |
| Arasınavlar (Hazırlık Süresi Dahil) | 0 | 0 |
| Proje | 0 | 0 |
| Laboratuar | 0 | 0 |
| Diğer Uygulamalar | 0 | 0 |
| Kısa Sınavlar | 0 | 0 |
| Dönem Ödevi / Projesi | 1 | 30 |
| Portfolyo Çalışmaları | 0 | 0 |
| Raporlar | 0 | 0 |
| Öğrenme Günlükleri | 0 | 0 |
| Bitirme Tezi/Projesi | 0 | 0 |
| Seminer | 0 | 0 |
| Diğer | 0 | 0 |
| Bütünleme | 0 | 0 |
| Toplam | 6 | 50 |
| Numara | Program Yeterlilikleri | Puan | ||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| Etkinlikler | Sayı | Süre | Toplam İş Yükü |
|---|---|---|---|
| Ders Süresi | 14 | 3 | 42 |
| Sınıf Dışı Çalışma Süresi | 14 | 6 | 84 |
| Ödevler | 5 | 2 | 10 |
| Sunum | 0 | 0 | 0 |
| Arasınavlar (Hazırlık Süresi Dahil) | 0 | 0 | 0 |
| Proje | 0 | 0 | 0 |
| Laboratuar | 0 | 0 | 0 |
| Diğer Uygulamalar | 0 | 0 | 0 |
| Yarıyıl Sonu Sınavı (Hazırlık Süresi Dahil) | 0 | 0 | 0 |
| Kısa Sınavlar | 0 | 0 | 0 |
| Dönem Ödevi / Projesi | 1 | 10 | 10 |
| 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 |
| Bütünleme | 0 | 0 | 0 |
| Ts Yıl Sonu | 0 | 0 | 0 |
| Hazırlık Yıl Sonu | 1 | 30 | 30 |
| Hazırlık Bütünleme | 0 | 0 | 0 |
| Toplam İş Yükü | 176 | ||
| Toplam İş Yükü / 25 | 7.04 | ||
| Dersin AKTS Kredisi | 7 | ||