İSTİNYE ÜNİVERSİTESİ BİLGİ PAKETİ / DERS KATALOĞU
| Veri Bilimi (YL) (Tezli) (İngilizce) | |||||
| Yüksek Lisans | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF-LLL: 7. Düzey | ||
Ders Genel Tanıtım Bilgileri
| Ders Kodu: | DATS5012 | ||||
| Ders İsmi: | Doğal Dil İşleme | ||||
| Ders Yarıyılı: | Bahar | ||||
| Ders Kredileri: |
|
||||
| Öğretim Dili: | İngilizce | ||||
| Ders Koşulu: | |||||
| Ders İş Deneyimini Gerektiriyor mu?: | Hayır | ||||
| Dersin Türü: | Bölüm/Program Seçmeli | ||||
| Dersin Seviyesi: |
|
||||
| Dersin Veriliş Şekli: | E-Öğrenme | ||||
| Dersin Koordinatörü: | Araş. Gör. KAZIM TİMUÇİN UTKAN | ||||
| Dersi Veren(ler): | |||||
| Dersin Yardımcıları: |
Dersin Amaç ve İçeriği
| Dersin Amacı: | Bu dersin temel amacı; öğrencilere doğal dil işleme (Natural Language Processing - NLP) alanının temel kavramlarını, teorik bilgilerini ve bu alanda yaygın olarak kullanılan yöntem ve teknolojileri tanıtmaktır. Ders kapsamında, bilgisayarların insan diliyle etkileşimini sağlayan algoritma ve modellerin nasıl geliştirildiği ve bu modellerin gerçek dünya verileriyle nasıl entegre edildiği öğretilecektir. Derin öğrenme tekniklerinin NLP'ye nasıl uygulandığını da inceleyerek, öğrencilerin sahadaki güncel sorunlar üzerinde çalışabilme ve yeni çözümler üretebilme kapasitesini artırmak hedeflenmektedir. |
| Dersin İçeriği: | 1. Doğal Dil İşlemenin Temelleri ve Uygulama Alanları 2. Metin Ön İşleme ve Temizleme Yöntemleri 3. Doğal Dil İşleme için Algoritmalar ve Modeller 4. Derin Öğrenme ve Doğal Dil İşleme 5. Doğal Dil İşlemede Güncel Gelişmeler ve Uygulama Çalışmaları |
Öğrenme Kazanımları
|
Bu dersi başarıyla tamamlayabilen öğrenciler;
1) 1. Doğal dil işlemeye giriş ve temel kavramları tanımlayabilme 2) 2. Metin ön işleme ve temizleme tekniklerini uygulayabilme 3) 3. Genel amaçlı doğal dil işleme algoritmalarını anlama ve kullanabilme 4) 4. Derin öğrenme tabanlı doğal dil işleme modellerini entegre edebilme 5) 5. Güncel NLP problemlerine yönelik çözüm yaklaşımları geliştirebilme |
Ders Akış Planı
| Hafta | Konu | Ön Hazırlık |
| 1) | Doğal Dil İşlemenin Tarihçesi ve Gelişimi | - |
| 2) | Doğal Dil İşleme ve Dilbilimsel Temeller | - |
| 3) | Metin Ön İşleme: Tokenizasyon, Stemming ve Lemmatizasyon | - |
| 4) | Anlambilim, Anlam Çıkarımı ve Anlamlandırma | - |
| 5) | Kelime Türü Etiketleme ve Sözdizimsel Analiz | - |
| 6) | Algoritmalar: TF-IDF, N-gram Modelleri ve Duygu Analizi | - |
| 7) | Derin Öğrenme ve NLP: Embeddingler, RNN ve LSTM | - |
| 8) | Vize Sınavı | - |
| 9) | Dikkat Mekanizmaları ve Transformer Modeller | - |
| 10) | Dil Modelleri ve Önceden Eğitilmiş Modellerin İncelemesi (BERT, GPT) | - |
| 11) | Makine Çevirisi ve Sekans-to-Sekans Modeller | - |
| 12) | Konuşma Tanıma ve Sesle Yazıya Dönüştürme Sistemleri | - |
| 13) | Sohbet Robotları ve Diyaloğun Anlam Analizi | - |
| 14) | Öneri Sistemleri ve Kişiselleştirilmiş Uygulamalar | - |
| 15) | Doğal Dil İşlemede Etik ve Güvenlik | - |
| 16) | Final Sınavı | - |
Kaynaklar
| Ders Notları / Kitaplar: | Natural Language Processing with Python: Analyzing Text with the Natural Language Toolkit 1st Edition by Steven Bird (Author), Ewan Klein (Author), Edward Loper (Author) |
| Diğer Kaynaklar: | Natural Language Processing with Python: Analyzing Text with the Natural Language Toolkit 1st Edition by Steven Bird (Author), Ewan Klein (Author), Edward Loper (Author) |
Ders - Program Öğrenme Kazanım İlişkisi
| Course Learning Outcomes | 1 |
2 |
3 |
4 |
5 |
|---|---|---|---|---|---|
| Program Kazanımları | |||||
| 1) Bu programı başarıyla tamamlayan öğrenciler, Veri biliminin teknik uygulamalarının kapsamını ve kullanılabilecek araçları bilir. | 3 | 3 | 3 | 3 | 2 |
| 2) Bu programı başarıyla tamamlayan öğrenciler, Uygulama sonuçlarının toplum-kültür-hukuk üzerindeki etkilerini bilir. | 2 | 3 | 3 | 3 | 2 |
| 3) Bu programı tamamlayan öğrenciler; Uygulama süreçlerindeki matematiği ve kodu tanır | 2 | 2 | 3 | 3 | 3 |
| 4) Bu programı tamamlayan öğrenciler; Veri bilimindeki süreçlerin çıktı ve birey üzerindeki etkilerini açıklar | 3 | 2 | 2 | 2 | 3 |
| 5) Bu programı başarıyla tamamlayan öğrenciler, Bir bütün olarak veri bilimiyle oluşan içgörü-öngörü ve uzgörüyü belli bir disiplin/vaka karşında anlar. | 3 | 2 | 2 | 2 | 2 |
Ders - Öğrenme Kazanımı İlişkisi
| Etkisi Yok | 1 En Düşük | 2 Orta | 3 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
| 1) | Bu programı başarıyla tamamlayan öğrenciler, Veri biliminin teknik uygulamalarının kapsamını ve kullanılabilecek araçları bilir. | 2 |
| 2) | Bu programı başarıyla tamamlayan öğrenciler, Uygulama sonuçlarının toplum-kültür-hukuk üzerindeki etkilerini bilir. | 3 |
| 3) | Bu programı tamamlayan öğrenciler; Uygulama süreçlerindeki matematiği ve kodu tanır | 3 |
| 4) | Bu programı tamamlayan öğrenciler; Veri bilimindeki süreçlerin çıktı ve birey üzerindeki etkilerini açıklar | 3 |
| 5) | Bu programı başarıyla tamamlayan öğrenciler, Bir bütün olarak veri bilimiyle oluşan içgörü-öngörü ve uzgörüyü belli bir disiplin/vaka karşında anlar. | 2 |
Ölçme ve Değerlendirme
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Ara Sınavlar | 1 | % 40 |
| Final | 1 | % 60 |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 40 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 60 | |
| Toplam | % 100 | |
İş Yükü ve AKTS Kredisi Hesaplaması
| Aktiviteler | Aktivite Sayısı | İş Yükü |
| Ders Saati | 14 | 42 |
| Ara Sınavlar | 8 | 29 |
| Final | 8 | 78 |
| Toplam İş Yükü | 149 | |