DOĞAL DİL İŞLEME
- Ders
- AIEN422 - DOĞAL DİL İŞLEME
- Bölüm
- Yapay Zeka Mühendisliği - İngilizce - Lisans
- Ders Tipi
- Ders
- Durum
- Zorunlu
- Dil
- İngilizce
- Kredi
- 3
- AKTS
- 5
- T+P+L
- 3 + 0 + 1
- Ders Koordinatörleri
- -
- Ön Koşul
- -
- Anahtar Sözcükler
Ders Açıklaması
Doğal Dil İşleme dersi, metin verilerini işlenebilir bilgilere dönüştürmek için konuları kapsar. Bu dersin ilk kısmı, kök ayırma, lemmatizasyon, konuşma etiketlemenin bir kısmı, kelime çantası, n-gramlar, durdurma kelimeleri, normalleştirme, idf, tf / idf'yi de kapsayacak özellik matrisi oluşturmak için ön veri işlemeyi içerir. Değerlendirme ölçütleri (F-MEASUE, BLUE, ROUGE) ile birlikte mesafe ölçütleri de bu derste revize edilecektir. Adlandırılmış varlık tanıma, kelime anlamını giderme ve çarpanlara ayırma yöntemleriyle boyutsallık azaltmayı kapsayan anlamsal özellik çıkarma da tartışılacaktır. Metin verileri için çeşitli sayıda makine öğrenimi tekniklerinin uygulanması da bu derste işlenmektedir. Son bölüm, metin özetleme, yazar tanımlama, metin sınıflandırma ve kategorizasyon gibi gerçek dünya uygulamalarına odaklanmaktadır.
DOĞAL DİL İŞLEME
Değerlendirme Araçları (Aktif Dönem)
Değerlendirme öğesi tanımlanmamış.
Ders çıktıları
Henüz ders çıktısı tanımlanmamış.
Ders Müfredatı
| Hafta | Konu |
|---|---|
| Hafta 1 | Introduction Natural Language Processing (NLP) and Information Retrieval (IR) |
| Hafta 2 | NLP Application Areas; text recognition, sentiment analysis, document clustering, question-answering |
| Hafta 3 | Pre-Processing for NLP: Tokenization, stop word removal, normalization, lammitization, regular expressions, morphological analysis |
| Hafta 4 | Vector space model, cosine similarity |
| Hafta 5 | Retrieval of documents: tf x idf and evaluation Methods |
| Hafta 6 | Neural Networks and Deep Learning for IR and NLP - Recent Trends |
| Hafta 7 | Artificial Neural Networks (ANN) - Perceptron |
| Hafta 8 | Multi-Layer ANNs |
| Hafta 9 | Midterm |
| Hafta 10 | Recurrent Neural Networks, Long-Short Term Memory Networks (LSTM) |
| Hafta 11 | Convolutional Neural Networks (CNNs) |
| Hafta 12 | Convolutional Neural Networks (CNNs) for NLP tasks |
| Hafta 13 | Attention Networks |
| Hafta 14 | Semantic Web for data representation |
| Hafta 15 | SPARQL for querying semantic data |
Referans Kitaplar & Ders Materyalleri
Kaynak kitap listelenmemiş.
Ders Çıktıları
Öğrenme çıktısı tanımlanmamış.
Program Çıktıları
- Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi.
- Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi.
- Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi.
- Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi.
- Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi.
- Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi.
- Türkçe sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi.
- Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi.
- Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi.
- Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi , iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi.
- Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık.
Pç-Dç Matrisi
PÇ-ÖÇ matrisi henüz doldurulmamış.