Dersin Amacı: |
Natural Language Processing, a sub-branch of artificial intelligence, aims to develop techniques for processing the language used by humans. By using these techniques, applications are developed in many subjects such as increasing human-machine communication, machine translation, rapid information extraction. The aim of this course is to introduce the basic techniques in Natural Language Processing and some of the current research on this subject.
|
Dersin İçeriği: |
Doğal Dil İşleme (NLP) - Metin Anlamada Uzmanlaşmak" kursu, NLP'nin büyüleyici dünyasının kapsamlı ve pratik bir keşfi olup, yüksek lisans düzeyindeki öğrenciler için tasarlanmıştır. NLP, bilgisayarların insan dilini anlamasını ve işlemesini sağlayan, duygu analizi, makine çevirisi ve sohbet botları gibi uygulamaları etkinleştiren dinamik bir alandır. Bu 14 haftalık sömestr boyunca öğrenciler, NLP'nin temel kavramlarına ve metodolojilerine dalacak ve onları karmaşık metin tabanlı zorlukların üstesinden gelmek için gereken bilgi ve becerilerle donatacak. NLP'ye giriş ve metin ön işleme ile başlayarak, öğrenciler kelime yerleştirme ve dil modelleme gibi metin temsil tekniklerini keşfedecekler. Hem geleneksel makine öğrenimi algoritmalarını hem de derin öğrenme yaklaşımlarını kullanarak konuşma bölümü etiketleme, duygu analizi ve metin sınıflandırma gibi görevleri derinlemesine inceleyecekler. Uygulamalı kodlama ve projelerle öğrenciler metin özetleme, makine çevirisi, adlandırılmış varlık tanıma ve soru yanıtlama konularında yetkin hale gelecekler. Bağımlılık ayrıştırma, seçim bölgesi ayrıştırma ve adlandırılmış varlık bağlamanın temellerini anlayacaklar ve NLP sistemleri oluşturma konusunda pratik deneyim kazanacaklar. Kurs ayrıca konu modelleme, sosyal medya için NLP ve NLP uygulamalarını çevreleyen etik hususlar gibi ileri düzey NLP konularını da ele alır. Kursun sonunda öğrenciler, metin verilerini işleyip analiz edebilen ve çeşitli gerçek dünya uygulamaları için NLP'nin gücünden yararlanma konusunda bilinçli kararlar verebilen yetenekli NLP uygulayıcıları olarak ortaya çıkacaklardır. Dil anlama modelleri geliştirmek veya NLP'yi iş zekasında kullanmak istiyor olun, bu kurs öğrencileri NLP devriminin ön saflarında yer almaya hazırlar. |
Hafta |
Konu |
Ön Hazırlık |
1) |
Doğal Dil İşleme'ye Giriş
- NLP'ye ve uygulamalarına genel bakış
- NLP'deki Zorluklar: Belirsizlik, bağlam ve sözdizimi
- Simgeleştirme ve metin ön işleme |
ders kitabi |
2) |
Metin Gösterimi ve Özellik Mühendisliği
- Kelime Çantası modeli ve TF-IDF
- Kelime yerleştirmeleri (Word2Vec, GloVe)
- Önceden eğitilmiş dil modelleri (BERT, GPT) |
ders kitabi |
3) |
Dil Modelleme ve Metin Üretimi
- N-gram dil modelleri
- Metin üretimi için Tekrarlayan Sinir Ağları (RNN'ler)
- Diziden Diziye modeller ve dikkat mekanizmaları |
|
3) |
Doğal Dil İşleme Temelleri
1. NLP İşlemesine Giriş
2. Geniş Temeller
3. Simgeleştirme
4. Kaynak
5. Lemmatizasyon
6. Durdurma Sözleri
7. Cümle Eşleştirme ve Kelime Bilgisi |
ders kitabi |
4) |
Konuşma Etiketleme ve Adlandırılmış Varlık Tanıma'nın Bir Parçası
1. Konuşma Bölümüne Giriş (POS)
2. POS Etiketleme
3. POS'u Görselleştirme
4. Adlandırılmış Varlık Tanıma ve Görselleştirme
5. Cümle Bölümleme |
ders kitabi |
4) |
Konuşma Bölümü Etiketleme ve Adlandırılmış Varlık Tanıma
- POS etiketleme algoritmaları
- Adlandırılmış Varlık Tanıma (NER) teknikleri |
|
5) |
Duygu Analizi
- Duygu analizi yaklaşımları: Kural tabanlı, makine öğrenimi ve derin öğrenme
- Duyguları farklı dillerde işleme |
ders kitabi |
6) |
Metin Sınıflandırması
- Saf Bayes Sınıflandırıcı
- Metin sınıflandırması için Vektör Makinelerini (SVM) destekleyin
- Derin öğrenme ile metin sınıflandırması (CNN, LSTM) |
ders kitabi |
7) |
Metin Özetleme
- Çıkarımsal özetleme teknikleri
- seq2seq modellerini kullanarak soyutlayıcı özetleme |
ders kitabi |
8) |
Ara sinav |
ders kitabi |
9) |
ext Çeviri
- Makine Çevirisi temelleri
- Dikkati kullanan Nöral Makine Çevirisi (NMT) |
ders kitabi |
10) |
Adlandırılmış Varlık Bağlantısı ve Çekirdek Referans Çözünürlüğü
- Adlandırılmış Varlık Bağlantısı (NEL) yaklaşımları
- Koreferans çözünürlük algoritmaları |
ders kitabi |
11) |
Bağımlılık Ayrıştırma ve Seçim Bölgesi Ayrıştırma
- Bağımlılık ayrıştırma yöntemleri
- Seçim bölgesi ayrıştırma teknikleri |
ders kitabi |
12) |
Bilgi Alma ve Soru Cevaplama
- Bilgi alma için TF-IDF
- Makine anlama modelleriyle Soru Cevaplama |
ders kitabi |
13) |
Gelişmiş NLP Konuları
- Konu modelleme (LDA)
- Sosyal medya ve web metni için NLP
- NLP'de etik hususlar |
ders kitabi |
14) |
Final |
ders kitabi |
|
Dersin Program Kazanımlarına Etkisi |
Katkı Payı |
1) |
Bilgisayar Bilimi ve Mühendisliği alanında bilimsel araştırma yaparak geniş ve derin bilgilere ulaşma, değerlendirme, yorumlama ve uygulama becerisi. |
|
2) |
Sınırlı ya da eksik bilgiyi kapatmak ve uygulamak için bilimsel yöntemleri kullanma ve farklı disiplinlerin bilgilerini bütünleştirme kabiliyeti. |
|
3) |
Bilgisayar Bilimi ve Mühendisliği problemlerini kurgulayabilme, problemleri çözmek için yöntemler geliştirebilme ve çözümde yenilikçi yöntemler kullanabilme. |
|
4) |
Yeni ve/veya orijinal fikirler ve algoritmalar geliştirme becerisi; sistem, bileşen veya süreç tasarımında yenilikçi çözümler geliştirmek. |
|
5) |
Bilgisayar Mühendisliğinde uygulanan güncel teknikler ve yöntemler ve bunların kısıtları hakkında geniş bilgi sahibi olma kabiliyeti. |
|
6) |
Analitik modelleme ve deneysel araştırma tasarlama ve uygulama, süreçte karşılaşılan karmaşık durumları çözme ve yorumlama becerisi. |
|
7) |
Bir yabancı dili (İngilizce) en az Avrupa Dil Portföyü seviyesinde sözlü ve yazılı iletişimde kullanabilme kabiliyeti. |
|
8) |
Çok disiplinli ekiplerde liderlik etme, karmaşık durumlara çözüm geliştirme ve sorumluluk alma kabiliyeti. |
|
9) |
Toplumsal, yasal, etik ve ahlaki değerlerin bilincinde olmak ve bu değerler çerçevesinde araştırma ve uygulama çalışmaları yapabilmek. |
|
10) |
Bilgisayar Bilimi ve Mühendisliği alanında yeni ve gelişmekte olan uygulamalar hakkında farkındalık ve bunları inceleme ve gerekirse öğrenme kabiliyeti. |
|