Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
CSE 5093	Metin Madenciliği	SEÇMELİ	3	0	0	8

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

Dersi Alan Birimler

Bilgisayar Mühendisliği Tezsiz Yüksek Lisans (İ.Ö) (İngilizce)
Bilgisayar Mühendisliği Tezsiz Yüksek Lisans (İngilizce)
Bilgisayar Mühendisliği Bütünleşik Doktora (İngilizce)
Bilgisayar Mühendisliği Doktora (İngilizce)
Bilgisayar Mühendisliği Yüksek Lisans (İngilizce)

Dersin Amacı

Bu dersin amacı metin verilerinin işlenmesi, saklanması, geri getirikesi ve bilgi çıkarımı konusunda mevcut temel tekniklerin temelleri ve farklı uygulama alanlarında pratik olarak kullanımının öğretilmesini amaçlar.

Dersin Öğrenme Kazanımları

1	Metin madenciliğinin temel kavramlarını tanımlama
2	Metin işleme araç ve tekniklerini öğrenme
3	Metin verisinin toplanması, analiz edilmesi, geri getirilmesi, kümelenmesi ve sınıflandırılmasını ile bilgi çıkarımı konularını kavramak.
4	Derin Öğrenme gibi güncel makine öğrenmesi algoritmalarının metin işleme alanında etkin kullanımını uygulayarak görmek
5	Belirli bir alanda, metin madenciliği ile ilgili verilen bir probleme çözüm olabilecek bir projeyi tasarlayarak, uygulama ve gerçekleştirme becerisi kazanmak.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	1) Metin Bilgi Sistemlerine Giriş
2	2) Matematik and İstatistik temelleri
3	3) Python ie metin işleme
4	4) Boolean Information Retrieval
5	5) Weighted Information Retrieval
6	6) Word Association Mining
7	7) Word Embedding
8	8) Derin Sinir Ağlarına hızlı giriş
9	9) Tensor Flow veKeras
10	10) Metin Sınıflandırma
11	11) Metin kümeleme
12	12) Konu Analizi
13	13) Duygu Durum analizi
14	14) Dönem Ödevi Öneri sunumları
15	15) Dönem Ödevi Öneri sunumları
16	16) Dönem Ödevi Öneri sunumları

Ders İçin Önerilen Kaynaklar

1) ChengXiang Zhai, Sean Massung, Text Data Management and Analysis: A Practical Introduction to Information Retrieval and Text Mining, ACM Books, 2016.

2) Jason Brownlee, Deep Learning for Natural Language Processing, 2017.

Öğrenme ve Öğretme Yöntemleri

1) Sunum araçları ile ders sınıfta işlenecektir.
2) Uygulama konuları sınıfta bilgisayar üzerinde demo yapılarak aktarılacaktır.
3) Öğrencilerin derste anlatılan konuların uygulamalarını kavramaları için programlama ödevleri ve projeler verilerek geliştirmesi ve tecrübe etmeleri sağlanacaktır.

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	ODV	ÖDEV
2	SUN	SUNUM
3	YSBN	YIL SONU BAŞARI NOTU	ODV * 0.50 + SUN * 0.50

*** Bütünleme Sınavı Yapılmayan Birimlerde Bütünleme Kriteri Dikkate Alınmaz.

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Dönem içinde 5 adet programlamaya dayanan küçük ev ödevleri verilecektir.
Dönem sonunda ise daha ayrıntılı bir dönem ödevi hazırlanacaktır.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

Assoc.Prof.Dr.Adil ALPKOÇAK
Dokuz Eylul University, Dept of Computer Engineering
Tinaztepe, 35160 Izmir, Turkey
Tel: 232-3017408
E-posta: alpkocak@ceng.deu.edu.tr

Ders Öğretim Üyesi Görüşme Gün ve Saatleri