DERS ADI

: Hesaplamalı Dilbilim ve Akıllı Metin İşlemede Özel Konular

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
CSC 5027 Hesaplamalı Dilbilim ve Akıllı Metin İşlemede Özel Konular SEÇMELİ 3 0 0 8

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Doktora

Ders Koordinatörü

DR.ÖĞR.ÜYESİ KADRİYE FİLİZ BALBAL

Dersi Alan Birimler

Bilgisayar Bilimleri Doktora (İngilizce)
Bilgisayar Bilimleri Yüksek Lisans
Yapay Zeka ve Akıllı Sistemler Yüksek Lisans

Dersin Amacı

Öğrencilerin hem teorik hem de uygulamalı olarak hesaplamalı dilbilim, doğal dil işleme, insan dili teknolojileri, doğal dil insan-bilgisayar etkileşimi, konuşma işleme ve konuşma tanıma konularını kavramalarını ve uyarlayabilmelerini amaçlamaktadır. Metin işleme, hesaplamalı morfoloji, anlamsal ve sözdizimsel analiz, anafor çözümlemesi, bilgisayarla dil çevirisi, bilgi çıkarma, belge sınıflandırması ve metin sınıflandırması, fikir madenciliği, duygu analizi, intihal algılama ve yazım denetimi ile bunlara ilişkin çeşitli yapay zeka, yapay öğrenme, yapay sinir ağları, derin öğrenme gibi çeşitli yöntemler, modeller ve uygulamaları geliştirebilecek bilgi ve beceriyi öğrencilerin kazanmasını amaçlar.

Dersin Öğrenme Kazanımları

1   Şirketler veya kurumlardaki dil işleme tabanlı problemler için akıllı sistemler ve çözümler uyarlamak ve geliştirmek.
2   Doğal dil işleme, konuşma tanıma, dil çevirisi ve duygu analizi için kıvrımlı ve LSTM derin öğrenme modellerini etkin bir şekilde tasarlamak ve uygulayabilmek.
3   Hesaplamalı dilbilim için yapay zeka ve yapay öğrenme modellerini etkin bir şekilde tasarlamak ve uygulamak.
4   Doğal dil işleme, konuşma işleme ve metin işlemede farklı gelişmiş metodolojileri, prosedürleri ve teknikleri planlamak, yönetmek ve kullanmak.
5   Hesaplamalı dilbilim ve metin madenciliği alanında araştırma projeleri geliştirmek veya uygulamak.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 Kısa tekrar: Derin öğrenme, yapay öğrenme ve yapay sinir ağlarına ilişkin temel konular
2 Kısa tekrar: Hesaplamalı dilbilim ve doğal dil işlemeye ilişkin temel konular
3 Akıllı konuşma işleme 1. Bölüm: Yapay zeka ve yapay öğrenme temelli yöntemlerle konuşma tanıma ve metni konuşmaya dönüştürme
4 Akıllı konuşma işleme 2. Bölüm: Derin öğrenme yaklaşımı ile konuşma tanıma ve metni konuşmaya dönüştürme
5 İleri düzey hesaplamalı dilbilim 1. Bölüm: Yapay zeka ve yapay öğrenme temelli yaklaşımlarla hesaplamalı morfoloji, anlamsal ve sözdizimsel analiz, anafor çözümlemesi
6 İleri düzey hesaplamalı dilbilim 2. Bölüm: Derin öğrenme yöntemleri ve yaklaşımları ile hesaplamalı morfoloji, anlamsal ve sözdizimsel analiz, anafor çözümlemesi
7 İleri düzey hesaplamalı dilbilim 3. Bölüm: Yapay zeka, yapay öğrenme ve derin öğrenme yaklaşımları ile bilgisayarlı dil çevirimi
8 İleri düzey hesaplamalı dilbilim 4. Bölüm: Yapay zeka, yapay öğrenme ve derin öğrenme yaklaşımları ile sözcüksel anlam karmaşıklarının giderilmesi, belirsizlik çözümlemesi ve anlamlı metin türetimi
9 İleri düzey metin işleme 1. Bölüm: Yapay zeka ve yapay öğrenme temelli yaklaşımlarla duygu analizi ve fikir madenciliği
10 İleri düzey metin işleme 2. Bölüm: Derin öğrenme yaklaşımı ile duygu analizi ve fikir madenciliği
11 İleri düzey metin işleme 3. Bölüm: Yapay zeka ve yapay öğrenme temelli yaklaşımlarla bilgi çıkarımı, intihal algılama ve yazım denetimi
12 İleri düzey metin işleme 4. Bölüm: Derin öğrenme yaklaşımı ile bilgi çıkarımı, intihal algılama ve yazım denetimi
13 İleri düzey metin işleme 5. Bölüm: Yapay zeka, yapay öğrenme ve derin öğrenme yöntemleri ile belge ve metin kümeleme
14 Proje sunumları. Dönem boyu işlenen konuların genel tekrarı ve değerlendirmesi.

Ders İçin Önerilen Kaynaklar

D. Jurafsky and J. H. Martin, Speech and Language Processing, Prentice Hall, 3rd edition, 2018.

Y. Bengio, I. Goodfellow and A. Courville, Deep Learning, MIT Press, 2016.

T. Reamy, Deep Text: Using Text Analytics to Conquer Information Overload, Get Real Value from Social Media, and Add Bigger Text to Big Data, Information Today Inc., 2016.

Öğrenme ve Öğretme Yöntemleri

Ders, anlatım, sınıf sunumu ve tartışma biçiminde öğretilecek. Öğretilen dersin yanı sıra, öğrencilere gruplar halinde sunumlar hazırlatılacak ve tartışmalı oturumlar şeklinde sundurulacaktır. Dersin bazı haftalarında, daha önce verilen ödev sonuçları tartışılarak pekiştirilecektir.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL
1 ARS ARASINAV
2 SUN SUNUM
3 YSS YIL SONU SINAVI
4 YSBN YIL SONU BAŞARI NOTU ARS * 0.40 +SUN * 0.20 +YSS * 0.40
5 BUT BÜTÜNLEME
6 BUTBN BÜTÜNLEME SONU BAŞARI NOTU ARS * 0.40 +SUN * 0.20 +BUT * 0.40


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

Değerlendirme Yöntemlerine İliskin Aciklamalar

Değerlendirme yöntemi, öğrenme çıktıları ve derste kullanılan öğretim teknikleri ile uyumlu olacaktır.

Değerlendirme Kriteri

İlan Edilecektir.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

kadriyefiliz.balbal@deu.edu.tr

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

İlan edilecektir.

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ders Anlatımı 14 3 42
Haftalık Ders öncesi/sonrası hazırlıklar 13 4 52
Final Sınavına Hazırlık 1 24 24
Ödev Hazırlama 2 30 60
Sunum Hazırlama 2 15 30
Final Sınavı 1 2 2
TOPLAM İŞ YÜKÜ (saat) 210

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9PK.10
ÖK.15555
ÖK.25555
ÖK.35555
ÖK.45555
ÖK.55555