Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

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

Dersin Amacı

Öğrencilerin hem teorik hem de uygulamalı olarak hesaplamalı dilbilim, doğal dil işleme, insan dili teknolojileri, doğal dil insan-bilgisayar etkileşimi konularını kavramalarını ve uyarlayabilmelerini amaçlamaktadır. Metin işleme, hesaplamalı morfoloji, anlamsal ve sözdizimsel analiz, anafor çözümlemesi, bilgi çıkarma, belge sınıflandırması ve metin sınıflandırması, fikir madenciliği, duygu analizi 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 ve duygu analizi için 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 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	Derin öğrenme, yapay öğrenme ve yapay sinir ağlarına ilişkin temel konular
2	Derin öğrenme, yapay öğrenme ve yapay sinir ağlarına ilişkin temel konular
3	Hesaplamalı dilbilim ve doğal dil işlemeye ilişkin temel konular
4	Derin öğrenme yöntemleri ve yaklaşımları ile hesaplamalı morfoloji, anlamsal ve sözdizimsel analiz, anafor çözümlemesi
5	Yapay zeka, yapay öğrenme ve derin öğrenme yaklaşımları ile sözcüksel anlam karmaşıklarının giderilmesi, belirsizlik çözümlemesi ve anlamlı metin türetimi
6	Yapay zeka, yapay öğrenme ve derin öğrenme yaklaşımları ile sözcüksel anlam karmaşıklarının giderilmesi, belirsizlik çözümlemesi ve anlamlı metin türetimi
7	Derin öğrenme yaklaşımı ile duygu analizi ve fikir madenciliği
8	Derin öğrenme yaklaşımı ile duygu analizi ve fikir madenciliği
9	Derin öğrenme yaklaşımı ile bilgi çıkarımı
10	Derin öğrenme yaklaşımı ile bilgi çıkarımı
11	Derin öğrenme yöntemleri ile belge ve metin kümeleme
12	Derin öğrenme yöntemleri ile belge ve metin kümeleme
13	Proje sunumları
14	Proje sunumları

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	ODV	ÖDEV
3	AOD	ARAŞTIRMA ÖDEVİ
4	DKT	DERSE KATILIM
5	YSBN	YIL SONU BAŞARI NOTU	ARS* 0.20 + ODV * 0.20 + AOD * 0.50 + DKT * 0.10

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