| Ders Adı | Kodu | Yerel Kredi | AKTS | Ders (saat/hafta) | Uygulama (saat/hafta) | Laboratuar (saat/hafta) |
|---|---|---|---|---|---|---|
| Doğal Dil İşlemeye Kavramsal Bir Bakış | BLM5105 | 3 | 7.5 | 3 | 0 | 0 |
| Önkoşullar | Yok |
|---|
| Yarıyıl | Güz |
|---|
| Dersin Dili | Türkçe |
|---|---|
| Dersin Seviyesi | Yüksek Lisans |
| Dersin Türü | Seçmeli @ Bilgisayar Mühendisliği ABD Bilgisayar Mühendisliği Yüksek Lisans Programı (Tezsiz) Seçmeli @ Bilgisayar Mühendisliği ABD Bilgisayar Mühendisliği Doktora Programı Seçmeli @ Bilgisayar Mühendisliği ABD Bilgisayar Mühendisliği Yüksek Lisans Programı |
| Ders Kategorisi | Uzmanlık/Alan Dersleri |
| Dersin Veriliş Şekli | Yüz yüze |
| Dersi Sunan Akademik Birim | Bilgisayar Mühendisliği Bölümü |
|---|---|
| Dersin Koordinatörü | Banu Diri |
| Dersi Veren(ler) | Banu Diri |
| Asistan(lar)ı |
| Dersin Amacı | Doğal dil ve uygulama alanları ile tanışmak; Mümkün olabilen uygulamaları gerçekleştirmek |
|---|---|
| Dersin İçeriği | Dilin biçimbirimsel analizi; Farklı gramer yapıları; Kümeleme ve Sınıflandırma Algoritmaları; Bilgi Çıkarımı; Soru Cevaplama; Doğal Dil İşleme Uygulamaları |
| Ders Kitabı / Malzemesi / Önerilen Kaynaklar |
|
| Opsiyonel Program Bileşenleri | Yok |
Ders Öğrenim Çıktıları
- Öğrenci, bilgisayar ortamında doğal dili kullanmanın günlük hayatımıza getireceği kolaylıkları bilecektir.
- Öğrenci, doğal dil işleme alanında kullanılan algoritmaları ve yöntemleri öğrenecek ve uygulamalar geliştirecektir.
- Öğrenci, yurt dışında ve yurt içerisinde geliştirilmiş olan araçları tanıyacak ve kullanabilecektir.
- Öğrenci, doğal dil işlemedeki tüm kavramları öğrenecektir.
- Öğrenci, derste öğrendiklerini kullanarak bir proje geliştirecektir.
Ders Öğrenim Çıktısı & Program Çıktısı Matrisi
| DÖÇ-1 | DÖÇ-2 | DÖÇ-3 | DÖÇ-4 | DÖÇ-5 |
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Doğal Dil İşlemeye Giriş | Foundations of Statistical Natural Language Processing Section1 |
| 2 | Dilbiliminin Esasları ve Dil Modelleri | Foundations of Statistical Natural Language Processing Section 3 |
| 3 | Biçimbirimsel Analiz | Foundations of Statistical Natural Language Processing Section 10 |
| 4 | Sözdizimsel Analiz | Foundations of Statistical Natural Language Processing Section 10 |
| 5 | Makine Öğrenmesi | Introduction to Machine Learning, MIT |
| 6 | Metin Sınıflandırma | Foundations of Statistical Natural Language Processing Section 16 |
| 7 | Bilgi Çıkarımı | Foundations of Statistical Natural Language Processing Section 14 |
| 8 | Ara Sınav 1 | |
| 9 | String Algoritmaları | Cambridge University Press |
| 10 | Soru Cevaplama Sistemleri | Speech and Language Processing Section 23 |
| 11 | Eşdizimlilik | Foundations of Statistical Natural Language Processing Section 5 |
| 12 | Sunum-1 | Seçilmiş Konular |
| 13 | Sunum-2 | Seçilmiş Konular |
| 14 | Sunum-3 | Seçilmiş Konular |
| 15 | Sözlü Sunum | Sözlü Sunum |
| 16 | Final |
Değerlendirme Sistemi
| Etkinlikler | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | ||
| Laboratuar | ||
| Uygulama | ||
| Arazi Çalışması | ||
| Derse Özgü Staj | ||
| Küçük Sınavlar/Stüdyo Kritiği | ||
| Ödev | 2 | 10 |
| Sunum/Jüri | ||
| Projeler | 1 | 10 |
| Seminer/Workshop | 1 | 30 |
| Ara Sınavlar | 1 | 10 |
| Final | 1 | 40 |
| Dönem İçi Çalışmaların Başarı Notuna Katkısı | ||
| Final Sınavının Başarı Notuna Katkısı | ||
| TOPLAM | 100 | |
AKTS İşyükü Tablosu
| Etkinlikler | Sayı | Süresi (Saat) | Toplam İşyükü |
|---|---|---|---|
| Ders Saati | 13 | 3 | |
| Laboratuar | |||
| Uygulama | |||
| Arazi Çalışması | |||
| Sınıf Dışı Ders Çalışması | 13 | 3 | |
| Derse Özgü Staj | |||
| Ödev | 2 | 10 | |
| Küçük Sınavlar/Stüdyo Kritiği | |||
| Projeler | 1 | 80 | |
| Sunum / Seminer | 1 | 20 | |
| Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 10 | |
| Final (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 10 | |
| Toplam İşyükü : | |||
| Toplam İşyükü / 30(s) : | |||
| AKTS Kredisi : | |||
| Diğer Notlar | Yok |
|---|