Yazılım Mühendisliği / seçmeli havuz
YZM358 · Doğal Dil İşleme
T+U+Li 3+0+0 · Kredi 3 · AKTSi 6 (müfredatta 6) · Seçmeli · kategori: regular · sitede son güncelleme 08.06.2026
Kaynak: https://obs.samsun.edu.tr/oibs/bologna/progCourseDetails.aspx?curCourse=376886&lang=tr · toplandı 12.11.2026 22:30
Bölüm durumu
Tüm dersler →Kural denetimii
geçti: 37kaldı: 4muaf: 0değerlendirilemedi: 1
İçerik uyumu (YZ)i
Henüz çalıştırılmadı.
Öğrenme çıktıları (YZ)i
Henüz çalıştırılmadı.
Kaynak ve ÖP uyumu (YZ)i
Henüz çalıştırılmadı.
Kural denetimi: geçmeyen kontroller (4)
| Kural | Alan | Önem | Gerekçe | Mevcut | Beklenen | Öneri |
|---|---|---|---|---|---|---|
| R1 Zorunlu alanlar filled · tr | teaching_methods | düşük | 'Yöntem ve teknikler' alanı boş ya da yetersiz. | boş | dolu | 'Yöntem ve teknikler' alanını doldurun. |
| R1 Zorunlu alanlar filled · en | teaching_methods | düşük | 'Yöntem ve teknikler' alanı boş ya da yetersiz. | boş | dolu | 'Yöntem ve teknikler' alanını doldurun. |
| R7 Kaynaklar year_present · tr | references | düşük | Kaynakların çoğunda yayın yılı yazılmamış. | 0/2 kaynakta yayın yılı var | en az %50 | Kaynaklara yayın yılı (ve baskı bilgisi) ekleyin. |
| R7 Kaynaklar bibliographic_form · tr | references | düşük | Bazı kaynak satırları künye olamayacak kadar kısa (yazar, eser adı, yıl eksik). | 1 yetersiz künye: ['Ders Notları'] | 0 yetersiz künye | Kaynakları yazar, eser adı, yayınevi ve yıl içerecek şekilde yazın. |
Kaynak güncelliği (Modül D)i
Yalnızca sayfadaki yayın yıllarından hesaplanır. İçeriğin alanın güncel kapsamıyla karşılaştırılması güvenilir referans doküman gerektirdiği için değerlendirilemedi; model bilgisine dayalı güncellik iddiası üretilmez.
2 kaynak · 0 tanesinde yıl var · en yeni — · 10 yıldan eski 0
| — | Pratik Doğal Dil İşleme: Yapı Gerçek Dünya NLP Sistemlere kapsamlı bir rehber - Sowmya Vajjala, Bodhisattwa Majumder, Anuj Gupta, Harshit Surana | kaynaklar |
| — | Ders Notları | ders notları |
- Ad
- Doğal Dil İşleme
- Amaç
- Doğal Dil İşleme dersinin amacı, öğrencilere insan dilinin bilgisayarlar tarafından anlaşılması ve işlenmesi için gereken temel kavramları ve teknikleri öğretmektir. Öğrenciler, metin analizi, dil modelleme, belirleme ve sınıflandırma gibi konuları öğrenerek doğal dil verileri üzerinde bilgi çıkarma ve anlam çözümleme becerilerini geliştireceklerdir.
- İçerik
- Doğal Dil İşleme dersi, dil işleme sürecinin temellerinden başlayarak, metin ön işleme, dil modelleme, kelime dağarcığı oluşturma, dil analizi, duyarlılık analizi, belirleme, sınıflandırma, duygusal analiz, çeviri sistemleri ve metin üretimi gibi alanları kapsar. Öğrenciler, Python gibi programlama dilleriyle uygulamalı çalışmalar yaparak, NLP algoritmalarını ve kütüphanelerini kullanarak gerçek dünya metin verileri üzerinde projeler geliştireceklerdir.
- Yöntem ve teknikler
- —
- Ön koşul
- Yok
- Öğretim dili
- Türkçe
Öğrenme çıktıları
- Öğrenciler, doğal dil işleme tekniklerini anlayacak ve metin verilerini analiz etme yetenekleri kazanacaklardır.
- Öğrenciler, dil modelleme ve kelime dağarcığı oluşturma konularında temel bilgilere sahip olacaklardır.
- Öğrenciler, belirleme ve sınıflandırma problemlerini çözmek için doğal dil işleme algoritmalarını uygulayabileceklerdir.
- Öğrenciler, duygusal analiz ve duyarlılık analizi gibi ileri düzey doğal dil işleme konularını öğrenerek gerçek dünya verileri üzerinde projeler geliştirebileceklerdir.
- Öğrenciler, dil işleme tekniklerini kullanarak çeviri sistemleri ve metin üretimi gibi uygulamalı alanlarda becerilerini geliştireceklerdir.
Değerlendirme
| Ara Sınav | 1 | %40 |
| Yarıyıl Sonu Sınavı | 1 | %60 |
AKTS iş yükü (180 saat → tabloda 6 AKTS)
| Ders Süresi | 13 × 3 | 39 saat |
| Sınıf Dışı Ç. Süresi | 8 × 8 | 64 saat |
| Ödevler | 8 × 8 | 64 saat |
| Ara Sınavlar | 1 × 1 | 1 saat |
| Proje | 1 × 11 | 11 saat |
| Yarıyıl Sonu Sınavı | 1 × 1 | 1 saat |
Haftalık konular
| 1 | Doğal Dil İşleme nedir? |
| 2 | Temel metin işleme teknikleri, Doğal Dil İşleme araçları ve kaynakları |
| 3 | Dil modelleri ve özellikleri |
| 4 | Kelime dağarcığı oluşturma yöntemleri, Büyük veri setlerinde dil modelleme |
| 5 | Belirleme (Part-of-Speech) işlemi |
| 6 | Sınıflandırma algoritmaları ve uygulamaları |
| 7 | Ara Sınav |
| 8 | Metin normalizasyonu |
| 9 | Metin temizleme ve düzenleme, Metin öznitelik çıkarımı |
| 10 | Duygusal analiz yöntemleri |
| 11 | Duyarlılık analizi algoritmaları |
| 12 | Metin sentezleme teknikleri |
| 13 | Sentetik veri oluşturma yöntemleri, Sentetik veri kullanımı ve etik sorunlar |
| 14 | Otomatik çeviri sistemleri, Metin üretimi algoritmaları |
| 15 | Dönem Sonu Sınavı |