DERSİN GENEL BİLGİLERİ

Ders Kodu	Ders Adı	Yıl	Yarıyıl	Teorik	Pratik	Kredi	AKTS
BVA5106	Doğal Dil İşleme Uygulamaları	1	Bahar	1	2	2	6

Dersin Türü:	Zorunlu
Dersin Düzeyi:	Önlisans      TYYÇ:5. Düzey      QF-EHEA:Kısa Düzey      EQF-LLL:5. Düzey
Dersin Öğretim Dili:	Türkçe
Dersin Ön/Yan Koşulu:	Yoktur
Dersin Veriliş Şekli:	Yüz yüze
Dersin Koordinatörü:	Öğretim Görevlisi ÖZGE DEMİR
Dersin Öğretim Eleman(lar)ı:	Öğretim Görevlisi ÖZGE DEMİR
Dersin Kategorisi:	Mesleki Alan

BÖLÜM II: DERSİN TANITIMI

Dersin Amacı ve İçeriği

Dersin Amacı:

Bu dersin amacı, öğrencilere doğal dil işleme (Natural Language Processing - NLP) alanındaki temel kavramları, yöntemleri ve araçları tanıtarak, metin tabanlı verilerin bilgisayar ortamında analiz edilmesi sürecine hâkim olmalarını sağlamaktır. Öğrenciler bu ders kapsamında; metin verilerini ön işleme, temizleme, özellik çıkarımı ve sınıflandırma gibi temel NLP tekniklerini öğrenirler. Ayrıca Python dili ve NLTK, spaCy gibi popüler kütüphaneler aracılığıyla duygu analizi, metin madenciliği ve bilgi çıkarımı gibi uygulamalı çalışmalar gerçekleştirirler. Gerçek dünya metin verileriyle çalışarak, doğal dil işleme projelerinde karşılaşılabilecek sorunlara çözüm üretme ve bu alandaki güncel teknolojileri takip etme becerisi kazanmaları hedeflenmektedir.

Dersin İçeriği:

Bu ders kapsamında doğal dil işleme (Natural Language Processing – NLP) alanına ilişkin temel kavramlar, yaklaşımlar ve uygulama araçları ele alınmaktadır. Dersin başlangıcında, doğal dil işleme alanının tanımı, tarihsel gelişimi, kullanım alanları ve diğer veri bilimi ve yapay zekâ disiplinleriyle ilişkisi açıklanır. Metin tabanlı verilerin yapısı, doğal dilin bilgisayar ortamında işlenmesinde karşılaşılan temel zorluklar ve dilsel belirsizlikler üzerinde durulur. Dersin devamında metin verilerinin analize hazırlanması süreci ayrıntılı olarak incelenir. Bu kapsamda; metin temizleme, normalizasyon, tokenization, stop-word kaldırma, kök bulma (stemming) ve lemmatization gibi temel ön işleme teknikleri ele alınır. Metin verilerinden anlamlı özniteliklerin elde edilmesine yönelik olarak Bag-of-Words, TF–IDF ve n-gram tabanlı özellik çıkarım yöntemleri tanıtılır. Özellik çıkarımının ardından, metin sınıflandırma problemleri ve bu problemlere yönelik temel makine öğrenmesi yaklaşımları incelenir. Metin verileri üzerinde duygu analizi, konu sınıflandırma ve basit bilgi çıkarımı uygulamaları gerçekleştirilir. Bu süreçte Python programlama dili kullanılarak, NLTK ve spaCy gibi yaygın doğal dil işleme kütüphaneleriyle uygulamalı çalışmalar yapılır. Ders kapsamında ayrıca metin madenciliği kavramı, gerçek dünya metin verilerinin analizi, veri setlerinin yorumlanması ve model çıktılarının değerlendirilmesi ele alınır. Öğrencilerin, doğal dil işleme projelerinde karşılaşılabilecek veri kalitesi sorunlarını tanımaları, uygun yöntemleri seçmeleri ve çözüm üretme becerileri geliştirmeleri hedeflenir. Ders, güncel doğal dil işleme uygulamalarına genel bir bakış sunarak, öğrencilerin bu alandaki teknolojik gelişmeleri takip edebilecek temel bilgi ve yetkinlikleri kazanmalarıyla tamamlanır.

Dersin Öğrenme Çıktıları (DÖÇ)

Ders Öğrenme Çıktıları (DÖÇ), dersi başarı ile tamamlayan öğrencilerin kendilerinden sahip olmaları beklenen bilgi, beceri ve yetkinlikleri ifade eder. Bu bağlamda, bu ders için tanımlanmış olan Ders Öğrenme Çıktıları aşağıda verilmektedir.

Bilgi (Kuramsal ve/veya olgusal bilgi olarak tanımlanmıştır.)

Beceriler (Bilişsel ve/veya uygulama becerileri olarak tanımlanmıştır.)

1) Veri temizleme ve ön işleme süreçlerini doğal dil verilerine uygulayabilir.

Yetkinlikler ("Bağımsız Çalışabilme", "Sorumluluk Alabilme", "Öğrenme", "İletişim ve Sosyal" ve "Alana Özgü" yetkinlikler olarak tanımlanmıştır.)

1) Gerçek dünya veri setleriyle çalışarak NLP temelli analiz ve yorumlar yapabilir.

2) Metin tabanlı verilerin analizinde doğal dil işleme yöntemlerini kullanabilir.

3) NLP alanındaki temel algoritmaları (tokenization, stemming, tf-idf, word embeddings vb.) açıklar ve uygular.

4) Python programlama dili ile NLP projeleri geliştirebilir.

Haftalık Ders Planı

Hafta	Konu	Materyal Paylaşımı *
		Ön Hazırlık	Pekiştirme
1)	Giriş ve Temel Kavramlar
2)	Metin Ön İşleme ve İstatistiksel Modeller
3)	Kelime Temsilleri
4)	Metin Sınıflandırma Uygulamaları
5)	Derin Öğrenmeye Giriş
6)	Tekrarlayan Sinir Ağları (RNN) ve LSTMs
7)	Transformer Mimarisi ve Dikkat Mekanizması
8)	Ara Sınav
9)	Soru-Cevap Sistemleri ve Özetleme
10)	Makine Çevirisi ve Metin Üretimi
11)	Bilgi Çıkarımı ve Varlık Tanıma
12)	İleri Konular ve Vaka Analizleri
13)	Büyük Dil Modelleri (LLM) ve Uygulamaları
14)	Büyük Dil Modelleri(LLM) Ve Uygulamaları

*Bu alan öğrencilerin ders öncesi hazırlık ve sonrası dersi pekiştirme için paylaşılan ders materyallerini içerir.

Ders İçin Zorunlu/Önerilen Kaynaklar

Ders Notları / Kitaplar:
Diğer Kaynaklar:	Natural Language Processing , Jacob Eisenstein

DERS ÖĞRENME ÇIKTILARI - PROGRAM ÖĞRENME ÇIKTILARI İLİŞKİSİ

Ders - Program Öğrenme Kazanım İlişkisi

Ders Öğrenme Çıktıları (DÖÇ)	1	3	2	4	5
Program Öğrenme Çıktıları (PÖÇ)
1) Matematik, istatistik ve olasılık konularındaki temel kavramları açıklar; bu bilgileri veri analizi, modelleme ve sonuçların yorumlanmasında uygular.
2) Algoritma tasarım ilkelerini açıklar ve en az bir programlama dili kullanarak problem çözmeye yönelik yazılımlar geliştirir.
3) Makine öğrenmesi ve veri madenciliği algoritmalarını karşılaştırır, uygun yöntemi seçer ve gerçek veri üzerinde uygular.
4) Büyük veri platformları, dağıtık sistemler ve bulut bilişim mimarilerini kullanarak veri işleme süreçlerini gerçekleştirir.
5) Doğal dil işleme tekniklerini metin verisi üzerinde uygular ve temel düzeyde NLP tabanlı uygulamalar geliştirir.
6) Farklı veri kaynaklarını analiz eder, anlamlı çıktılara dönüştürür ve uygun görselleştirme araçlarıyla sunar.
7) Karar destek sistemlerini kullanarak veri temelli karar modelleri oluşturur.
8) Endüstriyel ve sektörel problemlere yönelik optimizasyon modelleri kurar ve çözümler üretir.
9) Mesleki uygulamalarda etik ilkeler, veri güvenliği ve sosyal sorumluluk çerçevesinde hareket eder.
10) Alanındaki güncel teknolojik gelişmeleri takip eder, ekip çalışmasına etkin katılır ve yaşam boyu öğrenme bilinci geliştirir.

BÖLÜM III: DERSİN PROGRAM ÖĞRENME ÇIKTILARI İLE İLİŞKİSİ

Dersin Program Öğrenme Çıktılarına Katkı Düzeyi

Etkisi Yok	1 En Düşük	2 Düşük	3 Orta	4 Yüksek	5 En Yüksek

	Program Öğrenme Çıktıları	Katkı Oranı (1-5)
1)	Matematik, istatistik ve olasılık konularındaki temel kavramları açıklar; bu bilgileri veri analizi, modelleme ve sonuçların yorumlanmasında uygular.
2)	Algoritma tasarım ilkelerini açıklar ve en az bir programlama dili kullanarak problem çözmeye yönelik yazılımlar geliştirir.
3)	Makine öğrenmesi ve veri madenciliği algoritmalarını karşılaştırır, uygun yöntemi seçer ve gerçek veri üzerinde uygular.
4)	Büyük veri platformları, dağıtık sistemler ve bulut bilişim mimarilerini kullanarak veri işleme süreçlerini gerçekleştirir.
5)	Doğal dil işleme tekniklerini metin verisi üzerinde uygular ve temel düzeyde NLP tabanlı uygulamalar geliştirir.	5
6)	Farklı veri kaynaklarını analiz eder, anlamlı çıktılara dönüştürür ve uygun görselleştirme araçlarıyla sunar.
7)	Karar destek sistemlerini kullanarak veri temelli karar modelleri oluşturur.
8)	Endüstriyel ve sektörel problemlere yönelik optimizasyon modelleri kurar ve çözümler üretir.
9)	Mesleki uygulamalarda etik ilkeler, veri güvenliği ve sosyal sorumluluk çerçevesinde hareket eder.
10)	Alanındaki güncel teknolojik gelişmeleri takip eder, ekip çalışmasına etkin katılır ve yaşam boyu öğrenme bilinci geliştirir.

BÖLÜM IV: DERSİN ÖĞRENME VE ÖĞRETME YÖNTEMLERİ İLE ÖLÇME VE DEĞERLENDİRME YÖNTEMLERİ

Dersin Öğrenme ve Öğretme Yöntemleri

(Üniversitemiz genelinde kullanılan tüm öğrenme ve öğretme yöntemleri sistematik olarak yönetilmektedir. Akademik birimlerden gelen talepler doğrultusunda bölüm/programların öğrenme ve öğretme yöntemleri ilgili kurullarımız tarafından değerlendirilmekte ve uygun bulunursa, üniversite havuzunda toplanmaktadır. Bölüm ve programlar, kendileri için program tasarımlarına uygun olan yöntemleri bu havuzdan seçebilmektedirler. Benzer şekilde, dersler için kullanılması uygun görülen yöntemler de programlar düzeyinde belirlenmiş olan yöntemler arasından seçilebilmektedir.)

Programa Genelinde Kullanılan Öğrenme ve Öğretme Yöntemleri	Ders İçin Kullanılan Öğrenme ve Öğretme Yöntemleri
Anlatım
Vaka Çalışması
Ödev
Proje Hazırlama
Derse Aktif Katılım

Dersin Ölçme ve Değerlendirme Yöntemleri

(Üniversitemiz genelinde kullanılan tüm ölçme ve değerlendirme yöntemleri sistematik olarak yönetilmektedir. Akademik birimlerden gelen talepler doğrultusunda bölüm/programların ölçme ve değerlendirme yöntemleri ilgili kurullarımız tarafından değerlendirilmekte ve uygun bulunursa, üniversite havuzunda toplanmaktadır. Bölüm ve programlar, kendileri için program tasarımlarına uygun olan yöntemleri bu havuzdan seçebilmektedirler. Benzer şekilde, dersler için kullanılması uygun görülen yöntemler de programlar düzeyinde belirlenmiş olan yöntemler arasından seçilebilmektedir.)

Programa Genelinde Kullanılan Ölçme ve Değerlendirme Yöntemleri	Ders İçin Kullanılan Ölçme ve Değerlendirme Yöntemleri
Yarıyıl Sonu Sınavı
Ödev Değerlendirme

Dersin Ölçme ve Değerlendirme Yöntemlerinin Başarı Notuna Katkısı

Ölçme ve Değerlendirme Yöntemleri	Uygulama Sayısı / Yarıyıl	Katkı Oranı
Ödev	1	% 15.00
Ara Sınavlar	1	% 35.00
Yarıyıl Sonu Sınavı	1	% 50.00
Toplam		% 100
YARIYIL İÇİ ÖLÇME VE DEĞERLENDİRME YÖNTEMLERİNİN BAŞARI NOTUNA KATKI ORANI		% 50
YARIYIL SONU SINAVININ BAŞARI NOTUNA KATKI ORANI		% 50
Toplam		% 100

BÖLÜM V: DERSİN İŞ YÜKÜ VE AKTS KREDİSİ

ÖĞRENME VE ÖĞRETME ETKİNLİKLERİ İŞ YÜKÜ
Öğrenme ve Öğretme Etkinlikleri	Etkinlik Sayısı/Yarıyıl	Süresi (saat)	Toplam İş Yükü
Ders	14	3	42
Laboratuvar	0	0	0
Uygulama	14	3	42
Derse Özgü Staj	0	0	0
Arazi Çalışması	0	0	0
Sınıf Dışı Ders Çalışması	0	0	0
Sunum / Seminer	0	0	0
Proje	0	0	0
Ödevler	10	1	10
Öğrenme ve Öğretme Etkinlikleri Toplam İş Yükü	-	-	94
ÖLÇME VE DEĞERLENDİRME ETKİNLİKLERİ İŞ YÜKÜ
Ölçme ve Değerlendirme Etkinlikleri	Etkinlik Sayısı/Yarıyıl	Süresi (saat)	Toplam İş Yükü
Kısa Sınav	1	2	2
Ara Sınavlar	20	1	20
Yarıyıl Sonu Sınavı	30	1	30
Ölçme ve Değerlendirme Etkinlikleri Toplam İş Yükü	-	-	52
TOPLAM İŞ YÜKÜ (Öğrenme ve Öğretme + Ölçme ve Değerlendirme Etkinlikleri)			146
DERSİN AKTS KREDİSİ (Toplam İş Yükü/25.5 Saat)			6