| Günlük hayatta ve iş dünyasında karşılaşılan metin tabanlı problemleri (sosyal medya analizi, müşteri yorumları, haber sınıflandırma, hukuki belge tarama vb.) doğal dil işleme ve metin madenciliği teknikleriyle modelleyip çözebilecektir |
4 |
4 |
4 |
4 |
4 |
4 |
4 |
4 |
4 |
4 |
|
|
|
|
|
| Metin madenciliği ve doğal dil işleme alanında temel kuramları kavrayacak ve güncel gelişmeleri takip edebilecek düzeye gelecektir. |
4 |
4 |
4 |
4 |
4 |
4 |
4 |
4 |
4 |
4 |
|
|
|
|
|
| Dönüştürücü tabanlı modelleri (özellikle BERT ve türevleri) anlayabilecek, hazır modelleri kullanabilecek ve basit düzeyde ince ayar yapabilecektir. |
4 |
4 |
4 |
4 |
4 |
4 |
4 |
4 |
4 |
4 |
|
|
|
|
|
| Python’da NLTK, spaCy, scikit-learn, Transformers ve Gensim gibi yaygın kütüphaneleri kullanarak gerçek veri setleri üzerinde uçtan uca metin madenciliği ve doğal dil işleme projeleri geliştirebilecektir. |
4 |
4 |
4 |
4 |
4 |
4 |
4 |
4 |
4 |
4 |
|
|
|
|
|
| Doğal dil işleme uygulamalarında ortaya çıkan etik sorunları, veri yanlılığını ve gizlilik risklerini fark edebilecek ve temel azaltma yöntemlerini uygulayabilecektir. |
4 |
4 |
4 |
4 |
4 |
4 |
4 |
4 |
4 |
4 |
|
|
|
|
|
