Fen Bilimleri Enstitüsü · Bilgisayar Bilimleri ve Mühendisliği (%30 İngilizce) · Doktora
Dersin Amacı
Ders, öğrencilere makine çevirisi alanlarını tanıtmayı amaçlamaktadır. Dersin temel amacı, modern çeviri sistemlerinin milyonlarca kelime okuyarak nasıl çevirmeyi öğrendiğini göstermektir. Amaç, geniş bir arama alanında makine çevirisinin birleştirici bir görünümünü istatistiksel ve sinirsel arama olarak sunmaktır.
Ders İçeriği
Tabii, mevcut çeviri alanındaki makine çevirisi alanını (MT) kapsar. Dersler, cümle temelli makine çevirisi ve derin sözdizimsel makine çevirisi, makine çevirisi değerlendirmesi veya yöntemleri gibi en son teknolojiye sahip sistem türlerine dengeli bir vurgu yapacaktır. Yapay zekanın gerçek ve zor problemine nasıl uygulandığını gösteren dilbilim, makine öğrenmesi, algoritmalar ve biçimsel dil teorisinin temel yapı taşlarını kapsar. Son olarak, MT'de sinir ağı gibi ortaya çıkan yaklaşımların ayrıntılı bir özeti de kursa dahil edilmiştir.
Zorunlu Kaynaklar
- Statistical Machine Translation by Philipp Koehn, 2010
- Neural Machine Translation by Philipp Koehn, 2019
Önerilen Kaynaklar
- Linguistic Fundamentals for Natural Language Processing by Emily Bender
Açıklamalar
• Toplam 2 sınav olacak
• Benzer şekilde toplamda 4 ödev yapılacak
Kurallar
• Cep telefonu kullanıcısı kesinlikle yasaktır. Sınıfta veya laboratuarda, herhangi bir öğrenci cep telefonunu kullanarak yakalanırsa, önce bir uyarı alabilir ve daha sonra sınıfta veya laboratuarda oturmasına izin verilmeyebilir.
• Devam: Derslere katılmak ve laboratuarda okumak zorunludur. 10 dakika sonra sınıfa giremezsiniz. Zamanında sınıfta olmaya teşvik edilirsiniz. Katılımınız% 70'ten az ise, ödün vermeyecek ve dersten çekileceksiniz ve bir DZ notu verilecektir.
• Geç teslime izin verilmez: Ödevinizi / projenizi belirtilen saatte teslim edemezseniz, hiçbir not alamazsınız.
• İntihal Kabul Edilemez: Projeniz veya ödeviniz için çevrimiçi olarak mevcut herhangi bir kodu, onları anlamadan doğrudan kopyalayıp yapıştırmanıza izin verilmez. Çevrimiçi materyali anladıysanız ve kullandıysanız, kopyaladığınız web sitesine veya kaynağa referans vermelisiniz. Aksi takdirde, intihal kabul edilir ve size hiçbir işaret verilmez.
Dersin Öğrenme Çıktıları
- Makine çevirisinin temellerini anlayın.
- Ünlü ve modern makine çevirisinin nasıl çalıştığını bilin
- Dil modelleri ve dilbilim hakkında kapsamlı bilgi sahibidir.
- Sinir dili modellerini, sinir çeviri modelini ve nasıl çözüldüğünü öğrenin.
Temel Alan Dağılımı
Öğretim Yöntem ve Teknikleri
Ölçme ve Değerlendirme
AKTS / İş Yükü
| Etkinlik | Sayı | Süre (saat) | Toplam İş Yükü |
|---|---|---|---|
| Ders Süresi (Sınav Haftası Dahil) | 16 | 3 | 48 |
| Sınıf Dışı Ders Çalışma Süresi | 16 | 3 | 48 |
| Ara Sınav | 1 | 1 | 1 |
| Kısa Sınav | 2 | 1 | 2 |
| Ödev | 4 | 3 | 12 |
| Uygulama | 0 | 0 | 0 |
| Final | 1 | 2 | 2 |
Ders Akışı
| Hafta | Konu | Ön Hazırlık |
|---|---|---|
| 1 | Makine Çevirisine Giriş | (Kitap: İstatistiksel MT, Bölüm 1.2) |
| 2 | Dil ve Olasılığın Temelleri | (Kitap: İstatistiksel MT, Bölüm 2.1 ve 3) |
| 3 | Dil Modelleri | (Kitap: İstatistiksel MT, Bölüm 7) |
| 4 | IBM Model 1 ve EM Algoritması | (Kitap: İstatistiksel MT, Bölüm 4.1 - 4.2) |
| 5 | Öbek Tabanlı Modeller | (Kitap: İstatistiksel MT, Bölüm 5) |
| 6 | Kod Çözme | (Kitap: İstatistiksel MT, Bölüm 6), Değerlendirme (Kitap: İstatistiksel MT, Bölüm 8) |
| 7 | Yapay Sinir Ağlarına Giriş | (Kitap: Sinir MT, Bölüm 4) |
| 8 | Ara Sinav | Ara Sinav |
| 9 | Hesaplama Grafikleri | (Kitap: Neural MT, 5. Bölüm) |
| 10 | Yapay Sinir Modelleri | (Kitap: Sinir MT, Bölüm 6), Sinir Çeviri Modelleri (Kitap: Sinir MT, Bölüm 7) |
| 11 | Yapay Tercüme Modellerinde Kod Çözme | (Kitap: Neural MT, Bölüm 8), Makine Öğrenmesi Püf Noktaları (Kitap: Neural MT, Bölüm 9) |
| 12 | Alternatif Mimariler | (Kitap: Neural MT, Bölüm 10) |
| 13 | Kelime ve Morfoloji | (Kitap: İstatistiksel MT, Bölüm 10.2) |
| 14 | Sözdizimi ve Anlambilim | (Kitap: Neural MT, Bölüm 14) |
| 16 | Final Sinav | Final Sinav |
| 15 | Paralel Verilerin Adaptasyonu ve Ötesi | (Kitap: Neural MT, Bölüm 12 ve 13) |