TÜRKÇE
ENGLISH
Genel Bilgi
| Birim | MÜHENDİSLİK FAKÜLTESİ |
| BİLGİSAYAR MÜHENDİSLİĞİ PR. (İNGİLİZCE) | |
| Kod | CEN472 |
| Ad | Modern NLP Systems |
| Dönem | 2026-2027 Eğitim-Öğretim Yılı |
| Yarıyıl | 8. Yarıyıl |
| Süre (T+U) | 3-0 (T-U) (17 Hafta) |
| AKTS | 6 AKTS |
| Yerel Kredi | 3 Yerel Kredi |
| Eğitim Dil | İngilizce |
| Seviye | Belirsiz |
| Tür | Normal |
| Etiket | S Seçmeli |
| Öğretim Şekli | Yüz Yüze Öğretim |
| Bilgi Paketi Koordinatörü | Prof. Dr. UMUT ORHAN |
| Dersin Öğretim Elemanı |
Güncel dönem ders programı henüz yapılmamıştır.
|
Dersin Amacı / Hedefi
Bu dersin temel amacı, öğrencilere Büyük Dil Modellerine (LLM) dayalı modern Doğal Dil İşleme sistemlerini tasarlamak, geliştirmek ve dağıtmak (deploy) için gereken pratik mühendislik becerilerini kazandırmaktır. Ders, öğrencileri teorik NLP kavramlarından öteye taşıyarak; en güncel uygulama çatılarını (frameworks), dış bilgi getirme sistemlerini ve otonom ajan mimarilerini kullanarak üretime hazır, gelişmiş yapay zeka uygulamaları inşa etme seviyesine ulaştırmayı hedeflemektedir.
Dersin İçeriği
Proje odaklı bu ders, büyük dil modellerinin modern yazılım sistemlerine uçtan uca entegrasyonunu kapsamaktadır. İşlenen temel konular arasında anlamsal arama için vektör veritabanı yönetimi, metin parçalama (chunking) stratejileri ve Retrieval-Augmented Generation (RAG) mimarilerinin kurulumu bulunmaktadır. Müfredat ayrıca, açık kaynaklı modellerin alana özgü görevlere uyarlanması için Parametre Verimli İnce Ayar (PEFT) ve LoRA metodolojilerine odaklanmaktadır. Bunlara ek olarak öğrenciler; LangChain ve LlamaIndex gibi araçlar kullanılarak ajan tabanlı (agentic) iş akışlarının tasarlanması, fonksiyon çağırma (tool calling) ve dış araç entegrasyonu konularını inceleyecektir. Öğrenciler uygulamalı laboratuvarlar ve takım projeleri aracılığıyla, karmaşık gerçek dünya senaryolarını çözebilen çalışan yapay zeka prototipleri geliştirecek ve sunacaklardır.
Dersin Ön Koşulu
yok
Kaynaklar
Raschka, S. (2024). Build a Large Language Model (From Scratch). Manning Publications. (Büyük dil modellerinin sıfırdan nasıl kodlandığını, donanım optimizasyonlarını ve ince ayar süreçlerini anlamak için başucu kitabıdır.) Tunstall, L., von Werra, L., & Wolf, T. (2022). Natural Language Processing with Transformers: Building Language Applications with Hugging Face. O'Reilly Media. (Açık kaynak ekosistemini kullanmak için pratik rehber).
Notlar
Raschka, S. (2024). Build a Large Language Model (From Scratch). Manning Publications. (Büyük dil modellerinin sıfırdan nasıl kodlandığını, donanım optimizasyonlarını ve ince ayar süreçlerini anlamak için başucu kitabıdır.) Tunstall, L., von Werra, L., & Wolf, T. (2022). Natural Language Processing with Transformers: Building Language Applications with Hugging Face. O'Reilly Media. (Açık kaynak ekosistemini kullanmak için pratik rehber).
Dersin Öğrenme Çıktıları
| Sıra | Dersin Öğrenme Çıktıları |
|---|---|
| ÖÇ01 | Büyük dil modellerinin modern yazılım sistemlerine entegrasyon prensiplerini ve Retrieval-Augmented Generation (RAG) mimarisinin teorik altyapısını bilir |
| ÖÇ02 | Büyük dil modellerinin harici araçlarla iletişim kurmasını sağlayan otonom ajan (agent) mekanizmalarının ve parametre verimli ince ayar (PEFT) süreçlerinin arkasındaki kavramsal mantığı bilir |
| ÖÇ03 | Vektör veritabanlarını ve anlamsal arama stratejilerini kullanarak dış veri kaynaklarıyla desteklenmiş (RAG) etkileşimli bir yapay zeka uygulaması geliştirmeyi becerir |
| ÖÇ04 | Açık kaynaklı bir dil modelini, parametre verimli ince ayar (PEFT/LoRA) yöntemleriyle spesifik bir veri seti üzerinde eğitmeyi ve yerel ortamda çalıştırmayı becerir |
| ÖÇ05 | Modern çatıları (LangChain/LlamaIndex vb.) kullanarak dış araçlarla (API'ler, web araması) etkileşime giren ve çok adımlı görevleri otonom olarak çözen ajanlar (agents) kodlamayı becerir |
Program Öğrenme Çıktıları ile İlişkisi
| Sıra | Tür | Program Öğrenme Çıktıları | Duzey |
|---|---|---|---|
| PÖÇ01 | Bilgi - Kuramsal, Olgusal | Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinin çözümünde kullanabilme becerisi. | 3 |
| PÖÇ02 | Bilgi - Kuramsal, Olgusal | Karmaşık mühendislik problemlerini tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi. | 4 |
| PÖÇ03 | Bilgi - Kuramsal, Olgusal | Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi. | 5 |
| PÖÇ04 | Bilgi - Kuramsal, Olgusal | Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi. | 4 |
| PÖÇ05 | Bilgi - Kuramsal, Olgusal | Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi. | 3 |
| PÖÇ06 | Bilgi - Kuramsal, Olgusal | Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi. | |
| PÖÇ07 | Bilgi - Kuramsal, Olgusal | Sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi. | |
| PÖÇ08 | Bilgi - Kuramsal, Olgusal | Yaşam boyu öğrenmenin gerekliliği konusunda farkındalık; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi. | |
| PÖÇ09 | Bilgi - Kuramsal, Olgusal | Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk ve mühendislik uygulamalarında kullanılan standartlar hakkında bilgi. | |
| PÖÇ10 | Bilgi - Kuramsal, Olgusal | Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi. | 3 |
| PÖÇ11 | Bilgi - Kuramsal, Olgusal | Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık. |
Haftalık Akış
| Hafta | Konu | Ön Hazırlık | Yöntemler |
|---|---|---|---|
| 1 | Modern NLP Sistemlerine Giriş ve API Ekosistemi | Ders notunun ilgili bölümünü incelemek | Öğretim Yöntemleri: Anlatım |
| 2 | Vektör Uzayları, Gömme (Embedding) Modelleri ve Anlamsal Arama | Ders notunun ilgili bölümünü incelemek | Öğretim Yöntemleri: Anlatım, Gösterip Yaptırma |
| 3 | Vektör Veritabanı (Vector DB) Yönetimi ve Parçalama (Chunking) | Ders notunun ilgili bölümünü incelemek | Öğretim Yöntemleri: Anlatım, Tartışma |
| 4 | RAG (Retrieval-Augmented Generation) Mimarisinin Kurulumu | Ders notunun ilgili bölümünü incelemek | Öğretim Yöntemleri: Anlatım, Tartışma |
| 5 | RAG Sistemleri Proje Teslimi ve Uygulama Geliştirme (UI/UX) | Uygulamalı sunumlar | Öğretim Yöntemleri: Anlatım, Tartışma |
| 6 | Açık Kaynaklı Dil Modelleri ve Hugging Face Ekosistemi | Ders notunun ilgili bölümünü incelemek | Öğretim Yöntemleri: Anlatım, Tartışma |
| 7 | Dil Modelleri İçin Veri Seti Hazırlama ve Formatlama | Ders notunun ilgili bölümünü incelemek | Öğretim Yöntemleri: Anlatım, Tartışma |
| 8 | Proje sunumu | Uygulamalı sunumlar | Ölçme Yöntemleri: Proje / Tasarım |
| 9 | Parametre Verimli İnce Ayar (PEFT) ve LoRA Matematiği | Ders notunun ilgili bölümünü incelemek | Öğretim Yöntemleri: Anlatım, Tartışma |
| 10 | Yerel Donanımda Açık Kaynak Model Eğitimi (Fine-Tuning) | Ders notunun ilgili bölümünü incelemek | Öğretim Yöntemleri: Anlatım, Tartışma |
| 11 | İnce Ayar (Fine-Tuned) Edilmiş Domain-Spesifik Model Teslimi | Ders notunun ilgili bölümünü incelemek | Ölçme Yöntemleri: Proje / Tasarım |
| 12 | LLM'lerde Fonksiyon Çağırma (Function Calling) ve Araç Kullanımı | Ders notunun ilgili bölümünü incelemek | Öğretim Yöntemleri: Anlatım, Tartışma |
| 13 | Otonom Ajan Mimarileri ve LangChain-LlamaIndex Çatıları | Ders notunun ilgili bölümünü incelemek | Öğretim Yöntemleri: Anlatım, Tartışma |
| 14 | Ajan İş Akışları (Agentic Workflows) Proje Teslimi ve Demolar | Ders notunun ilgili bölümünü incelemek | Ölçme Yöntemleri: Proje / Tasarım |
| 15 | Proje teslimleri | Uygulamalı sunumlar | Ölçme Yöntemleri: Proje / Tasarım |
| 16 | Yarıyıl Sonu Sınavları | Ders notları ve uygulamaların tekrarı | Ölçme Yöntemleri: Yazılı Sınav |
| 17 | Yarıyıl Sonu Sınavları | Yöntem Seçilmemiş |
Öğrenci İş Yükü - AKTS
| Çalışmalar | Sayısı | Süresi (Saat) | İş Yükü (Saat) |
|---|---|---|---|
| Ders ile İlgili Çalışmalar | |||
| Ders (Sınav haftaları dahil değildir) | 14 | 3 | 42 |
| Sınıf Dışı Ders Çalışma (Ön çalışma, pekiştirme) | 14 | 2 | 28 |
| Değerlendirmeler ile İlgili Çalışmalar | |||
| Ödev, Proje, Diğer | 3 | 20 | 60 |
| Ara Sınavlar (Yazılı, Sözlü, vs.) | 0 | 0 | 0 |
| Yarıyıl/Yıl Sonu/Final Sınavı | 1 | 20 | 20 |
| Toplam İş Yükü (Saat) | 150 | ||
| Toplam İş Yükü / 25 (s) | 6,00 | ||
| AKTS | 6 AKTS | ||