Python ile Metin Madenciliği ve Doğal Dil İşleme — Kaya Yılmaz

Bu kitap veri işleme ve analiz dünyasında son yıllarda giderek önem kazanan iki temel konuya odaklanmaktadır Metin Madenciliği ve Doğal Dil İşleme DDİ Her gün dijital dünyada milyonlarca yapılandırılmamış veri üretilirken bu verilerden anlamlı sonuçlar çıkarma ihtiyacı hem akademik araştırmalar hem de ticari uygulamalar için giderek daha kritik bir hale gelmiştir Python ile Metin Madenciliği ve Doğal Dil İşleme adlı bu kitap Python programlama dilinin güçlü araçlarıyla bu zorlu sürecin nasıl yönetilebileceğine dair kapsamlı bir rehber sunmaktadır Kitabın ilk bölümleri Python un temel programlama prensiplerine ayrılmıştır Python da değişkenler veri türleri döngüler kontrol ifadeleri ve nesneye yönelik programlama OOP gibi konular okuyuculara metin madenciliği ve DDİ uygulamaları için sağlam bir temel kazandırmaktadır Bu kitap hem teorik bilgileri hem de pratik uygulamaları bir araya getirerek Python ile metin madenciliği ve doğal dil işleme projeleri geliştirmek isteyen okuyucular için yol gösterici bir kaynak olacaktır BÖLÜM 1 PYTHON PROGRAMLAMA TEMELLERI 1 1 Python Nedir 1 2 Python Temelleri 1 3 Operatörler 1 4 Koşullu İfadeler if else 1 5 Tekrarlayan İşlemler Döngüler 1 7 Hata Yönetimi ve Hataların Denetimi 1 8 Fonksiyonlar ve Kullanımı 1 11 Hazır Fonksiyonlar 1 12 Dosyalama İşlemleri 1 13 Modüller ve Paketler 1 14 Nesneye Yönelik Programlama Object Oriented Programming OOP BÖLÜM 2 TEMEL KAVRAMLAR 2 1 Doğal Dil İşleme DDİ 2 2 Metin Madenciliği 2 3 Makine Öğrenmesi Machine Learning ML 2 4 Dilbilim 2 5 Sözdizimsel sentaktik analiz 2 6 Anlambilimsel semantik analiz 2 7 Kelimeler 2 8 Kök Bulma Stemming 2 9 Lemmatizasyon Lemmatization 2 10 DDİ Uygulama Alanları 2 11 Önemsiz Kelimeler StopWords 2 12 Öznitelikler Features ve Öznitelik Çıkarma Nedir 2 13 Gözetimli Öğrenme Supervised Learning 2 14 Gözetimsiz Öğrenme 2 15 Pekiştirmeli öğrenme Reinforcement Learning 2 16 Kümeleme Clustering 2 17 Sınıflandırma 2 18 Uzman Sistemler 2 19 Part of Speech POS 2 20 Vec2Word 2 21 DDİ ve Metin Madenciliği için Python Kütüphaneleri BÖLÜM 3 METIN MADENCILIĞI VE DOĞAL DIL İŞLEME TEMEL TEKNIKLER 3 1 Varlık İsmi Tanıma Named Entity Recognition NER 3 2 Metin Normalizasyonu Text Normalization 3 3 Tokenize İşlemi 3 4 Metin Sınıflandırma 3 5 Metin Özetleme BÖLÜM 4 ÖZNITELIK ÇIKARIM YAKLAŞIMLARI 4 1 Kelime Çantası Bag of Words BOW 4 2 TF IDF Term Frequency Inverse Document Frequency 4 3 One Hot Encoding Yaklaşımı 4 4 Eş oluşum matrisleri Co occurrence Matrices 4 5 N Gram 4 6 Açı Örüntüler 4 7 Bir Boyutlu Yerel İkili Örüntüler 4 8 Motif Örüntüler BÖLÜM 5 METIN GÖSELLEŞTIRME 5 1 Kelime Bulutu Word Cloud 5 2 Bar Chart Çubuk Grafiği 5 3 Heatmap Isı Haritası 5 4 Topic Modeling Konu Modellemesi Görselleştirmesi 5 5 Network Graphs Ağ Grafikleri 5 6 Word Tree Kelime Ağacı 5 7 N Gram Analiz ve Görselleştirme BÖLÜM 6 MAKINE ÖĞRENMESI VE METIN MADENCILIĞI SINIFLANDIRMA UYGULAMALARI 6 1 Veri Setleri 6 2 N Gram ile Duygu Tespiti 6 3 Kelime Çantası BOW ile Duygu Tespiti 6 4 TF IDF Öznitelikler ile Duygu Tespiti 6 5 One Hot Encoding Yaklaşımı ile Spam E Posta Tespiti 6 6 Eş oluşum matrisleri Co occurrence Matrices ile Duygu Tespiti 6 7 Açı Örüntüler ile Spam E Posta Tespiti 6 8 1B YİÖ ile Spam E Posta Tespiti 6 9 Motif Örüntüler ile Spam E Posta Tespiti BÖLÜM 7 KONU MODELLEME TOPIK MODELLEME 7 1 Latent Dirichlet Allocation LDA 7 2 Latent Semantic Analysis LSA 7 3 Non Negative Matrix Factorization NMF 7 4 Hierarchical Dirichlet Process HDP 7 5 Correlated Topic Model CTM 7 6 Biterm Topic Model BTM 7 7 BERTopic ile Topik Modelleme BÖLÜM 8 DERIN ÖĞRENME METOTLARI İLE METIN SINIFLANDIRMA 8 1 LSTM Long Short Term Memory 8 2 GRU Gated Recurrent Unit 8 4 Arıza Veri Seti 8 5 LSTM ile Metin Sınıflandırma 8 6 GRU Gated Recurrent Unit ile Metin Sınıflandırma 8 7 1D CNN Bir Boyutlu Konvolüsyonel Sinir Ağı ile Metin Sınıflandırma BÖLÜM 9 EŞ OLUŞUM AĞLARI İLE METIN ANALIZI 9 1 Eş Oluşum Ağları Nedir 9 2 Eş Oluşum Ağları ve Metin Madenciliği 9 3 Eş Oluşum Ağları için Veri Seti 9 4 Kelime Bazlı Eş Oluşum ağlarının Oluşturulması BÖLÜM 10 ANAHTAR KELIME ÇIKARIM YAKLAŞIMLARI 10 1 RAKE Rapid Automatic Keyword Extraction 10 2 TextRank Yaklaşımı 10 3 YAKE Yet Another Keyword Extractor Yaklaşımı 10 4 TF IDF Tabanlı Anahtar Kelime Çıkarımı 10 5 KPMiner Yaklaşımı 10 6 Multipartite Rank Algoritması BÖLÜM 11 BÜYÜK DIL MODELLERI VE PYTHON UYGULAMALARI 11 1 Büyük Dil Modelleri Nedir 11 2 Büyük Dil Modellerinin Gelişim Süreci 11 3 Doğal Dil İşleme NLP ve Büyük Dil Modelleri 11 4 Dil Modellerinin Tarihçesi 11 5 İstatistiksel Dil Modelleri ve Derin Öğrenme Tabanlı Modeller 11 6 Transformer Mimarisine Giriş BERT GPT vs 11 7 Dönüştürücülerin Transformers Çalışma Prensipleri 11 8 Büyük Dil Modellerinin Uygulamaları 11 9 Büyük Dil Modellerinin Python Uygulamaları

Bu kitap veri işleme ve analiz dünyasında son yıllarda giderek önem kazanan iki temel konuya odaklanmaktadır Metin Madenciliği ve Doğal Dil İşleme DDİ Her gün dijital dünyada milyonlarca yapılandırılmamış veri üretilirken bu verilerden anlamlı sonuçlar çıkarma ihtiyacı hem akademik araştırmalar hem de ticari uygulamalar için giderek daha kritik bir hale gelmiştir Python ile Metin Madenciliği ve Doğal Dil İşleme adlı bu kitap Python programlama dilinin güçlü araçlarıyla bu zorlu sürecin nasıl yönetilebileceğine dair kapsamlı bir rehber sunmaktadır Kitabın ilk bölümleri Python un temel programlama prensiplerine ayrılmıştır Python da değişkenler veri türleri döngüler kontrol ifadeleri ve nesneye yönelik programlama OOP gibi konular okuyuculara metin madenciliği ve DDİ uygulamaları için sağlam bir temel kazandırmaktadır Bu kitap hem teorik bilgileri hem de pratik uygulamaları bir araya getirerek Python ile metin madenciliği ve doğal dil işleme projeleri geliştirmek isteyen okuyucular için yol gösterici bir kaynak olacaktır

Bu kitap veri işleme ve analiz dünyasında son yıllarda giderek önem kazanan iki temel konuya odaklanmaktadır Metin Madenciliği ve Doğal Dil İşleme DDİ Her gün dijital dünyada milyonlarca yapılandırılmamış veri üretilirken bu verilerden anlamlı sonuçlar çıkarma ihtiyacı hem akademik araştırmalar hem de ticari uygulamalar için giderek daha kritik bir hale gelmiştir Python ile Metin Madenciliği ve Doğal Dil İşleme adlı bu kitap Python programlama dilinin güçlü araçlarıyla bu zorlu sürecin nasıl yönetilebileceğine dair kapsamlı bir rehber sunmaktadır Kitabın ilk bölümleri Python un temel programlama prensiplerine ayrılmıştır Python da değişkenler veri türleri döngüler kontrol ifadeleri ve nesneye yönelik programlama OOP gibi konular okuyuculara metin madenciliği ve DDİ uygulamaları için sağlam bir temel kazandırmaktadır Bu kitap hem teorik bilgileri hem de pratik uygulamaları bir araya getirerek Python ile metin madenciliği ve doğal dil işleme projeleri geliştirmek isteyen okuyucular için yol gösterici bir kaynak olacaktır BÖLÜM 1 PYTHON PROGRAMLAMA TEMELLERI 1 1 Python Nedir 1 2 Python Temelleri 1 3 Operatörler 1 4 Koşullu İfadeler if else 1 5 Tekrarlayan İşlemler Döngüler 1 7 Hata Yönetimi ve Hataların Denetimi 1 8 Fonksiyonlar ve Kullanımı 1 11 Hazır Fonksiyonlar 1 12 Dosyalama İşlemleri 1 13 Modüller ve Paketler 1 14 Nesneye Yönelik Programlama Object Oriented Programming OOP BÖLÜM 2 TEMEL KAVRAMLAR 2 1 Doğal Dil İşleme DDİ 2 2 Metin Madenciliği 2 3 Makine Öğrenmesi Machine Learning ML 2 4 Dilbilim 2 5 Sözdizimsel sentaktik analiz 2 6 Anlambilimsel semantik analiz 2 7 Kelimeler 2 8 Kök Bulma Stemming 2 9 Lemmatizasyon Lemmatization 2 10 DDİ Uygulama Alanları 2 11 Önemsiz Kelimeler StopWords 2 12 Öznitelikler Features ve Öznitelik Çıkarma Nedir 2 13 Gözetimli Öğrenme Supervised Learning 2 14 Gözetimsiz Öğrenme 2 15 Pekiştirmeli öğrenme Reinforcement Learning 2 16 Kümeleme Clustering 2 17 Sınıflandırma 2 18 Uzman Sistemler 2 19 Part of Speech POS 2 20 Vec2Word 2 21 DDİ ve Metin Madenciliği için Python Kütüphaneleri BÖLÜM 3 METIN MADENCILIĞI VE DOĞAL DIL İŞLEME TEMEL TEKNIKLER 3 1 Varlık İsmi Tanıma Named Entity Recognition NER 3 2 Metin Normalizasyonu Text Normalization 3 3 Tokenize İşlemi 3 4 Metin Sınıflandırma 3 5 Metin Özetleme BÖLÜM 4 ÖZNITELIK ÇIKARIM YAKLAŞIMLARI 4 1 Kelime Çantası Bag of Words BOW 4 2 TF IDF Term Frequency Inverse Document Frequency 4 3 One Hot Encoding Yaklaşımı 4 4 Eş oluşum matrisleri Co occurrence Matrices 4 5 N Gram 4 6 Açı Örüntüler 4 7 Bir Boyutlu Yerel İkili Örüntüler 4 8 Motif Örüntüler BÖLÜM 5 METIN GÖSELLEŞTIRME 5 1 Kelime Bulutu Word Cloud 5 2 Bar Chart Çubuk Grafiği 5 3 Heatmap Isı Haritası 5 4 Topic Modeling Konu Modellemesi Görselleştirmesi 5 5 Network Graphs Ağ Grafikleri 5 6 Word Tree Kelime Ağacı 5 7 N Gram Analiz ve Görselleştirme BÖLÜM 6 MAKINE ÖĞRENMESI VE METIN MADENCILIĞI SINIFLANDIRMA UYGULAMALARI 6 1 Veri Setleri 6 2 N Gram ile Duygu Tespiti 6 3 Kelime Çantası BOW ile Duygu Tespiti 6 4 TF IDF Öznitelikler ile Duygu Tespiti 6 5 One Hot Encoding Yaklaşımı ile Spam E Posta Tespiti 6 6 Eş oluşum matrisleri Co occurrence Matrices ile Duygu Tespiti 6 7 Açı Örüntüler ile Spam E Posta Tespiti 6 8 1B YİÖ ile Spam E Posta Tespiti 6 9 Motif Örüntüler ile Spam E Posta Tespiti BÖLÜM 7 KONU MODELLEME TOPIK MODELLEME 7 1 Latent Dirichlet Allocation LDA 7 2 Latent Semantic Analysis LSA 7 3 Non Negative Matrix Factorization NMF 7 4 Hierarchical Dirichlet Process HDP 7 5 Correlated Topic Model CTM 7 6 Biterm Topic Model BTM 7 7 BERTopic ile Topik Modelleme BÖLÜM 8 DERIN ÖĞRENME METOTLARI İLE METIN SINIFLANDIRMA 8 1 LSTM Long Short Term Memory 8 2 GRU Gated Recurrent Unit 8 4 Arıza Veri Seti 8 5 LSTM ile Metin Sınıflandırma 8 6 GRU Gated Recurrent Unit ile Metin Sınıflandırma 8 7 1D CNN Bir Boyutlu Konvolüsyonel Sinir Ağı ile Metin Sınıflandırma BÖLÜM 9 EŞ OLUŞUM AĞLARI İLE METIN ANALIZI 9 1 Eş Oluşum Ağları Nedir 9 2 Eş Oluşum Ağları ve Metin Madenciliği 9 3 Eş Oluşum Ağları için Veri Seti 9 4 Kelime Bazlı Eş Oluşum ağlarının Oluşturulması BÖLÜM 10 ANAHTAR KELIME ÇIKARIM YAKLAŞIMLARI 10 1 RAKE Rapid Automatic Keyword Extraction 10 2 TextRank Yaklaşımı 10 3 YAKE Yet Another Keyword Extractor Yaklaşımı 10 4 TF IDF Tabanlı Anahtar Kelime Çıkarımı 10 5 KPMiner Yaklaşımı 10 6 Multipartite Rank Algoritması BÖLÜM 11 BÜYÜK DIL MODELLERI VE PYTHON UYGULAMALARI 11 1 Büyük Dil Modelleri Nedir 11 2 Büyük Dil Modellerinin Gelişim Süreci 11 3 Doğal Dil İşleme NLP ve Büyük Dil Modelleri 11 4 Dil Modellerinin Tarihçesi 11 5 İstatistiksel Dil Modelleri ve Derin Öğrenme Tabanlı Modeller 11 6 Transformer Mimarisine Giriş BERT GPT vs 11 7 Dönüştürücülerin Transformers Çalışma Prensipleri 11 8 Büyük Dil Modellerinin Uygulamaları 11 9 Büyük Dil Modellerinin Python Uygulamaları