Yapay Zeka ile Sosyal Medya ve Duygu Analizi Eğitimi

Eğitim Hakkında

Bu eğitim, marka, pazarlama ve kurumsal iletişim analitiği ekiplerinin sosyal medya verisini toplayıp işlemesi, Türkçe metinlerde unsur bazlı duygu, duygu durumu ve tutum analizini transformer ve büyük dil modelleriyle yapması için tasarlanmış ileri düzey bir programdır. Katılımcılar ağ analitiği ve kriz tespitini de içeren bir sosyal dinleme hattı geliştirir.

Neden Bu Eğitim?

Türkçeye Özgü NLP. Eklemeli yapı, yazım hataları, argo ve emoji içeren Türkçe sosyal medya metinleri için doğru yöntemleri öğrenin.

Olumlu-Olumsuzun Ötesi. Ürün, fiyat ve hizmet gibi unsurlar bazında duygu, tutum, ironi ve duygu durumu analiziyle derin içgörü üretin.

Erken Kriz Tespiti. Hacim anomalileri, yayılım ağları ve bot hesap sinyalleriyle itibar krizlerini büyümeden fark edin.

“Sosyal medyada her gün binlerce ses yükselir; o seslerin arasındaki anlamı yakalayan kurum, müşterisini herkesten önce anlar.”

Ön Koşullar

Python ve pandas — pandas ile veri işleme, fonksiyon yazma ve temel görselleştirme deneyimine sahip olmak.
Makine Öğrenmesi — Sınıflandırma, eğitim-test ayrımı, F1 skoru ve karışıklık matrisi kavramlarını bilmek.
NLP Aşinalığı — Tokenizasyon ve kelime gömmeleri gibi temel doğal dil işleme kavramlarını duymuş olmak avantajdır.
GPU Ortamı — Google Colab veya kurum bulutunda GPU destekli not defteri ve Hugging Face hesabı erişimi.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiSosyal dinleme stratejisini ve kaynaklarını tanımak, veriyi yasal ve etik sınırlar içinde toplamak, Türkçe metinleri ön işlemek ve klasik duygu analizi modellerini kurmak.

Modül 1

Sosyal Dinleme Stratejisi ve Veri Kaynakları

Sosyal dinleme ile sosyal medya izlemenin farkı
Marka, rakip, kampanya ve sektör dinleme senaryoları
Platform API'leri, erişim kısıtları ve kullanım koşulları
Şikayet siteleri, forumlar ve uygulama mağazası yorumları
Ticari dinleme araçları ile kuruma özel çözüm kararı
Vaka: Ürün lansmanı sonrası sosyal medya tepkisi analizi

Modül 2

Veri Toplama, Hukuk ve Etik

API ile veri toplama, sayfalama ve hız limitleri
Kamuya açık veride KVKK ve anonimleştirme yükümlülükleri
Veri saklama, silme talepleri ve platform politikaları
Etiketleme kılavuzu ve anotatörler arası uyum (Kappa)
Örneklem yanlılığı: sosyal medya toplumu temsil eder mi?
Laboratuvar: Uygulama yorumlarından veri seti oluşturma

Modül 3

Türkçe Sosyal Medya Metinlerinin İşlenmesi

Eklemeli yapı, kök bulma ve biçimbilimsel analiz
Yazım hatası, deasciification ve metin normalizasyonu
Emoji, etiket (hashtag), bahsetme ve URL işleme
Zemberek ve Hugging Face tokenizer yaklaşımları
Dil tespiti ve karma dilli (Türkçe-İngilizce) metinler
Laboratuvar: Türkçe paylaşımlar için ön işleme hattı

Modül 4

Klasik Duygu Analizi Yöntemleri

Sözlük tabanlı duygu analizi ve Türkçe sözlüklerin sınırı
TF-IDF özellikleri ve n-gram temsilleri
Lojistik regresyon ve doğrusal SVM ile sınıflandırma
Dengesiz sınıflar ve makro F1 ile değerlendirme
Laboratuvar: TF-IDF ile Türkçe duygu sınıflandırıcı
Günün değerlendirmesi ve transformer gününe köprü

Günün hedefiTürkçe transformer modellerini ince ayarla eğitmek, unsur bazlı duygu, duygu durumu, tutum ve ironi analizini uygulamak ve model hatalarını sistematik olarak incelemek.

Modül 1

Transformer Modelleri ve Türkçe İnce Ayar

Dikkat mekanizması ve BERT mimarisinin mantığı
Türkçe önceden eğitilmiş modeller: BERTurk ve çok dilli modeller
Hugging Face Transformers ile ince ayar (fine-tuning) akışı
Öğrenme oranı, epoch ve aşırı öğrenme kontrolü
LoRA ile parametre verimli ince ayar yaklaşımı
Laboratuvar: BERTurk ile üç sınıflı duygu modeli

Modül 2

Unsur Bazlı Duygu Analizi (ABSA)

Unsur (aspect) çıkarımı: ürün, fiyat, teslimat, hizmet
Unsur kategorisi ve kutupluluk birlikte tahmini
Dizi etiketleme (BIO) ile unsur terimi tespiti
Tek yorumda karışık duygu ve karşıt görüşler
Unsur bazlı sonuçların iş birimlerine raporlanması
Laboratuvar: E-ticaret yorumlarında unsur bazlı analiz

Modül 3

Duygu Durumu, Tutum ve İroni Tespiti

Temel duygu kategorileri: öfke, sevinç, korku, üzüntü
Çok etiketli sınıflandırma ve eşik ayarlama
Tutum (stance) tespiti: destek, karşıt, tarafsız
İroni ve alaycılık tespitinin zorlukları
Bağlam ve konuşma dizisi (thread) bilgisinin kullanımı
Laboratuvar: Çok etiketli duygu durumu modeli

Modül 4

Model Değerlendirme ve Hata Analizi

Sınıf bazlı metrikler ve karışıklık matrisi yorumu
Hata örneklerinin kategorize edilmesi ve veri iyileştirme
Alan kayması: farklı platform ve sektörde performans
Açıklanabilirlik: dikkat ağırlıkları ve SHAP ile metin analizi
Laboratuvar: Model hatalarının sistematik incelenmesi
Günün değerlendirmesi ve LLM gününe köprü

Günün hedefiBüyük dil modelleriyle sıfır ve az örnekli analiz yapmak, konu modelleme ile gündemi keşfetmek ve görsel, video ve ses içeren paylaşımları çok kipli yöntemlerle analiz etmek.

Modül 1

Büyük Dil Modelleriyle Duygu Analizi

Sıfır atışlı ve az örnekli (few-shot) sınıflandırma
Yapılandırılmış çıktı (JSON şeması) ile tutarlı etiketleme
LLM ile etiketleme: maliyet, hız ve kalite dengesi
İnce ayarlı BERTurk ile LLM performans karşılaştırması
Açık ağırlıklı modellerle kurum içinde çalışma seçenekleri
Laboratuvar: LLM destekli unsur bazlı etiketleme hattı

Modül 2

Konu Modelleme ve Gündem Keşfi

LDA ile klasik konu modellemenin sınırları
BERTopic ile gömme tabanlı konu modelleme
Dinamik konu modelleme ile zaman içinde gündem değişimi
LLM ile konu kümelerinin adlandırılması ve özetlenmesi
Konu ve duygu analizinin birlikte raporlanması
Laboratuvar: Şikayet verisinde BERTopic ile tema keşfi

Modül 3

Çok Kipli Sosyal Medya Analizi

Görsel ve meme içeriklerinde metin ve anlam çıkarımı
CLIP gibi görsel-dil modelleriyle görsel sınıflandırma
Whisper ile video ve podcast içeriğinin metne dönüştürülmesi
Logo ve marka görünürlüğü tespiti yaklaşımları
Metin ve görsel sinyallerinin birleştirilmesi
Demo: Kısa video paylaşımlarında marka algısı analizi

Modül 4

İçgörü Üretimi ve Özetleme

Binlerce yorumdan yönetici özeti üretme teknikleri
RAG ile sosyal medya arşivinde soru-cevap
Halüsinasyonu önlemek için kaynak gösterimli özetleme
Duygu skorlarının marka sağlığı göstergelerine dönüşümü
Uygulama: Haftalık marka içgörü raporu taslağı
Günün değerlendirmesi ve ağ analitiği gününe hazırlık

Günün hedefiEtkileşim ağlarında etkili hesapları ve koordineli davranışı tespit etmek, kriz erken uyarı sistemi kurmak, sonuçları panoya taşımak ve uçtan uca projeyi sunmak.

Modül 1

Sosyal Ağ Analizi ve Etkileyiciler

Yanıt, alıntı ve paylaşım ağlarının graf olarak kurulması
NetworkX ile merkezilik ve topluluk tespiti
Etkileyici (influencer) belirleme ve erişim ölçümü
Bilgi yayılımı ve viral içerik dinamikleri
Kutuplaşmış toplulukların ve yankı odalarının analizi
Laboratuvar: Kampanya etiketinin etkileşim ağı analizi

Modül 2

Bot, Koordineli Davranış ve Dezenformasyon

Bot hesap sinyalleri: hesap yaşı, sıklık, içerik benzerliği
Koordineli sahte davranışın zaman ve içerik örüntüleri
Metin benzerliği ile kopya kampanyaların tespiti
Sahte yorum ve manipüle edilmiş puanların ayıklanması
Dezenformasyonun marka itibarına etkisi ve yanıt
Laboratuvar: Koordineli hesap kümelerinin tespiti

Modül 3

Kriz Erken Uyarı ve Raporlama

Hacim ve olumsuz duygu artışında anomali tespiti
Eşik, uyarı önceliği ve eskalasyon kuralları
Kriz anında konu, kaynak ve yayılım analizi
Streamlit ile gerçek zamanlı sosyal dinleme panosu
Model izleme: veri kayması ve yeniden eğitim ihtiyacı
Vaka: Hizmet kesintisi krizinin saat saat analizi

Modül 4

Sosyal Dinleme Projesi ve Kapanış

Grup projesi: veri, duygu modeli, konu ve ağ analizi
Proje sunumları ve iletişim ekibi formatında geri bildirim
Kurumsal sosyal dinleme olgunluk yol haritası
Eğitim değerlendirmesi ve interaktif Soru-Cevap
Sertifika takdimi ve laboratuvar not defterlerinin teslimi
Türkçe NLP kaynakları, açık veri setleri ve kapanış

Eğitim Kazanımları

Türkçe Ön İşleme — Yazım hatası, emoji ve argo içeren Türkçe paylaşımları modellemeye uygun biçimde normalize edebileceksiniz.
Transformer İnce Ayarı — BERTurk gibi Türkçe modelleri kendi etiketli verinizle ince ayarlayarak yüksek başarımlı sınıflandırıcılar kurabileceksiniz.
Unsur Bazlı Analiz — Ürün, fiyat ve hizmet gibi unsurlar bazında duygu tespit ederek iş birimlerine hedefli içgörü sunabileceksiniz.
Tutum ve İroni — Duygu durumu, tutum ve ironi tespitiyle yüzeysel olumlu-olumsuz ayrımının ötesine geçebileceksiniz.
LLM ile Analiz — Büyük dil modelleriyle yapılandırılmış etiketleme yapıp maliyet ve kaliteyi ince ayarlı modellerle kıyaslayabileceksiniz.
Konu Keşfi — BERTopic ile sosyal medya gündemini ve şikayet temalarını zaman içindeki değişimiyle ortaya çıkarabileceksiniz.
Ağ ve Bot Analizi — Etkileşim ağlarında etkileyicileri, koordineli hesapları ve yayılım örüntülerini tespit edebileceksiniz.
Kriz Erken Uyarı — Anomali tespiti ve canlı panolarla itibar krizlerini erkenden yakalayan bir sosyal dinleme sistemi kuracaksınız.

Kimler İçin Uygundur?

Pazarlama ve müşteri içgörüsü veri bilimcileri
sosyal medya ve itibar analistleri
NLP uzmanları
kurumsal iletişim analitiği ekipleri ile ajansların veri ve teknoloji birimleri.

Sıkça Sorulan Sorular

Yapay Zeka ile Sosyal Medya ve İleri Duygu Analizi Eğitimi kimler için uygundur?

Program; pazarlama ve müşteri içgörüsü alanında çalışan veri bilimciler, sosyal medya ve itibar analistleri, NLP uzmanları, kurumsal iletişim analitiği ekipleri ile ajansların veri ve teknoloji birimleri için tasarlanmıştır.

Eğitim ne kadar sürer ve nasıl yapılandırılmıştır?

Eğitim 4 tam gün ve 16 modülden oluşur. Sırasıyla veri toplama ve Türkçe ön işleme, transformer ile ileri duygu analizi, LLM, konu keşfi ve çok kipli analiz ile ağ analitiği ve kriz tespiti günleri işlenir; son gün proje sunulur.

Katılım için hangi teknik bilgiler gerekiyor?

Python ve pandas ile veri işleme deneyimi ile sınıflandırma ve F1 skoru gibi temel makine öğrenmesi kavramları beklenir. Laboratuvarlar için GPU destekli bulut not defteri ve Hugging Face hesabı gerekir.

Eğitimde hangi model ve kütüphaneler kullanılıyor?

Hugging Face Transformers ile BERTurk ve çok dilli modeller, scikit-learn, Zemberek, BERTopic, Whisper, CLIP, NetworkX ve Streamlit kullanılır. Büyük dil modelleriyle etiketleme için hem ticari API'ler hem açık ağırlıklı modeller ele alınır.

Sosyal medya verisini toplamak yasal mı, sertifika veriliyor mu?

Eğitimde platform kullanım koşulları, API erişim kuralları, KVKK kapsamında kamuya açık kişisel verinin işlenmesi ve anonimleştirme ayrıntılı ele alınır. Programı tamamlayan katılımcılar Digital Vizyon Akademi sertifikası alır.

Sertifikalandırma

Bu eğitim Katılım Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika

YAPAY ZEKA İLE SOSYAL MEDYA VE İLERİ DUYGU ANALİZİ EĞİTİMİ

Eğitim Hakkında

Neden Bu Eğitim?

Ön Koşullar

Eğitim İçeriği

Sosyal Dinleme Stratejisi ve Veri Kaynakları

Veri Toplama, Hukuk ve Etik

Türkçe Sosyal Medya Metinlerinin İşlenmesi

Klasik Duygu Analizi Yöntemleri

Transformer Modelleri ve Türkçe İnce Ayar

Unsur Bazlı Duygu Analizi (ABSA)

Duygu Durumu, Tutum ve İroni Tespiti

Model Değerlendirme ve Hata Analizi

Büyük Dil Modelleriyle Duygu Analizi

Konu Modelleme ve Gündem Keşfi

Çok Kipli Sosyal Medya Analizi

İçgörü Üretimi ve Özetleme

Sosyal Ağ Analizi ve Etkileyiciler

Bot, Koordineli Davranış ve Dezenformasyon

Kriz Erken Uyarı ve Raporlama

Sosyal Dinleme Projesi ve Kapanış

Eğitim Kazanımları

Kimler İçin Uygundur?

Sıkça Sorulan Sorular

Sertifikalandırma

Eğitim Bilgileri

Benzer Programlar

Yapay Zeka Güvenliğine Giriş Eğitimi

Yapay Zeka Kurumsal Strateji Yönetimi Eğitimi

Yapay Zeka Küresel Yönetişim Çerçeveleri Eğitimi