2
Archived Theses
0
DOIs Assigned
0%
DOI Rate
Discipline
Dil modellerinin türkçe dilinde performanslarının iyileştirilmesi için farklı istem formatlarının kullanımı
Dil modelleri, etkin ince-ayarlama metotları ile herkes tarafından eğitilebilmekte ve özelleştirilerek farklı alanlarda kullanılabilmektedir. Dil modellerinin başarımı için genellikle kayıp veya doğruluk metrikleri kontrol kabul edilse de istem formatlarının seçimi de bu başarımı etkilemektedir. Bu çalışmada Llama2, Llama3 ve Mistral7B gibi büyük dil modellerinin yanı sıra küçük dil modeli olan Phi3 ile farklı iki veriseti üzerinde çeşitli yaygın olarak kullanılan istem formatlarının ve özelleştirilmiş Türkçe istem formatları ile birlikte denenmesi ile eğitilmiş ve başarım sonuçları karşılaştırılmıştır. Elde edilen bulgular ve sonuçlar neticesinde, yalnızca model mimarisinin değil, kullanılan istem formatının yapısının da başarım üzerinde kritik bir rol oynadığını göstermiş ve istem formatının değişikliğinin dil modellerinde performansı etkilediği gözlenmiştir. Bunlarla birlikte özelleştirilmiş istem formatı kabul edilebilir kayıp değerlerinde en iyi metrik sonuçlarını elde etmiştir.
Espor oyuncularının oyun içi davranışlarının makine öğrenmesi yöntemleri ile incelenmesi
Bu tez çalışmasında, makine öğrenmesi metotları kullanarak farklı liglerdeki League of Legends oyuncularının belirli bir sezondaki verileri analiz edilmiş, bu oyuncuların profesyonel olma/olmama durumu makine öğrenmesi sınıflandırma algoritmaları ile tahmin edilmiş ve kullanılan algoritmaların performans ölçümleri kıyaslanmıştır. Çalışma Espor profesyonellerine oyun için davranışlarına göre hangi seviyede oyuncu olabileceği konusunda katkı sağlamayı amaçlamaktadır. Çalışmanın temelini, farklı liglerde yer alan oyuncuların oyun performansı, stratejik tercihleri, oyun içi kararları ve genel yeteneklerine ilişkin geniş bir veri seti oluşturmuştur. Makine öğrenmesi algoritmaları, bu kapsamlı veri setini işleyerek, oyuncuların gelecekteki potansiyellerini belirlemek için kullanılmıştır. Elde edilen sonuçlar, bu yaklaşımın profesyonel seviyede başarı gösterebilme olasılıklarını belirleme konusunda önemli bir başarı sağladığını göstermektedir. Bu çalışma, sadece League of Legends gibi rekabetçi oyunlarla sınırlı kalmayıp, genel olarak Espor alanında yetenek keşfi ve potansiyel profesyonel oyuncuların belirlenmesi konusunda da değerli bir katkı sağlamayı amaçlamaktadır. Sonuç olarak, makine öğrenme metotlarının Espor alanında kullanımının potansiyeli vurgulanmış ve bu alandaki gelecek araştırmalar için sağlam bir temel oluşturulmuştur. Bu çalışma, Espor endüstrisinde yetenek yönetimi ve gelecek vadeden oyuncuların keşfi için yeni bir yaklaşım sunmayı amaçlamıştır. Bu çalışmanın öne çıkan yönü, makine öğrenme algoritmalarının esnekliği ve geniş veri setlerini etkili bir şekilde işleyebilme kabiliyetidir. Ligler arası ve sezonlar arası farklılıkları dikkate alarak, oyuncuların performansını ve potansiyelini belirleme sürecinde bu algoritmaların sağladığı adaptasyon yeteneği önemlidir. Ayrıca, çalışma kapsamında elde edilen bulgular, Espor yetenek yönetimi konusunda mevcut bilgiye önemli bir katkı sağlamakla birlikte, bu alanda daha fazla araştırma ve geliştirme gerektiğini de vurgulamaktadır. Öte yandan, makine öğrenme metotlarının Espor endüstrisindeki uygulamalarının artmasıyla birlikte, etik ve gizlilik gibi konular da önem kazanmaktadır. Oyuncuların verilerinin doğru ve adil bir şekilde kullanılması, bu alandaki araştırmaların ve uygulamaların sürdürülebilirliği için hayati önem taşımaktadır. Son olarak, bu tez çalışması Espor endüstrisindeki profesyonel yeteneklerin keşfi ve geliştirilmesi sürecine yeni bir bakış açısı sunarak, gelecekteki Espor oyuncularının yeteneklerini belirleme ve geliştirme süreçlerine değerli bir katkı sağlamayı hedeflemektedir. Bu çalışmanın bulgularının, Espor endüstrisinin daha da büyümesi ve gelişmesi için temel oluşturarak, gelecekteki araştırmalara ve uygulamalara katkı sağlaması amaçlanmıştır.