Classification
400 theses under this subject heading
Çok amaçlı genetik algoritma ile kategorik verilerin sınıflandırılması
Bilgisayar bilimlerinde verilerin sınıflandırılması işlemi yıllardır üzerine yoğunlaşılıp, pek çok yöntemin öne sürüldüğü bir konudur. Bu konu, verilerin belirli öznitelikleri kullanılarak en uygun şekilde kümelenmeleri işlemi üzerine yoğunlaşmaktadır. Bu sayede birbirine benzeyen verileri birbirleri ile aynı öbeğe koyulabilmekte ve bu sonuçlar üzerinden belli çıkarımlar yapılabilmektedir. Bu alan, ele alınan veri kümelerinin durumlarına göre derinleşebilmektedir. Örneğin büyük boyutlu ve küçük boyutlu verilerin öbeklendirilmeleri birbirinden çok farklı şekilde özelleşebilmektedir.Öbeklendirmenin türüne göre ise, çok amaçlı öbeklendirme son yıllarda çok revaçta olan bir problemdir. Çok amaçlı öbeklendirme, birbirinden farklı amaçları aynı anda ele alarak verilerin kümeleme sonuçlarını çıktı olarak sunar.Bu tezde ise temel olarak çok amaçlı bir yapı ile kategorik veri kümelerinin öbeklendirilmesi üzerinde çalışılmıştır. Elde edilen sonuçlar tek amaçlı bir şekilde öbekleme yapan k-mod öbeklemesinin sonuçları ile karşılaştırılmıştır. Önerilen yöntemin her durumda daha doğal ve başarılı öbekleme sonuçlarına ulaştığı saflık ölçüm metriği ele alınarak ortaya konulmuştur.Çalışmanın ileriki aşamalarında ise büyük boyutlu veri kümeleri işin içine girince çıkan problemler ele alınıp, bu durumlara çözümler getirilmiştir. Bu koşullar için ise geliştirilen yöntem, veriler üzerinden sıklık eleman kümelerinin elde edilip, bu kümeler üzerinden verimli şekilde öbekleme yapılması işlemidir. Sonuçta elde edilen çıktılar ise önerilen yöntemin verimliliğini ve tutarlılığını ortaya koymaktadır.
Hareketli görüntülerdeki insanların yüz tanıma metoduyla sınıflandırılması
Günümüzde insan odaklı işler yavaş yavaş teknolojinin gelişmesiyle birlikte yerini otomatik sistemlere bırakmaya başlamıştır. Bundan dolayı bilgisayarlara ve makinelere verilen görevlerin yerine getirilebilmesi için insanların yapılacak işten ziyade bilgisayarlara yaptıracağı iş gün geçtikçe önem kazanmaktadır. Bir sistemin otomatik çalışması için bir öğrenme mekanizmasının ve karar verme mekanizmasının ardı ardına yerine getirilmesi gerekmektedir. Özellikle siber güvenlik tarafında gelişen sistemler ile birlikte yüz tanımanın önemi de her geçen gün artmaktadır. Özellikle güvenlik güçleri tarafından kullanılan yüz tanıma sisteminin faaliyetleri dünya üzerinde her geçen gün artmaktadır. Bu noktada yüz tanıma sistemlerinin bazı gereksinimler ortaya çıkmaktadır. Bu gereksinimleri karşılamak yüz tanıma tekniklerinin gerçekleştirilebildiği yazılımlar kullanılır. Bu yazılımların temel amacı, yardımcı araçlar ile dijitale dönüştürülen görüntülere anlam kazandırmaktır. Bu çalışma hareketli görüntülerdeki yüzlerin tespiti yapıldıktan sonra, tespit edilen yüzü sınıflandırabilmek için yüz adlandırılarak yüze verilen isim ile yüzün görüntüsü bir klasöre kaydedilerek, insan yüzlerinin isim ile saklandığı bir klasör oluşturur. Bu işlem sonucunda insan yüzlerinden oluşan veri tabanlarına daha kolay veri toplanabilir veya yüz tanıma teknolojisi kullanan uygulamalar için kolay öğrenme yöntemi olabilir.
Migren tanısı almış 18-65 yaş arası yetişkin bireylerde ultra işlenmiş gıda tüketimi ile migren arasındaki ilişkinin araştırılması
Migren, bireylerin günlük yaşam kalitesini bozan, genellikle başın tek tarafında başlayan bir ağrı olarak ortaya çıkan ve dünya genelinde pek çok kişiyi etkileyen bir hastalık olarak karşımıza çıkmaktadır. Migreni tetikleyen çevresel etmenlerin başında besinler gelmektedir. Diyetlerde yer alan sağlıksız gıdalar ultra işlenmiş gıda tanımı ile karşımıza çıkmaktadır. Besinleri kategorilere ayırırken kullanılan NOVA sınıflandırma sistemi gıdaları 4 gruba ayırmaktadır. Bu çalışma migren ve ultra işlenmiş gıdalar arasındaki ilişkiyi incelemek amacıyla yapılmıştır. Çalışmamızda 18-65 yaş arası yetişkin bireylerde migren ile ultra işlenmiş gıda tüketimi arasındaki ilişki araştırılmıştır. Çalışma Mayıs 2023'te yürütülmüş olup, çalışmaya 18-65 yaş arası 88 migren tanısı almış katılımcı ile kontrol grubunda yer alan 88 sağlıklı katılımcı olmak üzere toplam 176 kişi dahil edilmiştir. Katılımcılara demografik bilgilerini içeren bilgi formu ile ultra işlenmiş gıda tüketimini içeren besin tüketim sıklık anketi sunulmuştur. Hem migren grubunda hem de kontrol grubundaki katılımcıların ultra işlenmiş gıda tüketim puanları ile BKİ arasındaki ilişki incelendiği zaman her iki grupta da katılımcıların ultra işlenmiş gıdalardan aldığı tüketim puanı ortalamaları arasında anlamlı bir fark olmadığı belirlenmiştir (p>0,05). Çalışma bulgularına göre migren grubundaki katılımcıların ultra işlenmiş gıdalardan aldığı ortalama tüketim puanı 32,977, kontrol grubundaki katılımcıların ultra işlenmiş gıdalardan aldığı ortalama tüketim puanı 37,705 olup bu farkın istatistiksel olarak anlamlı olmadığı sonucuna ulaşılmıştır (p>0,05). Sonuç olarak, bu çalışmanın bulguları hem migren grubunda hem de kontrol grubunda ultra işlenmiş gıda tüketim puanlarının yüksek olduğunu ancak ultra işlenmiş gıda tüketim puanları ile migren arasında anlamlı bir ilişki bulunmadığını göstermiştir. Anahtar Kelimeler: Migren, NOVA, Ultra İşlenmiş Gıdalar, Baş Ağrısı
Pirinç çeltiğinin çekilmesi sonucu elde edilen pirinç tanelerinin sınıflandırılması işleminin makine öğrenmesi ile gerçekleştirilmesi
Günümüzde pirinç çeltiğinin çekilmesi sonucu kabuğundan ayrılan pirinç tanelerinin sınıflandırılması el ile yapılmaktadır. Bu yöntem ilgili sektörde zaman kaybı ve iş gücü verimsizliğine neden olarak ekonomik kayıplara yol açmaktadır. Bu soruna çözüm üretmek amacıyla daha önceden çekilmiş pirinç tanelerin makine öğrenmesi yöntemiyle sınıflandırılması bu tez sonucunda amaçlanmaktadır. Söz konusu sınıflandırılma işlemi için makine öğrenmesi yöntemlerinden faydalanılmıştır. Makine öğrenmesi yöntemleriyle ile makineler ses, görüntü, sinyal, metin gibi verileri kullanarak sınıflandırma, nesne tanıma, ses tanıma ya da dil çevirileri gibi özelleşmiş görevleri en az hatayla yerine getirir duruma gelmişlerdir. Son yıllarda makine öğrenme yöntemlerinin sürekli geliştirilmesiyle görüntü işleme, ses işleme ve robotik gibi alanlara bu yöntemler önemli bir yer bulmuştur. Bu tezde kullanılan makine öğrenmesi yöntemleri ile ilgili sektörde zaman kaybı ve iş gücü verimsizliğinin giderilmesi hedeflenmekte, ilerleyen süreçlerde sınıflandırılmaya ihtiyaç duyulan diğer sektörlerde de mevcut sorunların giderilmesine katkıda bulunulacak çalışmalara temel oluşturması amaçlanmaktadır. Tezde pirinçlerin fotoğraflanması ve parçalanması süreci ayrıntılı biçimde anlatılmıştır. Parçalanma sürecinde Sobel Kenar Bulma Algoritması'ndan faydalanılmıştır. Pirinçlere ait görüntülerin özelliklerinin çıkarılmasında, boyut kestirimi, RGB, HSL, HSV, CIEXYZ, CIELAB renk uzayları ve değerlerinin tespiti ve GLCM özellik vektörü ile ilgili ayrıntılı bilgilere yer verilmiştir. Teze ismini veren makine öğrenmesi bahsinde kullanılan yöntemler Karar Ağaçları (Decision Tree), Destek Vektör Makineleri (Support Vector Machine), Naive Bayes, K En Yakın Komşu Algoritması (K-Nearest Neighborhood Algorithm) ve Derin Öğrenme Yöntemi (Deep Learning) olmuştur. Bu modellere ait bilgiler ile uygulamada nasıl kullanıldıkları ve uygulamaya ilişkin sonuçlar son bölümde paylaşılmıştır. Tez sonucunda uygulanan makine öğrenmesi yöntemlerine ait sonuçlar karşılaştırmalı olarak gösterilmiş ve en başarılı makine öğrenmesi yöntemi İkinci Dereceden Destek Vektör Makineleri olmuştur.
Kültür mantarlarında yaygın görülen hastalıkların derin öğrenme yöntemi ile sınıflandırılması
Bu tez çalışmasında, Agaricus bisporus (kültür mantarı) üretiminde yaygın olarak görülen dört farklı hastalık durumu ile bunlara ek olarak hastalık bulunmayan sağlıklı durumun (sağlıklı, bakteriyel leke, örümcek ağı, kuru kabarcık ve yaş kabarcık) görüntü tabanlı olarak sınıflandırılmasına yönelik bir derin öğrenme tabanlı sistem önerilmiştir. Çalışmada, beyaz, ultraviyole (UV) ve karma (beyaz+UV) olmak üzere üç farklı aydınlatma koşulunda özel olarak oluşturulan görüntü veri setleri kullanılarak, 20 farklı ön eğitimli evrişimli sinir ağı (CNN) mimarisi değerlendirilmiştir. Görüntüler, bu çalışmaya özgü olarak tasarlanan ve beyaz, UV ve karma ışık senaryolarını kontrollü biçimde sağlayabilen özel bir görüntüleme kabininde elde edilmiştir. Her bir model, doğruluk (accuracy), duyarlılık (recall), kesinlik (precision), F1 skoru, ROC AUC, PR AUC, özgüllük, Matthews korelasyon katsayısı (MCC), logaritmik kayıp ve bileşik değerlendirme ölçütü (BDÖ) gibi çok sayıda metrikle performans açısından analiz edilmiştir. BDÖ, karar verme sürecine destek olması açısından beş temel metriğin ağırlıklı ortalamasına göre hesaplanmıştır. Elde edilen bulgulara göre, her üç aydınlatma ortamında da en başarılı sonuçlar ResNet-50 modeli tarafından elde edilmiştir. Beyaz ışık ortamında genel sınıf ayrımı daha net gerçekleşmiş, karma ışık ortamı bazı metriklerde dengeli başarı sunarken, UV ışık bazı sınıflarda kararsızlık oluşturmuştur. Sınıf bazlı analizler, sağlıklı ve örümcek ağı sınıflarında yüksek sınıflandırma doğruluğu sağlandığını, buna karşılık bakteriyel leke ve yaş kabarcık sınıflarında bazı modellerin karışıklık yaşadığını göstermiştir. Karmaşıklık matrisleri, ROC ve PR eğrileri üzerinden yapılan görsel analizler, modellerin sınıflar arası ayrım yetkinliğini detaylı biçimde ortaya koymuştur. Bu bağlamda, hem kullanılan model mimarisinin derinliği hem de veri toplama sürecinde kullanılan aydınlatma koşulları, sınıflandırma başarımını doğrudan etkilemiştir. Sonuç olarak, bu çalışma kültür mantarı üretiminde görüntü tabanlı hastalık tanısının uygulanabilirliğini ortaya koymakta; geliştirilen sistemin erken teşhis, otomatik izleme ve akıllı tarım uygulamaları açısından yüksek potansiyele sahip olduğunu göstermektedir.
Sporcu performansını sınıflandırmada temel normalizasyon, makine öğrenme ve çok kriterli karar verme yöntemlerinin karşılaştırılması
Araştırmanın konusu sporcu seçimi, sınıflandırma ve sıralama kapsamında elde edilen verilerin analizinde ekonomik aynı zamanda güvenilirliği yüksek farklı analiz ve değerlendirme yöntemlerinin kullanımıdır. Çalışma kapsamında elde edilen sonuçlar doğrultusunda spor biliminde sporcu seçimi, sınıflama ve sıralamada norm oluşturma konusunda yeni bir yaklaşım ortaya koymaktır. Branşlara göre test edilen değişkenlerin önem ağırlıkları kapsam dahilindedir. Bu çalışmanın amacı, spor biliminde sporcu seçimi, sınıflandırma ve sıralama sürecinde kullanılan Temel Normalizasyon yöntemlerine ek olarak ÇKKV ve veri madenciliğinde Makine Öğrenme yöntemlerinin kullanılması amaçlanmaktadır. Araştırma grubu ilgili kurumdan ölçümleri yapılmış olan elit düzeydeki sporculardan oluşmaktadır. Çalışmada kuvvet, çeviklik, kas sertliği, görsel reaksiyon, anaerobik güç, aerobik dayanıklılık ve denge testlerine ait veriler kullanıldı. Değişkenlerin önem ağırlıklarını belirlemek için entropi yöntemi kullanıldı. Birinci aşamada, branşların Temel Normalizasyon, ÇKKV ve makine öğrenme yöntemleri ile hesaplanan puanlarının Z-skoru yöntemine göre spearman sıra korelasyonu ve yöntemlerin sınıflandırma başarısı için ROC analizleri yapıldı. İkinci aşamada, yöntemlere göre sıralanan veriler beş sınıfa ayrıldı. Sınıflandırılan yöntemler, makine öğrenmede sınıflandırma algoritmaları ile modellerin doğruluk analizleri yapıldı. Araştırmada ek olarak farklı spor branşlarının sınıflandırma analizinde kullanılan performans özelliklerine ait önem ağırlıklarının belirlendi. Veri analizinde Microsoft Excel, IBM SPSS 26.0, Matlab ve Orange Data Mining yazılımlarından yararlanıldı. Sınırlılıklar kapsamında elde edilen bulgularda, bütün spor branşlarında Z-skoru ile elde edilen sıralama ile diğer yöntemler arasında istatistiksel olarak anlamlı ve güçlü ilişkiler saptandı. Z-skor ile Topsis yöntemi arasında anlamlı ilişki saptanamadı. Branşların Z-skoruna göre yapılan sıralamalar ile diğer yöntemlere ait sıralamalar arasında yüksek düzeyde bir uyumun olduğu saptandı. Araştırmadaki sınıflandırma sonuçlarında %86 ile %100 arasında değişen yüksek doğruluk oranları AHP ve K-ortalama yöntemlerine göre oluşturulan modellerde elde edildi. Özellikle Z-skoru ile yüksek düzeyde ilişkisi bulunan K-Means yöntemiyle entegre edilen Naive Bayes, KNN, SVM ve Neural Network modellerinin birçok branşta %100 doğruluk saptandı. Sonuç olarak özellikle Temel Normalizasyon yöntemlerinden Z-skoru ile yüksek düzeyde uyum sağlayan ve yüksek düzeyde ilişkisi bulunan ÇKKV (entropi) ve makine öğrenme temelli algoritmaların sporcu performans sınıflandırması, sporcu yetenek seçimi ve branş yönlendirme süreçlerinde güvenilir düzeyde alternatif yöntemler olduğu saptandı. Sınıflama doğruluk analizi sonuçları doğrultusunda branşlara özgü modellerin yüksek doğruluk oranları, spor bilimleri alanında yapay zekâ tabanlı makine öğrenmesi ve ÇKKV uygulamalarının kullanılabilirliğini ortaya çıkardı. Anahtar Sözcükler: Çok Kriterli Karar Verme, Makine Öğrenme, Normalizasyon, Sınıflandırma, Sporcu Performansı
Ceviz çeşitlerinin derin öğrenme algoritmalarıyla sınıflandırılması
Ceviz, küresel ölçekte yüksek ekonomik değere sahip önemli bir tarım ürünüdür. Ceviz türlerinin doğru şekilde sınıflandırılması araştırma, koruma ve kalite kontrol süreçleri açısından büyük önem taşımaktadır. Ancak geleneksel sınıflandırma yöntemleri büyük ölçüde elle yapılan işlemlere dayanmakta olup bu yöntemler zaman alıcıdır ve insan hatasına açıktır. Tarım sektöründeki teknolojik gelişmelerle birlikte; meyve, sebze ve tahıl gibi ürünlerin sınıflandırılmasında derin öğrenme algoritmalarının kullanımı giderek yaygınlaşmaktadır. Bu tez çalışmasında, makine öğrenmesi algoritmaları ve önceden eğitilmiş derin öğrenme modelleri kullanılarak ceviz türlerinin otomatik olarak sınıflandırılması amaçlanmıştır. Böylece zaman kaybı, iş yükü ve hatalı sınıflandırma oranlarının azaltılması hedeflenmiştir. Bu amaçla Chandler, Kaman1, Fernor, Yalova3 ve Maraş18 türlerine ait toplam 2540 görüntüden oluşan özel bir veri seti oluşturulmuştur. Sınıflandırma işlemi için öncelikle VGG16 derin öğrenme modeli kullanılarak verisetinden 4096 adet özellik elde edilmiştir. Bu özellikler SVM, k-NN ve Random Forest gibi makine öğrenmesi algoritmalarına giriş olarak verilerek sınıflandırma işlemi gerçekleştirilmiştir. Sonrasında VGG16, VGG19, ResNet-50, DenseNet-121 ve Xception gibi yaygın olarak kullanılan önceden eğitilmiş derin öğrenme mimarileri, oluşturulan özgün veri seti üzerinde veri artırımsız, veri artırımlı ve ağırlıklı kayıp fonkiyonu kullanılarak eğitilmiştir. Deneysel sonuçlara göre; klasik makine öğrenmesi algoritmaları daha düşük doğruluk değerleri sunmuş, bu algoritmalar arasında en iyi performansı %90,10 doğruluk ile SVM göstermiştir. Buna karşılık, ResNet-50 modeli veri artırımı uygulanmış veri seti üzerinde %97,95 doğruluk oranı ile en yüksek başarıyı göstermiştir. Xception modeli ise ağırlıklı kayıp fonksiyonu kullanıldığında %98,54, orijinal veri seti üzerinde ise %98,27 doğrulukla en başarılı sonuçları elde etmiştir. Elde edilen sonuçlar, ResNet-50 ve Xception modellerinin ceviz türlerinin otomatik sınıflandırılmasındaki etkinliğini ortaya koymakta, aynı zamanda derin öğrenme teknolojilerinin geleneksel yöntemlere kıyasla daha hızlı, daha doğru ve daha az iş gücü gerektiren alternatifler sunduğunu göstermektedir. Genel olarak bu çalışma, derin öğrenme teknolojilerinin tarımsal üretim süreçlerine entegrasyonuna katkı sağlamakta ve geleneksel sınıflandırma yöntemlerinin verimliliğini artırmaya yönelik çözümler önermektedir.
Makine öğrenmesi ile işgörenlerin işe yabancılaşma durumunun sınıflandırılması
İşgörenlerin performansından iş tatminine kadar birçok farklı konuda olumsuz etkiye sahip olan ve örgütsel, bireysel ve kişilerarası birçok farklı öncülün karmaşık etkileşimi sonucunda ortaya çıkma potansiyeli olan işe yabancılaşma, modern iş yaşamının önemli problemleri arasında yer almaktadır. Dolayısıyla işe yabancılaşma durumunun önceden kestirilmesi ve işe yabancılaşma için önleyici faaliyetlerin gerçekleştirilmesi hem bireylerin hem de örgütlerin sağlıklı kalabilmesi açısından oldukça kritiktir. Birçok işgören için önemli sorunlar arasında yer alan işe yabancılaşmanın örgüt yapısı ve stres dolu ortamı nedeniyle eğitim sektörü için de bir risk olduğu düşünülmektedir. Ülkemizdeki eğitim sektörünün başarısı eğitim sektöründe yer alan işgörenlerin ve özellikle öğretmenlerin başarısına bağlıdır. Bu yüzden eğitim sektöründe çalışan bireyleri etkileyebilecek olumsuz faktörlerin incelenmesi önemlidir. Buradan yola çıkarak mevcut tez çalışmasında özel eğitim işletmelerinde işe yabancılaşmayı önceden kestirebilmenin yolları üzerinde çalışılmıştır. Bu doğrultuda tez çalışmasının birinci amacı, iş özellikleri (beceri çeşitliliği, görev kimliği, görev anlamlılığı, özerklik, geri bildirim), iş stresi ve kontrol odağı değişkenlerini kullanarak örgütsel davranış alanı için yenilikçi bir yöntem olan makine öğrenmesi algoritmaları ile karmaşık bir psikolojik değişken olan işe yabancılaşmanın yordanmasıdır. Bu kapsamda sınıflandırma algoritmalarından lojistik regresyon, destek vektör makinesi ve karar ağacı algoritmaları kullanılarak modeller geliştirilmiş ve test için ayrılan veri seti aracılığı ile yordama işlemleri yapılmıştır. Araştırmanın ikinci amacı, işe yabancılaşma durumunun sınıflandırılmasında kullanılan sınıflandırma algoritmalarından hangisinin daha başarılı olduğunu çeşitli ölçütlere bakarak belirlemektedir. Araştırma verileri, Ankara'da özel eğitim sektöründe çalışan işgörenlerden toplanmış ve analizler, 213 katılımcı üzerinde yürütülmüştür. Verilerin toplanmasında İşe Yabancılaşma Ölçeği, İş Özellikleri Anketi, İş Stresi Ölçeği ve İş Kontrol Odağı Ölçeğinden yararlanılmıştır. Araştırmanın yordanan değişkeni olan işe yabancılaşmanın dikotomik hale getirilmesinin ardından sınıflandırma algoritmaları ile modeller geliştirilmiş ve doğruluk, duyarlılık, özgüllük ve AUC kriterleri kullanılarak modellerin test başarısı değerlendirilmiştir. Yapılan değerlendirme sonucunda destek vektör makinesinin farklı çekirdek fonksiyonlarından çok terimli çekirdek fonksiyonun en başarılı algoritma olduğu bulunmuştur.
Makine öğrenmesi algoritmaları kullanılarak modem verisi üzerinden müşteri memnuniyetinin tahmini
Verinin aktarılması, ayrıştırılması ve algoritmaların test edilmesi gibi tüm süreçlerde KNIME Analitik Platformu kullanılmıştır. Modem verileri haftalık bazda ele alınmış ve indirme-yükleme verileri kategorize edilerek 6 farklı saat diliminde değerlendirilmiştir. Sınıflandırma analizinde ise AutoML üzerinden çalışmalar yapılmıştır. Burada değerlendirilen algoritmalar; Sade Bayes, Lojistik Regresyon, Sinir Ağları, Gradyan Artırma Ağaçları, Karar Ağacı, Rastgele Orman ve XGBoost'dur. Kullanılan kütüphane ve platformlar ise; Genelleştirilmiş Doğrusal Modeller için H2O yazılımı, Derin Öğrenme için Keras Kütüphanesi ve diğer birçok algoritma için H2O AutoML (Otomatik Edilmiş Makine Öğrenmesi) çatısıdır. Bu çalışmada amaç memnuniyetsiz müşterileri belirlemektir. Dengesiz bir veri kümesi ile çalışma yapıldığından dolayı farklı veri çoklama teknikleri kullanılmıştır. Memnuniyetsiz müşterileri bulmak için modemlere ait sorunlu sinyal bilgisi ve arıza kaydı bırakan abonelere ait veriler üzerinden işaretleme yapılmıştır. Uygulama sonucunda, veriye Temel Bileşenler Analizi yöntemi ile 4 Temel Bileşen indirgemesi yapılması ve sonrasında verinin rastgele seçilerek SMOTE (Synthetic Minority Over-sampling) tekniği ile verinin zenginleştirilmesi modeli iyileştirmiştir. Genel olarak ağaç algoritmaları dengesiz veri üzerinden sınıflandırma problemini çözmede daha iyi sonuçlar vermiştir. Algoritmalar arasında seçim yapmak için Duyarlılık (TPR) ve Seçicilik (TNR) değerlerinin geometrik ortalaması (GBA), ağırlıklı ortalaması (WPN) ve Bookmaker Informedness (BM) kriterleri kullanılmıştır. Bu ölçütlerdeki sonuçların birbirine yakın olmasından dolayı, FP (False Positive – Yanlış Pozitif) oranı daha düşük üzerinden değerlendirme yapılmıştır. Bunun seçilmesinin nedeni memnuniyetsiz müşteriye yapılacak olan yatırım maliyetini düşürmektir. Burada uygulanan 10 adet algoritma ve kütüphane içerisinden en iyi sonuçları XGBoost algoritmasının verdiği görülmüştür.
Papiller tiroid kanserinde ilk tedavi cevabı indetermine yanıt olan hastaların periyodik boyun ultrasonografi bulgularının değerlendirilmesi
Papiller tiroid kanseri (PTK), en sık görülen tiroid kanseri türüdür. Görüntüleme yöntemlerinin daha sık kullanılmasıyla PTK insidansı giderek artmaktadır. Her ne kadar diferansiye tiroid kanserli hastaların takibine yönelik Amerikan Tiroid Birliği rehberi ve Dinamik Risk Sınıflaması (DRS) ile önerilerde bulunulsa da, taramalarda boyun ultrasonografi değerlendirmesinin uygulama sıklığına dair bir konsesus bulunmamaktadır. Bu çalışma ile, DRS'ye göre ilk yıl tedavi cevabı indetermine yanıt olan PTK hastalarında aktif izlemde boyun ultrasonografinin lokorejyonel rekürrens veya hastalık nüksünü saptayabilme gücünün değerlendirilmesi amaçlandı. Ayrıca, elde edilen veriler ile indetermine yanıt hastalar için ultrasonografik tarama sıklığının belirlenmesine katkı sağlanması amaçlanmıştır. Çalışmamıza merkezimizde PTK tanısı alan, total veya totale yakın tiroidektomi operasyonu yapılan, en az üç yıl boyun ultrasonografi takibi bulanan, tüm ATA risk sınıflarından 477 hasta dahil edildi. Hastaların ilk tedavi yanıtı değerlendirmesi sonrasında üç yıl içerisinde yapılan ultrasonografi görüntüleme sonuçları retrospektif olarak kayıt edildi. Boyun ultrasonografisi lenf nodu bulguları, Avrupa Tiroid Derneği (ETA) Kılavuzu baz alınarak mikrokalsifikasyon varlığı, yuvarlaklık indeksi, vaskülarite tipi, hilum varlığı ve ekojenite değerlerine göre şüpheli, indetermine veya benign olarak sınıflandırıldı. Bu üç grubun tanım kriterlerine uymayan lezyonlar ise nonspesifik bulgular olarak tanımlandı. Remisyon sonrası biyokimyasal veya yapısal hastalık geliştiren hastalar nüks olarak kabul edildi. Ek olarak, tedavi yanıtı değerlendirildikten sonraki üç yıl içinde yapılan ultrasonografi görüntülemeleri için sensitivite, spesifite, pozitif prediktif değer (PPD), negatif prediktif değer (NPD) ve doğruluk hesaplandı. Sonuç olarak, tüm kohortun takip süresi ortanca 76 aydı (26-240). Tüm kohortun %24.5'inin ilk tedavi cevabı indetermine yanıt olarak saptandı. İndetermine yanıt grubunda boyun ultrasonografinin bölgesel hastalık nüksünü saptamada; sensitivite %100, spesifite %88.8, PPD %8.5, NPD %100, doğruluk %88.9 olarak hesaplandı. İlk sene tedavi yanıtı indetermine yanıt grubu olan üç hastada (%2.6) nüks görüldü. Bu hastalardan bir hastada ikinci yılda, iki hastada ise üçüncü yılda nüks saptandı. Bu bulgular değerlendirildiğinde, indetermine yanıt grubundaki hastaların ilk üç yıl boyunca, yılda birkez serum tiroglobulin, seum anti-tiroglobulin antikoru ve boyun ultrasonografi ile değerlendirilmesi, üçüncü yıl sonunda hastalık bulgusu saptanmayanlarda ise takibe yalnızca serum tiroglobulin ölçümü ile devam edilmesi önerilebilir. İndetermine yanıt grubunda yer alan hastaların USG ile takip sürelerinin belirlenmesi için verilerimizi destekleyecek çalışmalara ihtiyaç devam etmektedir.
İşlevsellik, yetiyitimi ve sağlığın uluslararası sınıflandırması bakış açısıyla işitme kaybı olan yetişkinlerin yaşama katılımlarının ve çevresel faktörlerin etkisinin incelenmesi
İşitme sorunları, günlük aktivitelerde ve toplumsal katılımda kısıtlamalara neden olabilir. Bu da bireyin sağlıkla ilgili yaşam kalitesini, bilişsel ve duygusal işlevlerini etkileyebilir(1-3). Akustik ortam gibi dış faktörlerin ve başa çıkma stratejileri gibi kişisel faktörlerin bireyin işlevselliğini etkilediği gösterilmiştir. Bu çalışmada işitme kaybı olan erişkin bireylerin işitme kaybına bağlı olarak etkilenen yaşama katılımlarının ve katılımcıları etkileyen çevresel faktörlerin ICF bakış açısıyla incelenmesi amaçlanmıştır. Bu amaç doğrultusunda Türkçe geçerlik-güvenilirliği yapılmış, erişkin bireylerde işitme kaybının etkilerini değerlendirmede yaygın olarak kullanılan ölçekler ve ICF sınıflandırma sistemi temel alınarak kullanılacak değerlendirme araçları belirlenmiştir. Çalışmaya 18-60 yaş aralığında işitme güçlüğü şikayetiyle başvurmuş; çok hafif dereceden çok ileri dereceye kadar farklı derecelerde iletim, sensörinöral ve mikst tipte tek taraflı veya bilateral işitme kaybı olan bireyler dahil edilmiştir. Değerlendirme sürecinde bireylerin yaşama katılımlarının değerlendirilebilmesi amacıyla İşitme Engeli Ölçeği Erişkin Formu, Amsterdam İşitsel Yetersizlik ve Engellilik Anketi, Dünya Sağlık Örgütü Yetiyitimi Değerlendirme Çizelgesi (WHODAS), İşitme cihazı kullanan bireyler için İşitme Cihazı Memnuniyet Anketi (APHAB); çevresel faktörlerin etkisini değerlendirme amacıyla Çevre Kalite Ölçeği kullanılmıştır. ICF İşitme Kaybı Kapsamlı Temel Set İle İEÖ Erişkin Form, Amsterdam İşitsel Yetersizlik ve Engellilik Anketi ve İşitme Cihazı Memnuniyet Anketi (APHAB) maddeleri eşleştirilmiştir. Eşleştirme sonucunda ICF İşitme Kaybı Kapsamlı Temel Set maddeleri ile eşleştirilen üç değerlendirme aracının eşleşme oranı % 29 olarak bulunmuştur. Yaşama katılımı değerlendirme amaçlı kullanılan ölçekler arasında pozitif yönlü, yüksek düzeyde anlamlı ilişki gözlenmiştir. Çevresel faktörleri değerlendirme amaçlı kullanılan ölçek ile yaşama katılımı değerlendirme amaçlı kullanılan ölçekler arasında özellikle çevresel engel maddelerinde yüksek düzeyde anlamlı ilişki gözlenmiştir(p<0.05).
Aykırı değerler varlığında sınıflandırma yöntemleri
Veri madenciliğinde denetimli öğrenme başlığı altında yer alan sınıflandırma tekniklerinin önemi, sürekli değişen, çeşitlenen ve çoğalan verilerin hızıyla beraber artmaktadır. Verilerdeki bu değişkenlik, sınıflandırma tekniklerinin de değişim ve gelişimi ihtiyacını doğurmaktadır. Temel sınıflandırma teknikleri altında önerilen sağlam (robust) sınıflandırma teknikleri, yanlış sınıflandırma oranlarının düşmesi için geliştirilmektedir. Verilerdeki gelişim ve değişimlerin meydana getirdiği aykırı değerlerin varlığında, doğru sınıflandırma yönteminin bulunabilmesi gün geçtikçe önemini arttırmaktadır. Bu çalışmada makine öğrenmesi başlığı altında toplanan bazı sınıflandırma teknikleri incelenmiştir. Literatürde en çok kullanılan ve kaynaklarda başarılı olarak nitelendirilen algoritmalar ile benzetim ve gerçek veri kümeleri üzerinde analizler yapılmış ve yorumlanmıştır. Sınıflandırma algoritmalarının tahmin hatalarını sayısallaştırarak yorumlayabilmek için Eşik Değerleri (Threshold Metrics) kullanılmıştır. Sınıflandırma algoritmalarının başarıları duyarlılık (sensitivity), belirlilik/özgüllük (specificity), genel doğruluk oranı ve F1-değerileri hesaplanarak, bu veriler üzerinden değerlendirilmiştir. Değerlendirme çeşitlendirilerek 4 tip benzetim veri kümesi ve 2 farklı gerçek veri üzerinden analizler yapılmıştır. Yapılan analiz sonuçları tablolaştırılmış, yorumlanmış ve F1-değerlerinin grafiksel gösterimlerinden faydalanılmıştır. Benzetim veri kümeleri ile analizlerde lojistik regresyon, benzer özelliğe sahip olan sağlam lojistik regresyon, tanjantboost, gudermannianboost algoritmaları, sağlam doğrusal ayrıştırıcı (Robust Linear Discriminant Analysis - RLDA) ve sağlam karesel ayrıştırıcı ((Robust Quadratic Discriminant Analysis - RQDA), OGK (Ortogonolize Gnanadesikan- Kettenring) kestiricili sağlam doğrusal ayrıştırıcının (RLDA-OGK) başarıları ön plana çıkmıştır. Gerçek veri kümelerinin çalışıldığı analiz sonuçlarında ise lojistik regresyon, sağlam lojistik regresyon, tanjantboost, gudermannianboost algoritmaları, duyarlılık (sensitivity), belirlilik/özgüllük (specificity), genel doğruluk oranı ve F1-değerlerinin tümü göz önüne alındığında önemli bir farkla başarılı bulunmuşlardır.
Öz-güdümlü öğrenmelere yönelik değerlendirmeler için bilgisayarlı sınıflama test sistemine katılım profillerinin incelenmesi
Bu araştırmada ortaokul 5. sınıf öğrencilerinin kendi öğrenmelerini yönetebilmelerine olanak sağlayacak öz-güdümlü öğrenmelere yönelik bilgisayarlı sınıflama test sistemi tasarlanmış ve geliştirilmiştir. Bu kapsamda öğrencilerin geliştirilen bu e-değerlendirme sistemine katılımları ile güdülenme stratejileri arasındaki ilişkiye bakılmıştır. Ayrıca öğrencilerin sisteme yönelik yarar algıları ile sistemi ileride kullanma niyetleri arasındaki ilişki de incelenerek bir profil analizi ortaya konulmuştur. Araştırmanın çalışma grubu 2199 ortaokul beşinci sınıf öğrencisinden oluşmaktadır. Bu öğrenciler Ankara ve İzmir'de bulunan ikişer ortaokul ve Konya'da bulunan üç ortaokul olmak üzere toplamda yedi okulda öğrenimlerini sürdürmektedirler. Geliştirilen sistemde öğrencilerin kendi öğrenmelerini değerlendirebildikleri ve matematik dersinde yer alan kazanımlara sahip olup olmama durumlarını (kazanım bazlı yetkinliklerini) öğrenebilmeleri sağlanmıştır. Bu kapsamda ortaokul 5. sınıf öğretim programı matematik dersi kazanımları incelenmiş ve Milli Eğitim Bakanlığı ve alan uzmanları desteği ile bu kazanımlara yönelik sorular hazırlanmıştır. Sistemin en önemli özelliklerinden biri de uyarlanabilir test yapısında olmasıdır. Öğrenciler sistemi üç hafta boyunca kullanmıştır. Uygulamanın sonunda öğrencilerden veriler araştırmanın amacına yönelik olarak öz-bildirime dayalı ölçekler ile toplanmıştır. Öğrencilerin sistem kullanımlarının sonucunda etkileşim verileri katılım yapısı ortaya konmuştur. Araştırmada öğrencilerin katılım durumları ile güdülenme stratejileri arasındaki ilişki irdelenmiştir. Katılım düzeyleri ile sınav kaygısı, öz yeterlik ve görev değeri ile aralarında pozitif yönde anlamlı bir ilişki bulunmuştur. Ayrıca öğrencilerin sisteme yönelik yarar algıları ile sistemi ileride kullanma niyetleri arasında da pozitif yönde bir ilişki bulunmuştur. Öğrencilerin e-değerlendirme sistemini kullanma niyetlerinin ise güdülenme stratejileri ve sisteme ilişkin tasarım özelliklerinden etkilendiği bulgusuna ulaşılmıştır. Bunun yanı sıra üstbilişsel farkındalığı yüksek olan öğrencilerin sistemi ileride kullanma niyetinde olduğu görülmüştür.
Latin harflerinin gelişim sürecinin incelenmesi
Yazı ve yazı sanatı olan tipografi, insanlık tarihinde iletişim dalının en önemli elemanlarından biridir. İletişimi kolaylaştıran, farklı kültürleri birleştiren tipografi, tipografiyi var eden harfler ise tarihte en büyük buluşlardan biridir. Bir çok kullanım alanı tipografinin en büyük elemanı olan harfler ise M.Ö kadar dayanmaktadır. Latin harflerin buluşu ile, grafik tasarım ve tipografi alanında bir çok yeniliğe ve buluşa imza atmıştır. Bir yazı karakteri tasarlarken ilk once bazı kurallara bağlı kalınarak tasarlanmıştır. Bunlardan ilki olan Eski Biçem dizgisi kurallarına göre yani üçgen, daire ve kare matematiksel,daha sonra Eşit-en dizgesi dikdörtgen, elips ve yamuk optik denge kuarallarına göre tasarlanmıştır. Gutenberg'in Textura yazı karakterinin tasarlaması ile ardından bir çok yazı karakteri tasarlanmış ve günümüze kadar serifli ve sans-serif olmak üzere bir çok yazı karakteri tasarlanmıştır. Bununla beraber yazı karakterler arasında sınıflandırmalar oluşturulmuştur. Tezin amacı, Latin harflerin tarihsel gelişimi, anatomik yapısı ve sınıflandırmaları belli yazı karakterlerin anatomik yapıları incelenmesi üzerine araştırılmıştır. Anahtar Kelimeler: Tipografi, yazı karakteri, serif, sans-serif Latin harfi, harf, anatomi yapı, sınıflandırma
Oran analizi sınıflandırmalarının geçerliliği ve BİST sanayi firmaları üzerinde bir uygulama
Dünyada finansal oranların öğretimi için yazılmış kitaplar ile akademik çalışmalar incelendiğinde çok sayıda sınıflandırma denemesinin yapıldığı görülmektedir. Ülkemizdeki çalışmalar da dikkate alındığında ise, yaygın olarak dörtlü, beşli ve altılı sınıflandırmanın öğretim amacıyla tercih edildiği izlenmektedir. Bununla birlikte bu tercihlerdeki mantığın, istatistiki olarak da desteklenmesi gerekliliği ortadadır. Yani çok sayıda oran ortaya konulabileceğine göre acaba bu oran sınıflarının hangisinin geçerliliği daha yüksektir? Ayrıca bir tercih yapılabilse bile, acaba sınıflandırma sayısı ve isimleri de uygun mudur? Bu tez çalışmasında da tam da bu noktadan hareket edilerek sınıflandırma (sınıf sayısı ve isimlendirme) konusunda istatistiki bir bulgu ortaya konulması amaçlanmıştır. Veriler Borsa İstanbul (BIST)'da 2005-2015 yılları arasında sürekli olarak işlem gören 122 adet şirketin 52 adet oranını kapsamaktadır. KMO, Bartlett ve faktör analizleri yapılarak elde edilen sonuçlar; altılı sınıflandırmanın en yüksek varyans açıklama oranına sahip olduğu, ancak kitaplarda tercih edilen "karşılama oran" grubunun bir faktör olarak ortaya çıkmadığı, onun yerine "piyasa değerleme oranlarının" istatistiki bakımdan bir faktör olarak değerlendirilmesi gerektiği sonucuna ulaşılmıştır.
Erken dönem Osmanlı tarihi'nde ilim ve tasnif anlayışı: Abdurrahman Bistâmî'nin el-Fevâʾihü'l-Miskiyye fî'l-Fevâtihi'l-Mekkiyye adlı eseri ve etkileri
Bu tez, erken Osmanlı tarihindeki ilim ve tasnif anlayışlarını II. Murad dönemini ve Abdurrahman Bistâmî'yi merkeze alarak incelemektedir. Nazarî/Amelî ve Zâhir/Bâtın olmak üzere iki ana başlık altında tespit edilen bu anlayışlar İslam düşüncesinin devamı niteliğinde olup mezkûr dönemde de varlıklarını devam ettirmişlerdir. Bu iki anlayış Abdurrahman Bistâmî'nin tasnifinde birleştirilmiş ve böylece siyasi olarak bütünlük arz etmeyen İslam dünyasında ilmî düşünce için bir zemin oluşturulmaya çalışılmıştır. Bu zemin aynı zamanda özellikle XV. yüzyılda yaygınlaşan ve Bistâmî'de de gördüğümüz gizli ilimler marifetiyle geleceğe yönelik çıkarımlar yapmaya da olanak sunmaktadır. Kendi dönemindeki konumunun yanında Bistâmî'nin eserlerinin XVI. yüzyılda da dolaşımda olması ve hassaten Taşköprîzâde Ahmed Efendi ile olan irtibatının tespiti Osmanlı ilmî düşüncesindeki Bistâmî'nin yerini göstermesi açısından oldukça önemlidir.
Design and development of an ontology-based hazelnut databank for Turkish hazelnut cultivars using crop-specific open dataset
Agriculture is one of the oldest professions in the history, it still plays the main role in economy for almost entire countries around the world. The activities performed by farmers in agriculture domain have been changed and developed over thousands of years. There have been several challenges that agriculture sector is facing like population growing, labor migration, in addition many young people are reluctant to work in the agricultural field. By 2050 population will increase with 2 billion mean while arable land will growth with only 4%, that means lower agricultural yields versus demand, higher crop prices, and increased food security concerns if farmers continue to adopt traditional agricultural methods. The emerging technologies such as Artificial Intelligence (AI) and Internet of Things (IoT) can be used to provide robust solutions for overcoming the challenges in the context of agriculture. In addition, such technologies can help farmers for performing agricultural activities more precisely and for protecting agricultural crops from climate changes in a more effective way. The main objective of this thesis is to develop an integrated databank software system by using two different AI models to classify the Turkish Hazelnut Cultivars. While classifying the cultivars, databank is using ontology-based open data sets in different formats such as RFD/XML and RDF/JSON. Furthermore, an IoT-based device has been developed to classify the cultivars. The databank consists of a web-based and desktop-based applications. The AI models have been developed using .NET ML with the accuracy 90.34% and Python with the accuracy 85.32% respectively.
Alacadağ tabiatı koruma alanı yöresinde çok yıllık bitki türlerine göre orman yetişme ortamı sınıflandırılması
Karmaşık yapıdaki orman alanlarının, planlı ve sürdürülebilir yönetimi açısından sınıflandırılması önem arz etmektedir. Bu aşamada ormanlarda vejetasyon sınıflandırma ve haritalama çalışmaları gereklidir. Bu tez çalışmasında yüksek bitki tür zenginliğine sahip Alacadağ TKA yöresinde çok yıllık bitki türlerinin dağılımlarına göre vejetasyon sınıflandırılmıştır. Ayrılan vejetasyon grupları, çevresel faktörler ile modellenmiştir. Elde edilen modeller kullanılarak hiyerarşik sınıflandırma esasına göre vejetasyon toplumları haritalanmıştır. Çalışmada 100 m x 100 m hücre büyüklüğünde karelaj şebekesi oluşturulup bunlar içerisinde temsil yeteneğine sahip 20 m x 20 m ebatlarında 150 örnek alan alınmıştır. Arazi çalışmalarında bitki türlerinin kaplama alanı değerleri Braun-Blanquet skalasına göre kaydedilmiştir. Ayrıca örnek alanlara ait yetişme ortamı verileri kayıt altına alınarak hazırlanmış ve analiz sürecine başlanmıştır. Vejetasyon toplumlarının sınıflandırmasında ikili hiyerarşik sınıflandırma esasına göre kümeleme analizi uygulanmıştır. Kümeleme analiz grupları Sınıflandırma Ağacı Tekniği kullanılarak çevresel değişkenler ile modellenmiştir. Kümeleme analizi ve modelleme sonucunda elde edilen vejetasyon gruplarının uyumu her bir ayrım aşamasında ki-kare, kappa ve çoklu permutasyon analiziyle test edilmiştir. Anlamlı sonuç veren (P<0.05) model grupları kestirim değerleri itibariyle sayısal altlıklar üzerinde yaygınlaştırılarak haritalar oluşturulmuştur. Vejetasyon grupları için ayırt edici türler gösterge analizi ile tespit edilmiştir. Bu süreç sonucunda Alacadağ TKA yöresi 4 farklı vejetasyon grubuna ayrılmıştır. Vejetasyon gruplarının ayrımında yükselti ve buna bağlı olarak iklim en etkili çevresel değişken olmuştur. Ayrıca yine yörede engebelilik indeksi, gölgelenme indeksi, sıcaklık indeksi ve pürüzlülük indeksi vejetasyon toplumlarının ayrımında etkili olan diğer önemli çevresel değişkenlerdir. Sonuç olarak bu çalışma ile Alacadağ TKA yöresinin korunması, sürdürülebilirliği, geliştirilmesi ve geleceğe yönelik olarak planlanması için orman yetişme ortamı sınıflandırılmıştır.
Makine öğrenmesi ile nohutta verim ve tür tahmini
Tarım sektöründe üretimin artışı; ekilebilen tarım alanlarının genişletilmesi bakımın, sulamanın uygun yöntemlerle zamanında yapılması ve uygun tohum türlerinin secimi gibi parametrelere bağlıdır. Artmakta olan insan nüfusuna sağlıklı ve yeterli gıda üretilebilmesi için tarım alanları yetersiz kalmaktadır. Sağlıklı ve yeterli gıda ihtiyacının karşılanabilmesi için birim alandan sağlıklı ve çok ürün elde etmenin gerektiği anlaşılmıştır. Verimliği artırmanın ön koşulu ise uygun tohum türlerin seçilmesi olduğu görülmüştür. Yapılan bu çalışma iki aşamada gerçekleşmiştir. Birinci aşamada nohut bitkisine ait özelliklerden makine öğrenme yöntemleri ile sınıflandırma işlemi yapılarak nohut tür tahmini yapıldı ikinci aşamada türlere ait verim değerleri regresyon yöntemi ile tahmin edilmiştir. Verilerin test ve eğitim için ayrıştırılmasında çapraz doğrulama 5 ve %50 eğitim %50 test şeklinde gerçekleşmiştir. Makine öğrenmesi sınıflandırma yöntemlerinden karar ağaçları (KA), destek vektör makineleri (DVM) ve k en yakın komşuluk (KNN) yöntemleri uygun görülmüş ve kullanılmıştır. Başarı ölçütü olarak doğruluk kullanılmıştır. Ham veri seti, ham + sentetik veri seti ve sadece sentetik veri setinden oluşan üç sınıfta işlem yapılmıştır. Elde edilen sonuçların başarı oranları karşılaştırıldığında yalnızca ham veriler kullanılarak yapılan sınıflandırmada en yüksek başarı oranı %90.6 doğruluk oranı ile DVM olmuştur. Aynı şekilde ham veriler ile birlikte oluşturulan sentetik verilerin kullanıldığı veri setinin sınıflandırma başarı oranı en yüksek %100 doğruluk oranı ile KA olmuştur. Sadece sentetik verilerden oluşan veri seti kullanıldığında sınıflandırmada en yüksek başarı oranı %95.4 doğruluk oranı ile KNN olmuştur. Başarı performanslarının yüksek olması makine öğrenme yöntemlerinin bu alanda kullanılabileceğini göstermiştir.
A machine learning classification approach for diabetes and biomedical data
People of all ages and different socioeconomic levels around the world are being diagnosed with diabetes type 2 at a higher rate than ever before. Diabetes; it is seen as an serious root cause of many important diseases such as blindness, kidney and heart diseases. For this reason, it is of great importance to establish diagnostic systems that can reliably detect diabetes based on the available medical data. In this thesis; method-based machine learning methods are proposed for classification of diabetes, heart-c, heart-h, indian-liver, vertebral-column-2c, vertebral-column-3c, parkinsons and thyroid biomedical datasets. The proposed method consists of several stages including data preprocessing, feature extraction and classification. This study focuses more on the preprocessing stage to improve the data set used in the next stages. In the mentioned preprocessing stages; firstly, the data is cleaned and the missing values are completed with the mean values. Then, data resampling is performed with the Dara method and then data normalization is applied. Finally, Principal Component Analysis (PCA) is used for feature extraction . 4 different methods for classification after preprocessing; J48, KNN, RF and DT are used. The results are obtained by using the 10-fold cross validation method to evaluate the achievements. In this way, 97.8% accuracy, recall and precision results were obtained for the PIMA diabetes dataset with the RF algorithm. Based on the results obtained the proposed method can be used to develop an effective and efficient machine learning system that can classify diabetes with high accuracy. In subsequent experimental studies on biomedical datasets, the performance of the proposed method is tested, and it is seen that 99% accuracy, sensitivity and precision results are obtained for the parkinsons dataset.
Derin öğrenme yöntemleri ile yaprak görüntülerindenhastalıkların belirlenmesi
Yapay zekanın temelini oluşturan Konvolüsyonel Sinir Ağları (KSA), Derin Öğrenme (DÖ) modellerinde insan sinir ağlarının yapısına benzer şekilde tasarlanmıştır. Akıllı bilgisayarlar, tahmin, öneri ve karar verme yazılım sistemleri, yapay zekanın gelişmesiyle birlikte çok önemli hale gelmiştir. Birçok alanda (tarım, sağlık, siber güvenlik, savunma sanayi, ulaşım vb.) DÖ modelleriyle tahmin gücü ve doğruluğu yüksek hesaplamalar yapılabilmektedir. Özellikle DÖ modelleri ve analiz sistemleri, büyük ve karmaşık verileri sınıflandırırken insan gücü ve mantığının sınırlı olduğu alanlarda yüksek kaliteli ve doğru sonuçlar üretmek için yaygın olarak kullanılmaktadır. Büyük veri setleri kullanılarak DÖ modellerinin eğitilmesi ve hastalık tespiti süreçlerinin otomatikleştirilmesi tarım alanında verimliliği artırarak çiftçileri doğru teknikleri kullanmaya teşvik etmektedir. Bu teknolojilerin tarımda kullanılması hassasiyeti artırarak, zaman ve maliyet etkin, yüksek kaliteli ürün üretimini mümkün kılmaktadır. Havadan görüntü alma süreci, İnsansız Hava Araçlarının (İHA) gelişimi ve kullanımının artmasıyla hızlanmaktadır. Ayrıca gelişmiş kameralar kullanılarak alınan yüksek çözünürlüklü görüntülerin, üst seviye teknolojik bilgisayar sistemlerinde etkin yazılımlar ve görüntü işleme teknikleriyle beraber kullanımıyla bitki kalitesinin ve sağlığının otomatik olarak tespiti mümkün hale gelmektedir. Bu çalışma, tarım arazilerinden İHA ile alınan patates bitkisi görüntülerinden oluşan bir veri seti kullanılarak patates bitkilerinin genel sağlığını belirlemeyi ve bu yöntemin diğer bitki türlerine uygulanabilirliğinin tespitini amaçlamaktadır. Ayrıca Güneydoğu Anadolu Projesi (GAP) bölgesindeki tarım arazilerinden fotoğraf makinesi ve İHA ile alınacak bitki görüntülerinden oluşan bir veri seti ile uygulanabilirliği de araştırılmaktadır. Sağlıklı, EY ve GY hastalığı gösteren yaprak görüntülerinden oluşan veri seti, önceden ImageNet veri setiyle eğitilmiş olan VGG19, DenseNet201, InceptionV3 ve InceptionResNetV2 DÖ modellerinde transfer öğrenme yöntemiyle yeniden eğitilmiştir. Ayrıca derin, orta ve sığ özellikler çıkarılarak ve hiper parametre optimizasyonu da uygulanarak Destek Vektör Makineleri (DVM) ve K-En Yakın Komşu (K-EYK) Makine Öğrenme (MÖ) modelleriyle özellik çıkarma yöntemine göre yeniden eğitilmiştir. Sınıflandırma metriklerine göre performans sonuçları karşılaştırılmıştır. Özellik çıkarma yönteminde en yüksek sınıflandırma başarı oranı K-EYK ile DenseNet201 modelinde ve en düşük sınıflandırma başarı oranı DVM ile InceptionResNetV2 modelinde bulunmuştur. Transfer öğrenme yöntemine göre, en yüksek sınıflandırma başarı oranı, Adam optimizasyonu yapılan DenseNet201 modelinde ve en düşük sınıflandırma başarı oranı, Sgdm optimizasyonu yapılan InceptionResNetV2 modelinde elde edilmiştir. Genel olarak, InceptionResNetV2 modeli en uzun süren eğitimi verirken, VGG19 modeli en kısa süren eğitimi vermiştir. Çalışmada, tarım arazilerinden alınan görüntü verileri kullanılarak yetiştirilen herhangi bir bitki türü sağlığının başarılı bir şekilde sınıflandırabileceği sonucuna varılmıştır.
Bankacılıkta dolandırıcılık yöntemleri ve tespiti
Tez çalışmasında, temel olarak bankacılık ve finans sektöründe dolandırıcılık ve hırsızlığın önüne geçilmesi hedeflenmiştir. Bu amacı desteklemek için tez de bazı yazılım dilleri, veritabanı yönetim sistemi uygulamaları ve veri madenciliğinin ilgili model ve algoritmaları kullanılmıştır. Tez çalışmasındaki amaç hem maddi, manevi kayıplarının önüne geçmek hem de kurumlar için müşterilerine daha hızlı, güvenli hizmet sağlayarak şirketsel imajlarını korumaktır. Tez çalışmasında temel olarak müşterilerin geçmiş dönemlerdeki alışveriş geçmişleri veritabanı sistemlerinde tutulmuştur. Bu alışverişler kategorize edilerek hangi müşteri parasını, hangi ürün yelpazesine harcadığı saptanarak veri tabanına kayıt edilmiştir. Kategorilerde ki ürünlere yatırdığı miktarlar da göz önünde bulundurulmuştur. Tez çalışmasında banka müşterilerinin beş aylık harcamaları kategori ve miktarlarla kayıt altına alınmaktadır. Müşteri kartı belirli yöntemlerle kopyalandığı ve çalındığı durumlarda yapacağı alışverişlerin alışkanlıklarına ters düştüğü durumlarda veri madenciliği ile oluşturulmuş ağaç sonucu oluşan yapı devreye girerek dolandırılma riski belirlenecektir. Veri madenciliğinde sınıflandırma yönteminin içindeki karar ağacı ile sınıflandırma tekniğinin C4.5 algoritması kullanılmıştır. Karar ağacı tekniği ile gelişim eğitim verisi üzerinden sağlanmıştır.
Telekomünikasyon sektöründe müşteri kayıp analizi
İletişim insanoğlunun varlığından itibaren ortaya çıkmış olan bir ihtiyaçtır. İletişim, teknolojisinin de günden güne gelişmesi ile yeni iletişim modelleri ortaya çıkmaktadır. Ses iletişiminden daha fazla internet kullanımı hayatımıza entegre olmuştur. Globalleşen ve artan rekabet ortamında her gün binlerce firma kurulurken, binlerce firmada iflas etmektedir. Veriyi yönetmek ve bu verikerden anlamlar elde etmek firmayı ayakta tutabilecek en önemli etmenlerdir. Yeni müşteri kazanmaya göre mevcut müşteriyi elde tutmak daha az maliyetlidir. Müşteri ilişkileri yönetiminde en önemli araçlardan biri mevcut müşteriye birden fazla ürün ya da hizmet satabilmektir. Aktif müşteriyi sadık müşteri formuna dönüştürmek gerekmektedir. Hangi müşterilerin ayrılma eğiliminde olduğu tespit edildikten sonra, bu müşteriler için belirli bir pazarlama faaliyeti belirlenmeli ve müşteriyi elde tutmak için faydalı stratejiler geliştirmek gerekmektedir. Bu tez çalışmasında müşteri ilişkileri ve müşteri ilişki yöntemleri, müşteri analizi, müşteri kayıp analizi ve telekomünikasyon sektöründe müşteri kayıp analizine yer verilmiştir. Literatür taraması yapılmış olup, literatürde müşteri kayıp analizi ile ilgili farklı sektörlerde ve kullanılan farklı metotlara yer verilmiştir. Türkiye'deki telekomünikasyon sektöründen bahsedilmiştir.
Makine öğrenmesi yöntemleri ile web isteklerinde anomali tespiti
Bir websitesinin en önemli önceliklerinden biri kesintisiz olarak hizmet sağlamasıdır. Yoğun kullanıcı trafiğinin yanı sıra kötü niyetli saldırılar da sistem kaynaklarının yetersiz kalmasına ve hizmetin kesilmesine sebep olabilmektedir. Hizmetin kesilmesi, web sitesi için hem maddi kayıp hem de itibar kaybına neden olacaktır. Bunun yanı sıra insanlar üzerinde psikolojik etkileri dahi olduğu düşünülmektedir. Günümüzde, ülkemizde ve dünyada bu tarz kesintiler ve etkileriyle ilgili haberlere bolca örnek verilebilir. Bundan dolayı anomali tespiti ile ilgili geliştirmelere büyük bir ilgi vardır. Bu tarz hizmet kesintileri büyük şirketler için milyarlarca dolar kaybı, küçük şirketler için belki de piyasadan silinme tehlikesi içerir. Ek olarak; çok yoğun trafik alan herhangi bir web sitesi (sosyal medya devleri) kesintiye uğradığında, bu site için normal olan trafiğin büyük bir kısmı başka bir web sitesine yığılmakta ve bu da bir anomali oluşturmaktadır. Bu durum da, aslında bir saldırı olmayıp, dengelerin bozulması kaynaklı bir anomali oluşturur. Dengeler bozulduğunda, anomalilerin saptanması ve önlem alınması da zorlaşacaktır. Bu sebeplerle, bu çalışmanın günümüzdeki internet kullanımının boyutu ve önemi düşünüldüğünde, tüm alanlarda büyük yarar sağlayabileceği aşikardır. Bu tezin amacı, kullanıcı trafiğindeki anormal olan isteklerin tespit edilmesi ve hızlı bir şekilde engellenmesini sağlamaktır. Bunun temelinde, normal olan web istekleriyle, anormal olan web isteklerinin ayrıştırılması (isteklerin sınıflandırılması) yer almaktadır. Anormallik durumu belirli bir zaman aralığında (son 1 saat, son 6 saat gibi) yapılan isteklerin tümüne bakılarak hesaplanmıştır. Anlık ya da çok kısa sürede tespit edilen anormal trafik engellenerek, web sitesinin hizmet devamlılığı ya da çok kısa süreli kesinti sağlanabilecektir. Popüler makine öğrenmesi yöntemleri (yapay sinir ağı, desteklenmiş karar ağacı, Naive Bayes sınıflandırıcı, lojistik regresyon sınıflandırıcı, destek vektör makinesi, otomatik kodlayıcı) kullanılmuş ve karşılaştırmaları yapılmıştır. Çalışmanın temelinde, belirli bir zaman aralığındaki ziyaretlerin, belirli metriklerden faydalanarak, sınıflandırılmasını sağlamak yatmaktadır. Örneğin, ortalama bir isteğin işlem süresi 100 milisaniye ise, 500 milisaniyelik bir istek anomali oluşturabilir. Bu ve buna benzer birçok metrik kullanılarak, istek yapan IP adresinin normal davranıştan vektörel olarak ne kadar uzakta olduğu hesaplanacak ve eşik düzey aşılmışsa bunun bir anomali olduğuna karar verilmiştir. Yapılan karşılaştırmalar, doğruluk yüzdeleri, F1 skorları ve çalışma zamanı üzerinden olmuştur. Gerçek bir websitesine ait, IP adresi bazında isteklerden oluşan, belirli bir tarih aralığındaki oluşturulan veri üzerinde denemeler yapılmıştır. Ham olan bu veri öncelikle işlenecek ve makine öğrenmesi metodlarından birine başlamadan önce hazır hale getirilmiştir. Ham veri tarih bazlı ve istek özelinde satırlardan oluşmaktadır. Hazırlanmış veri ise IP adresi bazlı olup, o IP adresinin belirli zaman aralığında; saniyede kaç istekte bulunduğu, isteklerin ortalama kaç milisaniye sürdüğü, isteklerin boyutu gibi parametrelerden oluşmaktadır. Ayrıca bu veri gerçek bir saldırı durumu da içermektedir ve bunun hangi IP adresleri tarafından yapıldığı bilinmektedir. Yapılacak çalışmanın denemelerinde, gerçek anomali durumları, sonucun doğruluğunu güçlendirmiştir. Aynı zamanda makine öğrenmesine de destek olmuştur. Veri üzerinde çalışmak üzere en uygun programa dillerinden biri olan Python ile geliştirmeler yapılmıştır. Python programlama dilinin en güncel ve stabil versiyonlarından biri olan 3.7 versiyonu kullanılmıştır. Ayrıca veri işleme, makine öğrenmesi metodlarının algoritmaları ve veri görselleştirme işlemleri için dünyada en çok kullanılan "numpy", "sklearn" ve "tensorflow" kütüphanelerinden yararlanılmıştır. Her bir makine öğrenmesi, metodu aynı veri ile çalışan, ayrı birer proje şeklinde hazırlanacaktır. Böylece metodların birbiriyle kıyaslanması, verimliliğin daha doğru bir şekilde ölçülmesi hedeflenmiştir. Bu çalışmanın sonucunda, birçok web sitesinin ve sağlayıcılarının kullanabileceği, web sitesinin ve trafiğin türünden bağımsız olarak çalışabilen bir uygulama oluşturulmaktadır. Bu sayede web siteleri maddi kayıplardan ve itibar kaybından korunarak, müşterilerine kesintisiz hizmet sağlayabileceklerdir.