Büyük dil modeli entegre edilmiş, makro besin değerleri hesaplayan yapay zeka diyet planlama aracı
Bu tez size mi ait?
Bu kayıt toplu arşivden geldi. Sizinse profilinize bağlayın.
Özet (TR)
Günümüzde teknolojik gelişmeler, sağlık ve beslenme ihtiyaçlarını karşılamak için yapay zekâ ve büyük dil modellerinin (LLM) kullanımını olanaklı kılmaktadır. Bu çalışma, kişiselleştirilmiş beslenme önerileri sunmak amacıyla Llama 3.1-70B, GPT-3.5 ve GPT-4 gibi çeşitli LLM'leri analiz etmektedir. Uygulama, kullanıcıların demografik verilerine dayanarak makro besin gereksinimlerini hesaplamakta ve seçilen LLM ile entegre olarak özelleştirilmiş beslenme planları oluşturmaktadır. Flutter uygulaması ve LLM API entegrasyonundan oluşan sistem, kullanıcı verilerini işleyerek önceden belirtilmiş şablonlar doğrultusunda diyet planları sunmaktadır. Çalışma, farklı LLM'lerin performans ve maliyet karşılaştırmasını, etkili istem mühendisliği tekniklerinin araştırılmasını ve geliştirilen uygulamanın gerçek hayata uygulanabilirliğini değerlendirmektedir. Bu çalışma, yapay zekâ teknolojilerini beslenme programlarıyla entegre ederek kişiselleştirilmiş diyet planlamasını otomatikleştirmeyi ve bireysel sağlık sonuçlarını iyileştirmeyi hedeflemektedir.
Yazar
Alperen Ertürk
Bu Yayına Nasıl Atıf Yapılır
Alperen Ertürk (Yüksek Lisans Tezi). Büyük dil modeli entegre edilmiş, makro besin değerleri hesaplayan yapay zeka diyet planlama aracı, 2025, İstanbul Beykent University.
Anahtar Kelimeler
Lisans
Tüm Hakları Saklıdır
Bu eser belirtilen lisans koşulları altında paylaşılmaktadır.
İstanbul Beykent University tezlerinden daha fazlası
- I. ulusal mimarlık akımı çerçevesinde Mimar Vedat Tek(2025)
- Sürdürülebilir kalkınma hedefleri kapsamında çevik proje yönetimi engellerinin delphi, AHP ve topsıs kullanılarak önceliklendirilmesi(2025)
- Eyyühe'l-Veled tercümesi(2018)
- Ödev ve sorumluluklarının ihlali halinde kamu görevlilerinin görevden uzaklaştırılması(2018)
- 18.yy Gajar Hanedanı Döneminin araştırılması ve günümüz giysi modasına uyarlanması(2019)
- 2 numaralı Mühimme Defteri (963/1555) değerlendirme – Transkripsiyon (S.1-102)(2019)
