21
Archived Theses
0
DOIs Assigned
0%
DOI Rate
Archived Theses
Kamu bilişim yatırım projelerinin seçimi için bir karar destek sistemi
Kamu yatırımları projelendirilmek suretiyle hayata geçirilmektedir. Bilişim alanında hayata geçirilen projeler bir yandan yüksek niteliğe sahip insan kaynağı gerektirirken diğer yandan kullanıcı alışkanlıklarının değişimi, kullanılabilirlik, esneklik, sürdürülebilirlik gibi bazı teknik gereksinimlere sahiptir. Bu nedenle bu sektördeki yatırım projelerinin başarılı bir şekilde hayata geçirilmesi kolay olmamakta, hayata geçirilebilen projelerin ise başlangıçta öngörülen katma değeri sağlayamaması söz konusu olabilmektedir. Bilişim projelerine ayrılabilecek kamu kaynağı kısıtlı olduğundan, en katma değerli ve başarıya ulaşma ihtimali en yüksek projelerin seçimi bir zorunluluk haline gelmektedir. Bahse konu bu seçim çok fazla kritere sahip olduğundan, çok kriterli karar verme yöntemlerinin proje önceliklendirme amacıyla kullanılması gerekmekte, uzmanlara proje seçiminde etkileşimli bilgi sunulması gereksinimi ise karar destek sisteminin varlığını zaruri hale getirmektedir. Literatürde proje önceliklendirmesi yoğun şekilde çalışılmış olan bir konu olmakla birlikte ülkemiz kamu sektöründe sınırlı çalışma yapılabilmiştir. Bu çalışmada, ülkemiz kamu sektöründeki bilişim projelerinin bir karar destek sistemi kullanılmak suretiyle, çok kriterli karar verme yöntemleri yardımıyla önceliklendirmesi yapılmıştır. Uzmanlara sunulan etkileşimli bir arayüz yardımıyla sistem tarafından yapılan önceliklendirmenin kullanıcılar tarafından revize edilebilmesine imkân tanınmış, kullanıcı değişikliklerinin nedenine ilişkin alınan geri bildirimlerin sistemin başarım oranına ilişkin fikir vermesi amaçlanmıştır. Çok kriterli karar verme yöntemlerinden kriterlerin ağırlıklandırılması için Analitik Hiyerarşi Süreci (AHP), projelerin öncelik sırasının belirlenmesi için ise TOPSIS yöntemi kullanılmıştır.
Uluslararası istatistiksel sınıflamalara yönelik kod atama sistemi (KASİS)
İstatistiksel sınıflamaların, ülkelerin istatistik sistemlerinde çok büyük bir yeri ve önemi bulunmaktadır. İktisadi faaliyet, meslek, eğitim ve tüketim harcamaları sınıflaması bu sınıflamalara örnek olarak verilebilir. Bu sınıflamaları barındıran değişkenler ile yapılacak araştırmaların bizleri doğru sonuçlara ulaştırabilmesi, değişkenlerin sınıflamasının doğru olarak yapılmış olmasına bağlıdır. Veri hacmi büyüdükçe değişkenlerin sınıflamasının doğru yapılıp yapılmadığını etkin bir şekilde kontrol etmek klasik elle ve gözle yapılan yöntemlerle mümkün değildir. Bu yüzden bu işlemi yapabilecek otomatik bir sisteme ihtiyaç bulunmaktadır. Bu çalışmada, standart sınıflama sözlüğü olan tüm istatistiksel sınıflamalar için kullanılabilen bir sistem geliştirilmiş ve öncelikle geliştirilen sistem tanıtılmış daha sonra geliştirilen sistemin etkinliği Türkiye İstatistik Kurumu'nun (TÜİK) yapmış olduğu Hanehalkı Bütçe Araştırması (HBA) 2013-2018 yılları mikro veri setleri kullanılarak incelenmiştir. Bu veri seti, ülkemizdeki tüketim harcamaları istatistiklerinin ana veri kaynağıdır. Tüketim harcamalarının sınıflamasında uluslararası Bireysel Tüketimin Amaca Göre Sınıflaması (COICOP) kullanılmaktadır. Geliştirilen sistem ile daha önce anketör tarafından sınıflaması yapılmış tüketim harcamalarına tekrar kod ataması yapılarak sınıflanmış olduğu kategorinin doğru olup olmadığı belirlenerek sonuçlar yorumlanmıştır. Geliştirilen sistem, denetimli makine öğrenmesi yöntemlerini kullanan sistemlerden eğitim veri kümesine ihtiyaç duymaması ile ayrılmaktadır. Sistem çalışmaya başladıktan sonra her bir kayıtta kendi öğrenmesini artırmakta ve öğrendiklerini sonraki kayıtlarda kullanmaktadır. Sistem denetimli makine öğrenmesi kullanan sistemlerde kullanılması zorunlu olan eğitim veri kümesindeki sınıflamanın doğru olarak yapılıp yapılmadığını kontrol ederek bu sistemlerin doğru şekilde öğrenmelerine de katkı sağlayabilmektedir. Aynı zamanda, sistem Tüketici Fiyat Endeksi'nde (TÜFE) kullanılabilen alternatif veri kaynaklarından en popüleri olan barkod verilerine COICOP kodu atanması aşamasında kullanılabilmektedir.
X-ışını ve derin öğrenme ile covid-19 tespiti
Çin'de, 2019 yılının sonlarında ortaya çıkan koronavirüs, dünya geneline yayıldı ve büyük bir salgın haline geldi. Yüksek yayılma oranı nedeniyle dünyanın küresel sağlık sistemlerini ve insanların başta sağlık, ekonomi, eğitim ve spor olmak üzere hemen hemen bütün günlük yaşamlarını etkilemiştir. Bu nedenle COVID-19' un hızlı ve zamanında teşhisi, pandeminin yayılma hızını ve bulaş riskini azaltmada çok önemli bir faktördür. Göğüs röntgen filmleri, son pandemide, COVID-19 hastalığının test edilmesi ve teşhisinde önemli bir rol oynamaktadır. Bu röntgen filmlerinin teşhiste, Derin Öğrenme gibi gelişmiş yapay zeka teknikleri ile kullanılması doktorların gözünden kaçabilecek küçük ayrıntıların fark edilmesi veya insan gözü ile fark edilemeyecek hastalıkların da teşhisinde önemli bir fayda sağlayacaktır. Bu çalışmada, göğüs röntgeni radyografileri kullanılarak Covid-19 virüsü enfekte hastaların tespit edebilmek amacıyla paralel bir Evrişimli Sinir Ağları (Convolutional Neural Networks [CNN]'ler) modeli önerilmiştir. Bu araştırma ayrıca, torasik röntgenlerden Covid-19'un otomatik teşhisinde, bilim insanları tarafından önerilen son teknoloji ürünü CNN'nin etkinliğinin nasıl değerlendirileceğini de sunmaktadır. Sonuçları doğrulamak için 500 Covid-19 Pozitif görüntü ve 1600 Covid-19 Negatif görüntü kullanılmış olup, çözümlemelerimiz test kurulumunda % 90 doğruluk ve % 88 sınıflandırma doğruluğu sağlamıştır.
Öneri sistemlerinde derin öğrenme tabanlı otomatik sorgu tamamlama
Bu çalışmada, girdi önekini kullanarak bir sorgu tamamlama listesi oluşturmak için Uzun Kısa Süreli Bellek (Long Short-Term Memory-LSTM) tabanlı Sorgu Otomatik Tamamlama (Query Auto Completion - QAC) önerilmiştir. QAC sisteminin performansı, ilgililik skoru kullanılarak değerlendirilmiş ve geliştirilen QAC modelinin kalitesi, kısmi ve tam eşleştirme stratejileri, başarı oranı, ortalamaların ortalaması hassasiyet (mean average precision), ve normalleştirilmiş azaltılmış toplam kazanç (normalized discounted cumulative gain) kullanılarak değerlendirilmiştir. Geliştirilen LSTM tabanlı QAC sistemi, American Online (AOL) ve Open Resource for Click Analysis in Search (ORCAS) veri kümeleri kullanılarak kapsamlı bir şekilde test edilmiştir. Deneysel sonuçlara göre, önerilen QAC sisteminin performansı kısmi eşleştirme stratejisi kullanıldığında daha başarılı olmuştur. Ayrıca QAC sistemi tarafından önerilen listenin kalitesi tam eşleştirme stratejisinde daha başarılı olmuştur.
Nesnelerin interneti kapsamında kalite fonksiyonu göçerimi (kfg) yoluyla hastane hizmetlerinin iyileştirilmesi
Günümüzde sağlık sadece sosyolojik bir olgu olarak değil ekonomik ve politik bir olgu olarak da karşımıza çıkmaktadır. Ülkelerin refah seviyelerine bakılırken sağlık sisteminin ülke nüfusu için gerekli tüm sağlık ihtiyacını karşılayacak nitelikte olmasına bakılmaktadır. Teknolojik gelişmeler yaşam kalitemizi arttırmak ve hayatımızı kolaylaştırmak amacı taşımaktadır. Sağlık hizmetlerinin sunulduğu hastanelerin daha iyi hizmetler sunması ve insanların yaşam kalitesine doğrudan etki etmesi sebebi ile gelişen teknolojilere adapte olması gerekmektedir. Hayatımıza birbirleri ile iletişim halinde olan akıllı sensörler, Kablosuz Vücut Alan Ağları kavramları da girmiştir. Nesnelerin İnterneti teknolojileri kullanılarak gerçek zamanlı veriler sağlık hizmeti sunanlar ve sağlık hizmeti talep edenler tarafından istenilen zamanda istenilen yerden erişim imkanı sağlanmaktadır. Bu sayede Her Yerde Sağlık Hizmeti anlayışı doğmuştur. Kalite Fonksiyonu Göçerimi yöntemi müşteri istek ve beklentilerini nicelleştiren, hizmetlerin tasarımı, üretimi ve pazarlanması amacı ile işletme içindeki kaynak ve beceriler üzerinde yoğunlaşarak gerekli koordinasyonu sağlayan bir dizi planlama ve iletişim sürecini içermektedir. Bu yöntemin sunduğu "Kalite Evi" adı verilen grafiksel gösterim net bir iletişim sağlayarak geleneksel dokümanlara kıyasla temel gerçeklerin hızlı ve daha anlaşılır olmasını sağlamaktadır. Bu çalışmanın amacı sağlık hizmetleri'nin Kalite Fonksiyonu Göçerimi yöntemi ile Nesnelerin İnterneti(IoT) teknolojisi kullanılarak iyileştirmeler sunmaktır. Çalışmada Sağlık sektörüne etkisi ortaya konulan Nesnelerin İnterneti(IoT)'nin hastanelerde sunulan sağlık hizmetlerinin iyileştirilmesinde kullanılabilmesi amacıyla sistematik bir yol izlenebilmesi için Kalite Fonksiyonu Göçerimi yönetimi kullanılması öngörülmüştür. Günümüzde Nesnelerin İnterneti(IoT) alanında geliştirilen uzman sistemler ile kalp rahatsızlıkları tahmin edilebilmektedir.
Büyük veri eğitimi ihtiyacının farkındalığına yönelik Ankara ilinde bir araştırma
Kamu ve özel kurumlarda büyük veri ve araçlarının kullanımı ve büyük veri analizinden anlayan nitelikli personel ihtiyacı gün geçtikçe artmaktadır. Ancak Türkiye'de nitelikli personel ihtiyacını karşılayan üniversitelerde büyük veri eğitimi ihtiyacının farkındalığına yönelik bir çalışmaya rastlanmamıştır. Bu bağlamda, bu çalışma büyük veri farkındalığının tespit edilmesi doğrultusunda dört alt çalışmadan oluşmaktadır. İlk çalışmanın amacı, kamu ve özel kurumlarda büyük veri ve araçlarının kullanımını inceleyerek, kurumların bu alanda ihtiyaç duyduğu nitelikli personel açığını kapatmak için öğrencilerden ve üniversitelerden beklentilerini belirlemektir. Bu çalışmada nitel bir araştırma süreci tasarlanmış ve veriler kamu ve özel kurumların yöneticileri ile yapılan mülakatlar ile toplanmıştır. İkinci çalışmanın amacı, büyük veri araçlarını öğrenirken öğrencilerin deneyimlerini değerlendirmek ve karşılaştıkları zorlukları belirlemektir. Bu çalışmada da, nitel metodoloji izlenerek veriler, bir günlük büyük veri eğitimine katılan lisans öğrencilerinden, katılımlı gözlem tekniği ve katılımcıların öz-değerlendirmeleri ile toplanmıştır. Üçüncü çalışmanın amacı, farklı sektörlerin nitelikli personel ihtiyacını karşılayan üniversitelerde öğretim elemanlarının büyük veri farkındalık ve beklentilerinin analiz edilmesidir. Nicel olarak kurgulanan bu çalışmada veriler, anket yoluyla toplanmıştır. Dördüncü çalışmanın amacı, öğrencilerin büyük veri yeterlilik, farkındalık ve beklentilerini ölçmektir. Ayrıca bu çalışmada büyük veri farkındalık, yeterlilik ve beklenti ölçeği geliştirilmiştir. Nicel olarak kurgulanan bu çalışmada da veriler, anket yoluyla toplanmıştır. Üniversitelerde büyük veri alanında atılması gereken adımlar ve eğitim müfredatında yapılması gereken değişiklikler tartışılıp, öneri olarak sunulmuştur. Ayrıca elde edilen bulgular, On Birinci Kalkınma Planında Yükseköğretim Kurulu'nun sorumlu kuruluş olduğu politika tedbirleri ile birlikte değerlendirilerek yapıcı eleştiriler geliştirilmiştir.
Yazılım tanımlı ağlarda trafik mühendisliği için derin öğrenme tabanlı yaklaşım geliştirme
Trafik mühendisliği, özellikle büyük miktarda veri taşıyan günümüzün büyük ağlarında ağ yönetimi için çok önemlidir. Trafik mühendisliği, kaynakların akıllıca tahsisi yoluyla ağın verimliliğini ve güvenilirliğini artırmayı amaçlamaktadır. Bu tez çalışmasında, çeşitli uygulamalar arasında bant genişliği tahsisini iyileştirmek için yazılım tanımlı ağlarda derin öğrenme tabanlı bir trafik mühendisliği yaklaşımı önerilmiştir. Önerilen yaklaşım ile trafik akışlarının sınıflandırılması için derin öğrenme tabanlı bir model geliştirilmek ve trafik sınıflarına göre ağdaki trafik akışlarının hizmet kalitesi dikkate alınarak yönlendirilmesi için bir trafik mühendisliği modülünü YTA kontrolcü üzerinde gerçekleştirilmek amaçlanmıştır. Derin sinir ağı (DNN) ve tek boyutlu evrişimli sinir ağı (1-B CNN) modellerine dayalı trafik sınıflandırması uygulanmıştır. Çeşitli uygulamalardan gelen akışları tanımlayarak ve tanımlanan akışı her kuyruğun farklı bir önceliğe sahip olduğu birden çok kuyruğa dağıtarak hizmet kalitesini (QoS) iyileştirmek hedeflenmiştir. Ayrıca, ağ bant genişliğini ve gelen trafiğin hacmini yönetmek için trafik şekillendirme uygulanmaktadır. Ağın performansını artırmak ve trafik sıkışıklığını önlemek için, genel yük dengelemesini gerçekleştirmek üzere bağlantı noktası kapasitesini dikkate alan bir teknik kullanılmıştır. Sentetik azınlık aşırı örnekleme tekniği (SMOTE) adı verilen bir yüksek hızda örnekleme tekniği uygulanarak dengesiz veri kümesi sorununa çözüm sağlanmıştır. DNN ve 1-B CNN'nin performansı, KNN, SVM, DT ve RF gibi bazı makine öğrenimi modelleriyle karşılaştırılmış ve değerlendirilmiştir. Sonuçlar, 1-B CNN ve DNN'nin 5 s ve 10 s sürelerde yakalanan trafikte yüksek doğruluk elde edebildiğini, KNN ve RF'nin ise 15 s, 30 s, 60 s ve 120 s sürelerde yakalanan trafikte yüksek doğruluk elde edebildiğini gösterilmiştir. CNN ve DNN, 15 s, 30 s, 60 s ve 120 s sürelerde DT ve SVM'den daha iyi doğruluk elde etmeyi başarmıştır. Hizmet kalitesi odaklı trafik mühendisliği sistemini değerlendirmek için farklı senaryolar uygulanmıştır. Sonuçlar, tanımlanan akışlara trafik şekillendirme uygulanmasının, gelen akışların hızını ve hacmini kontrol ederek ağın performansını ve bant genişliği kullanılabilirliğini artırdığını gösterilmiştir.
Siber güvenlikte sosyal mühendisliğe karşı bir model geliştirilerek test edilmesi
Günümüzün gelişen teknolojisi, yapılan bilimsel çalışmalar, geliştirilen sistemler ve bu sistemlere artan erişim imkânları insanların hayatlarını kolaylaştırdığı gibi beraberinde pek çok tehlikeyi de getirmiştir. Siber güvenlik kavramı soyut bir ifade olduğu için siber güvenlik alanında en zayıf halka olan kişiler, bu kavramı anlamakta ve uygulamakta güçlük çekmektedir. Şirketler, kurum ve kuruluşlar bu durumu göz önüne alarak hem çağın gerisinde kalmamak hem de yönetim alanlarında yüksek güvenlik önlemleri almak için büyük bütçeler ayırmaktadır. Ülkemiz genelinde kurum ve kuruluşlar siber güvenlik konusunda gerekli tedbirleri alıp çalışanlarını bu yönde bilgilendirmektedir. Son zamanlarda Sosyal Mühendislik uygulamaları ile kullanıcılarının bilgileri toplanmakta ve zafiyetleri test edilmektedir. Bu araştırmada çalışanlara yönelik sosyal mühendislik saldırıları gerçekleştirilmiştir. Araştırma bulgularından yola çıkılarak kullanıcıya pratik yoldan yol gösterecek, aldığı siber güvenlik eğitimlerini pekiştirecek ve olası bir siber saldırı anında doğru karar vermesini sağlayacak yeni bir filtre model geliştirilmiştir. Ortaya konan model genelden özele filtreleme yapmaktadır. Genelden kasıt burada kamu kurumunun alması gereken önlemler iken özel ise kamuda çalışan kullanıcıların alması gereken önlemleri ifade etmektedir. Çalışmanın sonunda model sosyal mühendislik saldırı senaryoları ile test edilmektedir. Sonuç olarak geliştirilen modelin siber güvenlik farkındalığını artıracağı ve büyük bütçeler harcanarak alınan fakat istenen başarıyı sağlayamayan eğitimlerin yanında destekleyici unsur olarak olumlu katkılar sağlayacağı değerlendirilmektedir. Çıkan sonuçlar incelendiğinde kullanıcıların siber güvenlik hakkında daha fazla farkındalığa ve bilince ihtiyaç duyduğu açıkça görülmektedir
Web tabanlı veli bilgilendirme sisteminin geliştirilmesi
Devamsızlık özellikle ortaöğretim düzeyindeki öğrencilerin okul ile olan ilişkilerini olumsuz şekilde etkilemektedir. Devamsızlık yapan öğrencilerin motivasyon düşüklüğü, hedefsizlik, okula ve öğretmene karşı negatif tutum geliştirme gibi problemlerle karşı karşıya kaldıkları çeşitli çalışmalarda ortaya konulmuştur. Okul terklerine sebep olduğu da belirtilmiştir. Bu çalışmada okullardaki yoklama alma ve veli bilgilendirme işlemleri için yeni bir yaklaşım önerilmiştir. Geliştirilen web tabanlı veli bilgilendirme sistemi ile sabah/öğle ilk ders saatinde öğretmenler tarafından alınan yoklamalar sisteme işlenecek, tüm okuldaki yoklama kayıtları idare tarafından anında veliye gönderilecektir. Bu sayede veli öğrencinin okula gitmemiş olduğunu sabah hemen öğrenecek ve gerekli tedbirleri anında alabilecektir. Böylece hem okul öğrencinin okula gelmediğini en erken aşamada veliye bildirmiş olacak hem de veli öğrencinin gün içinde kontrolsüz bir şekilde okul dışında bulunmasına engel olacak tedbirleri alabilecektir. Sistem geliştirilmiş ve bir Mesleki ve Teknik Anadolu Lisesinde uygulanmıştır. Uygulama sonucunda veliler ile yapılan yarı yapılandırılmış görüşmelerin sonucuna göre veliler sistem hakkında olumlu görüş bildirmişlerdir.
Nesnelerin interneti tabanlı sürücü durumu tespiti
Sürücülerin yorgunluk, stres, uyku durumları ve benzeri fizyolojik durumlarının izlenmesi, yol güvenliğinin sağlanmasında önemli bir role sahiptir. Bu tez çalışmasında sürücü durumu tespitini sağlamak için hem çevrim dışı, hem de çevrim içi sistem önerilmektedir. Sürücülerde sürüş sırasında oluşan stres durumunu belirlemek için fizyolojik sinyaller kullanılmıştır. Fizyolojik sinyaller, elektrodermal aktivite (EDA) ve kalp hızı sinyallerinden oluşur. Önerilen çevrim dışı sistemde, hazırlanan deney ortamlarında 12 katılımcıdan, 20 oturumda alınan fizyolojik sinyaller ile veri kümesi oluşturulmuştur. Daha sonra veri kümesi makine öğrenmesi algoritmaları ile sınıflandırılarak çevrim dışı sürücü durumu tespiti sağlanmıştır. Veri kümesinin tamamının kullanıldığı çok katılımcıya ait veriler ile elde edilen sınıflandırma doğruluğu %80,1 olmuştur. Bunun yanında 5 farklı oturumda tek bir katılımcıdan alınan veriler ile elde edilen sınıflandırma doğruluğu %90 olarak bulunmuştur. Önerilen çevrim içi sistem ise nesnelerin interneti (Internet of Things - IoT) teknolojilerine dayanmaktadır. Çevrim içi sürücü durum tespiti ile sürücülerin fizyolojik sinyalleri gerçek zamanlı olarak uzaktan izlenebilir ve gerektiğinde çeşitli uyarılar oluşturulabilir. Bu tez çalışmasında önerilen çevrim dışı ve çevrim içi sistem ile sürücülerin stres durumları tespit edilebilmektedir. Bu sayede yol güvenliğine katkıda bulunulur. Ayrıca bu tezde son yıllarda popüler hale gelen IoT kavramı ve uygulama alanları incelenmiştir.