1,830
Archived Theses
0
DOIs Assigned
0%
DOI Rate
Discipline
Makine öğrenmesi yöntemleri ile diyabet hastalığı tahminleme
Günümüzde pek çok alanda yaygın olarak kullanılan yapay zeka, insanların karmaşık sorunları daha kolay ve hızlı çözümlemelerine yardımcı oluyor. Yapay zeka, insan zekasını taklit ederek, topladığı veriler aracılığıyla öğrenip, kendini geliştirebiliyor ve yenilik yapabiliyor. Sağlıkta alanında da yaygın olarak kullanılan makine öğrenimi teknikleri, erken teşhis ve yerinde teşhis sağlayarak, kolaylıklar sunmaktadır. Bu çalışma kapsamında, Spyder aracı üzerinde Python programlama dili kullanılarak, Logistic Regression, XGBoost, Naive Bayes, En Yakın Komşu, Destek Vektör Makineleri, Karar Ağacı gibi yaygın makine öğrenmesi teknikleri Diyabet verisine uygulanmış ve şeker hastalığı tespiti yapılmıştır. Diyabet hastalığı tespiti için makine öğrenimi yöntemleri uygulanıp, karşılaştırılarak, erken teşhis ve gelecekte teşhis öngörüsü için en etkili yöntemler belirlenmiştir. Bu çalışmanın amacı, toplam 768 hastadan toplanan verilere yapay zeka algoritmalarını uygulayarak, bu tekniklerden elde edilen sonuçlar kıyaslanmış, diyabet teşhisini en yüksek doğruluk oranında sağlayan algoritmanın bulunmasını kapsamaktadır. Bu tezde kullanılan yapay zeka algoritmaları Lojistik Regresyon, KNN, XGBoost, Naive Bayes, Rastgele Orman, Destek Vektör Makineleri, Karar Ağacı'dır. Algoritmalardan elde edilen sonuçlar kıyaslandığında en yüksek doğruluk oranı %96 ile Rastgele Orman ve KNN algoritması ile elde edilmiştir.
Makine öğrenmesi yöntemi ile eğitim başarısının tahmini modeli
Günümüzde makine öğrenmesi yöntemleri etkin bir biçimde kullanılarak pek çok alanda yüksek performanslar göstermiştir. Çeşitli sektörlerde son yıllarda daha da yaygınlaşmaya başlamıştır. Makine öğrenmesini modellerinden elde edilebilecek başarılarla birçok sorun öngörülüp çözüme ulaştırılabilir. Bu çalışmadaki amaçta, ortaokul öğrencileriyle yapılan anketten toplanan verilerle eğitim başarısının tahminini yapacak bir makine öğrenmesi modeli ortaya koymak ve öğrenciyi etkileyebilecek faktörlerinin önüne geçebilmektir. Anket soruları, öğrencinin başarısına tesir edebilecek etkenler araştırılarak oluşturulmuştur. Çalışma kapsamında, çeşitli ortaokullarda eğitim gören 520 farklı öğrenciden kişisel verilerin korunması kanunu kapsamında 13 sorudan oluşan anket aracılığıyla veri toplanmıştır. Bu veriler hiçbir kurumla paylaşılmamış olup, gizliliği korunmuştur. Veri seti incelenerek bazı manipülasyon, ön işleme, görselleştirme işlemlerinden geçirilmiş , K-Nearest Neighbor (K-NN) , Random Forest (RF) , Lineer Regresyon, Bagged Trees, Gradient Boosting Regressor (GBM)ve Karar Ağaçları (DT) algoritmaları kullanılmıştır. Aralarından model başarısı en yüksek olan Random Forest (RF) algoritması seçilmiştir. Çalışmada, veri manipülasyon işlemleri gerçekleştirildikten sonra model kurularak öğrencinin Türkçe notu üzerinden eğitim başarısının tahmini yapılmıştır. Türkçe dersi bağımlı değişken olarak seçilmiştir. Çalışmadaki ders seçiminin belirlenmesi, ana dilin Türkçe olması ve eğitim hayatından itibaren her dönem Türkçe dersi ile karşılaşılmasından dolayıdır. Çalışma neticesinde, algoritmanın performansı 0.88 ve R-squared değeri 0.98 olarak belirlenmiştir. Yeni girdilerle test edilen model Türkçe notu üretmiştir. Öğrencinin eğitim durumunu etkileyen en önemli faktörler Türkçe notuna bağlı olarak aralarındaki korelasyon ile aile geliri ve ders çalışma saati olarak belirlenmiştir. Etkenler seçilirken model çeşitli senaryolarla defalarca test edilmiştir ve korelasyon ilişkisi hesaplanmıştır.
Öğrencilerin çevrimiçi eğitim platformundaki etkileşimlerinden profillerinin oluşturulması
Çevrimiçi eğitim platformlarında sistemi kullanma şekillerine göre farklı profillerde öğrenciler bulunmaktadır; bazı profiller öğrencilerin yönelimlerine katkı sunmaktadır. Bu tezin amacı, bu profilleri doğru bir şekilde erkenden tahmin edip, öğrencilere kişileştirilmiş destek vermek ve yönlendirme yapmaktır. Bu konu çocukların gelişiminde çok önemli olduğu için öğrencilerinin kullanmış oldukları eğitim platformlarında, çocukların sistem etkileşimlerinden makine öğrenmesi yardımı ile kümeler oluşturulmuştur. Özel çevrimiçi eğitim platformu üzerinden alınan 82.189 adet öğrenci hareketlerinden her sınıf için farklı kümeler oluşturulmuştur. Çıkan kümeler incelendiğinde 10 farklı profil çıkarımı yapılmıştır. Yazılım dili olarak Python kullanılmıştır.
Sound localization simulator software
In this study, we aimed to simulate the sound, microphones and 2D localization in an interactive manner. We have used simple, educational, alternative and inexpensive methods. At the beginning, this working was limited to software implementation, but then it's understood that two ordinary microphones and stereo inputs of computers allow us to find the time delay of the arrival. Therefore, the hardware implementation is added to the study. Initially, mathematical approaches are examined to find the angle of the arrival of the sound. Error rates of the related formula were analyzed. Then, some properties of the sound, frequency, amplitude, speed, damping and sampling are explained. And finally, the software and the hardware implementations are explained. Computer programs are written in java language.
Metaverse ve yapay zeka teknolojilerinin değişen kullanıcı beklentilerine hitaben metahuman ile sosyal hayatın sanal etkileşimleri
Tarih boyunca insanlık gökyüzündeki cisimleri merak etmiştir. Yapay zeka teknolojisinin ve üç boyutlu modellerin dijital alanda gelişmesiyle birlikte uzay merakı bilgisayarlara aktarılmış ve sanal evrenler yaratma fikri ortaya çıkmıştır. En başlarda sadece eğlence amaçlı oyunlar üzerinde gelişim gösterse de zamanla tüm sektörlerin ilgisini çekecek gelişmeler yaşamış, insan üzerinde de sosyal etkileşim uygulamalarıyla kişisel kullanımlarda bile etkili olacak kadar yol katetmiştir. Akıllı telefonların hayatımıza girmesiyle birlikte sosyal etkileşimler dijital ortamda daha fazla artmış, kullanılan platformlar da sosyal medya platformları olarak adlandırılmıştır. Zamanla insanların sadece eğlence amaçlı değil gündelik ihtiyaçlarının tümüne hitap edecek şekilde gelişen bu teknolojiler amacı dışında birçok alanda da yaygınlaşmıştır. Bu çalışmada metaverse sanal evren ekosistemi başta olmak üzere bu kavramla ilgili yapay zeka, internet çağının gelişimi ve web teknolojisi incelenmiş, sanal evren etkileşimi için gerekli olan metahuman üzerinde sosyal etkileşimlerin analizi yapılmış, uygulama ve örneklerle desteklenmiştir. Metaverse sanal evrenlerinde gezinti için gerekli argümanlar ve insan hayatına etkileri ana konu olarak çalışmaya eklenmiştir.
Mikroservis mimari ile uçtan uca yazılım geliştirme sürecinde performans optimizasyonu incelemeleri ve bulut bilişim
Bir yazılım uygulamasının ürün halini alması, problemin belirlenmesinden sistem ihtiyaçlarının tespitine, mimarisel yaklaşımın kararlaştırılmasından kullanılacak uygun teknolojinin seçimine, geliştirme aşamasından son kullanıcı için gerekli istemci donanım ve yazılımının belirlenmesine kadar oldukça maliyet ve efor gerektiren uzun ve zorlu bir süreçtir. Tüm bu süreçlerin sonunda ürün olarak piyasaya sürülen yazılım uygulamasının göstermiş olduğu performans ve kalite ne kadar yüksek ise kullanımı da o kadar kolay ve hızlı olmaktadır. Mimarisel yaklaşımın kararlaştırılması aşamasında karşımıza çıkan mikroservis mimari bir uygulamanın tek bir büyük kod tabanı ile çalışması prensibine dayanan geleneksel monolitik mimarinin ortaya çıkardığı sorunlara çözüm olarak doğmuştur. Tek bir kod tabanında çalışan uygulamaların herhangi bir noktasında yapılan değişiklik, uygulama geneline etki edebilmektedir ve bir sorunla karşılaşıldığında tüm uygulanın yeniden başlatılması zorunluluğu doğabilmektedir. Bu nedenle büyük ölçekli uygulamaların geliştirilmesi, bakımı ve ölçeklendirilmesi mikroservis mimariye kıyasla çok daha zor olmaktadır. Mikroservis mimaride uygulama işlevleri küçük, bağımsız hizmetlere bölünür. Her hizmet tek başına çalışabilir ve diğer hizmetlere uyumlu olarak tasarlanır. Bu yaklaşım uygulamanın daha modüler hale gelmesini, daha kolay ölçeklenebilir olmasını ve her küçük, bağımsız hizmetin farklı programlama dilleri ile geliştirilebilmesine olanak sağlar. Mikroservis mimaride her hizmetin farklı amaç ve probleme uygun yazılım dili ile tasarlanabilir olması, özellikle pek çok farklı gereksinimi bir arada bulunduran büyük ölçekli uygulamalarda geleneksel monolitik mimariye karşı büyük avantaj sağlamaktadır. Bununla birlikte mikroservis mimari birçok hizmetin bir arada çalıştırılmasını gerektirdiğinden hizmetlerin birbiri ile iletişimi, güvenlik, veri yönetimi ve test gibi zorlukları da barındırır. Mimarinin başarıya ulaşması ancak iyi bir planlama ve doğru araçların kullanılması ile mümkündür. Başarılı bir yazılım geliştirme süreci için problemin belirlenmesi ve mimarisel tasarımın kararlaştırılması sonrası kodlama yöntemleri, test edilebilirlik, kaynak kod yönetimi, verimli algoritma kullanımı, güvenlik, donanım ve yazılım uyumluluğu, kaynak kullanımı ve ölçeklendirilebilirlik gibi faktörlerin dikkatle yönetilmesi gerekmektedir. Bu çalışmanın amacı büyük ölçekli sistemlerin vazgeçilmezi olan mikroservis mimari yaklaşımı ile geliştirilen uygulamaların, gereksinimlerin belirlenmesinden, istemci üzerinde son kullanıcıya hizmet verebilecek ürün aşamasına kadar olan süreçte, uygulamanın performans ve kalitesini etkileyebilecek unsurları tespit etmek, iyileştirmek ve optimum düzeyde bir uygulama geliştirmektir. Yazılım geliştirme sürecinde uygulamaların sanallaştırma, paketleme ve dağıtım aşamasında Docker, dağıtıma hazır hale gelen uygulama paketlerinin yönetimi aşamasında da Kubernetes teknolojileri kullanılarak, başarılı bir yazılım geliştirme sürecinde performansa etkileri analiz edilmiştir. Yapılan çalışmanın son bölümünde bilgi teknolojileri dünyasında son yıllarda büyük bir önem kazanan Bulut Bilişim teknolojileri ele alınmış, başarılı bir yazılım geliştirme süreci için verimliliği ve faydaları incelenmiştir.
E-ticaret sitelerinde yer alan yorumların bert ve albert dil modelleri ile analizi
Günümüzde popüler hale gelen çevrimiçi alışveriş (e-ticaret) platformları hızlı, kolay, güvenli ve temassız bir alışveriş deneyimi sunmaları nedeniyle pek çok insan tarafından sıklıkla tercih edilmektedir. Müşterilerin çevrimiçi alışveriş sırasında satın alma işlemini gerçekleştirmeden önce doğru karar verebilmelerini sağlamak amacıyla başvurdukları ürün ve hizmet ile ilgili çevrimiçi platformlar üzerinden yapılan olumlu veya olumsuz yorumlar alışveriş tercihlerinde önemli bir rol oynamaktadır. E-ticaret platformlarında yer alan ürünlere ait müşteri yorumları, müşterilerin ürün/hizmet hakkında gerçekçi bir fikir edinmelerine ve işletmelerin bu yorumları değerlendirerek performanslarını arttırmasına katkı sağlamaktadır. Ancak bu yorumların müşteriler tarafından tek tek okunması ve analiz edilmesi oldukça zaman alıcı ve zor bir süreçtir. Bu süreç aynı zamanda dikkat dağınıklığı gibi etkiler nedeniyle ürün yorumlarının analizinde insan hatası riskini de beraberinde getirmektedir. Müşterilerin ilgilendikleri ürün ve hizmet hakkında hızlı ve doğru karar verebilmelerini sağlamak için makine öğrenimi algoritmalarına dayalı dil analiz modellerinin geliştirilmesi üzerine çeşitli çalışmalar yapılmaktadır. Ele alınan bu tez çalışmasında BERT ve ALBERT dil modelleri kullanılarak, e-ticaret siteleri üzerinde yer alan ürünlere/hizmetlere ait müşteri yorumları kullanılarak ürün/hizmet hakkında duygu analizi yapılması planlanmıştır. Çalışmada elde edilen analiz sonuçlarının e-ticaret platformları üzerinde müşteri memnuniyetini artırması ve buna bağlı olarak pazarlama stratejileri ve ürün geliştirme gibi konulara katkı sağlaması öngörülmektedir.
Mikro hizmet mimarisinin monolotik mimari ile performans açısından karşılaştırılması
Çalışmanın temel amacı yazılım dünyasında kullanılan mimari yöntemlerden Monolitik ve Mikro hizmet mimarilerini karşılaştırmaktır. Monolitik mimariden günümüzde uygulamaları Mikro hizmet mimariye dönüştürme süreçlerini görüyoruz ve takip ediyoruz. Mikro hizmet mimariden monolitik mimariye geri dönüşlerde oluyor. Monolitik ve Mikro hizmet mimariyi performans açısından test edildi. Bu tezde monolitik ve mikro hizmet mimarilerin mantığına uygun 2 farklı uygulama yapılıp, ölçümleri gerçekleştirildi. Mikro hizmet mimarinin kendine göre bağımsız teknoloji, bağımsız yaygınlaştırma avantajları var. Ancak buna göre getirdiği maliyetlerde var. Monolitik mimarinin ve mikro hizmetin olumlu ve olumsuz yanlarını değerlendirir. Monolitik ve mikro hizmet mimarileri bu tezde incelendi.
Makine öğrenmesi yöntemiyle müşteri davranışının tahmin edilmesi
Çalışmanın temel amacı, müşteri davranışlarının tahmin edilmesi için makine öğrenimi yöntemlerinin kullanılmasıdır. Bu, işletmelerin müşteri davranışlarını anlama ve analiz etme yeteneklerini artırmalarına yardımcı olan son derece önemli bir amacı temsil etmektedir. İşletmeler için müşteri davranışlarının öngörülmesi, pazarlama stratejilerinin belirlenmesi, ürün ve hizmetlerin iyileştirilmesi ve satışların artırılması açısından kritik bir rol oynamaktadır. Bu tez çalışması, açık kaynak kodlu bir veri seti kullanarak müşteri davranışlarını öngörmeye yönelik bir uygulama üzerinde odaklanmıştır. Veri seti, 10.000'den fazla veri öğesini içeren zengin bir veri kaynağını temsil etmektedir. Bu büyük veri seti üzerinde gerçekleştirilen analizler, makine öğrenimi alanının bir parçası olan derin öğrenme yöntemlerini kullanarak gerçekleştirilmiştir. Uygulamada, uzun kısa süreli hafıza (LSTM), yinelemeli sinir ağı (RNN) ve evrişimli sinir ağı (CNN) gibi önemli makine öğrenimi algoritmaları kullanılmıştır. Bu algoritmalar, veri setinin karmaşıklığını ve yapılarını anlamak ve öngörmek için kullanılan güçlü öğrenme yöntemleridir. Çalışmanın gerçekleştirildiği ortam Python programlama dilidir. Çalışmanın sonuçlarına göre, uzun kısa süreli hafıza (LSTM) yönteminin, yinelemeli sinir ağı (RNN) ve evrişimli sinir ağı (CNN) yöntemlerine göre daha iyi tahmin sonuçları verdiği görülmüştür. Bu, işletmelere müşteri davranışlarını anlama ve tahmin etme konusunda daha iyi bir anlayış sağlama konusunda büyük bir potansiyel sunmaktadır. Sonuç olarak, bu tez çalışması, işletmelerin müşteri davranışlarını öngörme yeteneklerini artırmak amacıyla makine öğrenimi ve derin öğrenme tekniklerinin nasıl kullanılabileceğini göstermektedir. Bu, işletmelerin rekabet avantajı elde etmelerine ve daha iyi hizmet sunmalarına yardımcı olabilir. Ayrıca, makine öğrenimi ve derin öğrenme alanlarında daha fazla araştırma ve geliştirme potansiyelini de vurgulamaktadır. Bu tür çalışmalar, gelecekte müşteri odaklı işletmelerin daha fazla başarı elde etmelerine yardımcı olabilir.
Metin madenciliği teknikleri kullanılarak Türkçe müşteri yorumlarının sınıflandırılması
Günümüzde teknolojinin hızlı gelişmesi ile insanların satın alma ve satma faaliyetlerini e-ticaret platformlarında yapmaya neden olmuştur. Bu durum, e-ticaret platformlarındaki ürünlere yazılan müşteri yorumlarının önemini artırmıştır. İnsanların ürün veya hizmet hakkında doğru bilgi edinmelerine yardımcı olmuştur. Satıcılar için de müşteri memnuniyetini ölçme ve iyileştirme imkânı sağlamıştır. Özellikle, şirketler yapılan olumsuz yorumları en hızlı şekilde tespit etmek ve bu sayede iş iyileştirme yapmak için çeşitli metin madenciliği tekniklerini kullanmaktadırlar. Bu tez çalışması, Türkçe dilindeki müşteri yorumlarının analiz edilmesi ve 32 farklı sınıfa ayrılması amacıyla metin madenciliği yöntemlerini kullanmayı hedeflemektedir. İki farklı makine öğrenimi modeli olan yapay sinir ağları (ANN) ve evrişimli sinir ağları (CNN) kullanılarak bu sınıflandırma gerçekleştirilmiştir. Her iki model de öncelikle eğitim veri setiyle eğitilmiş ve daha sonra test veri seti üzerinde değerlendirilmiştir. Elde edilen sonuçlara göre, ANN modeli için %92.34 doğruluk (Accuracy) ve %92.40 F1-skoru elde edilmiştir. CNN modeli ise %92.78 doğruluk ve %92.83 F1-skoru ile daha yüksek performans göstermiştir. Her iki model de oldukça yüksek başarı oranları elde etmiştir. CNN modelinin daha yüksek performans sergilemesi, özellikle metin verileri üzerinde evrişimli yapıların daha etkili olduğunu göstermiştir.
Moodle sistemindeki veriler ile makine öğrenmesi algoritmaları kullanılarak öğrencilerin dönem sonu akademik performanslarının tahmin edilmesi
Teknolojinin eğitim sektöründeki etkileri incelendiğinde, akademik performansın ölçümü ve değerlendirilmesi üzerindeki dönüştürücü gücü özellikle dikkat çekicidir. Bu alanda, yapay zeka ve makine öğrenimi algoritmaları, öğrencilerin gelecekteki akademik başarılarını tahmin etme kapasitesi ile ön plana çıkmaktadır. Öğrencilerin geçmiş başarıları, öğrenme süreçleri ve çeşitli faktörleri büyük veri analizine tabi tutarak, kişiselleştirilmiş eğitim yaklaşımlarına imkan tanımakta ve eğitim kurumlarının stratejik planlama becerilerini geliştirmektedir. Bu araştırmada, MOODLE eğitim yönetim sistemi üzerinden elde edilen verilerin, beş farklı makine öğrenme algoritması (Random Forest, Karar Ağaçları, K-Nearest Neighbors, Support Vector Machines ve Naive Bayes) kullanılarak analiz edilmesi ele alınmıştır. İkili ve çoklu sınıflandırma teknikleriyle yürütülen bu analizler, algoritmaların öğrenci başarısını tahmin etmede gösterdikleri yüksek başarıyı ortaya koymuştur. Çalışma, makine öğrenme algoritmalarının eğitimde nasıl bir potansiyel taşıdığını ve performans tahmini gibi kritik süreçlerde ne derecede etkili olabileceğini göstermektedir. Literatür taramasıyla zenginleştirilen bu tez, benzer çalışmaların detaylı bir analizini sunmakta ve mevcut algoritmaların eğitim verileri üzerindeki uygulanabilirliğini değerlendirmektedir. MOODLE veri setinin işlenmesi, veri temizleme, özellik seçimi ve normalizasyon gibi ön işleme adımlarını kapsamaktadır. Algoritmaların performansları, doğruluk, hassasiyet, özgüllük ve f1 skoru gibi ölçütlerle değerlendirilmiş, en iyi performans gösteren yöntemler belirlenmiştir. Sonuç olarak, bu çalışma, eğitim teknolojileri literatürüne önemli bir katkı sağlamanın yanı sıra, eğitimcilerin ve idarecilerin öğrenci başarısını izleme ve yönlendirme süreçlerine de ışık tutmaktadır. Makine öğrenimi algoritmalarının etkin kullanımı, eğitim kalitesinin artırılması ve öğrenci başarısının maksimize edilmesi yönünde stratejik kararların alınmasına olanak sağlayabilir.
Sigorta sektöründe sahte hasar tespitinde makine öğrenimi modellerinin kıyaslanması
Suistimal konusu sigortacılıkta oldukça önemli ve üzerinde durulması gereken bir konudur. Suistimal, sigortacılıkta sahte hasar beyanı olarak açıklanabilir. Sahte hasar beyanları sigorta şirketlerinde çok fazla maliyete sebep olmaktadır. Bu olumsuz etkileri yıkabilmek için sigorta şirketlerindeki hasar ekiplerinin yüzlerce hasar ihbarı arasında suistimalli ve suistimalsiz dosyaları ayırabilmesi için çok fazla iş gücü harcamaları gerekmektedir. Ayrıca suistimali yapan kişi farklı teknikler geliştirdikçe suistimali yakalamak bir hayli zorlaşmaktadır. Tüm bu nedenler sigorta şirketleri için maddi ve manevi kayıplara yol açabilmektedir. Bu çalışmada, sigorta sektöründeki hasar ekiplerine sahte hasarların tahmini konusunda yardımcı olmak için makine öğrenmesi modelleri geliştirmek ve makine öğrenimi yöntemlerinden hangilerinin bu problem için daha uygun olduğunu tespit etmek amaçlanmaktadır. Bu çalışmada ülkemizde hizmet veren bir sigorta şirketinin kasko ve trafik sigortasına ait verileri kullanılmıştır. Model oluşturulmasında K-NN, Karar ağacı, Lojistik Regresyon, CART ve Yapay Sinir Ağları algoritmaları kullanılmıştır. Ayrıca bu algoritmaların sonuçları bir de öznitelik seçimi yöntemi kullanılarak daha iyi özellikler kullanılarak tekrar karşılaştırılmıştır. Tüm bu yöntemlerin sonucunda öznitelik seçimi kullanılarak yapay sinir ağları yüzde 86.4 oranında ve CART modeli yüzde 86.1 oranında ve lojistik regresyon modeli yüzde 85.7 ile en başarılı modeller olduğu görülmektedir. Çalışma sonucunda elde edilen sonuçlar ile suistimalli hasar dosyalarının tespiti için sigorta şirketlerindeki hasar ekiplerine yardımcı olabileceği düşünülmektedir.
Artırılmış gerçeklik teknolojisi kullanarak turistik rehber uygulaması geliştirilmesi
Son yıllarda dijitalleşmeninde etkisiyle diğer her sektörede olduğu gibi turizm sektöründe de büyük bir dönüşüm yaşanmaktadır. Çalışmanın konusu olan artırılmış gerçeklik sistemleri ise bu dönüşüm de oldukça etkili olan bir diğer teknolojik faktördür. Ziyaret etmek istediğiniz bir müzede, ya da turistik olarak gitmeyi planladığınız bir şehirde, karşılaşmanız kuvvetle muhtemel olan artırılmış gerçeklik uygulamaları, turizm sektörünün gözdesi ve hayatımızın bir parçası olmuş durumdadır. Bu çalışma, beş temel bölümden oluşmaktadır. Çalışmanın birinci bölümünde, araştırmanın teknik ayrıntıları başlığı altında çalışmanın problemi, amacı, önemi, varsayımları ve sınırlılıkları açıklanmıştır. İkinci bölümde, artırılmış gerçeklik kavramı detaylıca incelenerek, artırılmış gerçeklik sistemlerinin kısa tarihçesi, donanım ve yazılım özellikleri incelenirken üçüncü bölümde dijitalleşmenin turizme olan etkisi, artırılmış gerçeklik ve turizm ilişkisi, turizm sektörüne yönelik yapılmış güncel artırılmış gerçeklik uygulamaları görsellerle desteklenerek aktarılmaya çalışılmıştır. Dördüncü bölüm, araştırma konusu olan artırılmış gerçeklik teknolojisi ile geliştirilen Porto şehri turistik rehber uygulamasını ve anket çalışmasını konu alırken, çalışmanın son kısım olan beşinci bölüm de elde edilen veriler doğrultusunda araştırmanın sonuçlarına yer verilmiştir.
Doğal dil işleme ve derin öğrenme teknikleri ile duygu analizi: Türkçe metinler üzerine bir çalışma
E-ticaret platformları, günümüzde tüketicilerin ürün tercihlerini belirlemede hızlı, kolay, temassız bir alışveriş deneyimi sunmasıyla pek çok insan tarafından tercih edilmektedir. Müşterilerin çevrimiçi alışverişleri esnasında satın alma işlemi öncesi inceledikleri ürün hakkında platformda yer alan olumlu ve olumsuz yorumlar, müşterilerin gerçekçi fikir edinmeleri ve işletmelerin ürün/hizmet kalitelerini arttırmak amacı ile bilgi edinmesi için kritik bir rol oynamaktadır. Bu yorumların işletmeler veya müşteriler için tek tek okunarak analiz edilmesi oldukça zor ve zaman alıcı bir süreçtir. Analiz sürecinin zorluğu, beraberinde insan hatası riski de getirebilmektedir. Bu sebeple işletme ve müşterilerin hızlı ve doğru analiz yapabilmesi için çeşitli derin öğrenme modelleri ile duygu analizi çalışmaları yapılmaktadır. Bu çalışmada, belirli ürün gruplarına yönelik e-ticaret sitelerinde yapılan yorumlar üzerinde derin öğrenme algoritmaları olan, Uzun kısa vadeli bellek modeli (LSTM), Evrişimsel sinir ağları algoritması (CNN), Geçitli tekrarlayan birim (GRU), Transformatörlerin çift yönlü kodlayıcı gösterimleri (BERT) algoritmasıyla oluşturulan tek algoritmalı ve hibrit modeller ile duygu analizi gerçekleştirilmiştir. Bu çalışmada e-ticaret platformlarında yapılan yorumların derin öğrenme algoritmaları ile analiz edilmesiyle elde edilen sonuçların, e-ticaret platformları üzerinde müşteri memnuniyetini arttırması ve buna bağlı olarak pazarlama stratejileri gibi alanlarda katkı sağlanması öngörülmektedir.
Fundus görüntülerinin sınıflandırılarak diyabetik retinopati hastalığının derin öğrenme ile tespiti
Günümüz yaygın hastalıklarından olan şeker hastalığının yan etkilerine bağlı olan diyabetik retinopati dünya üzerinde ciddi hastalıkların başında gelir. Diyabetik retinopati(DR), gözün retina ağ tabakasında yer alan kan damarlarında diyabete bağlı olarak oluşan hasarlanmalardır. Şeker hastalığına bağlı olarak gelişir. Diyabetik retinopati teşhisi genellikle fundus görüntülerinin uzmanlar tarafından incelenmesine dayanır. İnceleme sürecinin sadece uzman temelli olması , hastalık teşhisini zorlaştırmaktadır. Sadece uzmanların bu süreci yönetmesi, hastalığın teşhisini ve tedavi sürecini uzatabilmektedir. Diyabetik retinopatinin erken aşamalarda teşhis edilip tedavi edilmesi, diyabet hastalarının görme yeteneklerini korumak ve retinopatinin ilerlemesini yavaşlatmak için hayati önem taşımaktadır. Bu çalışmanın amacı derin öğrenme modeli kullanılarak doktorların fundus görüntülerinin inceleyerek teşhis ettiği diyabetik retinopati hastalığının sınıflandırılmasını, saptanması araştırmaktır. Araştırmada görüntüsü iyileştirme , veri çoğaltma gibi teknikler kullanılarak modelin performansının arttırılması hedeflenmiştir.
Performans odaklı web uygulamaları geliştirmek
Günümüzde web uygulamaları, bireylerin ve işletmelerin hayatında vazgeçilmez bir yer tutmaktadır. İnternetin ilk günlerinde, web siteleri basit metin ve görsellerden oluşan sayfalardan ibaretti. Ancak teknolojinin hızlı gelişimiyle birlikte, web siteleri de önemli değişimler geçirmiş ve çok daha karmaşık, etkileşimli ve kullanıcı dostu hale gelmiştir. Bugün, alışverişten eğlenceye, eğitimden sağlık hizmetlerine kadar birçok alanda web siteleri aktif olarak kullanılmaktadır. Bu dönüşüm, işletmelerin dijital pazarda varlıklarını sürdürebilmeleri ve kullanıcılarına en iyi deneyimi sunabilmeleri için performans odaklı web sitesi geliştirmeyi zorunlu hale getirmiştir. Web sitelerinin performansı, kullanıcı deneyimi üzerinde doğrudan bir etkiye sahiptir. Yavaş yüklenen veya hatalarla dolu web siteleri, kullanıcıların siteden hızla ayrılmasına ve başka alternatiflere yönelmesine neden olmaktadır. Bu durum, işletmeler için ciddi müşteri ve gelir kayıplarına yol açmaktadır. Dolayısıyla, performans sorunlarının çözülmesi, kullanıcı memnuniyetini artırmak ve rekabet avantajı elde etmek için kritik öneme sahiptir. Bu çalışmada, web performans analizi ve metrikleri detaylı bir şekilde ele alınmıştır. Araştırma kapsamında, 8 farklı JavaScript kütüphanesi kullanılarak geliştirilmiş aynı film izleme sitesinin performans metrikleri analiz edilmiştir. Bu analizler, Chrome, Edge ve Firefox tarayıcılarında hem mobil hem de masaüstü cihazlarda gerçekleştirilmiş ve elde edilen bulgular karşılaştırılmıştır. Web performansının değerlendirilmesinde, sayfa yükleme süresi, etkileşim hızı, kaynak kullanımı gibi metrikler dikkate alınmıştır. Araştırmanın amacı, web performansı yüksek olan JavaScript kütüphanelerini tespit etmek ve performans düşüklüğü gösteren kütüphanelerin nasıl iyileştirilebileceğini ortaya koymaktır. Performans iyileştirmeleri, sadece kullanıcı deneyimini değil, aynı zamanda işletmelerin dijital pazardaki başarısını da doğrudan etkilemektedir. Bu bağlamda, çalışmada performansı yüksek web sitelerinin kazanımları detaylandırılmış ve performans odaklı geliştirme süreçlerinin optimizasyon ve kullanıcı açısından avantajları vurgulanmıştır. Özellikle, hızlı yüklenen web siteleri, kullanıcı memnuniyetini artırmakta ve siteye olan güveni pekiştirmektedir. Bu durum, tekrar ziyaret oranlarını yükseltmekte ve müşteri sadakatini güçlendirmektedir. Ayrıca, performans odaklı web siteleri, arama motoru sıralamalarında da daha yüksek pozisyonlarda yer almakta, bu da organik trafik ve potansiyel müşteri sayısını artırmaktadır. Performans iyileştirmeleri aynı zamanda, sunucu maliyetlerini düşürmekte ve enerji verimliliğini artırmaktadır, bu da işletmelere ekonomik katkılar sağlamaktadır. Bu çalışmanın bulguları, web performansını artırmak isteyen geliştiriciler ve işletmeler için değerli bilgiler sunmakta olup, kullanıcı deneyimini iyileştirmek ve dijital pazarda rekabet gücünü artırmak adına önemli çıkarımlar içermektedir. Araştırmanın sonuçları, performans odaklı web sitesi geliştirme süreçlerinin nasıl optimize edilebileceği konusunda yol gösterici niteliktedir. Ayrıca, bu çalışma, gelecekte yapılacak araştırmalar ve geliştirme çalışmalarına da katkı sağlamayı hedeflemektedir.
Integration of content-based image retrieval and database management system: A case study with digital mammography
In this thesis, we proposed a new integration method for content-based image retrieval and database systems, and developed a case study on mammography retrieval to measure performance of our approach. Initially, we investigated 26 low level features in total, 17 of them exist in the literature and rest of them is our proposal for mass contour description. Additionally, we proposed a new breast mass segmentation method called Breast Mass Contour Segmentation to determine accurate breast mass contours. Next, we reviewed available mammogram datasets to evaluate our proposal, and we also developed a new mammogram dataset due to insufficient annotation level of available datasets. During development of this dataset, we developed a new ontology based annotation tool. Then, we performed series of experimentations on two different mammogram datasets to identify the best low level features, machine learning and region selection methods for breast masses. Finally, we implemented our integration approach on PostgreSQL database management system using selected low-level features and evaluate the retrieval performance. Experimentation results showed that our integration approach of content-based image retrieval and Database Management Systems worked well and successfully applied to mammography mass retrieval system as case study.
Sınıf videosu görüntülerinde arka plan çıkararak kopya teşebbüsü yakalama
Bu çalışma, sınıf ortamında yapılan yüz yüze sınavlarda kullanılan dijital kameralar tarafından kayıt altına alınan görüntülerin analizi ve normal olmayan davranışların tespiti ve arka planda bulunan objelerin çıkarılmasıyla oluşacak performans artışına odaklanmakta ve sınıf ortamında yapılan sınavlardaki eylemleri yüksek hassasiyetle tespit etmek için yeni bir model geliştirmeye odaklanmaktadır. Çalışaya COPYNet Veri Kümesi oluşturmayla başlanmıştır. Yaklaşık 30.000 görüntüden oluşan oldukça büyük bir koleksiyon olan bu veri seti, normal olmayan davranışları algılama algoritmalarının oluşturulması, doğrulanması ve arka plan nesnelerinin çıkartılması sonrası oluşan performans artışının değerlendirilmesi için kullanılmaktadır. Veri seti, davranış kategorilerine bağlı olarak beş farklı gruba bölünmüştür. Bu amaçla, görüntü sınıflandırma probleminin çözümünde yüksek performans elde etmek için transfer öğrenme yöntemi, ResNet ön eğitimli modeli kullanılarak Faster R-CNN ve YOLOv5 algoritmalarıyla ayrı ayrı hibritleştirilmekte ve normal davranışı modelleyerek bir normal olmayan davranış puanı elde etmek için derin bir sinir ağı çerçevesi (COPYNet) oluşturulmaktadır. COPYNet çerçevesi %90' lık bir hassasiyet, %88' lik bir geri çağırma ve %88' lik bir doğruluk sergilemektedir. Bu rakamlar, mevcut literatürle karşılaştırıldığında anormallik tespitinde önemli bir sıçramaya işaret etmektedir. Sunulan sonuçlar, modelin farklı davranış sınıflarını doğru bir şekilde ayırt etme yeteneğini vurgulamakta ve modeli yüz yüze sınavlar sırasında şüpheli davranışları tespit etme zorluğunun üstesinden gelmek için bir araç haline getirmektedir. Sonuç olarak, model normal olmayan bir aktivite tespit ettiğinde, gözetmene gönderilebilecek bir uyarıyı tetiklemeyi ve sınav gözetmenleri için bir karar destek mekanizması olarak çalışmayı amaçlamaktadır. Elde edilen başarı oranlarına göre çalışmamız, sınıf ortamında yapılan sınavlar sırasında kuşkulu hareketleri yakalamak etmek için literatürdeki önceki çalışmalara kıyasla daha iyi sonuçlar vermektedir.
Reasoning with shapes
Optimal logic determination between a set of shapes could be quite utile in computer vision. Investigation of Linear transformation in a set of shapes is a challenging topic and has wide range of applications, such as in Robotics, Aircraft and Satellite attitude determination and tracking systems. I propose a pictorial solution for linear transformation determination problem, in contrast to current optimal approaches that are benefiting from numerical roots.I make abstractions of shapes and I try to determine the linear transformation between the set of shapes by using inexpensive Boolean logics. The nature of my solution decreases resource requirements and the complexity of a hardware implementation.
Çevrimiçi eğitimde uyumlanabilirlik düzeyini tahmin eden makine öğrenmesi modeli
Günümüzde makine öğrenme modellemeleri pek çok farklı sektörde kullanılan yöntemler kullanılan alanlarda yüksek performanslar göstermiştir. Farklı sektörlerde kullanılan makine öğrenmesinin kullanımı teknolojinin hızla gelişmesiyle yaygınlaşmıştır. Farklı sektörlerde kullanılan yöntemler pek çok sorunu görüp çözüme kavuşturmuştur. Teknolojinin gelişimi ile Eğitim sektörü de bundan etkilenmiştir. Uzaktan öğrenme veya çevrim içi öğrenmenin kullanımı Korona dönemi ile artmıştır. Ancak öğrenme yöntemi olarak kullanılan çevrim içi öğrenmenin pek çok örneğinin başarılı olmadığı görülmektedir. Bu çalışmada amaçlanan, var olan bu sorunun çevrim içi öğrenme yöntemi kullanılabilmesi için bir strateji sunarak örnek bir yöntem uygulamaktır. Böylece teknoloji alanında devam eden çalışmalara katkı sağlamak amaçlanmaktadır. Bu amaç doğrultusunda, 2000 satırlık demografik ve ekonomik özellikleri bulunan veriler incelenerek bazı ön işleme ve görselleştirme işlemlerinden geçirilmiştir. Çalışmada, bazı veri işlemleri gerçekleştirildikten sonra modeller kurularak öğrencinin çevrim içi öğrenmeye uyum düzeyi belirlenmiştir. Veri setindeki çevrim içi uyum düzeyi bağımlı değişken seçilirken diğer değişkenler bütünsel olarak değerlendirilip her biri çevrim içi uyum düzeyini etkiler. Ardından bu veriler üzerinde bir modelleme oluşturmak Korelasyon ile öznitelik belirlenmiş ve seçilen algoritmalar ile tekrar modellemeler oluşturulmuştur. Bu modellerde eğitim ve veri setleri sırasıyla %60-%40, %70-%30, %80-%20 ve %90-%10 olarak test edilmiştir. Daha sonra modellerin performansı, f1-skor, kesinlik ve geri çağırma değerleri karşılaştırılmıştır. Oluşturulan modeller ile yapılan testler sonucunda başarı düzeyi en yüksek algoritma Korelasyon sonrası oluşturulan Karar Ağaçları algoritmasında %70 eğitim seti %30 veri seti olarak kullanılan model belirlenmiştir. Çalışma sonucunda, modelin başarı performansı 0.85, f1-skoru 0.85, keskinlik 0.77 ve geri çağırma 0.88 olarak bulunmuştur. Model sonucuna göre çevrim içi uyum düzeyi en yüksek olan grup 71 kişiyle erkek öğrencilerdir. Erkek öğrencilerin arasında ise 21-25 yaş arası özel okulda okuyan üniversite öğrencilerinin uyumluluk seviyesi yüksektir. Bu verileri daha da özelleştirdiğimizde ise ekonomik durumu düşük, derse giriş aracı olarak bilgisayar ve internet bağlantısı olarak wi-fi, network tipi olarak 4G kullanan grup en yüksek uyumluluğa sahiptir. Elde edilen sonuçlar incelendiğinde, kişilerin demografik ve ekonomik özellikleri çevrim içi öğrenme uyumluluğunu etkilemektedir. Bu durum öne alınarak belli aralıklarla çalışma yapılması ve öğrenme tasarımının bu parametreyi de kullanarak hazırlanması kişilerin başarısını etkileyeceği öngörülmektedir.
Van Der Pol denkleminin olasılıksal evrim yöntemi ile çözümü için veri tabanı oluşturma
Bu tez çalışmasında, Van der Pol denkleminin olasılıksal evrim yöntemi kullanılarak çözümü için bir veri tabanı oluşturulmuştur. Van der Pol osilatörü, biyolojik, elektriksel ve mekanik sistemlerde yaygın olarak kullanılan doğrusal olmayan bir diferansiyel denklemdir. Van der Pol denkleminin türevli denklemlerin sayısal çözümlerinin sınanmasında sıklıkla kullanıldığı ve buradaki çalışmanın da sağ yanı multinom olan bütün denklem takımları için kolaylıkla genelleştirilebileceği vurgulanabilir. Bu çalışma, Van der Pol denkleminin sayısal çözümlerini elde etmek ve bu çözümleri saklamak amacıyla gerçekleştirilmiştir. Kullanıcılar, web tabanlı bir arayüz üzerinden parametreleri girer ve bu parametreler Node.js tabanlı bir sunucu tarafından işlenir. Sunucu, ilgili C++ kodunu çalıştırarak çözümleri hesaplar. Elde edilen çözümler, JSON formatında işlenir ve MySQL veri tabanına kaydedilir. Bu yapı, verilerin düzenli bir şekilde saklanmasını ve gerektiğinde hızlıca erişilmesini sağlar. Çalışma kapsamında, verilerin kullanıcı dostu bir arayüz aracılığıyla sunulması sağlanmıştır. Bu bağlamda, çözüm sürecinin tamamı, kullanıcı etkileşiminden sonuçların sunumuna kadar ayrıntılı bir şekilde ele alınmıştır. Çalışmanın bulguları, Van der Pol denkleminin çözümlerinin verimli bir şekilde saklanması ve analiz edilmesi açısından önemlidir.
Regresyon yöntemlerinin performans analizi
Bu yüksek lisans tezinde, kalp krizi verileri üzerinde çeşitli regresyon yöntemlerinin performans analizi yapılmıştır. Lineer regresyon, lojistik regresyon, ridge regresyon ve destek vektör regresyonu gibi yöntemler kullanılarak, kalp krizi olasılığını tahmin etme ve analiz etme üzerine odaklanılmıştır. Çalışmanın amacı, her bir regresyon yönteminin performansını değerlendirerek, kalp krizi ile ilişkilendirilen faktörleri en doğru şekilde tahmin eden optimal yöntemi belirlemektir. Tezin birinci bölümünde, tıbbi veri analizi ve kalp krizi tahmini ile ilgili mevcut literatür incelenmiştir. İkinci bölümde, kullanılan kalp krizi veri seti hakkında detaylı bilgiler verilmiş ve veri bütünlüğünü sağlamak için yapılan ön işleme adımları açıklanmıştır. Üçüncü bölümde, regresyon yöntemlerinin teorik temelleri ve bu yöntemlerin kalp krizi veri setine uyarlanması ele alınmıştır. Dördüncü bölümde, regresyon yöntemlerinin performansını değerlendirmek için kullanılan doğruluk, hassasiyet ve geri çağırma gibi performans metrikleri açıklanmıştır. Beşinci bölümde, farklı regresyon yöntemlerinin kalp krizi verilerine uygulanmasından elde edilen sonuçlar sunulmuş ve her bir yöntemin güçlü ve zayıf yönleri vurgulanmıştır. Altıncı bölümde, bulguların analizi yapılarak, belirlenen optimal regresyon yönteminin gerçek dünya senaryolarındaki potansiyel uygulamaları tartışılmıştır. Son bölümde ise, ana bulgular özetlenmiş, çalışmanın sınırlamaları ve gelecekteki araştırmalar için öneriler sunulmuştur. Bu çalışma, tıbbi alanda regresyon analizinin uygulanabilirliğini artırmayı ve kalp krizi tahmininde en etkili yöntemi belirlemeyi amaçlamaktadır.
Banka müşterilerinin makine öğrenmesi ile analiz edilerek skorlanması
Bankacılık sektörü, firmalara sağladığı kredilerle ekonomik büyümeyi desteklerken, kredi riskinin doğru değerlendirilmesi bu süreçlerin sürdürülebilirliği için kritik bir gerekliliktir. Türkiye'de, firmaların mali yapılarındaki çeşitlilik, geleneksel kredi skorlama yöntemlerinin sınırlarını zorlamaktadır. Bu tez çalışması, banka müşterisi firmaların makine öğrenmesi teknikleriyle analiz edilerek skorlanmasını amaçlamıştır. Çalışmadaki veri setinde, firmaların finansal durumları, risk bilgileri ve çalışan sayısı bilgileri yer almaktadır. Çalışmada, iki aşamalı bir analiz süreci izlenmiştir. İlk aşamada, K-Means algoritması kullanılarak firmalar risk verilerine göre dört küme oluşturulmuştur. Birinci aşamada elde edilen kümeler bağımsız değişken olarak modele eklenmiştir. İkinci aşamada, denetimli makine öğrenmesi olan XGBoost, Karar Ağacı, Rastgele Orman, KNN ve LightGBM algoritmaları kullanılarak, kredi skoru tahmin edilmiştir. Kredi skoru dört sınıflı (0-1-2-3) bir bağımlı değişkendir. Model performansları; kesinlik, duyarlılık ve F1 skoru gibi kriterlerle değerlendirilerek başarılı sonuçlar elde edilmiştir. Bu çalışmanın firmalara yönelik yapılması, firmaların finansal durumları ve risk verilerine ek olarak denetimsiz makine öğrenmesi yöntemleri ile segmentasyon oluşturulması, oluşturulan bu segmentasyonun kredi skorlamada kullanılması yönleriyle literatürdeki mevcut yaklaşımlardan farklılaşarak özgün bir katkı sunması amaçlanmıştır.
İnsan veya makine tarafından yazılan metinlerin doğal dil işleme yöntemleri ile tespiti
Bu çalışma, insan ve yapay zekâ tarafından yazılmış metinlerin ayrımını yapmayı amaçlayan, doğal dil işleme (NLP) teknikleri ve makine öğrenmesi modellerine dayalı bir yöntem geliştirmeyi hedeflemiştir. Araştırmada, farklı kaynaklardan elde edilen insan ve yapay zekâ üretimi metinler kullanılmış, bu metinler üzerinde kapsamlı veri işleme adımları gerçekleştirilmiştir. İlk olarak, metinler ön işleme sürecine tabi tutulmuş, gereksiz kelimeler ve semboller temizlenmiş, ardından metinler tokenize edilerek Word2Vec algoritması ile kelime vektörlerine dönüştürülmüştür. Bu süreçte, elde edilen vektörler, insan ve makine yazımı metinler arasındaki farkları sınıflandırmak amacıyla SVM ve LSTM modelleriyle işlenmiştir. Model performansını artırmak için genetik algoritmalar gibi sezgisel yöntemlerle en etkili özellikler seçilmiş, bu sayede işlem maliyeti azaltılarak sınıflandırma doğruluğu optimize edilmiştir. Geliştirilen hibrit model, başlangıçta kullanılan tüm özellikleri daha etkili bir alt kümeye indirgemiş ve yeniden eğitilmiştir. Sonuç olarak, çalışma doğruluk oranı, ROC eğrisi ve precision-recall analizleri gibi performans ölçümleri üzerinden yüksek başarı elde etmiş ve geliştirilen yöntemlerin etkinliğini ortaya koymuştur. Bu araştırma, insan ve yapay zekâ yazımı metinlerin tespiti için ileri düzey doğal dil işleme tekniklerinin ve makine öğrenmesi modellerinin etkili bir şekilde uygulanabileceğini göstermiştir. Elde edilen bulgular, bu alandaki gelecekteki çalışmalar için değerli bir kaynak ve referans oluşturmaktadır.
Makine öğreniminin günümüzdeki rolü: Modern yönelimleri ve gelecek perspektifleri
Bu tez çalışmasında, makine öğreniminin günümüzdeki rolü, teorik temelleri, uygulama alanları ve gelecekteki yönelimleri detaylı biçimde incelenmiştir. İnsanların veriye dayalı karar verme süreçlerinde yapay zekaya olan ihtiyaçlarının artmasıyla birlikte, makine öğrenimi sistemleri birçok sektörde vazgeçilmez hale gelmiştir. Bu kapsamda çalışma, hem teorik hem de uygulamalı yönleriyle üç ana bölümde yapılandırılmıştır.İlk bölümde, makine öğrenmesinin temel bileşenleri olan veri bağımlılıkları, donanım gereksinimleri, özellik mühendisliği, yürütme süresi, model seçimi ve yorumlanabilirlik gibi konulara odaklanılmış; geleneksel ve derin öğrenme yöntemleri karşılaştırmalı olarak değerlendirilmiştir. Gözetimli, gözetimsiz ve pekiştirmeli öğrenme yaklaşımları ayrıntılı olarak analiz edilmiştir.İkinci bölümde, makine öğrenmesinin siber güvenlik alanındaki kullanımı ele alınmış ve saldırı tespit sistemleri bağlamında NSL-KDD veri seti ile uygulamalı bir analiz gerçekleştirilmiştir. Bu analizde, KNIME platformu kullanılarak karar ağaçları, rastgele ormanlar, SVM ve Naive Bayes gibi farklı algoritmaların başarı oranları karşılaştırılmıştır. Elde edilen sonuçlar, makine öğreniminin özellikle anomalilerin tespiti ve ağ güvenliğinde güçlü bir araç olduğunu göstermektedir.Üçüncü bölümde ise, makine öğrenmesinin geleceğine dair yönelimler tartışılmış, özellikle Amazon ürün yorumları üzerinde yapılan duygu analizi örneği üzerinden algoritmaların güncel kullanım potansiyeli gösterilmiştir. Ayrıca, derin öğrenmedeki güncel trendler, model yorumlanabilirliği sorunları, veri kalitesi, ölçeklenebilirlik ve düzenleyici uyum gibi karşılaşılan problemler ile bu problemlere getirilen çözüm önerileri değerlendirilmiştir.Sonuç olarak, bu tez çalışması, makine öğrenmesinin hem mevcut uygulama alanlarını hem de gelecekteki stratejik önemini bütüncül bir yaklaşımla ortaya koymakta; karar destek sistemlerinden güvenliğe, ticaretten sağlığa kadar geniş bir yelpazede nasıl kullanılabileceğini detaylandırmaktadır.
Büyük dil modeli entegre edilmiş, makro besin değerleri hesaplayan yapay zeka diyet planlama aracı
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.
Önbellek tabanlı, belge tabanlı, kolon tabanlı veri tabanları ve ilişkisel veri tabanlarının performans karşılaştırması ve optimizasyonu
Bu çalışmada önbellek tabanlı, belge tabanlı, sütun tabanlı ve ilişkisel veri tabanı mimarileri performans karşılaştırması için seçilmiştir. Gerçek dünya sorgu satırları, donanım ve yazılım konfigürasyonları özdeş sanal makine kümelerinde; küçük, orta, büyük ve çok büyük veri hacimlerinde okuma ve karmaşık sorgu tipleri yürütülmüştür.. Özel otomasyon betikleri, testlerin tutarlılık ve tekrarlanabilirliğini sağlayarak veri toplama, yürütme ve raporlama süreçlerini tamamen otomatikleştirmiştir. Toplanan metrikler yürütme süreleri, gecikme ve kaynak kullanımı tablo ve grafiklerle görselleştirildikten sonra veri hacmi ve sorgu yapısına bağlı performans davranışları analiz edilmiştir. Bulgular, bazı mimarilerin belirli koşullarda üstün performans, bazılarının ise ölçek büyüdükçe darboğaz yaşadığını ortaya koymuştur. Her mimarinin güçlü ve zayıf yönlerine yönelik özgün optimizasyon önerileri sunulmuştur. Bu analiz, veri tabanı seçiminde performans odaklı karar süreçlerine rehberlik sağlamaktadır. Çalışma, farklı uygulama senaryolarındaki performans gereksinimlerine yönelik mimari tercihlerde yol göstericidir.
Makine öğrenmesi yöntemleri ile twıtter verileri üzerinde duygu analizi ve tahminlemesi
Bu çalışmada, metin tabanlı veriler üzerinde duygu analizi gerçekleştirerek makine öğrenmesi algoritmaları ile tahminleme yapabilen bir uygulama geliştirilmiştir. Uygulama Phyton programlama diliyle geliştirilmiştir. Çalışmada Kaggle platformundan elde edilen ve İngilizce tweetlerden oluşan büyük bir veri setinden rastgele fakat homojen seçilen 10.000 veri kullanılmıştır. Bu verilerin %70'i eğitim, %30'u test amacıyla ayrılmış ve sadece pozitif ve negatif duygu etiketine sahip örnekler modele dahil edilmiştir. Veri ön işleme sürecinde URL, özel karakter, emoji ve gereksiz kelimeler temizlenmiş, ardından kelimeler köklerine indirgenmiştir. Temizlenen veriler TF-IDF yöntemiyle sayısal vektörlere dönüştürülmüş ve n-gram teknikleriyle yapılandırılmıştır. SVM, Random Forest ve Naive Bayes algoritmaları tekil olarak uygulanmış, ayrıca PCA, Kmeans ve Ki-Kare gibi yöntemlerle hibrit modeller geliştirilmiştir. GridSearchCV yöntemi ile en uygun parametreler belirlenerek toplamda 9 farklı model oluşturulmuştur. Model performansları karşılaştırıldığında, hibrit modellerin tekil modellere kıyasla daha yüksek doğruluk oranları sağladığı görülmüştür. Elde edilen sonuçlar, metin madenciliği ve duygu analizi çalışmalarında makine öğrenmesi algoritmalarının etkinliğini göstermiştir. Bu çalışma, farklı modelleme stratejileri sunarak gelecekte yapılacak çalışmalara katkı sağlamayı amaçlamıştır.
IoT tabanlı akıllı ev sistemlerinde kullanıcı gizliliği ve siber güvenlik zafiyetleri
Bu çalışma, akıllı ev uygulamalarında kişisel verilerin korunması ve güvenliğini ele almaktadır. Bu teknolojiler günlük hayatı daha pratik hale getirse de bazı tehlikeleri de beraberinde getirmektedir. İnternete bağlı cihazlar özellikle dış müdahalelere karşı savunmasızdır. Böyle bir güvenlik açığı kullanıcı bilgilerinin çalınmasına veya sistemlerin işleyişinde aksaklıklara yol açabilir. Araştırma, akıllı ev çözümlerinin temel işleyişini ve yıllar içindeki dönüşümünü açıklayarak başlamaktadır. Ardından, bu sistemlere karşı gerçekleştirilen saldırı türleri ve bunlara karşı alınabilecek koruma yöntemleri vurgulanmaktadır. Kişisel bilgilerin güvenliği ve kullanıcı haklarına ilişkin güncel düzenlemeler de incelenmektedir. Çalışmanın ilerleyen bölümünde, yeni teknolojilerin ve yöntemlerin bilgileri daha güvenli bir şekilde depolamak için sunduğu fırsatlar araştırılmaktadır. Çalışmanın amacı, kullanıcılar arasında farkındalık yaratmak ve geliştiricilere yol göstermektir. Genel olarak, akıllı ev çözümlerinin hem işlevsel hem de güvenilir olabilmesi için ciddi önlemlerin alınması gerektiği sonucuna varılmıştır.
Kamera görüntülerinden çarpışma tahminlemesi
Otonom araç teknolojileri geliştikçe, dinamik trafik ortamlarında güvenliği sağlamak için güvenilir algılama ve yanıt mekanizmalarına duyulan ihtiyaç kritik hale gelmektedir. Bu çalışma, tek kamera girişi kullanarak araç çarpışmalarını gerçek zamanlı olarak tespit ve tahmin etmek için R-CNN, Kalman Filtresi, Gizli Markov Zinciri ve Yapay Sinir Ağı ile geliştirilmiş yeni bir hibrit model sunmaktadır. Sistem, video akışlarında nesne tespiti ve çoklu nesne takibi gerçekleştirmekte, modifiye edilmiş bir Kalman Filtresi aracılığıyla olasılıksal hareket tahmini uygulamakta ve Gizli Markov Zinciri ile Yapay Sinir Ağı'nın hibrit yaklaşımını kullanarak durum geçişlerini iyileştirmektedir. Önerilen mimari, tespit doğruluğunu önemli ölçüde artırmakta ve hızlı hareket altında gecikmeyi azaltmaktadır; bu da geleneksel filtreleme tekniklerinin sınırlamalarını tekrar göz önününe alınması gerekliliğini ortaya koymaktadır. Model CARLA simülasyonu, video görüntüleri ve gerçek zamanlı olarak test edilmiş ve gerçekleştirilen deneyler yüksek etkinlik göstermekte olup video analizinde %94.5 tespit doğruluğu ve gerçek zamanlı uygulamada %91.2 doğruluk sağlamaktadır. ANN entegrasyonu, tespit gecikmesinde 0.5 saniyelik bir azalma sağlamış olup, bu da ortalama insan tepki süreleri göz önüne alındığında kritik bir iyileştirme sağlamaktadır. Bu sonuçlar, derin öğrenmenin olasılıksal modelleme ile birleştirilmesinin zamansal olarak göz ardı edilebilecek bir artışa neden olsa da tespit tutarlılığında daha verimli sonuçlar elde etmektedir.
Makine öğrenmesi algoritmaları kullanılarak tarım alanında ürün seçimini optimize etmeye yönelik bir çalışma
Çiftçilerin geleneksel yöntemlere dayanarak araziye ekilecek en uygun ürünü seçmeleri, çeşitli zorluklar ve belirsizlikler içermektedir. Bu durum, tarımsal verimliliği olumsuz etkileyebilir ve çiftçilerin gelirlerini azaltabilir. Dolayısıyla, bu sorunun çözülmesi, hem çiftçilerin refahı hem de ülkenin tarımsal sürdürülebilirliği açısından büyük önem taşımaktadır. Bu çalışmada, Büyük Veri Analitiği ve Makine Öğrenimi yöntemlerinin entegrasyonu ile çiftçilerin doğru mahsul seçiminde karşılaştıkları zorlukların hafifletilmesi hedeflenmektedir. Hindistan Gıda ve Tarım Odası tarafından sağlanan veritabanı üzerinden toplanan veriler, bu araştırmanın temelini oluşturmaktadır. Kullanılacak veriseti, mahsullerin ayrıntıları, toprak bileşimi, mahsulün büyümesi için uygun hava koşulları, sıcaklık, toprağın pH değeri ve yağış miktarı gibi çeşitli özellikleri içermektedir. Bu özellikler, çiftçilerin doğru mahsul seçiminde kritik öneme sahip bilgiler sunmakta ve yanlış mahsul seçimini azaltarak tarımsal üretkenliği artırma potansiyeli taşımaktadır. Araştırmada, Naive Bayes, Gradient Boosting, Artificial Neural Network, Random Forest Classifier ve Voting Classifier gibi uygun makine öğrenmesi yöntemleri belirlenmiştir. Bu algoritmalar, verisetinin özelliklerine göre en iyi performansı gösterecek şekilde seçilmiştir. Modelin geliştirilmesi sürecinde, ön işleme adımları gerçekleştirilmiş ve verilerin temizlenmesi, normalleştirilmesi ve uygun özelliklerin seçilmesi gibi işlemler yapılmıştır. Model eğitimi tamamlandıktan sonra, performans metrikleri olan kesinlik, duyarlılık ve F1 puanı gibi kriterler kullanılarak kapsamlı bir analiz gerçekleştirilmiştir Analiz sonuçları, hem eğitim hem de test verilerinde Naive Bayes algoritmasının %99,54'lük hassasiyet oranıyla en iyi performansı gösterdiğini ortaya koymuştur. Bu sonuç, Naive Bayes algoritmasının, tarımsal verilerin sınıflandırılması ve doğru mahsul önerisi konusunda etkili bir araç olduğunu göstermektedir. Sonuç bölümünde, bu yöntemlerin başarıları ve tarımsal uygulamalardaki potansiyel etkileri tartışılmıştır. Ayrıca, gelecekteki araştırmalar için önerilerde bulunulmuş ve makine öğrenimi tekniklerinin tarım sektöründe daha geniş bir şekilde nasıl uygulanabileceği üzerinde durulmuştur.
Decision support system for a customer relationship management case study
Data mining which has become very common and gained importance recently, is a tool which provides to discover hidden and valuable information in large datasets. One of the widely used areas of data mining is Customer Relationship Management (CRM). CRM is an approach used to understand customer?s behaviors and increase the customer satisfaction. The aim of this study, researching the data minig and CRM concepts which has become widespread and important in recent years, in addition to applying a data mining model to banking sector as an example and representing the result in a mobile platform. This study has built a classifier using the naive Bayesian classification. The accuracy rate of the model is determined by doing cross validation. The results demonstrated the applicability and effectiveness of the proposed model. Naive Bayesian classifier reported high acceptable accuracy. So the classification rules can be used to support decision making for achieving a good CRM for businesses. Keywords: Data mining, customer relationship management, CRM, mobile
Research of mind shift in testing methodologies and approaches in the world of cloud technologies
This is intended to be a survey of existing test methodologies for cloud-based applications and services with pros and cons of each approach. We will touch base to cloud computing by telling the importance of cloud computing for enterprises, the types of cloud computing platforms used commonly and their attributes. Tools that can be used for cloud-based application testing are reviewed under different categories of testing. A sample Windows Azure application is also being tested with Visual Studio Web Test environment and Selenium Test Suite components to demonstrate the capabilities of these tools.
Software engineering practices on mobile applications
This research aims to the improvement of Mobile Software Engineering approaches. For this purpose the characteristic and types of mobile devices are examined. And then the limitations caused by their features and prominent requirements are expressed for Mobile Software Engineering. Besides, characteristic of mobile operating systems which are used commonly for mobile devices are described. Existing traditional software engineering methodologies are explained. Afterwards the studies which are related to the Mobile Software Engineering literature are examined. Through the obtained experiences we introduce a mobile methodology. This methodology has enough simplicity to be used in mobile applications which will be developed in mobile devices. In addition, the states and basic principles of Mobile Software Engineering which will be applied in the introduced methodology are presented in a detailed way. Finally an appropriate approach is presented for Mobile Software Engineering.Keywords: Mobile software engineering, mobile devices, mobile applications, mobile software engineering methodology
Optimization of SPARQL queries using artificial intelligence techniques
Today, configuring and controlling the overwhelming volumes of information on the web is an important problem. Semantic web is a paradigm that is proposed for solving this important problem. Still, semantic web can't be counted as a mature paradigm and it contains some issues that must be dealt. One important challenge in semantic web is decreasing execution times of queries. An approach for decreasing execution times of queries is reordering triple patterns.In this study, an Ant Colony Optimization approach for optimizing SPARQL queries is proposed. Different Ant Colony Optimization Meta-heuristic algorithms - Ant System, Elitist Ant system and Max-Min Ant System - are implemented based on this approach. This proposed novel optimization method is implemented using ARQ query engine and it optimizes the queries for in-memory models of ontologies.Queries are abstracted as a complete graph whose nodes represent triple patterns and whose edges represent join costs. Artifical ants that are used in ACO algorithms traverse this graph. Transition rule which effects the decision of ants for choosing the next node is provided by considering selectivity of triple patterns (candidates of the next node). In order to estimate selectivity of triple patterns, GSH which provides accurate size information, Variable Counting which is based on ranking triple pattern components and Modified Variable Counting which modified to improve the performance of chain and chain-star queries, are used.Proposed approach is examined by querying two different ontologies LUBM (includes 162.871 triples) and Factbook (includes 95.813 triples) with various structures of queries like chain, star, cyclic, chain-star, chain-cyclic, etc.Contributions of the proposed approach are optimizing order of triple patterns in SPARQL queries using ant colony optimization for lesser and nearly optimal execution time and real time optimization without requiring any prior domain knowledge. Experiments show that proposed methods reduce execution time of queries considerable.
Multiple authentication
Authentication is one of the fundamental security mechanisms in computer science applications. Users can have access to the systems after authentication process is performed. Due to the easy use, passwords are mostly used for authentication. However, people encounter some problems with passwords in real life situations. One of the problem is users need to memorize and remember lots of passwords for distinct services. Unfortunately, rather than using disparate passwords, users generally prefer to use the same passwords for distinct services. Using the same password for different services give rise to security vulnerabilities. At this point, the question ?Can we manage relatively strong and different passwords via a unique password?? arises.In the scope of this study, an ancient theorem which is called Chinese Remainder Theorem was used to solve the problem. Firstly, a unique password was obtained from pre-defined passwords. But, since this unique password is very long and very difficult to memorize, another method has been developed. According to the second method, a unique password is defined by the user in advance then distinct and strong passwords are generated from the unique password. Finally, a secure multiple authentication protocol which is based on Chinese remainder theorem have been developed and the security analysis of the protocol have been done.
Design and implementation of Turkish question answering system
In this study, we investigated the design and implementation of named-entity (NE) based question answering system for Turkish text collections. Researches and works on this subject have shown that question answering systems has a complex structure composed of several modules. Thus, we first discussed the structure of a question answering system in three basic phases: question processing, document analysis and answer processing.Firstly, we developed named-entity recognition (NER) tool, which is capable to manage extended named entity hierarchy, annotate data collection, rule-based and dictionary-based named entities extraction and provides a performance evaluation. We also provide a set of rules and dictionaries for NER in Turkish and we present the whole application system in detail. We run a set of experimentation to evaluate the performance of NER system using METU Turkish Corpus. The results we gained from experimentations show that our NER approach produced good results.Then, we propose a new approach, which is named-entity based Questions Answering system for Turkish collections. We designed and implemented our system in structure of boolean information retrieval. We created the structure of indexing for information retrieval and retrieved the relevant documents as results. Then, we found named entities in documents and questions and we matched them using named entity hierarchy. In summary, this work is a starting work in this research area and is thought to produce the best results in terms of performance.
Fusion and combination methods for multimodal content based medical image retrieval
In this study, weinvestigate the impact of different fusion methods of modalities for performance improvement of Content-based Image Retrieval (CBIR) systems. We first evaluated the performance of low-level features to determine the suitable one. Then we provided a comparison on effect of different distance functions such as Euclidean distance and Cosine distance on multimodal content based medical image retrieval. Then we presented an in depth investigation on different combination methods for Multimodal CBIR systems. In this way, we show how overall system performance can be improved with combination of multimodality approach and how modalities should be combined in this manner. Furthermore, we suggest a new combination approach which is based on integrating multimodal retrieval and outperforms any other fusion techniques. For evaluation, we set up a series of experiments using ImageCLEF 2011 medical image retrieval track dataset. The results show that our combination approach improves the effectiveness of whole system ever and clearly outperforms over fusion techniques for performance of multimodal CBIR systems.
Design and optimization of a general algorithm to calculate possible states of final tables of sport competitions
The final positions in a particular single round-robin tournament can play a crucial role in the distribution of the participants' revenue, which would significantly influence the incomes of the tournament participants. So it would be of utmost importance to predict the final position of a participant at the end of a tournament. Determination of the possible states of a single round-robin final tournament table can provide a convenient way to ascertain what table data would be adequate to reach the desired position of a participant. In this thesis, to generate the possible states of a final tournament table, backward and forward approaches were proposed. The backward approach starts by generating a state of a final tournament table and ends with trying to build a tournament graph based on it, while the forward approach starts by generation a tournament graph and ends with concluding its corresponding state of tournament final table, in which the state is taken into account as a valid one if the participants' points are in descending order and the state is not previously found. General constraints related to the participants' points and their standings are proposed in this thesis to optimize the search space of each approach. Each participant holds a position in the final tournament table with which it is possible to determine its highest and lowest numbers of points. Optimized search spaces for each of the forward and backward approaches are proposed based on the highest and lowest possible numbers of points of the participants. To enhance the execution time of each approach, the performance of the used machine is exploited by implementing multi-threading based parallelization of the proposed optimized approaches.
Motor hareket hayali görevlerine ait EEG sinyallerinin 2-B öznitelikler ve yarı olasılıksal dağılım modelleri ile sınıflandırılması
Beyin makine arayüzlerinin (BMA) geliştirilmesinde sıklıkla başvurulan motor hareket hayalinde (MHH) herhangi bir eylem motor sistem kullanılmadan beyinde simule edilerek yapılır. Tez çalışmasında, MHH görevlerinin sınıflandırılması için bazı örüntü tanıma teknikleri önerilmiştir. Bu amaçla ilk olarak, EEG sinyallerindeki geçiş noktalarına ait 2-B öznitelikler özelleşmiş bir uzayda çıkarılmıştır. Ardından, 2-B yarı olasılıksal dağılım modelleriyle (YODM) öğrenme modelleri oluşturulmuş ve olasılıksal üyeliklerle sınıflandırma gerçekleştirilmiştir. İlerleyen süreçte veri domaininden faydalanarak YODM temelli alt-sınıflandırıcılar oluşturulmuş ve oylama yaklaşımlarında kombinasyonları da kullanan bazı sınıflandırıcılar önerilmiştir. Dahası sinyal öznitelikleri 2-B modelleme görüntülerine dönüştürülmüş ve EEG sinyalleri transfer öğrenmeyle evrişimli sinir ağlarına uygulanmıştır. Tüm bunlara ek olarak, mobil telefonlarda sık kullanılan el hareketlerine ait MHH'ler ile MHH-BMTA adında yeni bir veri seti oluşturulmuş ve problem domainine beyin-mobil telefon arayüzleri de eklenmiştir. Yöntemlerin performansları MHH-BMTA ve BCI Competition yarışmalarında sunulan birçok veri setinde sınanmıştır.
Comparing RED and Blue algorithms in NS2
In this study, Blue Active Queue Management (AQM) is implemented and compared with Random Early Detection (RED) algorithm in NS2, which is an open source network simulator widely used for network researching area.Nowadays, the rapid growth of the Internet requires supporting Quality of Service (QoS). Active Queue Management (AQM) is one of the most effective tools for all QoS measurements. Many AQMs are proposed and studied. One of the most known AQM is RED. RED uses queue length as the indicator of congestion. However, queue length gives us a very little information about congestion.To overcome RED and other AQMs shortcomings basically different AQM Blue is proposed. In contrary to RED, Blue uses packet drop event and link idle events as the indicator of congestion. This work compares performances of Blue and RED queue algorithms in different network situations.
İris biyometrisini kullanan dayanıklı damgalama yöntemi
Tez kapsamında sayısal görüntülerin telif haklarının korunması için dayanıklı damgalama sistemlerine değinilmiştir. Bu amaçla dalgacık dönüşümüne dayalı farklı ayrıştırma teknikleri kullanan yeni damgalama yöntemleri önerilmiştir. Ayrık Dalgacık Dönüşümü ve Tekil Değer Ayrıştırma tekniklerinin kullanıldığı ilk yaklaşımda birbirleriyle çelişen algılanamazlık ve dayanıklılığı dengede tutmak için Ateş Böceği Algoritmasının yeni bir sürümü olan Kendinden Uyarlanabilir Adımlı Ateş Böceği Algoritmasından ilk kez yararlanılmıştır. Bu algoritma her ateş böceğinin bir sonraki adımını mevcut durumuna ve geçmiş bilgilerine bağlı olarak belirlediğinden, çözüm uzayının global olarak araştırılmasını sağlar. Bir diğer yaklaşımda, gömülen damganın aidiyetinin kanıtlanması hususunda etkili bir çözüm sunan iris kodu renkli görüntülere gizlenmiştir. Burada Ayrık Dalgacık Dönüşümünün geometrik ataklar karşısındaki dayanıklılık problemini çözmek için Yeniden Dağıtılmış Değişmez Ayrık Dalgacık Dönüşümü'nden yararlanılmıştır. Bu dönüşüm tekniği ile birlikte Ateş Böceği Algoritması / Kendinden Uyarlanabilir Adımlı Ateş Böceği Algoritması ile optimize edilmiş Tekil Değer Ayrıştırma, Schur Ayrıştırma ve QR Ayrıştırmaya dayalı farklı yaklaşımlar önerilmiştir. Bu yaklaşımlar arasından algılanamazlık, dayanıklılık ve kimlik doğrulama hassasiyeti bakımından en uygun yöntem belirlenmeye çalışılmıştır. Araştırma bulguları hem geleneksel hem de biyometrik tabanlı damgalama sistemlerinin algısal şeffaflık ve dayanıklılık açısından etkinliğini kanıtlamıştır. Ayrıca biyometrik damgalamaya yönelik çalışmanın kimlik doğrulama performansı incelendiğinde sonuçların oldukça tatmin edici olduğu gözlenmiştir.
Developing a computer-aided instruction application targeting university students
Over the years, many various studies realized in education to support learning-teaching process. Learning algorithm and programming depending on mental concern is often complex and difficult to understand for students. In general, to overcome those difficulties and help students had better understand the subject several educational tools and methods have been developed. In this study, the introduced model assists students and instructors. Students can practice and assist themselves to learn algorithms and programming concepts. Instructors can use the tool during their teaching classes and get inspired by the data gathered. An educational tool named Algolyzer has been developed for this learner-centered model. Algolyzer depends on finding a solution to implement an algorithm for a predefined algorithmic problem. Students can create algorithmic steps using visual interface that students do not face with programming language syntax issues but only focus on the possible solutions. In addition to this, Algolyzer is also a helper utility for the instructors with giving information about the miscomprehension parts in the teaching process. Instructors can have detailed information on where students need more help, what are the lacking parts using the detailed logs of student activities. The students of Dokuz Eylül University Computer Engineering and Computer Programming Department have used Algolyzer. Usage data has been examined and evaluated at the end of the study and obtained results have been shared with the instructors. The surveys that targeted the users of Algolyzer and model and the feedbacks prove that support the learning process effectively. Keywords: Programming learning, educational tool, simplify algorithm learning, error detection, code generation.
Curriculum plan optimization with rule based genetic algorithms
In corporations, accurate planning should be applied to manage the in service training task within an optimum time period and without hindering the working tempo of the employees. For this reason, it is better to consider the curriculum planning task as a timetabling problem. However, when the timetables are prepared manually, it may turn out to be a complicated and time consuming problem. In this study, an effective solution to the curriculum planning problem by using a rule ? based genetic algorithm is put forward. The data, which is used by the fitness function of the GA to obtain the results, is the prerequisite rule set of the modules of the training program. The contribution to the literature is handling the structure of its data set successfully, despite tightly related rules among the modules. The modules of a training material were ranked effectively and while performing the ranking process, parameter tuning for GA was done to determine the best parameter combination of GA. The tests were done for two different amounts of modules. The results were then compared with the suggestion of an expert trainer by using Spearman rank correlation test, which is nonparametric, and the best parameter combination of the GA giving the most similar result to that of the expert?s was determined. According to the tests, the results gathered were considered to be 98.53 percent reliable for the smaller size of module ranges (chromosomes) and 97.06 percent reliable for the larger size of module ranges when compared with the corresponding suggested module range. Same tests were repeated with a control data set, having the same characteristics with the first one and two different sizes, and the results verified that same parameter combinations give the same successful module ranges in the same reliability percentages. Keywords: Genetic algorithm, rule base, curriculum plan optimization, Spearman rank correlation.
Akan veride artımlı öğrenme yaklaşımları geliştirilmesi ile video verilerinde anomali tespiti çalışması
Tez çalışması kapsamında, son yılların popüler veri türü olan akan verilerin tüm karakteristik özelliklerini ve kısıtlamalarını göz önüne alan yeni artımlı öğrenme yaklaşımları önerilmektedir. Tezin literatüre ilk katkısı akan veriler için Ayrık Kosinüs Dönüşümü ve Sürü Zekasına dayalı otomatik öznitelik çıkartma ve seçme yaklaşımının sunulmasıdır. Bu yaklaşımdan elde edilen sonuçlar ışığında akan veriler için Çevrim içi Ardışıl – Aşırı Öğrenme Makinelerine ve Otokodlayıcılara dayalı bir öğrenme yaklaşımının geliştirilmesi tezin ikinci katkısıdır. Bir diğer katkısı, geliştirilen öğrenme yaklaşımının akan verilerin en büyük problemi olan içerik farklılaşmasına dayanıklı olacak şekilde geliştirilmesidir. Önerilen yaklaşımlar gerçek dünya problemlerinden biri olan gözetleme videosu anomali tespitine uygulanarak ve bu alan için de yeni yaklaşımlar sunulmaktadır. Video anomali tespiti uygulamasında ise gerçekleştirilen yaklaşım zayıf etiketleme ve önerilen akan veri öğrenme yaklaşımına dayalı bir anomali tespiti ve anormal olay türünün akan veri metodolojisi ile çözülmesidir ve bu tezin dördüncü katkısını oluşturmaktadır. Tezin beşinci katkısı olarak önerilen yaklaşımın performans artışı açısından otomatik öznitelik çıkartma ve seçme yaklaşımı ile birleştirilerek sunulmasıdır. Son olarak video anomali tespiti için videoların etiket değerlerine minimum şekilde ihtiyaç duyan aktif öğrenmeye dayalı akan veri öğrenme yaklaşımı gerçekleştirilmiştir. Geliştirilen tüm yaklaşımlar gerçek, sentetik akan veri ve video veri setleri üzerinde literatürdeki popüler yaklaşımlar ile karşılaştırmalı olarak test edilmiş ve elde edilen yüksek başarı ile analizi umut verici sonuçlara ulaşılmıştır.
Motor hayal EEG işaretlerinin kaynak yerelleştirme kullanarak sınıflandırılması
Beyin Bilgisayar Arayüzü (BBA), beyni ve harici bir cihazı birbirine bağlayan bir iletişim yöntemidir. BBA'ların tasarımı ve uygulanması disiplinler arası bir çalışma alanıdır. Amaç, nöromusküler hastalıkları veya engelleri olan kişilerin yaşam kalitesini iyileştirmektir. Ticari olarak temin edilebilen çok sayıda BBA vardır, ancak daha yüksek doğruluğa sahip kullanıcı dostu BBA'lar için hala büyük bir talep vardır. EEG sinyalleri yüksek zamansal çözünürlüğe sahip olmalarına rağmen, düşük uzaysal çözünürlüğe sahiptirler. Bu çalışmada, kafa derisinden alınan EEG sinyalleri EEG Kaynak Görüntüleme kullanılarak kortikal aktivasyonlara dönüştürülerek düşük uzaysal çözünürlük telafi edilmektedir. Kortikal kaynak sinyalleri, nöroanatomi ve nörofizyoloji bilgileri eklenerek başarılı bir şekilde sınıflandırılabilir. Bu tez, bilgisayar mühendisliği ve tıp biliminin fizyoloji bölümü ile çok disiplinli bir çalışmadır. Burada, motor hayaline karşılık gelen beyin bölgelerinden gelen kortikal sinyaller, nörogörüntüleme ile EEG sinyallerinin ayırt edilmesini geliştirebilmek için kullanıldı. Sonuç olarak, EEG kortikal sinyallerinin elektrot seviyesindeki sinyallere kıyasla başarılı bir şekilde sınıflandırılması gerçekleştirildi. Motor hayal bölgelerinde kişiler arası küçük farklılıklar da gözlendi.
Developing a tool for analysis of software and evaluation of software developer
The objective of this study was to develop measurement of software quality factors. Most of Software measures were defined many years ago but now in industry they are not used widely. These type of measures were used for determination of user satisfaction. And it means that the idea of user satisfaction is not new. Satisfying of user is more important in modern business and developing technology. Software metrics play an important role in determination of quality factors. Definition and calculation of Halstead's method and LOC metrics are analyzed in this thesis. These analysis are based on measurement analysis that define program quality factors. Difference of these analysis are measuring the program's metrics without seeing source code. After measurement the quality factors are determined by web tool. Keywords : Software quality factors, software metrics, Halstead's metric, Line of Code (LOC) metrics, software measurement, quality in use.
Modern devam izleme sistemi
For the betterment of e-education quality, monitoring the attendance of students is a very important part of the modern education system. Manual filling of traditional attendance sheets can raise many inconvenient issues. To avoid these issues, we come up with the idea of an attendance system that uses the fingerprints of the students to monitor their attendance. This study aims to make it easier and more accurate for both the teachers and the students to examine. There are two possible methods for an attendance management system. The first method is that the teacher calls all students' names, which takes a lot of lesson time. The other one is to give the attendance sheet to the students in the lecture class, asking them to write their names and place their signatures on it; in this method, some students can sign instead of other students who are not present in the course. Such methods can lead to the problem of inaccurate attendance records. the students can calculate their attendance by entering their student number and password on the website which created for that. Within the scope of the study, it is possible to prevent the inconveniences of the traditional attendance system in schools, universities, and offices. At the same time, it aims to prevent time-consuming tasks such as organizing the transaction using the polling system and recording it. With the proposed tool, it will be sufficient to monitor the attendance of students in schools and universities and there will be no waste of time in attendance calculation. This system can replace the traditional participation system when it is used in all schools in the future, in which case the arrangement of the attendance can be done very easily and quickly, and reports can be issued easily.
Encryption and multi-share-based steganography methods on images with low spectral resolution
Steganography is the name given to secret communication methods that third parties cannot detect. This secret communication is performed by hiding the secret information to be transmitted on a carrier medium so that the carrier does not raise any suspicions. Steganography science, of which many examples can be presented from the past to the present, has gained new application areas with the development of digital technologies. This thesis aims to develop new steganography methods that hide secret messages in plain text format on binary images, which have a lower spectral resolution when compared to color or grayscale images, used in digital devices as carriers. It has been observed that all implemented methods can successfully hide considerable lengths of plaintext payloads on binary images generated by both thresholding and halftoning methods, and this finding has been reinforced with conducted objective and subjective evaluations.
Hücresel ağlarda nesnelerin interneti ve röle cihazlar arasında imza tabanlı ve enerji verimli cihaz keşfi protokolü
IoT cihazlarını internete bağlayacak ağlardan biri hücresel ağlardır. 3. Nesil Ortaklık Projesi (3GPP), hücresel ağlarda IoT cihazlarının röle aygıtlar aracılığıyla ağa bağlandığı bir bağlantı modeli önerir. Cihazların enerji kısıtlamaları, gezginliği ve keşif mesajlarının çakışması nedeniyle bu modelde cihazların aralıklı olarak uyuyup uyanarak cihaz keşfi görevini minimum enerji tüketimi ile gerçekleştirmesi önemlidir. Literatürdeki cihaz keşif protokollerinde, cihazlar periyodik olarak komşu aygıtları aramaları gerektiğinden, bu yöntemler enerji verimliliği açısından 3GPP'nin bahsi geçen bağlantı modeli için uygun değildir. Bu çalışmada, Zadoff-Chu dizilerini kullanan imza tabanlı ve enerji verimli röle keşif protokolü geliştirilmiş ve üretilen diziler cihazların aktif zaman aralıklarını işaret etmek için kullanılmıştır. İmza tabanlı sinyalizasyon ile IoT aygıtları, rölelerin gelecekte ne zaman aktif olacaklarını bildiklerinden röle cihazların aktif zaman aralıklarını aramak zorunda kalmazlar. Ayrıca, geliştirilen üç aşamalı özgün periyot yapısı ile aynı zaman aralığında birden fazla cihaz tarafından gönderilen keşif mesajlarının çakışması da önlenmiştir. Olasılık analizleri ve simülasyon sonuçları, IoT aygıtlarının tasarlanan protokolde literatürdeki protokollere kıyasla daha az mesaj çakışması, daha az enerji tüketimi ile daha fazla cihazı keşfettiğini göstermektedir.