3.180
Arşivlenen Tez
0
DOI Atanmış
0%
DOI Oranı
Anabilim Dalı
Derin öğrenme algoritmaları kullanarak yazar, tür ve cinsiyet tanıma
Günümüzde artan veri miktarı, bu verilerin sınıflandırılma ihtiyacını beraberinde getirmiştir. Sınıflandırma, benzer özellikte olan verilerin kategorize edilmesi işlemidir. Bu çalışmada, veri olarak Türkçe haber metinlerinin seçildiği ve bu verilerin yazar, tür ve cinsiyete göre sınıflandırılabilmelerini sağlayan, makine öğrenmesi ve derin öğrenme algoritmalarının sınıflandırıcı olarak kullanıldığı geniş kapsamlı bir modelleme çalışması yapılması amaçlanmıştır. Bu amaçla ilk olarak, bir gazetenin köşe yazarlarına ait köşe yazılarını içeren, yazar tanıma, tür tanıma ve cinsiyet tanıma işlemlerinde kullanılabilecek, büyük ölçekli ve çoklu sınıflara sahip, toplam 14 adet yeni veri seti oluşturulmuştur. Yazar tanıma için 7, tür tanıma için 6 ve cinsiyet tanıma için de 1 adet olan bu veri setleri, Türkçe diline özel, doğal dil işleme adımlarından geçirilerek, sınıflandırma işlemlerinin yapılacağı sınıflandırıcıların uygulandığı ve en yüksek doğruluk başarılarının araştırıldığı, modelleme aşaması için hazır hale getirilmiştir. Modelleme aşamasında, Türkçe metinlerde yazar tanıma, tür tanıma ve cinsiyet tanıma problemlerinin çözümüne yönelik makine öğrenmesi algoritmalarından Multinominal Naive Bayes (MNB) ve Random Forest (RF) algoritmaları, derin öğrenme algoritmalarından da Convolutional Neural Networks (CNN) ve Long Short Term Memory (LSTM) algoritmaları, sınıflandırıcı olarak veri setlerine uygulanmıştır. Ayrıca, bu sınıflandırıcılardan en yüksek performansın alındığı hiperparametre değerleri, uzun deneysel çalışmalar sonucunda bulunmaya çalışılmıştır. Modelleme sonucunda, her bir veri seti için en iyi modellere ait, doğruluk, kesinlik ve duyarlılık değerleri kullanılarak her modelin performansı bulunmuştur. Modelleme aşamasının sonucunda, yazar tanıma için, genel olarak tüm veri setleri arasında, en yüksek başarının alındığı en iyi model, % 95,81 doğruluk başarı değeriyle, AI-TNKU-7 veri seti için, CNN algoritmasının sınıflandırıcı olarak kullanıldığı model olarak bulunmuştur. Tür tanıma içinse, en yüksek başarının alındığı en iyi model, GI-TNKU-6 veri seti için LSTM algoritmasının sınıflandırıcı olarak kullanıldığı ve %96,73 doğruluk başarı değerinin alındığı model olmuştur. Cinsiyet tanıma için de, en yüksek başarının alındığı en iyi model, %88,68 doğruluk başarı değeriyle LSTM algoritmasının sınıflandırıcı olarak kullanıldığı model olarak bulunmuştur.
Blok zinciri tabanlı kripto paraların çalışma yöntemlerinin araştırılması
Bir e-posta grubuna 2008 senesinde Satoshi Nakamoto tarafından gönderilen bir makale ile tanıtılan ve 2009 senesinde kullanımına başlanılan kripto para teknolojisi geçen zaman zarfında, dünya üzerinde gerek ekonomik gerekse teknolojik bir çok unsuru değiştirmiş ve bir devrim olarak kabul edilmiştir. Devletlerden, kişilerden ve sistemlerden bağımsız çalışan kripto paralar, merkezi olmadan, para transfer işlemlerinde aracı kurumları ortadan kaldırırken, büyük bir yatırım aracı haline dönüşmüş ve giderek kullanımı artmıştır. Özellikle son zamanlarda devletlerin gündemlerine aldıkları kripto paraların nasıl çalıştıkları, hangi algoritmaları kullandıkları, kullanılan bu algoritmaları nasıl bir senkronizasyon ile çalıştırdıkları gibi konularda kaynak bulmak zor olduğu gibi bir anlam karmaşası da yaşanmaktadır. Ayrıca kripto paraların nasıl olup da devletlerin dahi müdahale edemeyecekleri, dünyada elektrik ve internet olduğu sürece bu sistemin nasıl çalışmaya devam edeceği birçok kişi tarafından merak konusu olmuştur. Zaman içerisinde kripto paraların hem çalışma düzenleri hem de güvenlikleri açısından bir takım problemler ortaya çıkmıştır. Bu tez çalışmasında kripto paraların, Bitcoin özelinde, hangi algoritmaları nasıl bir senkronizasyon ile kullandıkları, blok zinciri teknolojisi ile kripto paraların nasıl bir ilişkisi olduğu gibi konular detaylı olarak anlatılmış ve geliştirilmeleri açısından bir takım önerilerde bulunulmuştur. Son olarak, bu tezde yer alan önerilerin uygulandığı bir kripto para simülatörü geliştirilmiş ve önerilerin uygulanabilirliği gösterilmiştir.
Yapay zeka ve derin öğrenme teknikleri kullanılarak yüz fotoğrafları içeren sahte fotoğraf ve video sentezi
Günümüzde sosyal medya ve Web aracılığıyla fotoğraf paylaşımı oldukça arttı. Neredeyse hemen her çekildiğimiz fotoğrafı, özel olsun olmasın, Web' e bir şekilde yüklüyoruz. Ama bu fotoğrafların kötü niyetli insanlar tarafından da görülebileceği ve kullanılabileceği konusunda pek bilinçli değiliz. Bu çalışmanın amacı da bu noktada ortaya çıkıyor. Çalışmada bu amaçla; bir kişinin gerçekte var olan kısa bir videosundan veya birkaç fotoğrafından bile, o kişinin yüz fotoğrafını içeren sahte videolar oluşturulabileceği kanıtlanmaktadır. Bu birkaç fotoğraf veya kısa bir video alınıp derin öğrenme teknikleriyle eğitilerek sahte fotoğraflar ve videolar oluşturulabilir. Sahte videolarda kişinin yüzüyle başka bir kişinin yüz değişimi (Face swapping) uygulanabilir veya kişinin yüzüne yeniden canlandırma (hareketlendirme) (Face reenactment) yapılabilir. Yeniden canlandırmada ise kaynak bir kişinin yüzüne başka bir kişinin videosundaki yüz hareketleri uygulanabilir. Hatta StyleGAN gibi teknikler ile gerçek insan yüz fotoğraflarından oluşan bir fotoğraf kümesi kullanılarak var olmayan insan fotoğrafları bile üretilebilir. Yaygın olarak Derin sahtelik (Deepfake) teknolojisi olarak bilinen bu teknikler, bu çalışmada yüzde kullanılan çeşitleri ve yapıları ile birlikte ele alınmıştır. Bu teknikler, eski dönemlerde yaşamış bilim adamlarının, ünlülerin var olan fotoğraflarına yeniden canlandırma yapılıp konuşturularak çocuklar için eğitim amaçlı kullanılabilir. Kuklacılıkta bu yöntem kullanılabilir. Oyuncuların (Aktörlerin-Aktrislerin) yerine sahnelerde, onların fotoğraflarıyla bilgisayarda yeniden canlandırma yapılabilir. Portreler canlandırılabilir (hareketlendirilebilir). Bilgisayar oyunlarındaki karakterlerde de bu yöntem kullanılabilir. Son zamanlarda özellikle bu teknolojilerle oluşturulan Kemal Sunal başta olmak üzere birçok oyuncu ve sanatçının videoları, reklam filmlerinde ve sosyal medyada artmıştır. Bu çalışmanın benzer araştırmalardan ayrıldığı nokta ise eğitim için kullanılacak olan verinin diğer çalışmalardaki verilerden daha az olması ve sahte video oluşturma çeşitlerinin, yapılarının birlikte ele alınmasıdır. Veri eğitimi için kullanılan materyal GPU ve veri seti olarak ise VoxCeleb veri seti, birkaç kısa video ve birkaç fotoğraftan oluşmaktadır. Kullanılan yöntem ise Çekişmeli üretici ağlar ve Otomatik kodlayıcılar gibi üretken ağlardır. Yapılan çalışma kullanılan video ve fotoğraflarda yüzün karşıya (öne) dönük veya hafif sağa ya da hafif sola dönük iken, yüz hareketinin belirli bir alanda sınırlı olduğunda ve yüzün yavaş hareket ettiğinde yapay zekayı daha iyi eğittiği ve bu eğitim verileri kullanılarak oluşturulan sahte videoların daha başarılı olduğunu göstermiştir.
Türkiye için yapay sinir ağları ve zaman serisi yöntemleriyle yenilenebilir enerji üretimi tahminleri
Zaman içerisinde artmakta olan nüfus ve gelişmekte olan sanayi ve yaşam şartlarındaki değişimler sebebiyle sürekli veya çevre kirliliğini en aza indirgediği için yenilenebilir enerji kaynakları tercih edilir. Yapılan çalışmada Türkiye'deki yenilenebilir enerji kaynaklarından elektrik üretim oranı, gelecek yıllar içerisinde gereksiz enerji kaybını önlemek için uygun bir şekilde belirlenmelidir. Bu kaybı önlemek için 1960-2019 yılları arasında Türkiye'deki yenilenebilir enerji kaynaklarından elektrik üretim oranları veri kümesi zaman serisi analizi ve yapay sinir ağları tahminleme teknikleri kullanılarak işlenmiştir. Ayrıca 2020'den 2025 yılına dahil olmak üzere tahminleme işlemi de yapılmıştır. Kullanılan tahminleme tekniklerin performans değerlendirmesi için veri kümesinin içerisinde 1960-2014 arasındaki veriler eğitim verisi, 2015-2019 arasındaki veriler ise test verisi olarak alınarak ortalama mutlak hata (MAE) ve kök ortalama kare hatası (RMSE) değerleri üzerinde incelenmiştir. En iyi sonucu veren tekniğin sinir ağı otoregresyon (NNAR) olduğu ortaya çıkmasına rağmen yapılan tahminleme işleminde elde edilen değerlerin sabit kalmasından dolayı tercih edilmemiştir. Onun yerine, ARIMA (2,2,1) modeli ve kübik düzeltme spline teknikleri tercih edilebileceği ortaya çıkmıştır. Bu çalışmada yenilenebilir enerji kaynaklarını önceden öngörerek bunun için, daha verimli planlamalar ve organizasyon olması gerektiği belirlenmiştir. Anahtar kelimeler: Yenilenebilir enerji, Yapay Sinir Ağları, Zaman Serisi Analizi, ARIMA, Kübik Düzeltme Spline, Sinir Ağı Otoregresyon
Bilişim alanında öğrenim gören lise öğrencilerine yönelik üniversite tercihlerinin yapay zeka yöntemleri ile analizi
Günümüzde veri üreten ve depolayan kaynakların artması ile birlikte büyük ve karmaşık verilerin popülasyonunda da hızlı bir artış olmuştur. Bu duruma eş zamanlı olarak hesaplama yeteneği gelişen bilgisayarlar ve yazılımlar ortaya çıkmıştır. Ancak hala karmaşık veriler içerisinden anlamlı bilgiler çıkarmak aşılması gereken zorluklar arasındadır. Veri madenciliği bilimi bu zorlukların üstesinden gelmek için çok sayıda disiplin ile işbirliği yaparak yeni yollar ve yöntemler aramaktadır. Özellikle yapay zeka algoritmaları veriler içerisindeki karmaşık ilişkilerin ortaya çıkarılmasında etkin bir rol oynamaktadır. Günümüzde çok sayıda karmaşık problem vardır ve bunlardan biri de lise öğrencilerinin üniversitede en yüksek verimi sağlayabilecekleri bölüme yönlendirmek ya da bu seçimi etkileyen unsurları ortaya çıkarmaktır. Bu tez çalışmasında bilişim teknolojisi bölümünde okuyan lise öğrencilerinin üniversitede bölüm seçimini etkileyen unsurların birliktelik kuralları (association rules) ile ortaya çıkarılması amaçlanmıştır. Çalışmada kullanılan veriler, katılımcıların kendi istekleri ile yanıtladıkları bir anket ile açık veri toplama yöntemiyle elde edilmiştir. Bu veriler birliktelik kuralı çıkarımları için kullanılmıştır. Analiz işleminin temel amacı bölümlerini lise yıllarında belirleyen öğrencilerin üniversitede de aynı bölüm veya alana devam edip etmediğinin ve bu seçiminin sebeplerini ortaya çıkarmaktır. Öğrencilerin çalışmayı sevdikleri dersler ile ilgi alanlarının ve uğraştıkları etkinliklerin birliktelik kurallarının tespit edilmesi sağlanmıştır. Böylece ilgi alanları belirlenen öğrencilerin doğru bölüm ve tercihlere yönlendirilmeleri sağlanabilecektir. Elde edilen bulgular öğrencilerin okudukları-okumak istedikleri bölüm seçimine etki eden bazı özelliklerin bulunduğunu göstermiştir.
Denormalizasyon ile sorgu işleme süresini iyileştirme: Akademik veri yönetim sistemi uygulaması
Günümüz teknoloji çağında yazılım performansı kullanıcılar için büyük önem taşımaktadır. Veri tabanı tasarımı yazılım performansını iyileştirmek için yapılacak en etkili yöntemlerden biridir. Genellikle Veri tabanı tasarımında kullanılan normalizasyon işlemi veri sayısı arttıkça performans kaybına neden olur. Bu sorunu ortadan kaldırmak amacı ile denormalizasyon devreye girer. Bu çalışmada, akademik verilerin tutulduğu bir veri tabanında sorgu süresini iyileştirmek amaçlı çalışmalar yapılmıştır. Çalışmada Normalizasyon, İndeksleme, NoSQL ve Denormalizasyon olmak üzere dört farklı veri tabanı tasarım yöntemi incelenmiştir.
Derin öğrenme yöntemleri ile meyvelerin tazelik durumunun belirlenmesi
Bilindiği üzere günümüzde derin öğrenme teknolojisi yüz tanıma, ses tanıma, güvenlik sektörü, savunma sanayi gibi pek çok alanda kullanılmaktadır. Pek çok katmanlardan oluşan derin öğrenme, makine öğrenmesinin bir dalıdır. Derin öğrenme ile modele bir veri kümesi vererek çıktıların tahmin edilmesi sağlanabilir. Günümüzde meyve tazeliği önemli sağlık, çevre ve ekonomik sorunlardan biridir. Bu çalışmada seçilen üç meyve; elma, portakal ve muz üzerinde çalışmalar yapılmıştır. Çalışmada iki tane VGG16 baz alınarak model geliştirilmiş ve iki tane VGG19 baz alınarak model geliştirilmiştir. Bu geliştirilen modeller, elde bulunan üç meyve türünün veri setleri üzerinde test edilerek en iyi sonucu hangisinden alınabileceği saptanmış ve modeller birbiri ile kıyaslanmıştır.
Histopatolojik meme kanseri görüntülerinin derin öğrenme yöntemleri ile sınıflandırılması
Görsel verilerin işlenmesi son yıllarda özellikle medikal alanda sıklıkla kullanılmaktadır. Yapay zekânın bir alt dalı olan derin öğrenme yöntemleri, görüntü işleme yöntemleri ile birlikte kullanılarak; doku analizi ve hastalıkların otomatik sınıflandırılması başta olmak üzere birçok alanda başarılı bir şekilde uygulanmaktadır. Derin öğrenme, bir dönem mevcut donanımların yetersiz kalması sebebiyle durgunluk noktasına gelmiş fakat 2000'li yıllar ile birlikte tekrar popüler bir alan olmaya başlamıştır. GPU gelişmeleriyle birlikte sığ yapay sinir ağlarından derin yapay sinir ağlarına geçiş yapılmıştır. Katmanlar arasında gerçekleşen geri yayılım algoritmaları sayesinde büyük veri kümelerindeki gizli ve ayırt edici özellikler keşfedilmektedir. Bu da yapay sinir ağlarının ve derin öğrenme yöntemlerinin etkinliğini ortaya çıkarmaktadır. Bu çalışmada BreakHis veri setinde yer alan histopatolojik meme kanseri görüntüleri, görüntü işleme ve derin öğrenme yöntemleri kullanılarak sınıflandırılmıştır. Aynı zamanda literatürde yapılan çalışmalar da incelenmiştir. Tezin amacı, özellikle kadınlarda son yıllarda oldukça sık rastlanan meme kanseri hastalığının erken ve doğru teşhisi için otomatik bir yöntem sunulmasıdır. Bu sayede gerçekleştirilen çalışmalar neticesinde tıp uzmanlarına alacakları kararlarda destek olacak nitelikte bir çalışma ortaya konmuştur. Anahtar Kelimeler: Görüntü İşleme, Yapay Zekâ, Derin Öğrenme, Yapay Sinir Ağları, Histopatolojik Görüntüler, Meme Kanseri.
Futbol maçları için taktik tabanlı tahmin sistemi
Spor müsabakaları organizasyonları insanların zaman geçirdikleri önemli faaliyetler arasında yer almaktadır. Spor müsabakaları arasında futbol, dünyadaki en yüksek popülerlik oranına sahiptir. Birçok futbol müsabakası hem bölgesel bazda hem de uluslararası bazda düzenlenmektedir. Futbol maçlarının sonuçları futbol takımı taraftarları için çok önemlidir ve günlük yaşamlarında destekledikleri takımın sonuçlarına göre mutlu ya da üzgün olabilirler. Yapay zekâ ve makine öğrenmesindeki gelişmeler sonucunda birçok alanda yapılan tahminler futbol sonuçlarının tahminini de içermektedir. Ekonomik getirileri de olan futbol bahis sistemi düşünüldüğünde, futbol maç sonuçlarının tahmin edilmesi önem kazanmıştır. Bu çalışma, İtalya-Serie A, İngiltere-Premier Lig ve Alman-Bundesliga liglerindeki sonuçları tahmin etmek için bilindiği kadarı ile literatürde ilk kez sunulan taktik tabanlı bir tahmin yaklaşımı sunmaktadır. Bu yaklaşımda oyuncuların sahadaki pozisyonları ve piyasa değerleri web sayfalarından otomatik olarak alınmakta ve veri madenciliği yöntemlerine açık hale getirilmektedir. Veri madenciliği aşamasında Torbalama, Yinelemeli Sınıflandırıcı İyileştirici ve Derin Öğrenme gibi farklı yöntemler karşılaştırılmakta ve üç yöntemin farklı liglerde benzer sonuçlar verdiği görülmektedir. Veri madenciliği yöntemlerinde yaklaşık %60 doğruluk elde edilmektedir. Her üç lig için makine öğrenmesi yöntemlerinde kullanılan özellikler incelendiğinde takım sıralamasının maç sonuçlarını etkileyen en önemli özellik olduğu görülmüştür. Serie A'da Stoper ve Merkez Orta Saha özellikleri öne çıkarken, Premier Lig'de Sağ Kanat ve Kaleci gibi farklı özelliklerin önemli olduğu görülmüştür. Bundesliga'da Stoper ve Santrafor özelliklerinin maç sonuçlarına daha çok etki ettiği görülmüştür.
Konvolüsyonel sinir ağlarını kullanarak bitki türlerinin sınıflandırılması ve bitki hastalıklarının tanısı
Görüntü sınıflandırma, başta tarım, sağlık, ulaşım olmak üzere birçok alana hizmet sunmakla birlikte, insan gücü ile tahmin edilmesi güç problemlerde kullanmış olduğu yapay zeka mimarileriyle birlikte çok kısa sürede ve çok daha az maliyet ile gerçekleştirmektedir. Tarım alanında ise, bitki türlerinin belirlenmesi, bitki hastalıklarının tahminleri gibi süreçler insan gücü ile laboratuvar ortamlarında çok uzun süreçlerde gerçekleştirmekte olup, alınacak tedavide geç kalınabilmektedir. Derin öğrenme algoritmalarından olan konvolüsyonel sinir ağı, bitkilerin sınıflandırmaları ve sahip oldukları hastalıkların teşhislerinde çok kısa sürelerde çok başarılı sonuçlar sunmaktadır. Bu çalışmada, popüler bir veri seti olan Plantvillage veri seti ele alınmıştır ve bu veri setinden, büyük ölçekli ve küçük ölçekli durumlarının yanı sıra, çok sınıflı ve az sınıflı olmak üzere toplamda 8 adet yeni veri seti oluşturulmuştur. Oluşturulan bu veri setleri kullanılarak, bitki türlerinin sınıflandırılması, bitki hastalık tahmini ve bitki hastalıklarının sınıflandırılması için modelleme çalışmaları gerçekleştirilmiştir ve her bir sınıflandırma problemi için, geniş kapsamlı deneysel çalışmalar sonucunda en iyi modeller bulunmaya çalışılmıştır. İlk modelleme çalışmalarında, bitki türlerinin sınıflandırılması problemine yönelik hazırlanmış olan 6 farklı dengeli veri seti kullanılarak, Alexnet mimarisi uygulanmıştır ve en iyi model, % 99,88 test doğruluk başarısı elde edilmiştir. İkinci modelleme çalışmalarında, bitki hastalık tahmini problemine yönelik hazırlanmış olan, 2 sınıftan oluşan dengeli veri seti kullanılarak, literatür sonuçlarında gözlemlenen CNN'in en popüler 9 farklı derin öğrenme modelleri uygulanmıştır. Bitki hastalık tahmini için en iyi model, GoogleNet/Inception mimarisinin kullanıldığı model olmuştur ve 3 kez çapraz doğrulama ile %99,91 doğruluk başarısı elde edilmiştir. Son olarak, bitki hastalıklarının sınıflandırılması problemine yönelik, kullanılan veri seti ile DenseNet modeli en iyi model olarak bulunmuştur ve 10 kez çapraz doğrulama ile %99,14 doğruluk başarısı elde edilmiştir.
Derin öğrenme yöntemleri ile görüntü sahteciliği tespiti
Günümüzde her geçen gün kullanımı artan sosyal medya ve internet sayesinde neredeyse çekilen her fotoğraf internet ortamına yüklenmektedir. Bu sebeple görüntü elde etmek çok daha kolay hale gelmiştir. Görüntülerin kolaylıkla elde edilmesi, gelişen teknolojiler sayesinde görüntü üzerinde değişiklik yapılmasını teşvik edici hale gelmiştir. Görüntüler üzerinde kişinin kendi isteği ile yapmış olduğu değişikliklerin yanı sıra kötü niyetli kişiler tarafından yapılan değişiklikler ise bir takım sorunlara yol açmakta olup istenmeyen durumlar yaratabilmektedir. Yapılan değişiklikler ile kişisel verilerin ihlalinden herhangi bir resmi belge üzerinde sahteciliğe kadar geniş bir alanı etkilemektedir. Sahtecilik yöntemleri farklı şekilde yapılmaktadır. Kopyala-taşı yöntemi, mevcut görüntüdeki bir alanın aynı görüntü üzerinde farklı bir alana kopyalanması ile yapılmaktadır. Görüntü birleştirme, farklı iki görüntünün istenilen alanları birleştirilmesi ile oluşturulmaktadır. Görüntü rötuşlama, görüntü üzerinde istenmeyen bölgelerin etkisi azaltarak ya da istenilen alan üzerinde iyileştirme yapılarak görüntü daha ilgi çekici hale getirilmektedir. Çalışmada bu düşünceden yola çıkılarak görüntüler üzerinde değişiklik olup olmadığının tespit edilmesi eğer değişiklik var ise o alanın işaretlenmesi için derin öğrenme yöntemi kullanılmıştır. Derin öğrenme yöntemleri sayesinde yüksek boyutlu verilerde daha hızlı ve daha yüksek başarı elde edilmiştir. Çalışmada CASIA ve CoMoFoD veri setleri üzerinde uygulama gerçekleştirilmiştir. Veri setleri üzerinde yapılan testler sonucunda ortalama %76,86 oranından doğruluk elde edilmiştir.
Hareketli görüntülerdeki insanların yüz tanıma metoduyla sınıflandırılması
Günümüzde insan odaklı işler yavaş yavaş teknolojinin gelişmesiyle birlikte yerini otomatik sistemlere bırakmaya başlamıştır. Bundan dolayı bilgisayarlara ve makinelere verilen görevlerin yerine getirilebilmesi için insanların yapılacak işten ziyade bilgisayarlara yaptıracağı iş gün geçtikçe önem kazanmaktadır. Bir sistemin otomatik çalışması için bir öğrenme mekanizmasının ve karar verme mekanizmasının ardı ardına yerine getirilmesi gerekmektedir. Özellikle siber güvenlik tarafında gelişen sistemler ile birlikte yüz tanımanın önemi de her geçen gün artmaktadır. Özellikle güvenlik güçleri tarafından kullanılan yüz tanıma sisteminin faaliyetleri dünya üzerinde her geçen gün artmaktadır. Bu noktada yüz tanıma sistemlerinin bazı gereksinimler ortaya çıkmaktadır. Bu gereksinimleri karşılamak yüz tanıma tekniklerinin gerçekleştirilebildiği yazılımlar kullanılır. Bu yazılımların temel amacı, yardımcı araçlar ile dijitale dönüştürülen görüntülere anlam kazandırmaktır. Bu çalışma hareketli görüntülerdeki yüzlerin tespiti yapıldıktan sonra, tespit edilen yüzü sınıflandırabilmek için yüz adlandırılarak yüze verilen isim ile yüzün görüntüsü bir klasöre kaydedilerek, insan yüzlerinin isim ile saklandığı bir klasör oluşturur. Bu işlem sonucunda insan yüzlerinden oluşan veri tabanlarına daha kolay veri toplanabilir veya yüz tanıma teknolojisi kullanan uygulamalar için kolay öğrenme yöntemi olabilir.
Bulanık mantık ve yapay sinir ağı yöntemleri ile kurutma sürecinin modellenmesi
Fındık üretiminde ön sıralarda yer alan Türkiye'de, genelde Karadeniz Bölgesinde yetiştirilen bu ürünün, diğer gıda ürünleri gibi kurutularak saklanması ürünün kullanım ömrünü uzatmaktadır. Genelde açık havada kurutulan bu tip ürünler için zemin ve iklim şartlarının elverişli olmaması nedeniyle birçok kurutma yöntemi geliştirilmiştir. Bu yöntemler kurulması ve işletmesi maliyetli olan yöntemlerdir. Ürünün kurutulması ve nem miktarının hesaplanması ile bu maliyetin azaltılması planlanmaktadır. Bunun için kullanılacak yöntemlerden biri de yapay zeka teknikleridir. Bu tez çalışmasında yapay zeka tekniklerinden olan yapay sinir ağları ve bulanık mantık tabanlı çıkarım sistemi bu kurutma parametrelerinin tahmini için kullanılmıştır. Bu yüksek lisans tez çalışmasında birçok farklı model oluşturulan yapay sinir ağının, en iyi sonuç veren modeli ile bulanık mantık çıkarım modeli karşılaştırılmış, deneysel verilere olan yakınlıkları incelenerek bir tahmin sistemi kurulması hedeflenmiştir
Görüntü işleme teknikleri kullanılarak göz kırpma hareketleriyle tekerlekli sandalye simülatörü kontrolü
Görüntü işleme, bilgisayarla bütünleşik olarak birçok endüstriyel ve teknolojik uygulamalarda kullanılabilen bilgisayar çalışmasıdır. Dijital ortama aktarılan görüntülerin sayısal verileri kullanılarak iyileştirilmiş veya değiştirilmiş birbirinden farklı görüntüler elde edilebilmektedir. Aynı zamanda görüntü işleme tekniklerinden faydalanılarak nesne tanıma işlemleri de gerçekleştirilebilmektedir. Görüntü işleme sistemi yüz tanıma sistemlerinde sahteciliğe karşı koruma için de kullanılabilir. Göz kırpılmalarının algılanması, operatör olarak çalışan kişilerin dikkatini izleyen sistemlerde önemlidir. Bu çalışmada, görüntü işleme teknikleri kullanılarak tespit edilen yüz bölgesinden OpenCv ve Dlib kütüphaneleri kullanılarak göz ve kaş unsurları ayrıştırılıp elde edilen veriler işlenmeye çalışılmıştır. Python programlama dili ile yazılım algoritmaları oluşturulmuştur. Yapılan filtrelemeden elde edilen göz kırpma algılama işlemleri göz bölgesinde herhangi bir rahatsızlık olmayan kişiler üzerinde test edilmiştir. Farklı ışık Lüx değerlerine sahip ışık ortamlarının göz kırpılmalarına olan etkileri Arduino ile geliştirilen LDR sensörü ile hesaplanmıştır. Aynı zamanda ışık kaynağının bulunduğu açının yüz hatlarının ve göz kırpılmalarına etkileri gözlemlenmiştir. Kamera açısının ve mesafesinin göz kırpılmalarının hesaplanmasına olan etkileri hesaplanmıştır. Uzun deneysel çalışmalar sonucunda elde edilen verilerin Raspberry Pi modülüne gönderilip hazırlanan algoritmalar ile tekerlekli sandalye yerine geçecek mini robotun kontrolü sağlanmıştır.
Lenf kanseri görüntülerinin makine öğrenmesi yöntemleri ile sınıflandırılması
Lenf kanseri veya diğer bir adıyla lenfoma, vücudun savunma hücrelerinin kanserleşerek kontrolsüz çoğalmasıdır. Lenfoma, kan kanserleri grubunda yer almaktadır ve bu grupta yer alan diğer kanserlere göre görülme sıklığı daha fazladır. Bu hastalıkta erken ve doğru teşhis çok önemlidir. Tehlikeli ve ciddi bir kanser türü olan lenfoma, duruma göre ölümle sonuçlanabilir. Uzmanların erken ve doğru teşhis yapabilmesine yardımcı olmak için uzman destek sistemleri geliştirilmektedir. Sağlık alanındaki uzman destek sistemler, belli bir hastalığa ait verileri makine öğrenmesi ve derin öğrenme yöntemlerini kullanarak sınıflandırılmasını sağlar. Literatürdeki çalışmalar incelendiğinde uzman destek sistemlerinin başarıları görülmektedir. Çalışmada lenf kanserine ait histopatolojik görüntüleri içeren bir veri setiyle çalışıldı. Veri setinde CLL, FL ve MCL türünde lenfomalara ait görüntüler bulunmaktadır. Veri setinde artırım yapmak için 90, 180, 270 ve 360 derecelik açılarda dönme işlemi yapılmıştır. Bu görüntülerdeki özellikleri çıkarmak için ilk yaklaşımda GLCM ve diğer yaklaşımlarda transfer öğrenme metoduyla derin öğrenme mimarileri kullanılmıştır. Özellik seçimi ve boyut azaltımı için PCA kullanılmıştır. Sınıflandırma aşamasında; makine öğrenmesi algoritmalarından RF, KNN, NB, DT ve derin öğrenme mimarilerinden VGG16, ResNet50 ve DenseNet201 kullanılmıştır. Model eğitimleri ikili ve üçlü sınıflar için ayrı ayrı yapılıp sonuçlar incelenmiştir. MCL ve CLL türündeki lenfomaları kendi içerisinde ayırt edilmeleri zordur. Bu yüzden bu lenfomanın sınıflandırma sonuçları diğer sınıflandırma sonuçlarına göre daha düşüktür. FL, diğer iki lenfomayla özellikleri ayırt edilebileceği için FL ile sınıflandırma sonuçları yüksektir. Çalışmada en yüksek başarıyı FL ve CLL'yi %94 doğrulukla sınıflandırarak DenseNet201 göstermiştir.
Covıd-19'un yayılma sürecinde yaşam alışkanlıklarının etkisinin yapay zeka ile analizi
Pandemiler toplumların sosyal ve ekonomik durumlarını büyük ölçüde etkileyen olaylardır ve yayılımını etkileyen unsurları belirlemek, onlarla başa çıkabilmek için etkili ipuçları ve önemli bilgiler içerebilir. Bu tez çalışmasında Türkiye'de COVID-19 pandemisi boyunca enfekte olmuş ve enfekte olmamış kişilerin davranışsal özellikleri ve alışkanlıkları yapay zekâ tekniklerinden sınıflandırma ve birliktelik kuralları metodolojisi kullanılarak analiz edilmiştir. Sınıflandırma bulguları virüse enfekte olma ("Evet" sınıfı) ve olmama durumunun ("Hayır" sınıfı) Random Committe algoritması ile sınıflandırılabileceğini göstermektedir. Bunun yanında 42 öznitelik kullanılarak elde edilen sınıflandırma başarımının dahada artırılarak 14 özniteliğe indirilebileceği görülmüştür. Azaltılmış öznitelik ile başarım oranının arttığı ve %81 doğruluk, 0,3663 kappa değerleri ile RRF (Regularized Random Forest) algoritması tarafından enfekte olma durumunun tahmin edilebileceği ortaya çıkarılmıştır. Çalışmanın devamında öznitelikler arasındaki ilişkileri keşfetmek için birliktelik kuralı analizleri gerçekleştirilmiş ve "Evet" sınıfı için 21 adet kural bulunmuştur. "Hayır" sınıfı için ise kural sayısı azaltılarak, toplamda 2805 adet kural elde edilmiştir. Bulgular, hanede 1 kişi yaşayan, günde 1- 3 kez yakın temasta bulunan, ev dışında 4-6 saat yakın temasta bulunanların "Evet" sınıfı için kuvvetli birliktelikler içerdiğini göstermektedir. "Hayır" sınıfı için ise, gerekli olmadıkça seyahatten çoğu zaman kaçınma, salgının başlangıcından bu yana vücut ağırlığı değişmeme, işe gitmek yerine çoğu zaman evde çalışma, açık alanda küçük sosyal topluluklardan bazen kaçınma davranışı gösteren bireylerin "Hayır" sınıfı ile kuvvetli birliktelikler gösterdiği tespit edilmiştir. Sonuç olarak bu tez çalışmasında salgınların bulaşma ve yayılma sürecine yaşam alışkanlıklarının etkisinin olduğu ve yapay zeka teknikleriyle bunların ortaya çıkarılarak modellenebileceği bilimsel bulgularla gösterilmiştir.
Rüzgar gücünün bulanık mantık ve yapay sinir ağları ile tahmin edilmesi
Günümüzde teknoloji geliştikçe dünyadaki çoğu ülke enerji ihtiyacını fosil yakıtlardan ve nükleer enerji santrallerinden karşılamaktadır. Ancak bu yakıtların giderek azalması ve çevre üzerinde önemli olumsuz etkilere neden olması nedeniyle, bu konudaki akademik çalışmalarla birlikte alternatif enerji uygulamalarına yönelme ihtiyacı ön plana çıkmıştır. Yenilenebilir enerji kaynaklarının geliştirilmesi, enerjide çeşitliliğin sağlanması ve enerji eksikliğinin giderilmesi açısından önem arz etmektedir. Rüzgar enerjisi, yenilenebilir enerjinin en önemli biçimlerinden biri haline gelmiştir. Rüzgar enerjisinin potansiyelini verimli bir şekilde kullanmak için, rüzgar gücünün tahmini çok önemlidir. Rüzgar gücünün tahmini için yapay sinir ağı (YSA) ve uyarlanabilir nöro-bulanık çıkarım sistemi (ANFIS) önerilmiştir. Çalışmada, seçilen rüzgar türbininin rüzgar hızları, ürettiği güç değerleri ve Velimeşe bölgesinin rüzgar hızı değerleri alınarak veri setleri oluşturulmuştur. Tek katmanlı ve çok katmanlı YSA modelleri oluşturularak farklı aktivasyon fonksiyonları ve farklı nöron sayıları ile ağ birden çok kez eğitilmiş ve rüzgar gücü tahmini yapılmıştır. ANFIS modelinde üyelik fonksiyon sayısı sabit tutularak farklı üyelik fonksiyonları kullanılarak rüzgar gücü tahmini yapılmıştır. Oluşturulan modellerde bildirilen hatalar kabul edilebilir sınırlar içerisinde olup ANFIS modelinin, YSA modelinden daha iyi sonuçlar ürettiği görülmüştür. Bu da ANFIS'in rüzgar enerjisi tahmini için kullanılabileceğini göstermektedir.
Geliştilmiş tuna algoritmasının optimizasyon ve mühendislik problemlerindeki etkisi
Tuna Sürü Optimizasyonu (TSO), tuna balıklarının avlanma stratejilerinden esinlenerek geliştirilen güçlü bir meta sezgisel algoritmadır. Ancak, erken yakınsama ve yerel minimum tuzağı gibi temel dezavantajları bulunmaktadır. Bu çalışmada, TSO'nun bu eksikliklerini gidermek ve performansını artırmak amacıyla üç yeni algoritma geliştirilmiştir: TSO-CM (Chebyshev Haritası ile geliştirlmiş TSO), CSTSO (Guguk Kuşu Araması ile Geliştirilmiş TSO) ve CSTSO-CM (Chebyshev Haritası ve Guguk Kuşu Araması ile Geliştirilmiş TSO). TSO-CM, Chebyshev Haritası'nın sağladığı kaotik yapı ile başlangıç çözümlerini çeşitlendirerek yerel optimum tuzağından kaçmayı ve arama sürecinde popülasyon çeşitliliğini artırmayı hedeflemektedir. CSTSO, Guguk Kuşu Arama algoritmasının uyarlanabilir arama mekanizması sayesinde erken yakınsama sorununu önleyerek daha geniş bir arama alanını keşfetmeyi sağlamaktadır. CSTSO-CM ise her iki yöntemin güçlü yönlerini birleştirerek küresel optimuma daha hızlı ve yüksek doğrulukla ulaşmayı amaçlamaktadır. Geliştirimiş algoritmaların performansı, çeşitli benchmark fonksiyonları üzerinde test edilmiş ve CSTSO-CM'in üstünlüğü Friedman ve Wilcoxon testi ile istatistiksel olarak kanıtlanmıştır. Ek olarak, mühendislik optimizasyon problemleri üzerinde de değerlendirmeler yapılmıştır: CSTSO, Welded Beam tasarımı problemine uygulanarak etkili sonuçlar elde etmiş, CSTSO-CM ise Gear Train tasarımı probleminde başarılı performans sergilemiştir. Sonuçlar, önerilen algoritmaların arama doğruluğu, çeşitlilik ve küresel optimuma yakınsama açısından mevcut meta sezgisel algoritmalara kıyasla üstün performans sergilediğini ortaya koymaktadır. Bu bağlamda, geliştirilen yöntemlerin optimizasyon problemlerine yenilikçi ve etkili çözümler sunduğu gösterilmiştir. Anahtar Kelimeler: Chebyshev Haritası, Guguk Kuşu Araması, Hibrit, Tuna Sürü Optimizasyonu
Siber güvenlikte öne çıkan ülkelerin politikalarının incelenmesi ve türkiye'nin siber güvenlik stratejileri
SİBER GÜVENLİKTE ÖNE ÇIKAN ÜLKELERİN POLİTİKALARININ İNCELENMESİ VE TÜRKİYE'NİN SİBER GÜVENLİK STRATEJİLERİ başlıklı bu çalışma, dünya genelindeki önde gelen ülkelerin siber güvenlik politikalarını inceleyerek Türkiye'nin mevcut stratejileri ile karşılaştırmayı amaçlamaktadır. Günümüzde siber tehditlerin artması ve dijitalleşmenin hız kazanmasıyla birlikte, ülkeler siber güvenliği ulusal güvenliklerinin ayrılmaz bir parçası olarak kabul etmektedir. Bu bağlamda, ABD, Çin, Rusya, İsrail ve bazı Avrupa Birliği ülkeleri gibi küresel güçlerin geliştirdiği siber güvenlik politikaları önemli bir rol oynamaktadır. Çalışmanın amacı, bu ülkelerin siber güvenlik stratejilerinin başarılı yönlerini belirleyip Türkiye'nin stratejileriyle kıyaslamak ve siber güvenlik alanındaki iyileştirme önerilerini ortaya koymaktır. Çalışma, bu politikaların etkilerini, Türkiye'nin siber güvenlik politikalarına nasıl entegre edilebileceğini ve Türkiye'nin ulusal stratejilerinin güçlendirilmesi için gerekli adımları tartışmaktadır. Türkiye'nin yıllar içerisinde uygulamaya koyduğu Ulusal Siber Güvenlik Stratejileri ve Eylem Planları bu bağlamda önemli bir inceleme konusudur. Sonuç olarak, Türkiye'nin küresel siber güvenlik ekosistemine uyum sağlaması ve ulusal güvenliğini korumak adına atması gereken stratejik adımlar vurgulanmaktadır.
EEG sinyalleri kullanarak epileptik nöbetlerin önceden tahmin edilmesi
Epilepsi, beyindeki anormal elektriksel aktiviteler sebebiyle oluşan ani nöbetlerin sonucu olarak, bilinç kaybı, kontrol edilemeyen kas hareketleri ve iletişim zorlukları gibi ciddi problemlere sebep olan kronik bir nörolojik hastalıktır. Bu nöbetlerin ani ve tahmin edilemez doğası, hastaların yaşam kalitesi ve güvenliğini tehdit etmekte, kazalara, yaralanmalara ve hatta ölümlere sebep olabilmektedir. Dolayısıyla epileptik nöbetlerin önceden doğru biçimde tahmin edilmesi, yaşanabilecek olumsuz olaylara karşı önlem almak için kritik bir öneme sahiptir. Özellikle derin öğrenme tabanlı yöntemler, epileptik nöbetlerin tespiti, sınıflandırılması ve tahmin edilmesi gibi karmaşık biyomedikal sinyal analizlerinde geleneksel yöntemlere kıyasla yüksek başarılar elde etmektedir. Bu yöntemler, EEG sinyallerindeki gizli desenleri ve derin özellikleri yakalama konusunda üstün yetenekleriyle öne çıkmaktadır. Bu çalışmasında, epileptik nöbetlerin belirli bir süre önceden tespiti için, EEG sinyallerinin zaman temsilini temel alan yenilikçi hibrit ve füzyon tabanlı yaklaşımlar önerilmiştir. Çalışmada önerilen yöntemler, epileptik nöbet tahmini için EEG sinyallerinde bulunan karmaşık ve gizli desenlerin daha etkin biçimde yakalanmasına odaklanmaktadır. İlk ikisi temel model olmak üzere, önerilen modeller şunlardır: (a) Zamansal Evrişimli Ağ, zaman dizileri kullanarak EEG sinyallerinin zamansal dinamiklerini yakalamaktadır, (b) Tiny Transformer, EEG spektrogramlarını düşük karmaşıklığa sahip Transformer yapısı ile analiz etmekte ve kompakt yapısıyla dikkat çekmektedir, (c) Hiyerarşik Zamansal Tiny Transformer, EEG verilerindeki çok ölçekli zamansal bağımlılıkları, sıralı temporal evrişimler ve Transformer modüllerini kullanarak hiyerarşik olarak öğrenmektedir ve (d) Paralel Zamansal Tiny ViT Transformer, EEG sinyallerinin frekans ve zamansal bilgilerini, sıralı zamansal evrişim ve Transformer tabanlı iki ayrı paralel kolda işleyerek, elde edilen temsilleri füzyon mekanizmasıyla birleştirmektedir. Hiyerarşik mimari, zamansal özellikleri sıralı modüller aracılığıyla işler. Zamansal Evrişimli Ağ kısa vadeli dinamikleri çıkarırken, Geçitli Tekrarlayan Birim (Gated Recurrent Unit, GRU) sıralı bilgiyi düzenler, ardından zamansal dikkat mekanizması bilgi açısından zengin zaman adımlarını vurgular ve son olarak Tiny Transformer, uzun menzilli bağımlılıkları kendiliğinden dikkat yoluyla yakalar. Paralel yapıdaki modelde, ham EEG ve spektrogram temsilleri eş zamanlı olarak Zamansal Evrişimli Ağ ve Görsel Transformer (ViT) kollarında işlenmekte ve tamamlayıcı zamansal ile spektral özellikler çapraz dikkat (cross-attention) tabanlı bir füzyon stratejisiyle birleştirilmektedir. Yapılan deneysel değerlendirmelerde tüm modeller üstün performans göstermiş olsada, Hiyerarşik Zamansal Tiny Transformer mimarisi, %93,32 duyarlılık, %94,29 kesinlik, %96,19 doğruluk ve 0,99 AUC değerleri ile diğer yöntemlere göre daha iyi performans sergilemiştir. Bu sonuçlar, EEG sinyallerinin farklı temsillerinin entegre edilmesinin epileptik nöbet tahmini için güçlü bir strateji olduğunu göstermektedir. Sonuçlar, çalışmanın epileptik nöbetlerin daha erken ve doğru bir şekilde tahmin edilmesinde etkili olduğunu göstermekle birlikte ileri düzey yaklaşımların geliştirilmesine yönelik değerli katkılar sunmaktadır.
Araçların interneti uygulamaları için V2X tabanlı sistemlerde gerçek zamanlı optimizasyon çözümleri
Bu tez çalışmasında, araçların interneti (IoV) uygulamaları için V2X tabanlı sistemlerde gerçek zamanlı optimizasyon çözümleri geliştirilmiştir ve otonom araçlarda (AV'ler) hız ve ivme tahmini ile karar alma süreçlerini optimize etmek için yenilikçi makine öğrenmesi yöntemleri birleştirilmiştir. Önerilen yöntemler arasında denetimli öğrenme temelli Chaotic AdaBoost (CAB) ve pekiştirmeli öğrenme temelli Lévy Flight-enhanced Proximal Policy Optimization (LFPPO) yer almıştır. Algoritmaların karşılaştırılmalarında k-Nearest Neighbors (kNN), Artificial Neural Networks (ANN), AdaBoost (AB), Gradient Boosting (GB), Random Forest (RF) ve Proximal Policy Optimization (PPO) algoritmaları kullanılmıştır. CARLA simülatörünün Town 10 ve Town 5 ortamlarında gerçekleştirilen deneylerde, CAB, ivme tahmini için 0.018 MSE, 0.020 MAE ve 0.993 R² ile %99.3 başarı elde etmiş; bu, kNN (23.215 MSE, 0.87 R²), ANN (3.297 MSE, 0.982 R²), RF (4.419 MSE, 0.975 R²), GB (1.701 MSE, 0.991 R²) ve AB'ye (0.15 MSE, 0.985 R²) kıyasla üstünlük göstermiştir. LFPPO, %99 başarı oranı, 42,135 ödül seviyesi ve %1 çarpışma oranı ile PPO'ya (%81 başarı, 33,895 ödül, %19 çarpışma) göre daha güvenli bir sürüş profili sunmuştur. Apache Kafka ve MongoDB altyapısı, veri işleme süreçlerini desteklemiş; Kafka, carla-data başlığı altında gerçek zamanlı veri akışını senkron ve asenkron modlarda sağlayarak düşük gecikmeli tahmin süreçlerini mümkün kılmış, MongoDB ise verilerin güvenilir depolanmasını ve hızlı erişimini sağlamıştır. Python script dosyaları aracılığıyla senkron ve asenkron tahmin süreçleri uygulanmıştır. CAB ve ANN, asenkron modda sensör belirsizliklerine karşı yüksek başarı (CAB: MSE=0.018, R²=0.993) sağlayarak karmaşık veri setlerinde üstün performans göstermiştir, kNN ve RF ise senkron modda hızlı tahminler sunmuştur. Bu çalışma, kaos teorisinin makine öğrenimine entegrasyonuna teorik bir katkı sunarken, kentsel ulaşım ve lojistik uygulamalarında AV'lerin güvenilirliğini artırmıştır.
Evrimsel algoritmaların güçlendirilmesinde kullanılan karşıtlık temelli öğrenme stratejileri için bir yazılım araç kitinin geliştirilmesi
Bu tez çalışması ile ilk aşamada, evrimsel optimizasyon algoritmalarındaki yerel optimuma takılma sorunuyla ilgili stratejilere dair kapsamlı bir literatür araştırması sunulmaktadır. Bu araştırma evrimsel optimizasyonun temel kavramlarını, yerel optimuma takılma sorununu ve bu sorunun üstesinden gelmek için geliştirilen stratejileri kapsamaktadır. Sonraki aşamada, optimizasyon problemlerinde daha iyi sonuçlar elde edilebilmek için aday çözümlerin çeşitliliğini arttırarak algoritmaların arama uzayındaki keşif kabiliyetini iyileştiren literatürdeki önemli yaklaşımlardan birisi olan Karşıtlık Temelli Öğrenme Yöntemleri üzerinde odaklanılmaktadır. Bu strateji, bir problemi optimize etmek için zıt çözümler kullanma fikrine dayanır. Zıt çözüm, genellikle başlangıç çözümünün eksik veya tamamlayıcı bir versiyonudur. Böylece, problem alanındaki çeşitlilik artırılarak daha iyi sonuçların elde edilmesi amaçlanır. Karşıtlık Temelli Öğrenme yöntemlerinin evrimsel algoritmaların performansı üzerindeki etkisini incelemek amacıyla çok sayıda mukayeseli deneysel çalışma gerçekleştirilerek kapsamlı bir tartışma sunulmuştur. Son olarak, literatürde iyi bilinen evrimsel algoritmalar, mukayese test fonksiyonları ve Karşıtlık Temelli Öğrenme yöntemlerinin sekiz farklı varyantını (Classic OBL, Quasi-reflection OBL, Center-Based Sampling OBL, Quasi OBL, Current Optimum OBL, Random OBL, Super OBL, Generalized OBL) içeren açık kaynak kodlu bir yazılım araç kiti geliştirilmiştir. Bu araç kiti, araştırmacılara optimizasyon problemlerini çözmek için algoritmaları ve Karşıtlık Temelli Öğrenme yöntemlerini karşılaştırmalı bir bakış açısıyla kullanma ve detaylı inceleme olanağı vermektedir. Deneysel çalışmalar kapsamında, benchmark setlerinden seçilmiş toplam 23 adet test fonksiyonu (F1-F23) kullanılmıştır.Bu fonksiyonlar, farklı zorluk seviyelerine ve arama uzayı özelliklerine sahip problemleri temsil ederek algoritmaların genel performansını değerlendirmek amacıyla seçilmiştir.Ayrıca elde edilen sonuçların istatistiksel olarak analiz edilip grafiklerle görselleştirilmesi sağlanmıştır. Sonuç olarak, OBL stratejilerinin evrimsel algoritmaların keşif–sömürü dengesini anlamlı biçimde iyileştirdiği ve algoritma–problem uyumuna duyarlı şekilde uygulandığında çözüm kalitesini artırdığı deneysel ve istatistiksel bulgularla ortaya konmuştur.
Türkçe doğal dil işleme ile ofansif sosyal medya video içeriklerinin sınıflandırılması
Türkçe sosyal medya ekosisteminde giderek görünür hale gelen hakaret, küfür, cinsiyetçilik ve ırkçılık içeren söylemler, özellikle video tabanlı platformlarda anlık ölçekte denetlenmesi güç bir güvenlik sorunu yaratmaktadır. Bu tez, söz konusu boşluğu kapatmak amacıyla YouTube kaynaklı içeriklerden derlenen 5725 örnekten oluşan, beş sınıflı (PROFANITY, INSULT, SEXIST, RACIST, OTHER) orta ölçekli bir metin veri seti inşa ederek işe başlamıştır. Veri setinin sınıf dağılımı; 4810 örnek (%84,0) toksik olmayan içerik (OTHER), 631 örnek (%11,0) hakaret/kışkırtıcı söylem (INSULT), 104 örnek (%1,8) küfür (PROFANITY), 100 örnek (%1,7) ırkçı ifade (RACIST) ve 80 örnek (%1,4) cinsiyetçi ifade (SEXIST) biçimindedir. Bu dağılım, toksik içeriklerin sosyal medya ortamında azınlık sınıflar halinde yoğunlaştığını, dolayısıyla sınıf dengesizliği probleminin kritik önem taşıdığını ortaya koymaktadır. Modelleme safhasında, ≈110M parametreli BERTurk (uncased-base, 128k) ile 17 milyar parametreli LLaMA-4 Maverick modellerinin doğruluk, makro-F1 ve alt sınıf duyarlılık metrikleri ayrıntılı biçimde karşılaştırılmıştır. Sonuçlar, LLaMA-4'ün genel doğruluğu %88,7'ye, ağırlıklı F1 değerini ise 0,896'ya yükselterek BERTurk'e kıyasla ≈11 puanlık kayda değer bir üstünlük sağladığını göstermiştir. Ayrıca makro F1 skorundaki +0,267 puanlık artış, özellikle azınlık sınıflar olan PROFANITY, RACIST ve SEXIST kategorilerinde dengeleyici etkisini ortaya koymuştur. Bununla birlikte gecikme ve maliyet ölçümleri, BERTurk'ün p50 ≈ 100 ms yanıt süresi ve düşük çağrı maliyetiyle yüksek hacimli ön tarama senaryolarında verimli olduğunu; LLaMA-4'ün ise p50 ≈ 350 ms gecikmeye karşın riskli içeriklerde ikincil doğrulama katmanı olarak devreye sokulduğunda bütçe ve performansı dengeli biçimde optimize edebileceğini göstermektedir. Çalışma, pratikte uygulanabilir çift katmanlı bir moderasyon mimarisi önermekte ve akademik bulguları doğrudan sektörel çözüme dönüştürmektedir. 2018-2025 döneminde çevrimiçi nefret söylemi literatürüne ait kapsamlı bibliyometrik analizlerle temellendirilen bu teknik çalışma; bir yandan Türkçe ofansif dil tespitine yönelik güvenilir bir veri seti ve operasyonel modelleme çerçevesi sunarken, öte yandan araştırmacılar ve politika yapıcılar için literatürün yapısal dinamiklerini özetleyen yol gösterici bir atlas oluşturmuştur.
Yapay zekâ yöntemleri kullanarak görüntülerden şiddet ve tehdit tespiti
Bu tez çalışmasında, görüntüler üzerinden tehdit ve şiddet unsurlarının otomatik olarak tespit edilmesi problemi ele alınmıştır. Bu amaçla bıçak, silah, şiddet ve şiddet yok olmak üzere dört sınıftan oluşan, manuel olarak etiketlenmiş bir veri kümesi oluşturulmuş ve anotasyonlar sınırlayıcı kutu temelli olarak hazırlanarak COCO formatına dönüştürülmüştür. Çalışmada YOLOv8, Faster R-CNN, RetinaNet ve Mask R-CNN modelleri değerlendirilmiştir. Tüm modeller, sonuçların genellenebilirliğini sağlamak amacıyla 10 katlı çapraz doğrulama yaklaşımı kullanılarak test edilmiştir. Eğitim süreci erken öğrenme, dengeleme ve değerlendirme olmak üzere üç aşamalı olarak kurgulanmış; özetlenen sonuçlar yalnızca değerlendirme aşamasında elde edilen ortalama performans değerlerine dayandırılmıştır. Deneysel sonuçlara göre YOLOv8 modeli, %98.3 kesinlik ile en yüksek kesinlik değerini sağlamış, ancak %74.7 duyarlılık ile bazı tehdit örneklerini kaçırmıştır. Faster R-CNN modeli, %98.0 duyarlılık ve %97.6 doğruluk değerleriyle en dengeli performansı sunmuştur. Mask R-CNN, %97.6 duyarlılık ve %96.8 doğruluk değerleriyle Faster R-CNN'e yakın sonuçlar üretmiştir. RetinaNet modeli ise %46.1 duyarlılık değeriyle diğer modellere kıyasla daha düşük performans göstermiştir. Elde edilen bulgular, bu veri kümesi üzerinde iki aşamalı bölge tabanlı modellerin, tek aşamalı modellere kıyasla daha kararlı ve güvenilir sonuçlar sunduğunu sayısal olarak ortaya koymuştur.
Oltalama farkındalık eğitiminin demografik etkileri ve yapay zeka tabanlı risk analizi: Kurum çalışanları üzerine deneysel bir çalışma
Siber güvenlik tehditlerinin giderek karmaşıklaştığı günümüzde, insan faktörünü hedef alan oltalama saldırıları kurumlar için en kritik risk unsurlarından biri haline gelmiştir. Bu çalışmada, kurum çalışanlarına yönelik oltalama farkındalık eğitiminin etkinliği; cinsiyet, yaş, eğitim düzeyi ve pozisyon gibi demografik değişkenler açısından incelenmiş ve yapay zeka tabanlı modellerle bireysel risk tahmini gerçekleştirilmiştir. Deneysel yöntemle yürütülen araştırma, bir kamu kurumunda görevli 3721 çalışan üzerinde gerçekleştirilmiştir. Çalışanlara eğitim öncesi ve sonrası olmak üzere iki aşamalı, gerçek hayat senaryolarına dayalı oltalama simülasyonları uygulanmıştır. Elde edilen veriler; ID3, K-En Yakın Komşu (KNN), Naive Bayes ve Random Forest algoritmaları kullanılarak analiz edilmiş, sınıf dengesizliği problemi Rastgele Çoğaltma (Random Oversampling) yöntemiyle giderilmiştir. Araştırma bulguları, siber güvenlik eğitimlerinin genel beklentilerin aksine, eğitim seviyesi yükseldikçe oltalama saldırılarına karşı direncin artmadığı, bilakis aşırı güven (overconfidence) faktörü nedeniyle bu grubun yüksek risk kategorisinde kaldığı tespit edilmiştir. Ayrıca, dijital yerli olarak tanımlanan 18-35 yaş grubunun hız odaklı davranışları nedeniyle riskli grupta yer aldığı, 55 yaş ve üzeri çalışanların ise eğitim sonrasında tıklama oranlarındaki artışın en sınırlı kaldığı demografik kesim olduğu ve diğer yaş gruplarına kıyasla aşırı güven etkisine karşı en yüksek direnci gösterdiği belirlenmiştir. Yapay zeka modelleri arasında Random Forest ve ID3 algoritmaları, riskli profilleri tespit etmede en yüksek başarıyı göstermiştir. Sonuçlar, kurumların tek tip eğitim yaklaşımı yerine; demografik özelliklere ve davranışsal risk profillerine göre özelleştirilmiş, dinamik ve yapay zeka destekli eğitim stratejileri geliştirmesi gerektiğini göstermektedir.
Maymun çiçeği lezyonlarının derin öğrenme tabanlı hibrit model ile sınıflandırılması
Bu çalışmada, küresel bir sağlık sorunu olan maymun çiçeği (monkeypox) hastalığının cilt lezyonları üzerinden erken ve doğru tanısını desteklemek amacıyla derin öğrenme tabanlı hibrit bir model geliştirilmiştir. Geliştirilen bu model, önceden eğitilmiş dört farklı derin öğrenme mimarisinden (InceptionV3, SqueezeNet, VGG16, VGG19) otomatik olarak çıkarılan öznitelikler; yedi farklı filtre tabanlı öznitelik seçimi yöntemiyle (Information Gain, Gain Ratio, Gini Index, ReliefF, FCBF, ANOVA, Chi2) optimize edilmiştir. Elde edilen öznitelik setleri, k-En Yakın Komşuluk, Lojistik Regresyon ve Yapay Sinir Ağları gibi geleneksel makine öğrenmesi algoritmalarıyla sınıflandırılmıştır. Deneysel sonuçlar, derin özniteliklerin özellik seçimi yöntemleriyle optimize edilerek makine öğrenmesi algoritmalarıyla sınıflandırıldığı hibrit modelin, yalnızca standart transfer öğrenme temelli sınıflandırmaya kıyasla daha yüksek sınıflandırma performansı sunduğunu göstermektedir. Özellikle Information Gain ve Gain Ratio öznitelik seçimi yöntemlerinin %95 öznitelik tutma oranıyla kullanılması ve Yapay Sinir Ağları algoritması ile sınıflandırılması durumunda, 0.9510 doğruluk oranına ulaşılmıştır. Ayrıca öznitelik seçimi yapılmasının, filtre uygulanmayan durumlara kıyasla performansta sınırlı ancak tutarlı iyileşmeler sağladığı, bilgi yoğunluğunu koruyarak gereksiz gürültünün azaltılmasında etkili olduğu belirlenmiştir. Elde edilen sonuçlar, literatürde raporlanan benzer maymun çiçeği cilt lezyonu sınıflandırma çalışmalarına kıyasla rekabetçi ve daha yüksek performans değerleri sunmaktadır. Sonuç olarak bu çalışma, karmaşık mimarilere ihtiyaç duymadan, transfer öğrenme, öznitelik seçimi ve geleneksel makine öğrenmesi algoritmalarının bütünleşik kullanımının, tıbbi görüntü analizi alanında uygulanabilir, tekrarlanabilir ve yüksek performanslı bir çözüm sunduğunu ortaya koymaktadır.
Yapay sinekkuşu optimizasyon algoritmasının geliştirilmesi ve ileri beslemeli yapay sinir ağlarına uygulanması
Bilgisayarların karmaşık veri örüntülerini öğrenme, olaylar arasında ilişki kurabilme ve karar verme yeteneklerinin gelişmesiyle birlikte, matematiksel olarak formüle edilmesi güç veya imkânsız olan birçok problem çözülebilir hâle gelmiştir. Bu gelişimin temelinde yapay zekâ, yapay sinir ağları ve doğadan esinlenen akıllı optimizasyon algoritmaları bulunmaktadır. Metasezgisel yöntemler, canlıların sezgisel davranışlarını taklit ederek karmaşık arama uzaylarında optimale yakın çözümler üretmeyi amaçlamakta ve mühendislikten veri madenciliğine kadar pek çok alanda etkin şekilde kullanılmaktadır. Bu tezde, ileri beslemeli yapay sinir ağlarının eğitimi için Yapay Sinekkuşu Optimizasyon Algoritmasının çeşitli iyileştirmelerle geliştirilerek yeni bir hibrit modeli olan CLAHA (Chaotic-Initialized Light Hybrid AHA) önerilmiştir. Geliştirmeler kapsamında başlangıç popülasyonunun kaotik haritalarla dengeli biçimde dağıtılması, mutasyon tabanlı ince ayar operatörleri ile popülasyon çeşitliliğinin korunması ve muhalefet tabanlı öğrenme yöntemi ile çözüm uzayının zıt bölgelerinde alternatif bireyler üretilmesi sağlanmıştır. Test edilen sekiz kaos haritası arasından en iyi yakınsama performansını sunan Chebyshev haritası başlangıç aşamasında kullanılmak üzere seçilmiştir. Önerilen yöntem, ileri beslemeli yapay sinir ağlarının eğitiminde ağırlık ve bias parametrelerinin optimizasyonu için uygulanmış ve 17 sınıflandırma veri kümesi üzerinde değerlendirilmiştir. Deneyler 500 iterasyon, 30 bireyli popülasyon ve 10 tekrar altında yürütülmüş; doğruluk, F1-Skoru, AUC, MSE ve işlem süresi ölçütleri kullanılmıştır. Alınan sonuçlarda CLAHA, 17 veri setinin 13'ünde en yüksek doğruluk ve F1-Skoru, 10'unda ise en düşük hata değerini elde etmiş; klasik sınıflayıcılarla yapılan karşılaştırmalarda 17 veri setinin 12'sinde en iyi veya en iyiye eşdeğer performans göstermiştir. Algoritmanın genel optimizasyon kabiliyeti ayrıca 23 klasik benchmark fonksiyonu, CEC-2014 ve CEC-2022 uluslararası test fonksiyonları ve altı mühendislik problemi ile değerlendirilmiş; CLAHA sırasıyla 23 fonksiyonun 15'inde, CEC-2014'te 30 fonksiyonun 15'inde ve CEC-2022'de 12 fonksiyonun 7'sinde en iyi sonuçları üretmiştir. Elde edilen bulgular, kaotik başlatma ve popülasyon çeşitliliğini koruyan mekanizmalar sayesinde CLAHA'nın yerel minimumlara sıkışma problemini önemli ölçüde azalttığını ve hem sınıflandırma hem de karmaşık optimizasyon problemlerinde etkin ve kararlı bir küresel optimizasyon yöntemi olduğunu göstermektedir.
Development of a machine learning based application for diagnosing autoinflammatory diseases
Diseases caused by immune system dysfunction have numerous complications, significantly affecting patients' life quality. One specific group of such diseases is autoinflammatory diseases, which occur when the immune system perceives certain tissues and organs as threats and attacks them. They are characterized by episodes of fever and high inflammation in joints and various tissues. Early diagnosis plays a crucial role in facilitating treatment and managing these disorders. Several factors have to be considered to ensure an accurate diagnosis. Along with signs and symptoms, comprehensive medical information, and usually confirmation via genetic tests, are required to diagnose autoinflammatory diseases. These procedures require a huge amount of resource utilization and result in prolonged diagnosis processes. In this thesis, we have developed a machine learning-based web application capable of accurately diagnosing Familial Mediterranean Fever (FMF), an autoinflammatory disease, without the need for genetic tests and with a minimal number of features. The process began with data acquisition, followed by analysis and a thorough understanding of the data's specifications and features. To enhance comprehension, data visualization techniques were employed. Subsequently, the data was cleaned, eliminating any noise, and manipulated to facilitate machine learning's grasp of the available data. Also, we conducted an extensive algorithm selection process to identify the most suitable algorithm for addressing the problem at hand. Then, a feature selection procedure was performed to minimize the number of features used for diagnosis. By analyzing the performance of multiple models, we identified the best-performing one, which was employed to build the diagnostic web application. We envision that the application will be helpful to physicians who seek expert consultation for diagnosis, minimizing the reliance on a huge number of patients' symptoms and the need for genetic tests.
Packaging planning prediction using multi-class and multi-output algorithms
In the rapidly evolving industrial landscape, Artificial Intelligence (AI) has emerged as a transformative force in various sectors, including manufacturing and supply chain management. Meanwhile, packaging planning is another area that is still open to development for AI. Effective packaging planning is a complicated task to be handled carefully throughout the entire planning process. To solve this problem, we propose a relation-based heterogeneous chain-based multi-output classification model for effective packaging planning in predicting the dimensions and types of packages for each shipment. While conventional regressor chain models typically employ only a single classifier within each chain, our model allows for the utilization of distinct classifiers within each chain. Our model is analyzed on a real-world dataset by employing different multi-output classification algorithms including Random Forest (RF), Decision Trees (DT), and K-Nearest Neighbors (KNN). Experimental results demonstrate that our homogeneous chain-based multi-output classification model, based solely on a DT, and our relation-based heterogeneous chain-based multi-output classification model outperform others, achieving the highest accuracy with an overall accuracy value of 0.98, as compared to traditional multi-output classification and chain regression models. Additionally, our heterogeneous chain-based multi-output classification model, utilizing different classifiers, has the second-highest overall accuracy result among all models and surpasses the overall accuracy achieved by traditional chain-based models.
A comprehensive analysis of adversarial attacks on spam filters
Email spam filters help detect malware before it reaches the mailbox and are a vital part of cyber security. Machine learning-based spam detectors have also proven to be useful and highly successful. With the advancement of artificial intelligence (AI), machine learning algorithms have become increasingly important and remain largely untested. However, adversarial learning is an important concept where the vulnerabilities of various security systems using machine learning algorithms are investigated and attempts are made to defeat machine learning models with malicious input. In the context of machine learning, including Natural Language Processing (NLP), an adversarial attack involves the deliberate manipulation of input data to cause errors or produce incorrect outputs from a machine learning model. This study investigates the feasibility of adversarial attacks against deep learning-based spam detectors. First, six prominent deep learning models are implemented, and three level attacks, namely character-, word-, and sentence-level, are analyzed in black-box scenario settings. These attacks are evaluated on three real-world spam datasets. Moreover, novel scoring functions, including spam weights and attention weights, are introduced to improve attack effectiveness. Lastly, the impact of AI-generated spam emails is investigated on the deep learning spam detection models. This comprehensive analysis sheds light on the vulnerabilities of spam filters and contributes to efforts to improve their security against evolving adversarial threats.
Dijital dokuman güvenliğinin farklı biyometri teknolojileri ile sağlanması
Günümüzde fiziksel dokümanların saklanması, erişimi ve kullanım konularında çeşitli zorluklar vardır. Bilişim ve iletişim teknolojilerindeki gelişmeler fiziksel dokümanların dijital olarak saklanmasını gündeme gelmiştir. Sonuçta birçok kurum ve kuruluş dokümanlarını dijital ortama taşımıştır. Ancak dokümanların dijital ortama taşınması bu alandaki sorunları toptan çözmemiş, aksine yeni sorunların ortaya çıkmasına neden olmuştur. Dijital ortama taşınan dokümanların çalınması, yetkisiz kullanıcılar tarafından açılması ve içindeki bilgilere erişilmesi telafisi çok güç sonuçlar doğurabilmektedir. Bu durum dokuman gizliliğinin ihlali ve bilginin çalınması gibi durumlar doğurabilir. Bu çalışmada, dijital doküman oluşturulma aşamasında veya oluşturulduktan sonra biyometrik yöntemlerle nasıl güvenliğinin sağlanabileceği üzerinde durulmuştur. Çalışmada, avuç damar izi okuyucular kullanılarak oluşturulan biyometrik veriyi, dijital filigran yöntemi ile saklamak ve dokümanı bu şekilde şifreleme konusu ele alınmıştır. Çalışmada dijital bir doküman avuç damar izi teknolojisi kullanarak Steganografi yöntemi ile şifrelenmektedir. Doküman güvenliğinin sağlanması, erişimi ve ilk oluşturanın tespit edilmesi konusunda da, Parmak izi ve avuç damar izi teknolojileri karşılaştırılarak başarı oranları karşılaştırılmaktadır.
Kural tabanlı Erasmus öneri sistemi
Avrupa Eğitim ve Gençlik programlarının Türkiye'de uygulanmaya başlandığı günden bu yana programa katılacak öğrencilerin, personellerin ve diğer katılımcıların problemi, gidebilecekleri en uygun ülkenin seçilmesi olmuştur. Bu tez çalışmasında, probleme az da olsa çözüm üretilmeye çalışılmıştır. Kullanıcıya en uygun ülkenin önerilmesi için kural tabanlı sistem tasarlanmıştır. Sistem Yapay Zekâ tekniklerinden olan Uzman Sistem olarak modellenmiştir. Uzman sistemimiz Semantik Web teknolojileri kullanılarak geliştirilmiştir. Bilgi tabanı olarak Ontoloji kullanılmıştır. Erasmus+ programının katılımcılara sunduğu koşul ve şatlara göre ilk başta Karar Tablosu (Decision Table) hazırlanmıştır. Daha sonra bu koşullara göre kurallar belirlenmiş ve kural dili ile ontolojiye eklenmiştir. En sonda çıkarsama ve sorgu mekanizmaları ile kurallar işlenmiş ve sistem kullanıcıya ülke önermesi yapmıştır. Proje ilk başta sadece üye ülkelerde eğitim almak isteyen Yüksek Öğretim alanındaki öğrencilere hitap edecek şekilde tasarlanmıştır. Proje istenildiği zaman genişletilerek bütün ana ve özel eylem katılımcılarına uygun şekilde geliştirilebilecek açıklıktadır.
Kablosuz yerel alan ağlarında güvenlik ve saldırı yöntemleri yüksek güvenlikli kablosuz yerel alan ağının tasarımı
Kablosuz Ağların sağladığı kolay kurulum, esneklik, haraketlilik gibi avantajlarıyla günümüzde makul seviyelere çıkması kablosuz ağ kullanımını yaygınlaştırmıştır. Gelişen teknoloji, artan aktarım hızları ve üretici firmalar arasında giden standardizasyon çalışmaları sonucunda her geçen gün kullanıcı sayısı ve kullanım alanları artmaktadır. Kablosuz ağların geniş bir şekilde yaygınlaşması bazı güvenlik endişelerini de beraberinde getirmiştir. Günümüzde, kablosuz ağ güvenliği için çok sayıda yöntemler vardır ve her geçen gün yeni yöntemler geliştirilmektedir. Bu tez çalışmasında kullanıcılara hayatımızın vazgeçilmezi olan Kablosuz Ağları özelliklede Kablosuz Yerel Alan Ağları (WLAN) tanıtılmış, kablosuz yerel ağ standartları, avantaj ve dezavantajları anlatılmıştır. Kablosuz yerel ağlarının güvenlik risklerinden ve bu risklere karşı alına bilecek kişisel ve kurumsal yöntemlerden bahsedilmiştir. Ağ güvenliğinde kullanılan bazı yöntemlerin ne gibi zayıflıkları olduğu açıklanmıştır. Ayrıca uygulama kısmında anlatılan güvenlik yöntemleri temel alınarak, Huawei firmasının eNSP programında 5 katlı hayali bir ofis için yüksek güvenlikli kablosuz yerel alan ağı tasarlanmıştır.
Giyinebilir kablosuz sensör ağları ve ECG tasarımı
Giyinebilir kablosuz sensörlerle sağlık kontrol amacı için, tasarımı ve geliştirmesi son yillarda yaşam kalitesinin yükseltilmesi için geliştirilmiştir. Bu teknoloji yaşlilar ve kronik hastalarina, bağımsız bir hayat yaşatir. Kronik hastaliklarin en yaygın ve önemlilerinden biri kalp hastaliği, bu tezin çalişma konusudur. Bu tez çalışmasında kablosuz ECG sinyalleri yaygın olarak sağlık sistemlerinde kronik kalp hastalıklarının tanısında kullanılmaktadır. Hastanın vücudundan sensör yardımıyla algılanan ECG sinyalleri kablosuz olarak bir bilgisayara aktarılır. Bu sinyaller bir LDR sensör yardımıyla 5 V'luk voltaj aralığıyla ve Arduino Nano CH340G mikrodenetleyicisi kullanılarak sayısallaştırılmıştır. Arduino mikrodenetleyicisi kendi programla dilinde (C diline yakin bir dil) ve Arduino'nun kendi uygulamasında programlanmıştır. Kablosuz haberleşme olarak HC-06 Arduino Bluetooth modül kullanılmıştır. Bilgisayar ortamına aktarılan ECG sinyalleri göruntulemek için Visual Studio programinda ve C# dilini kullanarak bir uygulama oluşturulmuştur.
Ses algılama yöntemi ile tek kullanımlık anahtar (one time pad) üretimi
Tek kullanımlık şifreler rastgele anahtarla üretildiği zaman mükemmel güvenlik sağlarlar. Anahtarın ele geçirilmesi için gereken işlem gücü, bütün anahtarları denemekten daha az değildir. Bunun yanında şifrelenecek metinle aynı uzunluktaki bir anahtarı güvenli şekilde saklamanın, düz metni sağlamayla aynı iş gücüne karşılık geldiği için bahsedilen şekliyle kullanılmamaktadır. Yani, anahtarı güvenli şekilde saklamakla düz metni güvenli şekilde saklamak arasında fark olmadığı için tam güvenlik sağlamasına rağmen kullanılmamaktadır. Bu sebeple, modern kriptoloji teknikleri temel olarak kısa anahtarlarla, uzun, rastgele gözüken (sözde rastgele - pseudo random) bit dizileri üreterek güvenli şifreleme algoritmaları oluşturarak saklanması gereken anahtar boyutunu mümkün olduğunca küçültebilme problemiyle ilgilenirler. Bu çalışmada amaç küçük anahtarla üretilmeye çalışılan sözde rastgele bit dizisini, ses tanıma sistemi kullanılarak uzun cümlelerle oluşturmaktır. Tanımlanan algoritmanın detaylı tanımı ve performans analiz değerlendirilmesi de yapılmıştır. Visual Studio 2015 programı ortamında C# dili kullanarak algoritma için tanıtım programı hazırlanmıştır. Anahtar Kelimler: Tek Kullanımlık Anahtar Üretimi, Ses Tanıma Yöntemi, Kriptoloji
Bilişim teknolojisinde teknik servis çalışanlarının mesleki yeterlilik ölçümü için uzaktan eğitime dayalı bir sınav model önerisi
Bu tezin amacı; MYK'nın bilişim teknolojileri elemanları için mesleki yeterlilik sınavını geniş alan ağlarında çevrimiçi yapabilmesidir. MYK için bir uzaktan sınav modeli geliştirilmiştir. Model tasarımı için MYK'nın meslek standartları esas alınmıştır. Modelin içeresinde standartlara uygun şekilde mesleki yeterlilik sınavları oluşturulmuştur, Soru bankalarının oluşturulması ve sınavların yapılması için kullanıcı modülüne ihtiyaç duyulmuştur ve kullanıcı modülü ile ilgili veri tabanı tasarlanmıştır. Modeldeki kullanıcılar, soru yapıcı, dil uzmanı, ölçme değerlendirme uzmanı, teknik uzman ve sınav yapıcıdır. Her kullanıcın bir görevi vardır. Soru yapıcı sisteme soru girer ve düzenler. Dil uzmanı soruyu dilbilgisi yönünden inceler. Ölçme ve değerlendirme uzmanı soruların seviyesini ve başarım ölçütlerini inceler. Teknik uzman soruyu mesleki standartlardaki teknik bilgilere göre inceler. Sınav yapıcı sınavın yapılmasını sağlar. Bu modül de sorular onaylandıktan sonra soru bankasına eklenir. Bu işlem soru anlaşılabilirliğini ve soru kalitesini artırmaktadır. Soru bankalarından meslek sınavları oluşturulmaktadır. Bu uzaktan online sınav modelinde farklı mesleki yeterlilik sınavlarının oluşturulması mümkün olmaktadır. Bu model aynı zamanda; adayın girdiği sınavın sonunda hangi başarım ölçütünden başarılı ya da başarısız olduğu konusunda detay rapor üretmektedir. Üretilen rapor adayın eksik bilgilerini öğrenmesini mümkün kılar. Bu çalışmada geliştirilmiş olan model ile geleneksel sınav güvenirliliğinde, uzaktan sınav yapılması sağlanır. Mesleki yeterlilik sınavlarındaki en önemli kavram öğrenme çıktıları ve başarım ölçütleridir. Bu modelde sorular hazırlanırken, her meslek ve her meslek seviyesi için MYK'nın kodları kullanılabildiğinden farklı meslek sınavlarının üretilmesi mümkündür. Bu çalışma mesleki yeterlilik sistemindeki teori sınavlarının uzaktan yapılabilmesini mümkün kılmak için hazırlanmıştır.
No-SQL veritabanları üzerinde bir metin madenciliği uygulaması
Büyük veritabanlarında dağınık bulunan bilgileri anlamlandırmak veya ilişkilendirmek pek kolay olmamaktadır. Projede metin madenciliğinin temel kategorileri olan sınıflandırma, birliktelik analizi, bilgi çıkarım ve kümeleme işlemleri dikkate alınarak dağınık yapıda bulunan verilerin NoSQL MongoDB üzerine aktarılması sağlanacaktır. Metin madenciliği için kullanılacak yapay zeka algoritmalarının NoSQL üzerinde verinin anlam kazanma sürecinde performans ölçümleride dikkate alınacaktır.
NS veya paket izleyici gibi simülasyon aracını kullanarak bir ağ performansı değerlendirmesı
Bilgisayar ağları büyüdükçe Kablolu ve Kablosuz ağ teknolojileri de gelişmeye başlamıştır. Teknolojiler geliştikçe istekler de artmaya başlamıstır. Bu isteklerin en başında, ağların maksimum güvenli ve aynı zamanda maksimum hızlı performanslı olmalarını istemeleri gelmektedir. Bu çalışmada, ağların performanslı çalışması incelenecektir. Bu sebeple, NS veya paket izleyici gibi bazı simülasyon aracını kullanarak bir ağ performans değerlendirmesinde neler yapılabilir ve türlü türlü parametreler ne kadar başarıyla yanyana getirilebilir gibi bilgiler sunulacaktır. CCNA, CCNP, HCNA ve HCNP eğitim seviyesinde kullanılabilecek önemli ayarlamalar yapılmış olup bunların hepsi teker teker simule edilmiştir. Sonuç olarak başarılacak olan şey bir geniş ağ veya yerel ağ için iyi bir kılavuz olacaktır. Sanal teknolojiye dayalı teklif edilmiş uzaktan ağ laboratuvarı mimarisi gerçek ekipman kullanan geleneksel laboratuvarlara göre daha fazla fayda gösterdi ki bu lab'de ağ simülasyonları için özellikle önemlidir. Burada kazanılan tecrübe yanı sıra birebir ağ üzerinde işlem yapılabilir. Bizler burada sanal olarak laboratuvar ekipmanlarını yeniden kablolamayı, laboratuvarın topolojisi değiştirmeyi ve sanal laboratuvar ekipmanı ekleyerek yeni bir dizayn uygulayabildik. Sanal bir ortamda çalışıltığında yapılacak ve ispatlanacak konfigürasyonlar kısıtlıdır. Sadece sanal bir lab çözümü çoğunlukla öğretmek için uygundur çünkü ağ trafiği hafiftir ve lab PC yükün üstesinden gelmek için genellikle güçlüdür. Ve önemli bir özellikle eagle sunucusu DHCP, Mail, FTP, Web ve dağıtıcılar, düğmeler, güvenlik cihazları ve PC'ler gibi ağ ekipmanlarını içeren Linux'a dayalı bir makinenin bizlere sağladığı yararlardır. Son olarak anlatılan performans konuları, önlemleri, gerekli parametreler göz önünde bulundurularak hem CISCO Packet Tracer de hem de Huawei'in eNSP simulasyon programında hayali ağlar tasarlanarak performans değerlendirilmeleri yapılmıştır. Fakat unutmamak lazım ki, tasarlanan ağlar gerçek laboratuvarlar da değilde ücretsiz sanal ortamlarda tasarlanmış ve değerlendirilmiştir. Bu yüzden de elimizde gerçek veriler olmadığı için gerçek performans değerlendirilmesi yapmak ve çıktılar almak mümkün değildir. Sadece performans gereksinimleri göz önünde bulundurularak ağlar tasarlanmış ve sanal ortamların izin verdiği kadar değerlendirme yapılarak ağ performans değerlendirilmesi yapılmıştır. Keywords: Router,Switch, İnternet Protocols, VLAN Channel Protocols, Network Performance Evaluation, Huawei eNSP, Cisco Packet Tracer.
Web yazılımlarında güvenlik problemleri üzerine araştırma
Web uygulamaları genel olarak sonuç odaklı ve hızlı geliştirilme sürecine sahiptir. Geliştirme anında güvenlik kriterleri coğu zaman bilinçli yada bilinçsiz olarak gözardı edilir. Bu nedenle, geliştirilen uygulamaların davranması gerektiğinden farklı şekillerde davranmasına neden olacak güvenlik açıklarına olanak verilmektedir. Geliştirilen web uygulamalarında ki bu zafiyetler ise kötü niyetli kullanıcılar için bir fırsat oluşturur. Web uygulamalarının geliştirilmesinde yapılan bir diğer yanlış ise uygulamanın güvenliği ile network katmanındaki güvenliğin birbirine karıştırılmasıdır. Firewall'ın (güvenlik duvarı) web uygulamalarını korumadığı bilinmelidir. Bu nedenle, geliştirilen uygulamalar için mutlaka sızma ve güvenlik testlerinin yapılması gereklidir. Yukarıda belirtilen zafiyet ile birlikte kötü niyetli kullanıcıların bulunması sistem üzerinde bir takım risklerin oluşmasına neden olur. Bu riskler ise sistem üzerinde ki diğer kullanıcılara da sıçrayabilmektedir. Risk'in tanımını aşağıdaki gibi verebiliriz: Risk = Tehdit + Zafiyet Tez yazımındaki amaç, web uygulamalarında bulunan güncel zafiyetleri ele almak, bu zafiyetlerin oluşmasına neden olan düşünce ve yaklaşımların neler olduğunu öğrenmek, bu yaklaşımlara alternatif olarak neler yapılabileceği ve zafiyetlerin giderilmesi için hangi önlemlerin alınabileceğini ifade etmek amaçlanmaktadır. Anahtar Kelimeler: Web uygulama güvenliği, SQL Enjeksiyonu, Siteler arası İstek Sahteciliği, Siteler Arası Betik Çalıştırma, Güvenli Soket Katmanı, Aynı Kaynak Politikası.
Socketler Üzerinden Özel haberleşmede kriptoloji metodların kullanılması ve bir uygulama
Teknolojinin gelişimi birçok insan faaliyetlerinin kolaylaştırılması avantajı ile beraberinde dezavantajlarıda sergilemiştir. Oluşan bu dezavantajlar, Teknoloji alanına yan dal olarak Teknolojinin güvenliği alanınıda geliştirilmesine sebep olmuştur. Teknoloji gelişim sürecinde gözden kaçırılan hata payları, algoritmik karmaşıklık değerleri ve birçok unsurlar dezavantaj olarak nitelendirilir. Her hangi sebepden oluşan dezavantajlar teknolojinin çalışma prensibini bozmakdan çok, kullanım alanında yanlış faaliyetleri yapabilitesini yükseltmektedir. Bu sebepden modern teknolojilerin yanlış faaliyet amaçlı kullanılmaması için bu teknolojileri koruyan teknolojiler geliştirilmiştir. Elektronik ortamlarda yapılan işlemlerin amaçlarını değiştirmemek adına yapılmış güvenlik sağlayıcı algoritmalardan biride şifreleme sistemleridir. Şifreleme sistemleri teknolojinin her dalına uygulanarak yapılacak işlemlerin dış güçler tarafından yönlendirememesini sağlamıştır. Teknoloji tarihi boyunca geliştirilmiş Şifreleme Sistemlerinin bazıları saldırganların önlemlerini yeterince alamaması nedeni ile ve ya cari Şifreleme sistemin yapılacak esas işlemin yavaşlatması nedeni ile teknolojinin bu dalı araştırma merkezlerinde dahada yüksek noktalara taşınmaktadır. Şifreleme sistemleri aynı zamanda iletişimi sağlamak için geliştirilen teknolojiye uygulanarakda yapılacak iletişimin güvence altına almaktadır. Tez kapsamında yapılan araştırmada ilk şifreleme sistemlerinden, günümüz teknolojilerin kullandığı şifrelme sistemlerine kadar tümünün çalışma prensibi anlatılmaktaıdr. Tez kapsamında yapılan araştırmalara dayanılarak yapılan projede gizli anahtarlı şifreleme yöntemlerinden olan ve en son teknolojilerin kullandığı Rijndeal algoritması sayesinde ortadaki adam saldırısına uğranmasına rağmen iletişimin güvence altında yapılması sağlanmıştır. Bu projede iletişim esnasın ortadaki adam saldırısını gerçekleştiren saldırganın, yapılan iletişimin şifreli olduğuna dair şüphelerini kaldırılması için, aynı zamanda gizli anahtarlı şifreleme sisteminin doğası gereyi şifreleyici ve deşifreleyici anahtarın güvensiz kanal üzerinden de gönderile bilinmesi için Steganografi tekniği uygulanmıştır.
Büyük veri ortamında iki aşamalı kümeleme ile rotalama
Bu tezde yeni bir fikir olarak düşünülen araç rotalamada zaman aralığı (time windows) kümeleme konusunda yeni bir yöntem ele alınacaktır. Daha önceki çalışmalarda nokta yönelimli kümeleme ile başarılı sonuçlar alındığı bilinmektedir. Bu çalışmada ise nokta yönelimli kümeleme ile zaman aralığı kümeleme aynı anda uygulanıp daha uygun bir çözüm bulunabileceği ele alınacaktır. Uygulanacak metot büyük veri üstünde uygulanarak bu gibi ihtiyaçları olan sistemlerde kullanılabilirliği anlatılacaktır.
Yapay sinir ağı teknikleri kullanarak eğitim yayıncılığı sektöründe veri madenciliği
Bu tezin amacı, insan beynindeki sinir ağlarının çalışmasından yola çıkılarak oluşturulan Yapay Sinir Ağları (YSA)'nın, eğitim yayıncılığı sektöründe satış tahmininde nasıl kullanılabileceğini araştırmak ve satış tahminini yapmak için en uygun YSA modeline ilişkin bir örnek sunmaktır. Kurumların günlük operasyonları her gün binlerce veri oluşturuyor. Yapılan her şey, atılan her adım, kurulan bir iletişim, yazılan her şeybir veri ve hepsi bir anlam içermektedir. Rekabetin artığı günümüzde fark oluşturmak için birçok kurum tarafından ihtiyaç duyulan bilgi, karşımıza çıkan verilerin anlamlı bir şekilde düzenlenmesi ile sağlanmaktadır. Dosya ve veri tabanlarında kayıtlı çoğlan verilerle veri madenciliğinin asıl hedefi; verilere ilişkin bilgiyi keşfetmek ve karar verme sürecine yardım edebilecek veri tabanındaki yararlı bilgileri elde etmektir. Bu çalışmada eğitim yayıncılığı sektöründe faliyet gösteren bir firmanın verileri kullanılmıştır. İlgili firmanın bilgi siteminden veriler alınarak satış tutarını etkileyebileceği düşünülen kriterler ortaya çıkarılmıştır. Satış talebini etkileyen faktörler; Satış Hacmi, Öğrenci sayısı, hane eğitim harcaması, dolar kuru, müşteri sayısı, Tüfe ve Üfe'dir. Yapay sinir ağının ürettiği sonuçların gerçeği ne kadar yansıttığı istatistiksel olarak araştırılmıştır. Elde edilen sonuçlar, yapay sinir ağlarının eğitim yayıncılığı ile alakalı gelecekteki satışları tahmin etmede başarıyla kullanılabileceğini ortaya koymuştur.
Büyük veri yönetimini kullanarak iş gücü planlamasının etl ile ilişkilendirme uygulaması
Bu çalışmada Büyük veri ve ETL sistemiyle ilgili bilgiler verilmiştir. Büyük verinin günümüzde teknolojik olarak değerinin her geçen gün arttığı yer verilmiştir. Ayrıca Büyük verinin de tıpkı teknolojik ürünler gibi geliştirilmesi gerekliliği vurgulanmıştır. Büyük veri mantığıyla yapılan programın çok daha iyi kullanılabilmesi için ETL sistemi ile birleştirilmiştir. Bu tez çalışmasının ikinci bölümünde büyük veriyle ilgili genel bilgilerin yanı sıra büyük verinin hangi alanlarda kullanıldığı, verinin kaynakların neler olduğu hakkında bilgiler verilmiştir. Üçüncü bölümde iş gücü yönetimi programı hakkında bilgiler yer verilmiştir. Bunların dışında programın nasıl çalıştığı ve hangi sistem üzerine kurulu olduğu yer almıştır. Dördüncü bölümde ise veri ambarı ve ETL sistemiyle ilgili bilgiler verilmiştir. ETL süreçleri anlatılmıştır. Beşinci bölümde ise iş gücü yönetim sisteminin eski hali ve ETL ile birleştirildikten sonraki durumları karşılaştırılmıştır. Ayrıca Programın ETL ile birleştirilmiş yapısı gösterilmiştir. Son bölümde ise ETL sistemi ile birlikte neler kazanıldığından bahsedilmiştir.
Uydu verilerine ve yapay sinir ağlarına dayalı olarak bitki örtüsü tahmini ve analizi
Son yıllarda özellikle Türkiye'nin batı bölgelerinde şehirleşmenin etkisiyle yeşil alanlar hızla azalmaktadır. İnceleme bölgesi için NDVI (Normalized Difference Vegetation Index, Normalize Edilmiş Fark Bitki Örtüsü İndeksi) uzaktan algılama yöntemi kullanılarak bitki örtüsü indeksi elde edilmiştir. MODIS uydusu aracılığıyla Kandilli Bölgesi ve civarı için on yıl boyunca gözlenen günlük NDVI değerlerine dayalı olarak bitki örtüsü tahmini yapılmıştır. Bitki örtüsü tahmininde ANN (Artificial Neural Network, Yapay Sinir Ağı) yöntemlerinden olan ANFIS (Adaptive Neuro-Fuzzy Inference System, Uyarlamalı Ağ Bulanık Çıkarım Sistemi) Modeli kullanılmıştır. Bu çalışma kapsamında, enlem değeri 41° 4' ve boylam değeri 29° 3' olan Kandilli Bölgesinin Eylül, 2005 ile Ekim, 2016 yılları arasındaki NDVI değerleri ile çalışılmıştır. Değerlerin saptanmasında MODIS (Moderate Resolution Imaging Spectroradiometer, Orta Çözünürlük Spektrometre Görüntüleme) çeşitlerinden olan TERRA Uydusu kullanılmıştır. Ölçümler yaklaşık olarak 6.25 kilometrekarelik bir alan üzerinde yapılmıştır. TERRA Uydusu'ndan elde edilen NDVI değerleri ile ANN kullanılarak bitki örtüsü tahmini gerçekleştirilmiştir. MATLAB ortamında bir Neuro-Fuzzy Designer olarak tanımlanmış olan ANFIS klasik küme teorisi ve bulanık mantık teorisinin birleşimi şeklinde ele alınmıştır. Bu yöntemde hedef bir değerin o kümeye ait olup olmamasını saptamak ve bu işi yaparken üyelik fonksiyonlarını kullanmaktır. ANFIS içerisindeki üyelik fonksiyonlarının hata tolerans değerleri birbirleriyle karşılaştırılmıştır. En başarılı üyelik fonksiyonu seçilerek tahmin gerçekleştirilmiştir.
Sezgisel algoritmalar kullanılarak tarihsel mekanların en kısa yoldan rotalanması üzerine bir mobil uygulama
Günümüzde hızla gelişen teknoloji sayesinde kullanıcılar artık her zaman teknolojiye hızlıca erişebilme gücüne ihtiyaç duymaktadırlar. Her yaştan ve her guruptan insanın teknolojiyle ilişkisi günden güne artmaktadır. Hızla ilerleyen teknoloji, kullanıcılarının ihtiyaçlarına cevap verebilmek için sürekli gelişmekte ve bu durum kullanıcıları farklı ihtiyaçlara yönlendirmektedir. Son yıllarda sayıları hızla artan mobil cihazlar geçmişe göre teknolojik cihazların günlük hayatta çok daha fazla kullanılmasına sebep olmaktadır. Önceleri belli bir yerden sabit olarak erişebildiğimiz cihazların bir kısmını artık cebimizde taşıyabiliyoruz. İnternet teknolojisinin de artık kablolu dışında kablosuza geçmesiyle, akıllı telefonlar, tabletler, şarj cihazları ve daha bir çok cihazı taşınılabilir ve mekan sınırlaması olmadan kullanılabilmektedir. Yeni nesil akıllı telefonlarda günlük hayatta kullandığımız birçok uygulama bulunmaktadır. Bilmediğimiz bir adrese navigasyonla gidebilir, en yakın otobüs durağını bulabilir, taksi çağırabilir, yazışmalar yapabilir, mail gönderebilir, alışveriş yapabilir, sosyal platformlarda paylaşımlar yapabiliriz. Bir çok alanda yapılan mobil uygulamalar bulunmasına rağmen, İstanbul ilinde bulunan tarihsel mekanlar hakkında hem bilgi veren hem de bu tarihsel mekanları birden fazla yolla gezdiren, rotalayan bir uygulama bulunmamaktadır. İstanbul'a gelen yerli ve yabancı turistlerin zaman sınırlarının olması ve gezebilecekleri tarihsel mekanlar hakkında bilgi sahibi olmama ihtimalleri, bu mekanları gezerken hangi sıraya göre gezebileceklerini her zaman kestirememeleri ihtimali üzerine Gezgin Satıcı Problemi üzerinde karınca kolonisi algoritması kullanılarak bu program geliştirilmiştir. Karınca kolonisi algoritması, doğadaki karıncaların izlenmesi ve bu izlenimlerin yorumlanması sonucu gerçek karıncaların davranışlarından esinlenerek geliştirilmiş bir algoritmadır. Karıncaların aralarındaki iletişimi sağlamaları için salgıladıkları feromon adlı sıvı haberleşmeleri açısından en temel madde olarak görülmektedir. Bulundukları alanda en kısa yolu bulmak mantığıyla çalışan yapay karıncalardan faydalanılmıştır. Programımızdaki amaç, bu doğrultuda tarihsel mekanlar arasından yapılan seçimler için en kısa yoldan birbirlerine ve aynı zamanda kullanıcının bulunduğu noktaya GPS yardımı ile bağlantı yaparak rotalamaktır. Microsoft Visual Studio yazılım geliştirme aracı ile Xamarin Cross Platform teknolojisi kullanılarak arayüz geliştirmesi yapılmıştır. Harita üzerinden rotalanmış mekanlar hazırlamış olduğumuz web sitesi ile Google maps üzerinden görüntülenmesi sağlanmıştır.
Veri madenciliği yöntemleri ile ülkeleri gelişmişlik ölçütlerine göre kümeleme üzerine bir uygulama
Bir amaç doğrultusunda elde edilen verilerden anlamlı sonuçlar çıkarılması işlemine veri madenciliği denir. Kümeleme analizi de veri madenciliği alanında sıklıkla kullanılmaktadır. Bu tez çalışmasında öncelikle kümeleme analizi kavramları açıklanmıştır. Çalışmada kullanılacak algoritmalar tanıtıldıktan sonra Dünya Bankası 'nın web sitesinden elde edilen verilere bu algoritmalar uygulanmıştır. Bu çalışmada amaç, önceden belirlenmiş parametreler göz önüne alınarak ülkelerin gelişmişlik ölçütlerine göre kümelenmesidir. Çalışma kapsamında 214 ülkeye ait 2015 verileri ele alınmıştır. Bu verilere Self Organizing Map ve K-Means kümeleme algoritmaları uygulanmış, sonrasında da elde edilen kümeler değerlendirilmiştir. Ayrıca ülkemizin bu kümelerdeki konumu da incelenmiştir.
Bilgisayar destekli ders materyali geliştirme ve 5. sınıf geometri dersi için bir uygulama
Günümüzde eğitim açısından en hızlı gelişme gösteren alanlardan birisi bilişim teknolojileridir. Bilişim üzerinde yapılan birçok çalışma sisteminin bilgisayar kontrollü olması ve internet tabanlı olarak tasarlanması eğitimde kullanılması yönünde gelişmeleri artmıştır. Teknoloji ile öğretime önem verilmesi bilgisayar destekli eğitim (BDE) modellerinin yaygın olarak kullanılmaya başlamasında katkı sağlamıştır. Matematik eğitiminin temel hedeflerinin başında soyut kavramları somut hale getirerek öğretimde işlem becerisini kolaylaştırmak gelir. Öğrenciye kazandırılan bu işlem becerisi öğretim yöntemlerinin rahat koşullarda öğrenilmesini sağlar. Ayrıca öğretim etkinliklerinde teknolojik araç gereçlerinin kullanımı ve geliştirilmesi matematiği sevdirme becerilerinin kazandırılmasında önemli konuma sahiptir. Araştırmamızda; eğitim sistemine, içeriğe, kavram yanılgılarına, dersin amacına ve öğretim seviyesine uygun olacak bir eğitim materyali geliştirilmiştir. Geliştirilen materyalin amacı, anlamlı öğrenme sistemine dayalı olarak e – kitabın hazırlanması için kullanılan bilgisayar destekli öğretim (BDÖ) yöntemiyle, tüm sınıfa zorlandıkları konuyu öğretmek ve kullanılan öğretim yönteminin başarıya etkinini ortaya çıkarmaktır. Araştırmamız ilkokul sınıf ve ortaokul matematik öğretmenlerinin eğitim ve öğretim sistemine bakış açıları göz önüne alınarak hazırlanmıştır. Matematik öğretiminde kullanılması gereken yöntemler belirlenip materyaller soyut öğretimler yerine somut olarak geliştirilmiştir. İl bazında yapılan anket sonucu 5. Sınıf öğrencilerinin matematik dersi geometri ünitesindeki dörtgenler konusunda zorlandıkları belirlenmiştir. Araştırma 2016/2017 eğitim öğretim yılının ikinci yarıyılında, Uşak ilinde bulunan ortaokulda eğitim gören 20 öğrenci ile gerçekleştirilmiştir. Pilot uygulama için yansız olarak 5. Sınıf öğrencilerinden 20 kişi seçilmiştir. İlk olarak 20 kişinin konuyu ne kadar bildiklerini belirlemek için hazırbulunuşluk testi (öntest) yapıldı. Çalışma bittikten sonra değerlendirme testi (sontest) yapılarak öğrenimin gerçekleşip gerçekleşmediğine bakılmıştır. Bu araştırmada genel matematik konularından dörtgenler konusu elektronik kitap yardımıyla akıllı tahtada anlatılmış ve bilgisayar laboratuvarında çocuklar bireysel öğrenme yaptırılarak kalıcılık gerçekleştirilmiştir. Materyal geliştirme için hazırlanan elektronik kitap Adobe InDesign ile hazırlanmıştır. Geometrik şekillerin çizimleri için GeoGebra destekli öğretim sağlanmıştır. Yapılan uygulama sonucunda; öğrencilerin matematik korkusu azalmış ve adaylarının kavramlara bakış açılarında olumlu yönde değişiklikler olmuştur. Ayrıca öğrencilerdeki kavram yanılgılarında ciddi oranda azalma gözlenmiştir. Bilgisayar destekli öğretim (BDÖ) gerçekleştirildikten sonra öğrencilere uygulanan testlerin veri analizi alınmıştır. Araştırma sonunda öğrencilerin başarısını karşılaştırmak için geometri ünitesi öntest ve sontest başarı puanları ile öğrenciler arasında fark ortaya çıkarılmıştır. Anahtar Kelimeler : Bilgisayar Destekli Matematik Öğretimi, Elektronik Kitap, Öğretim Materyal Geliştirme, Çoklu Ortam, GeoGebra, Kavram Öğrenme, Öğrenci Başarısı, Uzaktan Eğitim
Kabin memuru yönetim sistemi mobil uygulaması
Dijital teknolojilerde yaşanan gelişmeler mobil teknolojilerin gelişmesine katkı sağlamıştır. Mobil teknolojiler günlük hayatın ayrılmaz bir parçası haline gelmektedir. Teknolojinin gelişmesi, mobil teknolojilerin hayatın her alanında etkin bir biçimde kullanılması mobil uygulamaların kullanımını arttırmaktadır. Mobil uygulamaların kullanım alanlarından biri de havacılık sektörüdür. Havacılık sektöründe personel maliyetinin yüksek olması, kabin personelinin aylık uçuş planlarının dikkatli bir biçimde yapılmasını ve personele anında duyurulmasını gerekli kılmaktadır. Bu çalışmanın amacı kabin personelinin aylık uçuş planlama bilgi sistemine yönelik mobil bir uygulama geliştirerek mobil uygulamanın kullanılabilirliğini değerlendirmek ve kabin personelinin motivasyona etkisini incelemektir. Bu araştırma kapsamında iki çalışma grubu belirlenmiştir. Birinci çalışma grubunda; ihtiyaç analizi için yapılandırılmış odak grup görüşmesi gerçekleştirilen, havacılık sektöründe çalışan 10 kabin personeli yer almaktadır. Araştırmanın ikinci çalışma grubunu ise uygulamanın gerçekleştirildiği havacılık sektöründe çalışan, araştırmaya gönüllülük esasıyla katılan 28 kabin personeli oluşturmaktadır. Araştırmada ölçme aracı olarak yapılandırılmış odak görüşmesi ve Namlı (2010) tarafından geliştirilen ölçek kullanılmıştır. Nitel veriler sonucunda, kabin personelinin kullandıkları mobil uygulamada içerik erişim problemi, yer alan içeriğin güncel olmaması, mobil uygulamanın pratik olmaması, uygulamanın yavaş olması, sistem çalışma problemi, güvenlik problemi gibi sorunlar yaşadıklarını belirtmişlerdir. Kabin personelinin yaşadıkları sorunlar dikkate alınarak Kabin Memuru Yönetim Sistemi, Android işletim sistemine göre geliştirilmiştir. Nicel verilerin analiz sonuçlarına göre araştırmaya katılan kabin personeli, Kullanılabilirlik Ölçütleri Değerlendirme Ölçeği'nin Etkinlik ve Memnuniyet alt boyutlarına "Katılıyorum" aralığına denk gelen cevaplar vermişlerdir. Ayrıca kabin personeli, Arayüz Bileşenleri Değerlendirme Ölçeği'nin Ekran Düzeyi, Tuş Yönetimi ve Menü Yapısı alt boyutlarına "Katılıyorum" aralığına denk gelen cevaplar vermişlerdir. Ayrıca ölçek farklı değişkenler açısından da incelenmiştir. Anahtar Kelimeler: Mobil uygulama,kabin personeli,havacılık,android
Makine öğrenmesi yöntemleri ile müşteri kaybı analizi
Günümüzde teknoloji geçmişe nazaran hızla gelişme göstermekte, artan ihtiyaçlara cevap verecek nitelikte fayda sağlamaya çalışmaktadır. Büyük veriler elektronik ortamlarda saklanmakta, kalabalıklaşan nüfusla birlikte saklanan verilere daha erken ulaşma ihtiyacı başı çekmektedir. Veri madenciliği sınıflandırma algoritmaları kullanılarak sağlanan çalışmalarla kalabalık verilerin gruplanması yapılmakta, bu veriler etiketlenerek gerektiğinde çok kısa bir süre içerisinde karşımıza çıkabilmektedir. Günümüzde gelişme gösteren hemen hemen her sektörde olduğu gibi lojistik sektöründe de rekabet koşulları hızla artmaktadır. Gelişmiş ülkelerin çoğunun entegre olduğu ve her geçen gün hızla gelişen lojistik sektörü ülkemizde 1980' li yıllarda hizmet vermeye başlamış, 1990' lı yıllarda tam anlamıyla rayına girmiştir. Bütün dünyada hızla gelişen bu sektör için müşteri sadakati çok büyük bir öneme sahiptir. Bu nedenle müşteri kayıplarını minimize etmek için müşteri ilişkileri yönetimine daha fazla önem verilmesi gerekmektedir. Artan e-ticaret sektörü ile birlikte daha fazla müşteri potansiyelinin yükseldiği görülmektedir. Aynı zamanda bununla birlikte lojistik sektörüne bir çok yeni firma dahil olmuştur. Bu koşullar doğrultusunda mevcut müşterileri elde tutmak, başka firmaya geçme eğilimi gösteren müşterileri tespit etmek önem kazanmıştır. Müşterilerin şirketten beklentilerini anlamak ve firmanın davranışlarını daha iyi takip etmek, buna yönelik stratejiler geliştirmek sektörde tutunabilmenin temeli haline gelmiştir. Kaybedilen müşterilerin geç tespit edilmesi, maliyetlerin artmasına sebep olmaktadır. Yeni müşteri kazanımı var olan mevcut müşterilerin elde tutulmasından daha fazla süre ve daha fazla maliyet gerektirmektedir. Buna bağlı olarak müşterilerin sergiledikleri davranışlar dikkate alınarak elde edilen veriler modellenerek, iptal eğilimi gösteren müşterilerin tespiti sağlanabilmektedir. Veri madenciliği büyük veri setleri içerisinde gizli kalmış anlamlı bilgiyi ortaya çıkarma faaliyetidir. Veri madenciliği hem klasik istatiksel yöntemleri hem de makine öğrenmesi yöntemlerini kullanabilir. En çok kullanılan alanlardan biri müşteri kaybı analizinde müşterileri segmentasyonlara ayırarak kaybedilecek müşterileri tahmin etmektir. Bu çalışmada, Türkiye' de faaliyet gösteren bir lojistik firması ile çalışan müşterilerin geçmiş iki yıldaki gönderi bilgileri incelenerek, kaybedilmiş müşteri davranışları ortaya çıkarılmaya çalışılmıştır. Veri madenciliği prensiplerine uygun olarak hazırlanan veriler üzerinde makine öğrenmesi algoritmalarından biri olan destek vektör makinesi (DVM) algoritması üzerinde uygulanmıştır. Firmadan alınan veriler içerisinden 2.000 adet müşteri uygulamamızda kullanılmıştır. Doğrusal olmayan bu veriler için en uygun sınıflandırma yöntemi DVM algoritması tercih edilmiştir. Bu müşterilerin geçmiş iki yılına ait veriler 3'er aylık dönemlere ayrılmıştır. Toplam 8 çeyrek üzerinde müşteri kaybı analizi yapılarak, firmadan ayrılma eğilimi gösteren müşterilerin gelecek üç aydaki kayıp analiz tahminlemesi yapılmaya çalışılmıştır.
Toprak üstü sıcaklığının yapay sinir ağları yöntemi ile modellenmesi
Bu çalışmada, çiftçilerin karşılaştıkları problemleri çözmek için biyolojik sinir ağlarının yapısına ve işlevlerine dayanan hesaplama modeli olan "Yapay Sinir Ağı (ANN)" kullanılmıştır. Tezin temel amacı tarım üretimini arttırmaya katkı sağlamaktır. Çiftçilerin verimliliği engelleyen bazı parametreleri kontrol edildi ve bu parametreler, bu araştırma çalışmasında ayrıntılı olarak incelendi. Bu araştırmada, toprak kalitesi, toprak pH-değeri, toprak su tutma kapasitesi, hava ve atmosfer koşulları gibi verimi azaltan parametreleri araştırmak ve sınıflandırmak için iki yöntem uyguladık. Burada, "Eğri uydurma" ve "Örüntü sınıflandırması" yöntemleri, çiftçilerin düşük verimliliğin nedenini araştırılması için uygulanmıştır. Eğri uydurma; olası kısıtlamalara tabi olan bir veri dizisine en iyi uyan bir eğri veya matematiksel bir fenksiyonu oluşturma sürecidir. Bu süreç, verilere tamamen uyum gerektiren iç değerlendirme ya da verilere yaklaşık uyan bir matematiksel filtrelemeyi içerebilir. Eğri uydurma yöntemi, ayrıca sinir ağının keyfi bir girdi-çıktı ilişkisini tanımlama ve temsil etme yaklaşımını kullanır ve ilişki modellendikten sonra, ağ tarafından gerekli doğruluk analizleri yapılabilir. Yapay Sinir Ağı'nı (YSA), çiftçilerin karşılaştıkları problemleri çözmek için uygulanmaktadır. Olası çözümleri araştırmak ve önermek için, bu çalışmada belirtilen iki yeni metodolojik yaklaşımı kullanıyoruz. Önceki araştırmalarla birlikte, daha fazla çiftçinin üretimin verimliliğindeki artışı bu yöntemle daha fazla geliştirilebileceğine inanıyoruz. Bu araştırma çalışmasında, İstanbul'da 41,1568 oN - 28,3119 oE koordinatlarında (Akören, Silivri) , 01.11.2016 - 31.12.2016 tarihleri arasında, her on dakikalık kayıtlarla toplanan veriler kullanılmıştır. Toprak sıcaklığındaki değişimin üretimdeki rolünü tanımlamak için; Güneş radyasyonu, UV Radyasyonu, Rüzgar şideti ve Rüzgar yönü parametrelerini girdi verisi olarak değerlendirdik. Bu parametreler TARSİM'e (Tarım Sigortaları) ait arşiv verilerine dayanmaktadır. Kullandığımız ilk yöntem, gerekli veri ve parametre doğruluklarını modellemede kullanılan eğri uydurma metodu olup, seri öngörüsü, fonksiyon yaklaşımı ve fonksiyon optimizasyonu gibi çeşitli görevler için de kullanılabilir. Eğri uydurma yöntemi, dikkate alınan veri noktaları kümesindeki toplam hatayı en aza indirgeyen parametre değerlerinin seçilmesi ve dolayısıyla bu araştırmada uygulanması esasına dayanır. Araştırdığımız ikinci yöntem, çiftçilerin karşılaştıkları sorunlara olası çözüm bulma konusunda yardımcı olabilecek "Model sınıflandırması"dır. Bu yöntem, nesneleri bir dizi kategoriye veya sınıflara ayırmayı amaçlayan bilimsel bir disiplindir. Bu konu aynı zamanda öğrenme algoritmalarının kullanılması yoluyla verilerin düzenliliğinin otomatik olarak keşfedilmesiyle ilgili makine öğrenmesi çalışmalarına girer. Öğrenme algoritmaları, girdi özellik alanını iki veya daha fazla sınıfın bir çıktı alanına eşleyebilen bir işlev oluşturmaya çalışır. Desen sınıflandırmasının amacı, sonlu sayıda sınıflardan birine giriş desenleri atamaktır. Bu yöntem, daha önceki araştırmalarda test edilmiş olup, bu çalışmada da olumlu sonuçlar veren bir yöntemdir. Elde edilen simülasyon sonuçları, "Levenberg-Marquardt (LM) ve ölçeklenmiş eşlenik gradyan (SCG) yöntemlerinin", bu araştırmada bu alanda şimdiye kadar kullanılan diğer yedi (7) yöntemin en iyisi olduğunu betimlemektedir. Yönteminin başarı oranı % 94,4 ile %99,2 arasında olup, LM algoritması ile eğitilen ağların daha hızlı olduğu gözlemlenmiştir. Ayrıca, bu modellerle ürün rekoltesi üzerinde önemli rol oynayan toprak sıcaklığı ve toprağın fiziksel özellikleri öngörebilecektir ve arazi koruma çalışmaları, Tarımsal politikalarda doğru kararlar alabilmeleri açısından çiftçilerin desteklenmesi sağlanabilecektir.