140
Archived Theses
0
DOIs Assigned
0%
DOI Rate
Discipline
Neural network as a forecasting tool for financial decision-making
For the last decade, machine learning techniques have been applied to financial tasks such as portfolio management, risk assessment and stock market prediction. Among these techniques artificial neural network as a machine learning algorithm is the most widely used model. In stock market environment, multi layer perceptron with backpropagation model is dominant among others in stock market prediction. This study examines the forecasting power of multi layer perceptron models for predictingthe direction of ISE 100 daily index value. The results show that multi layer perceptron has a promising power in predicting the stock market trend. However, it also shows that selection of input variables is dominant factor in stock market prediction to obtain accurate results.
Development of an electronic mail environment with NFC technology extension
E-mail is one of today?s widely used communication tools. Mobility, which is defined as being free from any geographical restrictions to make use of any service, is a very important requirement for the users to access e-mail data. The aim of this study is to develop a web based mail server application, and a mobile mail client application to provide an e-mail service for the users which gives the opportunity to reach their e-mails from anywhere they want. MailMoby webmail application enables users to reach their mailboxes from their browsers while they are on the Internet. On the other hand, MobileMoby, the mobile client application, enables access to mailbox using their Java-enabled smart phones.Mobile technologies are growing fast to satisfy mobility requirements; one of these rapidly growing mobile technologies is NFC (Near Field Communication). In addition to the e-mail applications development, NFC is studied, and usability of an NFC application is tested through MobileMoby.
Service oriented information systems development
One can find the long standing problems with conceptual modeling such as model transformation, reusability and agility in the classical information system development (ISD). New approaches may help in overcoming these issues in conventional ISD?s problems. The service oriented approach which is one of the promising approaches, brings solutions to some existing problems. By adopting service orientation in ISD ? which we call service oriented ISD, one can deal with the aforementioned problems. This study examines the very notion of service in the context of conceptual modeling method. In particular, we show how to support service modeling in terms of guidance (that is, the way of modeling). The proposed modeling support is demarcated along with a method at the foundational level. We further discuss viability of the proposed method and demonstrate with a real-life case.
Information passing within social networks in health
In recent years, online social networks have become very popular with the vast usage of Internet connected computers, tablets and mobile devices. Social network is a social structure including individuals or organizations and different types of relationships such as friendship, common interests, work, city, etc. The main factor that separates online social networks and social networks is: in the online case, there is no face to face interaction between the nodes of the network. Since the 1970s, the role of social networks in terms of illness, distress, disease and disability; and in understanding how people identify and respond to these crises, has become a mainstay of social and behavioral science research [3]. In this thesis, we investigated trust relationships and information passing in online social networks that focus on health. There is a significant amount of related work in this area conducted on consumer choice prediction, consumer influence factors and information on eBay, Amazon and other early adapter big e-commerce Web sites all over the world. In this thesis, we particularly focused on the content of a Web site called doktorsitesi.com. This is the largest online social network in Turkey related to health that is managed by professionals. We collected data from this domain and investigated how the work on information passing in social networks can be used in this domain.
Clinical decision making system for early diagnosis of types of SMA disease
SMA (Spinal Mascular Atrophy, Loose Infant Syndrome) is a disease that cannot function due to the destruction of the movement nerves located in the center of the spinal cord and the nerve groups that direct the direction. It's a genetic maladjustment. It can be slowed down with the FDA approved "Nusinersen". The definitive solution is to check the SMA gene screening of the married couples. SMA is seen in 4 types. Type 4 is a patient-oriented, mild form of SMA that occurs in adult age. But you may not need to examine it, the problems come from similarity. The other 3 types are separated by function. 1.Non-resident - Never sit (0-6 months) - Age of death <2 2.Seating - Never standing (7-18 months) - Age of death> 2 3.Able to Walk - Standing and city (> 18 months) - Age of death Adult Doctors who encounter children with hypotonia and weakness develop a high rate of suspicion for the diagnosis of SMA. Our aim is to pour this suspicion into a numerical data with the algorithm that we will start from complaints or findings. SMA is to provide rapid diagnosis at the bedside. Scales, digestive and excretory functions, physiological functions, and care methods of infants and children with SMA should be performed without previous examination. In this way, SMA can prolong the life of patients and increase the quality of life.
A theoretical comparison of ResNet and DenseNet architectures on the subject of shoreline extraction
Today's Deep Learning technologies provides numerous approaches on the subject of convolutional networks. These approaches serve researchers to train datasets and generate wanted results from these datasets. Each CNN architecture has its own strong points and weak sides. Because of this situation a comparison between these architectures is a valuable asset. Image processing is a method that is frequently used to process remotely sensed data in remote sensing studies.. Between current architectures, RESNET and DENSENET architectures are chosen to be used by Dr. Çavdaroğlu for her project on TÜBİTAK. The result of this comparison will be used in that project in order to apply most efficient architecture. This thesis is written to draw outlines of RESNET and DENSENET and create a foresight for further projects which can be supported by this thesis. In order to achieve an accurate image recognition process in remote sensing domain, a preliminary research is requisite. As a research thesis this work serves the purpose of learning manner of works, performance indicators of RESNET and DENSENET convolutional networks. The result of this research will create a baseline for an academical project. At the other hand, comparison of these two convolutional network approaches provides information to decide which approach is more suitable for remote sensing projects depending upon the subject of the project. For future works on Remote Sensing this thesis work will serve a guideline and reason for preference. The presented thesis work has been developed as the technical feasibility of the 3501 TÜBITAK Project named "Uydu Görüntülerinden Kıyı Sınırlarının Derin Öğrenme Yöntemleri ile Otomatik Çıkarımı", applied by Dr. G. Çiğdem Çavdaroğlu, and the thesis results will be applied within the scope of the project after the project acceptance.
A robust gradient boosting model based on smote and near miss methods for intrusion detection in imbalanced data sets
Novel technologies cause many security vulnerabilities and zero-day attack risks. Intrusion Detection Systems (IDS) are developed to protect computer networks from threats and attacks. Many challenging problems need to be solved in existing methods. The class imbalance problem is one of the most difficult problems of IDS, and it reduces the detection rate performance of the classifiers. The highest IDS detection rate in the literature is 96.54%. This thesis proposes a new model called ROGONG-IDS (Robust Gradient Boosting) based on Gradient Boosting. ROGONG- IDS model uses Synthetic Minority Over-Sampling Technique (SMOTE) and Near Miss methods to handle class imbalance. Three different gradient boosting-based classification algorithms (GBM, LightGBM, XGBoost) were compared. The performance of the proposed model on multiclass classification has been verified in the UNSW-NB15 dataset. It reached the highest attack detection rate and 𝐹1 score in the literature with a 97.30% detection rate and 97.65% 𝐹1 score. ROGONG-IDS provides a robust, efficient solution for IDS built on datasets with the imbalanced class distribution. It outperforms state-of-the-art and traditional intrusion detection methods.
Transliterating Urdu to Roman Urdu using neural network
Transliteration is a process of converting a word from the alphabet of one lan-guage to another language. Previously used techniques are related to statistical, phrase level and rule-based approaches but Neural Machine Translation (NMT) has replaced it because of its heterogeneous, scalable and dynamic structure. NMT is used for rich resource languages e.g. German, Vietnam, Chinese and also performing well for poor resource languages like Myanmar, Hindi, and Roman-Urdu. Urdu is a low resource language and there is no sig-nificant work done to transliterate using NMT models. In this paper, we are working on Urdu to Roman-Urdu transliteration using sequence-to-sequence and attention-based models. This model uses the Encoder-Decoder architecture that takes one language as input (source) and decoder transforms it to desire output (target). Its results are phenomenal for rich resource languages, provid-ing context aware and scalable solutions. In the field of language translitera-tion, Long Short-Term Memory (LSTM) and Bi-directional models are com-monly employed to effectively deal with long-term dependencies. To handle unseen data, a combination of Byte Pair Encoding (BPE) and subword tech-niques is utilized, employing a hybrid approach that incorporates both word and character level embeddings. In order to evaluate the performance of the transliteration system, experiments are conducted on a parallel corpus consist-ing of 60k samples, which were generated from scratch. The system undergoes extensive testing to fine-tune the hyperparameters, ultimately achieving state-of-the-art results measured by the BLEU score on both the training and testing datasets. Additionally, the NMT model provides scalable, robust, context aware structure and can handle out-of-vocabulary (OOV) words.
Hybrid blockchain platforms for the internet of things
Blockchain and the Internet of Things (IoT) research has expanded quickly in recent years. For a variety of uses, including cryptocurrency exchange, secure medical data sharing, and food safety monitoring, numerous different Blockchain systems and applications have been implemented. Blockchain platforms, however, are unable to store all the created data. Consequently, data warehouses, also known as a hybrid blockchain platforms, support them. Despite the fact that a number of systems have been implemented using this concept, there is not a current state-of-the-art overview of how to use hybrid blockchain platforms. To research the reasons for using them, the fields in which they were employed, the technologies adopted that made this integration effective, and lastly the difficulties and potential solutions, a Systematic Literature Review (SLR) study has been conducted as part of this thesis study. The SLR portion of this thesis demonstrates that the three main reasons people choose to use these platforms are security, transparency, and efficiency. The top domains include energy, agriculture, health, construction, manufacturing, and supply chain. The most widely used technologies include telecommunications, edge computing, cloud computing, and fog computing. The study also lists several difficulties. After conducting the SLR study, as a case study, a hybrid blockchain platform that is a restaurant web application integrated with cloud storage and a blockchain network has been designed and implemented. The platform shows how a hybrid blockchain platform in a restaurant cashier system can provide security and data integrity and how data that is not being published to the Blockchain network can be stored in a cloud storage.
Fintek uygulama geliştirme süreçlerinde çalışanların örgütsel yenilikçilik davranışlarının örgütsel değişime hazır olma ve örgütsel çevikliğe etkisi
Bu çalışmada finansal teknοlοjiler alanında çalışanların örgütsel yenilikçilik düzeylerinin örgütsel çeviklik ve örgütsel değişime hazır οlma üzerindeki etkilerini incelemek amaçlanmıştır. Bunun yanında çalışanların örgütsel yenilikçilik düzeylerinin demοgrafik özelliklerine göre farklılık gösterip göstermediğinin incelenmesi de hedeflenmiştir. Çalışma ilişkisel tarama modelinde yürütülmüştür. Çalışmanın örneklemini İstanbul ilinde özel sektörde faaliyet yürüten işletmelerden uygun örnekleme yöntemi ile seçilen 427 katılımcı οluşturmaktadır. Çalışmada verileri anket tekniğiyle toplanmıştır. Anket formunda demografik soruların yanı sıra Örgütsel İnovasyon Ölçeği, Örgütsel Değişime Hazır Olma Ölçeği ve Örgütsel Çeviklik Ölçeği yer almaktadır. Verilerin analizinde SPSS v26 yazılımı kullanılmıştır. Çalışmada frekans analizi, güvenilirlik analizi, normal dağılım analizi, korelasyon analizi, regresyon analizi, t-testi ve ANOVA analizleri gerçekleştirilmiştir. Çalışma sonucunda örgütsеӏ yеniӏikçiӏiğin örgütsеӏ çеvikӏik vе örgütsеӏ dеğişimе hаzır olma üzerinde pozitif yönde ve anlamlı etkilerinin olduğu tespit edilmiştir. Diğer taraftan, çalışanların yenilikçilik düzeylerinin cinsiyetlerine göre anlamlı farklılık göstermezken, yaşlarına, medeni durumlarına, eğitim durumlarına ve iş tecrübelerine göre anlamlı farklılık gösterdiği belirlenmiştir.
Trafik kazalarında mobil uygulamanın süreçlere etkisi: Mobil kaza tutanağı örneği
Bu tez içerisinde maddi hasarlı trafik kazalarında, zorunlu olarak tutulması gereken kağıt tutanak yerine, mobil uygulamanın süreçlere nasıl etkide bulunduğu araştırılmıştır. Bununla beraber kaza anında kağıt evrak yerine mobil uygulama kullanmanın kağıt tüketime etkileri incelenmiştir. Sadece ülkemizde değil diğer ülkelerde de benzer uygulamalar araştırılmış ve bir anket ile kullanıcıların mobil uygulamaya karşı tutumları ve kullanım alışkanlıkları incelenmiştir.
Students' success prediction on high school entrance exam by machine learning
Technological developments affect all sectors. The education sector is no exception in this regard. The primary purpose of education is to transfer the necessary information to the students and then to measure them. Predicting the success of the student and determining a road map has a great importance for both students, their families and teachers, especially for the High School Entrance Exam (LGS), which each student can take only once. The aim of this study is to predict the LGS exam success of students using data mining methods. For this purpose, Naive Bayes, IBk (KNN), J.48, KStar, Multilayer Perceptron, Random Forest classification methods were used with the data collected from the students who took the LGS exam in the last few years. Random Forest algorithm gives the best result in estimating students' LGS exam success.
Youtube içerik yönetim sistemi: Bir kullanılabilirlik araştırması
Bu çalışma bir içerik yönetim sistemi olan YouTube içerik yönetim sisteminin kullanılabilirliğini, sistemi kullanan yöneticilerin deneyimleri çerçevesinde nitel olarak incelemektedir. Araştırmada Nielsen'in beş boyutlu kullanılabilirlik yapısı çatı olarak kullanılmıştır. Araştırma verileri çeşitli YouTube ortak firmalarında çalışan içerik yönetim sistemi yöneticileri ile yarı yapılandırılmış görüşme tekniği kullanılarak elde edilmiştir. Bu veriler, çalışmanın ikinci bölümünde çözümlemiştir. Üçüncü bölümünde bulgular yorumlanmıştır. Bulgularda, kullanıcıların pek çok sorun iletmesine rağmen sistemi kullanmaktan genel olarak memnun olduğu ve bazı değişiklik ve güncellemeler ile kullanılabilirliğin artacağı bulunmuştur. Ayrıca bu çalışmada, araştırmaya konu olan içerik yönetim sisteminin kullanılabilirlik alanında geliştirilebilir yanları bulunmaya çalışılmış, diğer içerik yönetim sistemlerinin de nasıl daha kullanılabilir hale gelebileceği konusunda öneriler ortaya konmuştur.
Recommendation systems in healthcare environments
Today, the large amount of medical information has made the work of specialists in making decisions about patients difficult. In this situation, the use of recommender systems in the field of health care is needed to help users and medical professionals in making useful and more accurate decisions in the field of health and medicine. One of the applications of these systems is in the field of medical sciences, and concepts such as choosing a doctor, recommending the right medicine to treat the disease, suggesting the right diet, predicting the patient's condition, and recommending the right physical activity for the patient can be some of the most important aspects in this field. The goal of recommender systems is to solve the problem of accumulated information by selecting items that match the interests and preferences of customers. In recent years, recommender systems in the field of healthcare as a solution for many health problems are considered.
Enhancing financial document processing: A synergetic approach with RPA and generative AI
The goal of this thesis is to improve the accuracy, speed, and efficiency of financial document processing by introducing an unconventional strategy. This work addresses the shortcomings of conventional document handling techniques by integrating sophisticated Generative Artificial Intelligence (AI) with Robotic Process Automation (RPA). The goal is to automate, therefore replace labor-intensive and error-prone operations with a more streamlined, reliable, and effective system for handling financial records. The fundamental contribution of the proposed method is the integration of the advanced generative AI capabilities a cutting-edge, with UiPath, a top RPA tool. By combining these two technologies we provide a novel approach that goes beyond the constraints of conventional manual processing. Research shows that the proposed method not only outperforms human performance in terms of efficiency but also guarantees higher accuracy and faster processing times. It is expected that the results of this study will have a significant impact on financial document management going forward. The proven effectiveness of the proposed method opens up a wide range of automation opportunities, especially in professional contexts including financial Enterprise Resource Planning (ERP) systems. In addition to contributing to the field of financial document processing, this work stimulates new possibilities for research and creativity by setting an example for the use of RPA and generative AI in other fields.
CHURN ANALYSIS FOR PAY TV WITH MACHINE LEARNING
Recently, Pay TV services are diversifying. With diversified services, competition between companies increases. According to a study, the size of Pay TV is $183 million in 2021. According to the same study, this is estimated to reach $210 million in 2030. [1] In addition, according to Netflix's research, it is stated that acquired or retained subscribers are more valuable. [2] Predicting customers who are considering terminating their subscriptions has become very important for companies. In recent years, ML and artificial neural network techniques have made significant progress in prediction. They provide significant contributions to companies' decision-making processes. In this study, live data from a company that provides services in Turkey was used, and predictions were made with 8 different machine learning. Finally, by adding information about the last subscription cancellation request and the most frequently made cancellation requests of customers who may request subscription cancellation, the aim is to contact the customer before the subscription cancellation request is realized and to prevent cancellation by offering a suitable campaign. In this study, supervised learning techniques were used using unlabeled data. Within the scope of the study, Random Forest, XGBoost Classifier, KNeighbors Classifier, Logistic Regression, Ada Boost Classifier, Decision Tree Classifier, Extra Tree Classifier and Linear Discriminant Analysis models were used. Success criteria were found and compared for all models. When the data used in the study and the results of 8 different models were compared, the Extra Tree model was selected from among the few models that gave the best results. The purpose of choosing this model is to obtain better results than other models for records with fewer samples.
Developing 9th grade students' digital competencies as apart of statistics lesson
This study aims to develop digital competencies of 9th grade students (STs) through implementing designed digital competency (DC) learning module integrated into statistics content area. Seven 9th grade STs were participated to the study. Case study method was used to examine development of the 9th grade students' digital competencies (DCs) within the process of module implementation as well as document the changes in DCs of the STs before and after the study. Semi-structured pre-post interviews, video data of classroom activities and students' screen recordings, and the written online documents of the STs were used as data collection tool. The pre and post interview findings revealed that STs had a very limited extent of DCs before the study. In the pre-interview, they indicated that they experienced various difficulties such as spending too much time searching, not being able to access reliable and accurate sources on the Internet and meaningfully synthesizing information from various online sources. In addition, majority of them stated that they did not believe in the necessity of giving citation for the used sources unless it is requirement given by teacher. After the study, they all enhanced their competency of access and assess reliable and accurate online sources along with meaningfully synthesizing information from multiple sources. They gained the competency of giving reference to the sources used in their works because of academic reasons such as preventing knowledge and labor theft. In addition, they became aware of the legal responsibilities regarding to ethical issues. The analysis of video data revealed that as students became more digitally competent, they could reach relevant, reliable and accurate academic sources to reveal the story behind the data, to provide alternative explanations for the statistical inferences and to deepen their contextual knowledge of data. In addition, they started to employ both statistical knowledge covered in the study and DCs while making statistical claims. The overall results of the study suggested that implementing a learning module that draw strength from statistics and use of DCs on Internet, contributed to development of DCs of the 9th grade students. They gained the competencies of critically evaluating online sources, even their own beliefs and knowledge. They also became aware of ethical and legal responsibilities while synthesizing information from online sources. These results showed the potential benefits of implementing such module for closing the gap identified in the literature as insufficiency in learning resources and practices that is connected to real-world and a few numbers of intervention studies for developing DCs of the students in the existing school system. In addition, they could utilize power of other disciplines such as History, Political Science to reveal the underlying story/reason behind the statistical conclusion and inferences. As a result, implementing the learning module that uses power of statistics and DCs, opened a way for interdisciplinary learning environment.
Evaluation of e-commerce service quality using the analytic hierarchy process
Recent developments in the fields of Internet and Information Technology have led to renewed interest extraordinary in electronic commerce in societies. Electronic commerce is supporting of customers, supplying of services and commodities, portion of business information, manages business transactions and maintaining of bond between suppliers, customers and vendors by devices of telecommunication networks. In the new global business companies and institutions providing merchandise and services, synchronously with evolution of the world in field of electronic commerce are in effect to change the logical and physical structure of their organization in this area. On the other hand, our world is changing day by day, demand of people are changing and increasing synchronously with it, and need to a reference, and resource of accurate information is a request of each society. One of the most developments in recent decades is in field of computer science especially in web designing. Web designing has many criteria and if designer does not sufficient attention to them, itiv is possible causes to a negative and inverse result. Today Internet is an inseparable part of our life and we doing majority of our works with it. Therefore, satisfying confidence of customers is a vital goal for producers and vendors. The majority customers searching their needs in famous engine searches because they do not like to spend them time. Hence, to have a strong website be update with new techniques and new developments is inevitable. In this paper, we discussed about the Electronic Commerce, designing of commercial websites and required techniques for this work. Analytic Hierarchy Process is a flexible, powerful and simple way to make decisions and can be used between the options in situations where opposite criteria makes it difficult to choose. It also solves all of the complexities by using focus on problems gradually. In fact it turns a multidimensional problem into a one-dimensional problem and they will became to understandable. In addition, this property can be used to combine and unify scattered opinions by regarding their importance. In this thesis, we do survey about E-Commerce and website designing and we analyzed the websites of six international shoes company by Expert Choice. Keywords: Electronic Commerce, Website Design, S e a r c h E n g i n e O p t i m i z a t i o n , Analytic Hierarchy Process, Customer, Vendo
Efficient parallel processing approach based on distributed memory systems
Complex problems need long time to be solved, with low efficiency and performance. So, to overcome these drawbacks, the approach of breaking the problem into independent parts and treating each part individually. When treating with problems that need strong processing, it is necessary to break these problems to independent parts and specify each one to a certain processor in such method that these processors can operate in parallel approach. The system that contains such processors will consist of multiple processing units connected via some interconnection network and the software needed to make the processing units work together. These systems can be Shared, Distributed or Hybrid memory systems. In this thesis, the approach of distributed memory system is depended and based on client/servers principles, the network can contain any number of nodes; one of them is a client and the others are servers. The algorithms used here are capable of calculating the (Started, Consumed, and Terminated) CPU-times, Total execution time and CPU usage of servers and Client hosts. This work addresses an improved approach for problem subdivision and design flexible algorithms to communicate efficiently between client-side and servers-side in the way to overcome the problems of hardware networking components and message passing problems. Matrix Algebra operations depended as case-study. For this case study, there are many general algorithms and other related algorithms (i.e. Network-Connection-Checking, Load-Division, Massages-Sending/Delivering, Timings-Calculating, Results-Checking, and Results-Receiving/Storing). All these algorithms designed and tested completely by this work. The obtained results are checked and monitored by special programming-checking-subroutines through many testing-iterations and proved a high degree of accuracy. All of these algorithms are implemented using Java Language. Keywords: Parallel Processing, Clustering , CPU Usage, Load Division , Parallel Computing ,CPU Timing , Distributed Memory System , Client/Servers.
Using dijkstra algorithm in calculating alternative shortest paths for public transportation with transfers and walking case study: Ankara
In this study, the possibility of using the Dijkstra algorithm in calculate shortest paths and using GIS to connect transport lines for increasing efficiency in the accessibility to shortest paths was studied. The results are presented as spatial maps. Basically, the research question this thesis addresses is: "Can Iraqi authorities use graph theory and shortest path algorithm to build a system to develop a public transit system including exchanging lines and walking, based on the experiences of transport systems in Turkey?" As a research methodology, Ankara's mass transportation has been examined as considerable similarities are found between Ankara and Baghdad in terms of population in number and in density. Hence, an introduction is given on both cities. Additionally, information technologies to investigate and promote public transport systems in the literature are visited. As gathering spatial data has required considerable time and resources, sample datasets of Ankara's mass transport system are used to run demonstrative applications to highlight potential problems in the technical side. The surveyed literature also includes graph theory, transportation network, shortest path problems and GIS usage in the public transportation. The used MapInfo Professional and MapBasic software tools are available on the market. Specific application programs are developed in MapBasic to ease analyses and implementation in MapInfo. Additionally, programs are coded in C++ to apply Dijkstra algorithm to feed data to GIS software. Limitations are also reported to open further research avenues including other algorithms for path optimization. The results show that Dijkstra algorithm can be successfully applied to reform and design mass transportation systems. An unfortunate finding underlined that it is too early to jump to application design as the primary problem is to collect reliable and up to date spatial data of Baghdad.
The use of GIS to manage urban development: The example of Kirkuk city
One of the main problems facingthose responsible for urban planning and management is the growing volume of data available related to urban development. Geographic Information Systems (GIS) are thus becoming increasingly importantforvarious applications, such as the mapping, management and prevention of urban slum growth. Indeed, the adoption of GIS technology within the municipal information systems of developing countries is nowadays considered a major method with which to solvesuch data management problems.The present study focuses on how GIS technology could increase the effectiveness and efficiency of the urban development management process for the city of Kirkuk, Iraq. Fieldwork and GIS data, including those obtained via primary and secondary sources,were employed to conduct a temporal analysis of Kirkuk during the 64-year period from 1947 to2011,thereby enabling an in-depth review of both the city's urban development process and the key problems to be tackled. Based onthe results, GIS would be able to solve many of the city's urban development problems and could also be applied to other similar cases elsewhere in Iraq. Keywords; urban development, Geographical Information System(GIS),Kirkuk
Development and evaluation of an online course for Iraqi students using google course builder: An analysis using the technology acceptance model
The main aim of this study is to investigate the effectiveness of e-learning and to reveal the students' perceptions about e-learning and any possible obstacles. An online e‑learning course was developed during the study. In order to reveal the possible obstacles and students' perceptions about e-learning, the Technology Acceptance Model (TAM) is used. The results of this study might help to support the spread of e-learning in Iraq. An online course utilizing Google Course Builder was developed in order to help Iraqi immigrant students who cannot enroll at, or go to, schools. To evaluate the effectiveness of e-learning for Iraqi students, a descriptive research study was conducted to investigate the opinions of the students about e-learning and to uncover obstacles of implementing e-learning for Iraqi immigrant students. According to the questionnaire that was created for the students and, all the students found that the e-learning course was easy to use and it would improve their learning performance. The majority of the students found that an e-learning course could make it easier to study course content. All the students also found that studying through an e-learning online course was a good idea to help them to improve their learning performance. Moreover, all the students found that the e-learning course was important to them as students and the majority of them found that it was important for them to take an e-learning course in order to prepare for future work.
Business and it architectural requirement analysis of generic BYOD programs
Bring Your Own Device (BYOD) is a contemporary concept and an enterprise mobility management paradigm by which organizations allow employees to connect their personal devices to the corporate network and access collaborative applications. It needs to be analysed and improved in relation to implementation, determination of program and scope, selection of policy and model and demonstration of strategic points. The main objective of this research is to find an answer to "what comprehensive strategy can be advised to organizations in the beginning phase of their first BYOD program?" Within the scope of this work, deciding on a BYOD strategy, determining identity management, defining access policies and implementation of a roadmap to a generic BYOD were examined and evaluated. Systematic literature review was conducted and real world business cases were reviewed. Personal privacy, corporate confidentiality, app wrapping, IAM, and new technology requirements for complex environments are acknowledged as research findings. Public governance bodies, private corporate secrecy, financial design prospect, budget considerations and ever changing legislative environment were primary limitations in this research. Choosing the baseline framework is the first step in this study. A potential benefit of this work is to provide such framework to organizations to decide which additional service and deployment model best meets their needs.
Server based electronic signature approach to improve e-signature practices in Turkey
In this study, a server-based electronic signature structure has been investigated as a valid and centralized e-signature method in terms of its applicability to Turkey's current eID structure. Current widespread e-signature methods' and their applications that are in use in Turkey are examined further, so that possible advantages and disadvantages of a new server-based solution can be determined clearly. Research specifically contains the Austria's server-based eID approach that is in use and continues with the compatibility assessment of the requirements of this solution with Turkish eID usecases. Hence, a possible server-based eID structure for Turkish eID environment is proposed and the applicability of this server-based e-signature method is evaluated in the context of whether it can ease Turkish practices of e-signing. Necessary steps to achieve a successful integration of the presented solution to the current infrastructure are determined. It is concluded that, server-based signature approach would contribute to the development of a more usable and cross-border way of online identification as well as it would help to reach the international standards of e-signatures in Turkey.
Finding the most suitable irrigation dams for hydropower development by using gis tools
This thesis aims to find the most suitable irrigation dams for hydropower development in Turkey to provide clean energy from an available resource by assessing on technical, spatial, and environmental criteria. The selected dams are arranged based on their suitability scores into three categories (high, medium and low) using a multi-criteria fuzzy logic tool that calculates the score separately for each criterion and then aggregates them into an overall suitability score. Six criteria are assessed: normal water level, reservoir storage capacity, dam purpose, years in operation, nearest substation distance and environment impact assessment requirement. The criterion of nearest substation distance was used to ensure that the benefits of potential power are consistent with the cost of grid connection. A methodology for finding best grid connection path is presented based on a multi-criteria geographic information system (GIS) spatial analyst to achieve the least cost, lowest power losses and lowest environmental impact. Two dams are chosen as case studies, Karadere and Karaçomak. For these dams, technical and spatial criteria are evaluated and the potential power and economic benefits are estimated. A least cost path methodology is applied to find the best grid connection path for each of those dams to their nearest substations.
Identifying management errors that lead to failure in it projects and recommendations for project managers
Information technology (IT) projects bring significant benefits to organizations if they are successful, but some IT projects face setbacks before or after delivery and fail. IT projects can fail for many reasons. This study reveals that most IT projects fail due to various reasons, including mismanagement of projects by IT project managers, lack of customers' knowledge of technical details, and lack of communication between the project owner and the project team. This study presents a literature review on the causes of failure in IT projects by examining online resources, which are scientifically accepted databases such as ProQuest and EBSCOhost, at the first stage. Afterward, a survey was conducted for people working in the IT sector to reveal the reasons for the failure of IT projects. This survey also tried to determine the management mistakes of IT project managers in their IT projects and other factors that lead them to failure. Finally, it was tried to make suggestions to the project managers to carry out their IT projects with minimum failure by identifying the issues that caused the failure of the IT projects and the management errors.
Challenges in adapting ITIL in it service management: An explanatory study
Difficulties faced in maintaining the ITIL based service desk within the scope of IT service management are investigated in this thesis. The literature reports need for a guide, such as ITIL in IT service management. However, to our knowledge, there are limited studies focusing on the adaptation problems of the ITIL to the daily needs of institutions. In fact, many problems are experienced in the implementation and maintenance of ITIL processes in IT departments even when a service management software system is used. Hence, the challenges experienced by the IT departments of universities in the formal management of IT services under the guidance of ITIL V3 including processes of incident, request and problem, are discussed in this thesis. To overcome these problems, ITIL awareness should be created within an organization, primarily. In addition, continuous improvement should be considered since demands change over time. Difficulties are found in IT service management underpinned by ITIL V3 guidance. However, upgrading to higher versions will not be easy and doing so could bring other problems. Lack of ITIL knowledge has also been found in institutions. Therefore, in addition to the requirement for appropriate IT service management tools and continuous user trainings for these tools, role-based trainings should be taken and superior management support is needed. Experiences in service management, especially the ITIL service desk process, were highlighted with this study. Findings recommend ITIL be adapted to the corporate culture and that IT service management take a holistic approach. Limitations of the study include the financial and legal aspects. As conclusion, the challenges faced in adoption an ITIL-based service desk are caused mainly by users' lack of knowledge of the framework and not by ITIL itself. Keywords: Service Desk, Incident, Request, Problem, Knowledge Base
Enhancing matrix factorization-based recommendation systems: A comparative study on trip recommendation systems
As the impact and usefulness of recommendation systems continue to grow, their importance in various applications is becoming more and more pronounced. Thus, it is crucial to design and implement recommendation systems that are both efficient and highly accurate to meet the increasing demands and expectations. This study focuses on a model awarded first place in a travel forecasting recommendation system competition. The objective is to investigate whether improvements, such as the correlation of the model used with the dataset and the impact of the reduced dataset applied on the success rate, affect the model's performance. Changes have been made to the dataset to reduce resource utilization. Unusually, the dataset has been reduced to one-fifth using random and selective reduction methods, and the results have been observed. While random reduction of the dataset has led to a decrease in the success rate, methodical reduction of the dataset has significantly increased the success rate. Instead of the deep learning algorithms used by the original model, GRU, another algorithm using the same principles, LSTM, is utilized. The effects of Gated Recurrent Unit (GRU) and Long Short-Term Memory (LSTM) on the data set are also investigated. For these datasets, the GRU algorithm has produced more accurate results than LSTM. New models have been developed on the embedding layers, and the results have been observed. Furthermore, the optimizer used by the model is changed and the performance of other optimizers is evaluated. Optimizers have shown a wide range of effects on hardware. The original model achieved a success rate of 0.5664, while the experiments conducted in this study reached the highest and most reliable success rate of 0.6654. We argue that changes applied to models, optimizers, and feature engineering can be useful for maintaining effective recommender systems.
Exploring models, data strategies, and hyperparameter tuning in a trip recommendation system
Recommender systems' importance has been increasing recently. It is becoming more difficult to make a recommendation that users might like because of the complex data. Especially in trip recommender systems, recommending the next city is a hard task, where recommending truly is important. According to various studies, using deep learning with recommender systems helps improve recommendations' accuracy and handle complex data. This thesis reveals new architectures, data, and hyperparameter tuning techniques for a proposed deep learning-powered trip recommender system. NVIDIA Team's winning recommender system solution in the WSDM WebTour 2021 Challenge has been used. To understand this winning solution, the algorithm and dataset have been analyzed. Then new solutions have been proposed to enhance the study.
Optimizing marketing budgets for online retailers through artificial intelligence and machine learning techniques
Abstract In order to maximize marketing budget allocation for online merchants, this thesis investigates the use of artificial intelligence (AI) and machine learning (ML) approaches. Traditional budgeting techniques have proven insufficient in light of the retail industry's rapid digitization and the growing complexity of customer contact channels. This study offers a data-driven strategy that forecasts marketing results and maximizes spending efficiency by utilizing predictive modeling. Preprocessing marketing campaign data, exploratory data analysis, and the use of sophisticated machine learning models like Random Forest, Gradient Boosting, and LightGBM within the PyCaret framework are all part of the methodology. Based on accuracy and interpretability, the top-performing model is chosen, and feature importance is determined by SHAP analysis. The findings show that smart budget allocation based on machine learning predictions greatly increases client targeting tactics, decreases unnecessary spending, and boosts marketing efficacy. The results show how AI-driven optimization can revolutionize budget planning procedures and have important ramifications for e-commerce decision-makers.
Dil dershaneleri için müşteri ve müşteri temsilcilerinin takibi ve işletme analizleri
Bu araştırmanın amacı, bir hizmet sektörü birimi olan dil dershanelerinin öğrenci bulmada karşılaştıkları sorunlar ve kaydı yapılan öğrencilerin analizlerini yapmaktır. Araştırmada ilk önce işletmeler faaliyet alanlarına göre belirtilmiş, hizmet sektörünün müşteri bulmadaki zorlukları üzerinde durulmuştur. Çalışmanın ilk bölümünde, hizmet birimi olan dil dershanelerinin günümüz rekabet ortamında nasıl ayakta kalacağı müşteri odaklı hizmetin nasıl uygulanacağı metodları ele alınmıştır. Çalışmanın ikinci bölümünde ise, işletmenin müşteri takibi ve analizleri için yapılan programın çalışma prensipleri anlatılmıştır. Bu bölümde programın menü seçenekleri, veritabanı yapısı ve tablolar arası ilişkiler ayrıntılı olarak ele alınmıştır. Çalışmanın son bölümünde ise, hipotezlerin ölçülmesi ve eldeki verilerin analizleri yapılmıştır. Bu analizlerde ilk olarak eldeki verilerle Weka programında Navie Bayes algoritması uygulanarak işletmelerin müşteri kayıt olasılıkları üzerinde durulmuştur. Daha sonraki analizler SPSS programında yapılmıştır. Bu analizlerde en çok hangi yöntemle müşteri bulunmakta, müşterinin gelişi en çok hangi yollarla olmakta ve en çok kayıt alan müşteri temsilcisi bilgileri bulunmaya çalışılmıştır. Bunların yanı sıra en az müşterinin geldiği yer, en az kayıt alan müşteri temsilcisi gibi bilgiler çıkarılmıştır.
Implementation of nested dilated-based trans-r2unet for segmentation and adaptive efficientnet with region attention mechanism to classify
Dental caries is a highly prevalent oral disorder, and the strategies of deep learning have been employed for diagnosing caries with large populations by employing RGB images. The conventional attention-aided image categorization approaches have the issues of feature underutilization and simple interference by irrelevant and background data. The timely recognition of dental caries is significant for performing treatments. For this objective, the bitewing radiography is employed to provide the initial detection of caries. The utilization of deep structured models with neural network approaches helps process the large number of images that have been experimented nowadays and provides promising functionalities. The computer-assisted smart vision approaches applied by image processing and machine learning mechanisms are required to eliminate these drawbacks. Hence, deep learning mechanisms have accomplished remarkable diagnosis efficacy in the radiology sector. Hence, a novel deep learning-based dental caries detection and classification framework is designed in this work. Initially, Cone Beam Computed Tomography (CBCT) images utilized for the detection and classification of dental caries are collected from the benchmark resources. Further, the collected images are provided for the image segmentation phase. Here, the developed Nested Dilated-based Transformer Recurrent Residual Unet (NDT-R2Unet) framework is used to attain the segmented images and these images are provided as the input to the dental caries disease classification phase. In this phase, an Adaptive Efficient Net with Region Attention (AdaENet-RA) is employed to classify dental caries among the individuals. Moreover, several parameters in developed AdaENet-RA are tuned using Arbitrary Updated Wild Geese Migration Optimization (AUWGO) and provide the dental caries disease classified outcomes. Later, various validations are executed in the developed framework to verify the effectualness of the suggested framework over the classical techniques.
C# ile web kameradan optik form okuma
Bu çalışmada, C#.Net platformu kullanılarak web kamera ile optik form okuyabilen bir program geliştirilmiştir. Öncelikle bir deney düzeneği tasarlanmıştır. Tasarlanan deney düzeneğine 1,3 mega piksel, Philips SPC 900NC marka standart bir CCD (Charge Coupled Device) kamera sabitlenmiş aynı zamanda fikstür yardımıyla optik formların deney düzeneğine hep aynı açıda yerleştirilmesi garantilenmiştir. Geliştirilen program web kamerası yardımıyla optik formun görüntüsünü almaktadır. Alınan 640x480 piksel RGB (Kırmızı, Yeşil, Mavi) formatındaki görüntü önce gri seviyeye (grayscale) dönüştürülmekte daha sonra kontrast germe işlemiyle resim belirginleştirilmektedir. Formun altı bölgesinden Otsu Algoritması ile elde edilen dinamik eşik değerine göre, gri seviyeden ikili seviye (binary) dönüşümü yapılmaktadır. Siyah ve beyaz piksellerden meydana gelen ikili seviye görüntünün, piksellerin siyah/beyaz olma durumuna göre veya piksel gruplarındaki siyah piksel sayılarına göre anlamlandırılması yapılmıştır. İlk önce formun sol ve sağ üst köşesinde yer alan işaretlerin koordinatları tespit edilmiştir. Daha sonra bu işaretlere göre formda bulunan tüm seçeneklerin merkez koordinatları hesaplanmıştır. Seçeneklere ait dairelerin merkez koordinatları etrafındaki 11x11 piksel alandaki siyah piksel toplamları bulunmuştur. Geliştirilen algoritmayla siyah piksel toplamları değerlendirilerek işaretli seçenekler tespit edilmiş ve veri tabanına kayıt edilmiştir. İşaretlenmiş seçenekler ile cevap anahtarı karşılaştırması yapılmış, doğru, yanlış, boş ve hatalı cevap sayıları elde edilmiştir. Sınava ait tüm cevap kâğıtları değerlendirilerek sınav analizi istatistiği çıkarılmıştır. Çalışmada 221 öğrenciyle yapılan deneyler sonucunda; her bir optik formun CCD kamera yardımıyla bilgisayar ortamına alınması, görüntü işleme tekniklerinin uygulanması ve formdaki işaretlerin çeşitli algoritmalarla değerlendirilmesi işlemi yaklaşık olarak bir saniyede tamamlanmıştır. Optik formda öğrencilerin numaralarının kodladığı alan hatasız olarak okunmuş, %100 doğrulukla öğrenci numaraları tespit edilmiştir. Yine kitapçık türünün kodlandığı alan da hatasız olarak okunarak %100 başarı elde edilmiştir. Test 1 ve Test 2 alanlarının başarı ortalaması ise %99,90 olarak gerçekleşmiştir. Bir diğer açıdan, 221 optik formun yalnız 7 tanesinde hatalı okuma meydana gelmiş, 214 optik form sıfır hata ile okunarak %96,83 doğruluk oranı yakalanmıştır.
Transmitting vital health data with coap observe
Internet of Things (IoT) is one of the most preferred technologies of recent times. Today, the use of IoT in daily life is increasing and it is expected to increase further over time. IoT devices can communicate automatically without the need for any user. It can receive data from other devices or generate data through the sensors on them. IoT can be used in smart city systems, home automation systems, traffic, and many other areas. One of the areas where the IoT system is used is the health sector. In healthcare technology, IoT systems play an important role in the automatic acquisition, monitoring, and processing of patients' health data. Elderly patients who do not want to be in a crowded environment or who need compulsory home care can expect to be monitored and treated remotely. As a solution to these situations, IoT systems can be considered to collect the health data of individuals and transmit them to a health institution. In this case, it is necessary to analyze the performance of network protocol stacks that can work with IoT systems in order to transmit this health data quickly and reliably. In this study, the health data of the patients were updated every second using the CoAP Observe method. The standard IoT protocol stack is used. 4 different metrics (latency, energy efficiency, reliability, and throughput) were determined and performance evaluation was made. A total of 12 scenarios were evaluated with 4 different scenarios and 3 different PDR (Packet Delivery Ratio) values (100, 95, 90) using MAC (CSMA, nullMAC) and RDC (contikiMAC, nullRDC) protocols.
İstenmeyen e-postaların filtrelemesinde açı dönüşümü tabanlı içerik bağımsız bir yaklaşım
Bu çalışmada, spam olarak tanımlanan istenmeyen e-postaların tespiti için geliştirilen açı yaklaşımı incelenmiştir. E-postaların metin içerikleri Unikodlara dönüştürülerek bir boyutlu sinyal olarak ele alınmış ve bu sinyal üzerindeki değerler arasındaki açı bilgileri hesaplanmıştır. Elde edilen açı sinyali, her e-postaya özgü bir histogram öznitelik vektörü olarak kullanılmıştır. Bu yaklaşımın başarısını test etmek amacıyla çeşitli makine öğrenimi yöntemleri kullanılmıştır, bunlar arasında Naive Bayes (NB), Karar Destek Vektörleri (SVM), K-En Yakın Komşu (Knn) ve Random Forest (RF) bulunmaktadır. Bu sınıflandırma işlemleri açık kaynak kodlu Weka programı ile gerçekleştirilmiştir ve 10-fold çapraz doğrulama ile değerlendirilmiştir. Sonuçlara bakıldığında Knn yöntemi ile %94,2'lik bir başarı elde edildiğini göstermektedir. Diğer yöntemler de kabul edilebilir başarılar göstermiştir. Ayrıca, uL ve uR gibi parametrelerin farklı değerlerinin kullanılması, açı yaklaşımının esnekliğini ve farklı örüntüler elde etme kapasitesini vurgulamıştır. Özellikle, uR=1 ve uL=1 parametre değerleri ile yüksek bir başarı elde edilmiştir. Ancak, bu parametrelerin farklı veri setlerinde farklı değerlendirmeler gerektirebileceği vurgulanmıştır. Bu çalışma ile, spam tespiti için karakterlerin Unikod değerleri arasındaki açı bilgilerini kullanan içerik bağımsız bir yaklaşımın etkili bir yol olduğunu ortaya koymaktadır. Bu yaklaşım, spam ile mücadelede geleneksel metin analizine alternatif bir yöntem sunmaktadır.
Bilim ve sanat merkezine devam eden öğrenci velilerinin karşılaştıkları zorlukların veri madenciliği yöntemleriyle incelenmesi(Batman ili örneği)
Bu çalışmanın temel amacı, Bilim ve Sanat Merkezlerine devam eden üstün yetenekli çocukların velilerinin deneyimlediği zorlukları belirlemektir. Bu amaç doğrultusunda, 2022-2023 eğitim-öğretim yılında Batman Bilim ve Sanat Merkezine devam eden 113 veli ile çalışma gerçekleştirilmiştir. Üstün yetenekli çocuklara sahip olmanın yanı sıra, bu çocukların Bilim ve Sanat Merkezi'ne devamı sırasında velilerin yaşadığı zorluklar, merkeze ilişkin görüşleri, karşılaştıkları güçlükler, beklentileri ve olası çözüm önerileri, betimsel tarama modeli kullanılarak araştırılmıştır. Bu çalışmanın sonuçları, içerik analizi tekniği kullanılarak nicel araştırma yöntemleriyle analiz edilmiş ve değerlendirilmiştir. Araştırmanın sonuçları, üstün yetenekli çocuklara sahip ebeveynlerin, çocuklarının yeteneklerini tanıma, zihinsel ve sosyal kişilik durumlarını anlama, çocuklarıyla etkili iletişim kurma ve problemleri çözme konularında zorlandıklarını göstermiştir. Ayrıca, Batman Bilim ve Sanat Merkezi'ne ilişkin olarak derslerin ve atölyelerin gün ve saatlerinin çocukların normal okul saatlerine uygun olmaması, ulaşım ve yemek ücretleri gibi sorunlarla birlikte, çocukların hem resmi okullara hem de Bilim ve Sanat Merkezine devamında yaşadıkları zorluklar da belirlenmiştir. Bu zorluklara çözüm getirme amacıyla, uzmanlar tarafından ebeveynlere üstün yetenekli çocukları yetiştirme konusunda eğitim verilmesi, Bilim ve Sanat Merkezi'ne ücretsiz ulaşım imkanı sağlanması ve çocuklar için burs olanakları sunulması gibi önerilerde bulunulmuştur.
Transfer öğrenme modellerinin basamaklandırılmış derin özelliklerini ve topluluk sınıflandırıcıları kullanarak lastik çatlaklarının tespit edilmesi
Bu çalışma, araç sürücülerinin lastiklerinde oluşan çatlakları tespit etmeye yönelik yapay zeka destekli bir yıpranmış lastik tespit sistem önermektedir. Genel olarak, sürücüler lastik diş derinliği ve hava basıncının önemini bilse de lastik oksidasyonundan kaynaklanan risklerin farkında değildir. Oysa lastik oksidasyonu ve çatlaklar, sürüş güvenliğini etkileyen önemli sorunlara yol açabilir. Bu çalışmada, ön-eğitimli transfer öğrenme yöntemleri kullanılarak elde edilen derin öznitelikler ve topluluk öğrenme yöntemleri kullanılarak lastiklerde çatlak tespitine yönelik CTLDF+EnC isimli yeni bir hibrit mimari önerilmektedir. Önerilen hibrit modeller, özniteliklerin elde edildiği dokuz transfer öğrenme yöntemi ve sınıflandırıcı olarak İstifleme, Yumuşak ve Katı oylama topluluk öğrenme yöntemlerini içermektedir. Çalışma literatürdeki endüstriye kullanıma yönelik X-Ray görüntü tabanlı yapılmış çoğu çalışmanın aksine herhangi bir sayısal görüntüleme cihazı ile elde edilebilecek görüntüler ile çalışmaktadır. Çalışma kapsamında en yeksek test doğruluk değeri 76,92% ile CTLDF+EnC (İstifleme) hibrit model ile elde edilmiştir. CTLDF+EnC (Yumuşak) ve CTLDF+EnC (Katı) mimarileri için ise doğruluk değerleri sırasıyla 74,15% ve 72,92% olarak elde edilmiştir. Çalışmanın sonuçları, önerilen hibrit modellerin lastik problemlerini tespit etme konusunda etkili olduğunu göstermiştir. Ayrıca düşük maliyetli ve uygulanabilir bir yapı sunulmaktadır.
Derin öğrenme ile türkçe ses işaretlerinden rakam tanıma
Günümüzde, teknolojinin hızla ilerlemesiyle birlikte, ses tabanlı tanıma sistemleri birçok alanda önemli bir rol oynamaktadır. Ses, insanlar arasındaki temel iletişim araçlarından biri olmanın ötesinde, otomasyon, güvenlik ve kullanıcı deneyimi gibi birçok uygulama alanında da kritik bir faktördür. Sesin dijital ortamlarda etkili bir şekilde kullanılabilmesi, özellikle konuşma tanıma teknolojilerinin geliştirilmesi ile mümkün olmaktadır. Bu teknolojiler, ses sinyallerini analiz ederek konuşma dilini anlama ve çeşitli görevleri yerine getirme yeteneğine sahiptir. Özellikle dijital rakam sınıflandırma, bu konuşma tanıma teknolojilerinin önemli bir uygulama alanını oluşturmaktadır. Dijital rakam sınıflandırma, ses sinyallerinden elde edilen dijital rakamları doğru bir şekilde tanıyabilen ve ayırt edebilen sistemlerin geliştirilmesini içerir. Bu, telekomünikasyon sistemlerinden sesli komut sistemlerine, konuşma tabanlı güvenlik uygulamalarından çeşitli endüstriyel ve ticari uygulamalara kadar geniş bir yelpazede kullanım potansiyeli sunmaktadır. Bu bağlamda, ses tabanlı dijital rakam sınıflandırmanın önemi, günlük yaşamdan endüstriyel uygulamalara kadar geniş bir etki alanını kapsamaktadır. Bu çalışma, ses sinyalleri üzerinden gerçekleştirilen dijital rakam sınıflandırma işleminde kullanılan farklı makine öğrenimi modellerini değerlendirerek, bu alandaki teknolojik gelişmelere katkıda bulunmayı amaçlamaktadır. Ses sinyalleri üzerinden dijital rakam sınıflandırma için SVM, LSTM ve CNN modelleri değerlendirilmiştir. %80-20 eğitim-test oranında en yüksek başarı oranını %81,94 ile CNN modeli elde etmiştir. CNN modeli, özellikle "Altı (6)" dijiti için %98,2'lik bir başarı oranına ulaşarak dijit bazında yüksek performans sergilemiştir. Diğer dijitler arasında farklı başarı oranları gözlemlenmiş, örneğin "Bir (1)" ve "Dokuz (9)" için yüksek performans sergilenirken, "Üç (3)", "Dört (4)" ve "Sekiz (8)" için daha düşük başarı oranları kaydedilmiştir. Çalışma kapsamında, farklı eğitimtest oranları altında yapılan değerlendirmelerde LSTM modeli %50-50 eğitim-test oranında en yüksek başarıyı göstermiştir. SVM'nin en yüksek başarı oranını ise %80-20 eğitim-test oranında elde ettiği görülmüştür. Ancak genel olarak, derin öğrenme modelleri olan LSTM ve CNN, SVM'ye kıyasla daha yüksek başarı oranları göstermiştir. Bu sayısal sonuçlar, derin öğrenme modellerinin özellikle ses tabanlı dijital tanıma uygulamalarında etkili bir şekilde kullanılabileceğini göstermiştir. Anahtar Kelimeler: CNN, CWT, LSTM, Ses dijit sınıflandırma
Aktarım derin öğrenme metotları ile yüz ifadelerinden duygu tespiti
Bu çalışma, yapay zekâ ve derin öğrenme tekniklerinin duygu tanıma yeteneklerini değerlendirmek amacıyla gerçekleştirilmiştir. İnsan duygularını anlama ve yüz ifadeleri aracılığıyla analiz etme ihtiyacı, teknolojinin gelişimiyle birlikte giderek artmaktadır. Bu bağlamda, Residual Network (ResNet) ve transfer derin öğrenme modelleri kullanılarak duygu analizi gerçekleştirilmiştir. Çalışmanın odak noktası, özellikle ResNet50 modelinin duygu tanıma görevindeki etkinliğini vurgulamaktır. ResNet mimarisi, derin sinir ağlarının eğitimini kolaylaştırmak ve aşırı uyum sorunlarını azaltmak amacıyla geliştirilmiştir. Modeller, transfer derin öğrenme yaklaşımıyla öğrenilen bilgileri duygu tanıma görevine aktarmayı amaçlamaktadır. Çalışma, Fer2013 veri seti üzerinde gerçekleştirilmiş ve modellerin performansı çeşitli metriklerle değerlendirilmiştir. Elde edilen sonuçlar, özellikle ResNet50 modelinin diğer modellere kıyasla daha yüksek başarı oranına sahip olduğunu göstermektedir. Bu sonuçlar, yapay zekâ temelli duygu tanıma uygulamalarının gelecekteki potansiyelini ve derin öğrenme modellerinin bu alandaki etkisini anlamamıza katkı sağlamaktadır. Çalışmanın bulguları, duygu tanıma teknolojilerinin geliştirilmesi ve iyileştirilmesi konusunda araştırmacılara rehberlik edebilir. Yapay zekâ tabanlı duygu analizi, sağlık sektöründen akıllı yaşam alanlarına kadar geniş bir yelpazede uygulamalar bulabilir ve insanmakine etkileşimini daha etkili hale getirebilir. Bu bağlamda, ResNet50 modelinin başarısı, duygu tanıma alanında derin öğrenme modellerinin kullanımının önemini vurgulamaktadır. Anahtar Kelimeler: Derin öğrenme, Duygu Tanıma, ResNet Modeller
Derin öğrenme metotları ile asma yapraklarının sınıflandırılması
Asma yapraklarının sınıflandırılması, tarım ve gıda endüstrisinde önemli bir yer tutmaktadır. Özellikle yaprak hastalıklarının erken teşhisi, verimliliği artırmak ve ürün kalitesini korumak için kritik bir öneme sahiptir. Geleneksel yöntemler bu süreçte yetersiz kalabilirken, derin öğrenme teknikleri yüksek doğruluk ve hız sağlayarak etkili çözümler sunmaktadır. Bu tez çalışmasında, 8 farklı asma türünden elde edilen toplam 4000 asma yaprağı görüntüsünü sınıflandırmak amacıyla derin öğrenme modelleri kullanılmıştır. Araştırmanın temel amacı, bu yaprak görüntülerini en yüksek doğrulukla sınıflandırabilecek modeli belirlemek ve tarımsal uygulamalarda kullanılabilecek bir sınıflandırma sistemi geliştirmektir. Çalışmada, ResNet50, ResNet101, ResNet152, MobileNet, Xception ve DenseNet169 modelleri kullanılarak performans karşılaştırmaları yapılmıştır. Öncelikle asma yaprağı görüntüleri çeşitli ön işleme adımlarından geçirilerek veri seti oluşturulmuştur. Ardından bu veri seti, her bir model ile ayrı ayrı eğitilmiş ve değerlendirilmiştir. Modellerin performansı; doğruluk, eğitim süresi ve model karmaşıklığı gibi kriterler göz önünde bulundurularak analiz edilmiştir. Deneysel sonuçlar, ResNet101 modelinin %88 doğruluk oranı ile en yüksek performansı sergilediğini, ancak 17 saatlik eğitim süresi ile uzun bir süreyi gerektirdiğini göstermiştir. Xception modeli %86 doğruluk oranı ile ResNet101 modeline yakın performans sunmuş ve ayrıca 10 saatlik işlem süresinin dikkate değer olduğu için tercih edilebileceği anlaşılmıştır. MobileNet modeli ise %80 doğruluk oranı ve daha hızlı (2 saat 20 dakika) sonuçlar üretmiş, bu da onu gerçek zamanlı uygulamalar için uygun hale getirmiştir. DenseNet169 modeli ise %73 doğruluk oranı ile en düşük performansı sergilemiştir. Bu bulgular, derin öğrenme modellerinin asma yaprağı sınıflandırmasında etkili bir şekilde kullanılabileceğini ve doğru model seçiminin hem doğruluk hem de verimlilik açısından kritik olduğunu ortaya koymaktadır. Gelecekteki çalışmalarda, literatürde yer alan farklı sinir ağı modelleri ile başarı oranının artırılması ve görüntü işleme tekniklerinin geliştirilmesi hedeflenmektedir. Ayrıca en yüksek doğruluğa sahip model temel alınarak tarımsal üreticiler ve tüketiciler için pratik bir mobil uygulama geliştirilmesi planlanmaktadır. Anahtar Kelimeler: Asma Yaprağı Sınıflandırması, DenseNet, Derin Öğrenme, MobileNet, ResNet, Tarımsal Uygulamalar, Xception
İşaret dilinin derin öğrenme yöntemleriyle metin haline dönüştürülmesi
İşitme ve duyma engelli bireyler, çevreleriyle iletişim kurarken ciddi zorluklar yaşamaktadırlar. Bu tez, gerçek zamanlı işaret dili tanıma sistemi ile bu soruna çözüm getirmeyi hedeflemektedir. Çalışma kapsamında, literatürde sıkça rastlanan 17 kelimeden oluşan bir veri seti, 5 denek tarafından özel olarak hazırlanmıştır. MediaPipe kitaplığındaki insan poz tahmin sistemi kullanılarak, kelimelerin anahtar noktaları başarıyla çıkarılmıştır. Bu anahtar noktalar, derin öğrenme modellerinden LSTM mimarisi ile sınıflandırılmıştır. Çalışma kapsamında kişi bağımlı ve kişi bağımsız iki ayrı uygulama yapılarak test veri seti üzerinde sırasıyla %94,71 ve %87,65 oranında doğruluk elde edilmiştir. Bu önerilen sistemin, işitme ve konuşma engelli bireylerin günlük iletişimlerini iyileştirmek adına literatürdeki diğer çalışmalara kıyasla yeterli seviyede performansa sahip bir çözüm ortaya konulduğu değerlendirilmektedir.
Yapay sinir ağları ile öğrenci başarısını değerlendirme: Analiz ve ilerleme önerileri
Bu çalışma, öğrenci başarısını tahmin etmek amacıyla eğitilen Yapay Sinir Ağı (YSA) modelinin performansını değerlendirmeyi hedeflemektedir. Geniş bir veri seti üzerinde gerçekleştirilen eğitim ve test süreçleri sonucunda elde edilen bulgular, çeşitli önemli kategorilerde detaylı bir şekilde incelenmiştir. Temel dersler arasında yer alan Türkçe ve Matematik gibi derslerde modelin düşük Root Mean Square Error (RMSE) değerleri elde ettiği gözlemlenmiştir. Bu durum, modelin bu derslerde güçlü tahminler yapabildiğini işaret etmektedir. Ancak, İnkılap Tarihi ve Fen Bilimleri gibi derslerde test RMSE değerlerinde bir artış gözlemlenmiştir; bu durum da modelin bu derslerde daha fazla iyileştirme potansiyeli taşıdığını göstermektedir. Deneme sınavı puanları ve toplam net sonuçları tahmininde de benzer bir analiz gerçekleştirilmiştir. Deneme sınavı puanları tahminlerinde eğitim ve test RMSE değerleri arasındaki fark dikkat çekicidir. Bu durum, modelin deneme sınavı puanları tahminlerinde daha fazla iyileştirme yapma potansiyeline yada modelin daha fazla geliştirilmesi gerektiğine işaret etmektedir. Ayrıca, modelin eğitim süreleri incelenmiş ve farklı kategorilerde farklı eğitim süreleri tespit edilmiştir. Modelin daha karmaşık kategorilerde, özellikle de deneme sınavı puanları tahminlerinde, daha uzun sürelerle eğitilmesi gerektiği gözlemlenmiştir. Bu çalışmanın temel amacı, YSA modelinin öğrenci başarısını tahmin etme konusunda genel bir etkinlik sergilediğini vurgulamaktadır. Ayrıca, çalışmanın kapsamında yer alan hedefler arasında; 1) Deneme sınavlarına bağlı olarak Liselere Geçiş Sınavı (LGS) sonucunu tahmin etme, 2) Deneme sınavlarının LGS sınavına olan benzerliğini ölçme ve 3) Yapay Zeka (AI) kullanarak öğrencilerin akademik başarısını belirlemede izleyeceği rolü belirleyen bir akademik danışmanlık/koçluk altyapısının kurulabileceğini gösterme hedefleri de bulunmaktadır. Bu hedefler, çalışmanın özünde yer alan önemli katkıları ifade etmektedir.
Bilgi teknolojilerinde siber güvenlik ve siber saldırı senaryoları
Siber güvenlik, hayatımızda önemi her geçen gün artan bir kavramdır. Teknolojik ürünlerin artması ve kullanım alanlarının genişlemesiyle birlikte siber saldırılar da artmakta ve böylece siber güvenlik her geçen gün önem kazanmaktadır. Siber güvenliğin tarihsel gelişimine bakıldığında insanların teknolojik cihazlara erişim hızlarının artması ile teknolojinin hayatın hemen hemen her alanında kullanılmaya başlandığı görülmektedir. Bu durum da siber güvenlik konusunun tüm hatları ile ortaya konulmasını engellemektedir. Günümüzde özellikle sağlık, turizm, eğitim, ulaşım, iletişim, bankacılık gibi aklımıza gelebilecek tüm alanlarda hizmet veren sektörlerde bilgi teknolojilerin aktif kullanıldığı görülmektedir. Bu durum sektörleri, siber saldırılara karşı önlem alma ve güvenlik politikalarını güncel tutmaya zorlamıştır. Günümüzde siber saldırılar etki alanını genişletmiştir. Bu dönemde bireysel bilgi hırsızlığı veya teknolojik bir cihazın ele geçirilmesi gibi dar alanda etki gösteren siber saldırılar yerini ülkelerin güvenliklerini tehdit eden bir seviyeye çıkarmış ve bu tehditlerin bazıları insanların ölümüyle sonuçlanabilecek bir seviyeye gelmiştir. Özellikle ülkelerin kritik alt yapılarına yapılan saldırıların, saldırıya uğrayan ülkelerin dış dünya ile bağının kopmasına, maddi ve manevi hasarlara uğramasına sebebiyet verdiği görülmektedir. Bu tezin hazırlanış amacı siber güvenliğin ne olduğu ve teknolojinin tarihsel gelişiminde yaşanan gelişmeler ile birlikte siber saldırıların etki alanlarını oraya koymaktır.
Derin öğrenme yöntemi ile metinsel ifadelerde duygu analizi
Bu çalışmada, Türkçe metinlerde kullanıcı yorumlarının duygu analizini gerçekleştirmek amacıyla makine öğrenmesi ve derin öğrenme yöntemlerinin etkinliği incelenmiştir. Beyaz eşya ürünlerine ait kullanıcı yorumları, Trendyol ve Hepsiburada gibi popüler e-ticaret platformlarından toplanmış ve analiz edilmiştir. Kelime bulutu yöntemi kullanılarak, yorumlardaki en sık geçen kelimeler görselleştirilmiştir. Olumlu yorumlarda "yüksek performans", "iyi fiyat", "memnun kaldım", "kurulumu kolay" gibi ifadeler öne çıkarken, olumsuz yorumlarda "gecikme", "kötü koku", "kalite kontrol eksikliği", "servis problemi" gibi ifadeler dikkat çekmiştir. Bu analizler, kullanıcıların genel memnuniyet düzeylerini ve karşılaştıkları sorunları görselleştirerek, işletmelere ürün ve hizmetlerini iyileştirmeleri konusunda içgörüler sunmaktadır. Makine öğrenmesi yöntemleri arasında SVM, KNN ve Naive Bayes (NB) algoritmaları kullanılarak sınıflandırma işlemleri gerçekleştirilmiştir. %80-20 eğitim-test oranları ile NB modeli %94.02 başarı oranı ile en yüksek performansı sergilemiştir. SVM modeli %93.42, KNN modeli ise %86.75 başarı oranı elde etmiştir. NB modeli, kesinlik, hatırlama ve F1 ölçütlerinde de yüksek performans göstermiştir. Derin öğrenme yöntemleri olarak LSTM ve 1D-CNN kullanılmış ve farklı eğitim-test oranları ile başarı oranları incelenmiştir. LSTM modeli %92.42, 1D-CNN modeli ise %91.42 başarı oranı ile iyi performanslar sergilemiştir. Sonuç olarak, Naive Bayes modeli en yüksek başarı oranını elde ederek diğer modellere kıyasla en iyi performansı göstermiştir. Derin öğrenme yöntemlerinden LSTM ve 1D-CNN de yüksek başarı oranları ile dikkate değer performanslar sunmuştur. Bu çalışma, e-ticaret sektöründe kullanıcı yorumlarının duygu analizinde makine öğrenmesi ve derin öğrenme yöntemlerinin etkili olduğunu ortaya koymaktadır. Bu tür analizler, işletmelere müşteri geri bildirimlerini daha iyi değerlendirme ve müşteri memnuniyetini artırma konusunda önemli avantajlar sağlayabilir.
Ortaokul öğrencilerinin başarılarını etkileyen faktörlerin veri bilimi ve makine öğrenmesi yöntemleri kullanılarak analiz edilmesi
Bu çalışma, ortaokul düzeyindeki öğrenci başarılarını etkileyen faktörlerin belir-lenmesi ve analiz edilmesi amacıyla veri bilimi ve makine öğrenmesi yöntemlerinin kulla-nılmasını hedeflemektedir. Eğitimde veri odaklı bir yaklaşımın önemini vurgulayan bu ça-lışma, öğrenci başarısını etkileyen karmaşık faktörlerin anlaşılmasına ve eğitim politikala-rının daha etkili bir şekilde tasarlanmasına katkı sağlamayı amaçlamaktadır. Çalışmanın temel odak noktası, ortaokul seviyesindeki öğrencilerin başarılarını etkileyen faktörlerin belirlenmesidir. Öğrenci başarısını etkileyen faktörler arasında öğrenci özellikleri, aile fak-törleri, okul ortamı ve öğretmen faktörleri gibi çeşitli değişkenler bulunmaktadır. Bu fak-törlerin belirlenmesi, eğitim sisteminin zayıf noktalarını tespit etmek ve öğrencilerin başa-rısını artırmak için bireyselleştirilmiş müdahalelerde bulunmak için önemlidir. Bu çalışma, Batman-Merkez Ortaokullarında öğrencilere başarı düzeylerini etkileyebilecek faktörleri belirlemek amacıyla yapılmıştır. Çalışma kapsamında öğrencilere başarı düzeylerini etkile-yebilecek faktörleri değerlendirmek için bir form verilerek doldurmaları istenmiştir. Öğ-rencilerin bu formları doldurmasıyla elde edilen yanıtlar ile ders dönemi ortalamaları ilgili okullardan alınmıştır. Bu veriler, veri bilimi ve makine öğrenmesi yöntemleri kullanılarak analiz edilmiştir. Veri bilimi ve makine öğrenmesi yöntemleri, büyük veri setlerini analiz etmek ve öğrenci başarısını etkileyen faktörleri tanımlamak için güçlü araçlar sunar. Veri analizi için grafik türleri, regresyon modelleri ve sınıflandırma gibi yöntemler kullanılarak öğrenci başarısını etkileyen faktörler belirlenmiş ve öğrencilerin ders ortalaması tahmin edilerek öğrencinin zayıf noktaları tespit edilerek bireyselleştirilmiş çözüm sunmuştur. Bu çalışmanın sonuçları, eğitimcilerin, eğitimde idari birimlerin, velilerin ve öğrencilerin orta-okul düzeyindeki öğrenci başarılarını artırmak için daha etkili stratejiler geliştirmesine yar-dımcı olabilir. Ayrıca, veri bilimi ve makine öğrenmesi gibi yenilikçi yöntemlerin eğitim araştırmalarında nasıl kullanılabileceğine dair bir örnek sunarak, bu alanda gelecekteki araştırmalara da katkı sağlayabilir.
Derin öğrenme metotları ile yüz ifadelerinden down sendromu tespiti
Bu çalışma, yapay zeka ve derin öğrenme tekniklerinin hastalık tespit etmek amacıyla gerçekleştirilmiştir. Bu teknolojiler, hastalıkların hızlı, doğru ve verimli bir şekilde teşhis edilmesini sağlamak için kullanılmaktadır. Derin öğrenme algoritmaları, özellikle büyük veri setleri üzerinde eğitilerek, karmaşık ve ince detayları algılayabilen güçlü modeller oluşturur. Çalışmada kullanılan veri seti açık kaynak kodlu sitelerden elde edilmiştir. Yapılan çalışmada, özellikle yüz görüntülerini ve derin evrişimli sinir ağlarını (CNN'ler) kullanarak Down sendromu gibi genetik bozuklukların tespiti üzerinde durulmuştur. ResNet50, ResNet101, ResNet152 ve MobileNet gibi popüler CNN modelleri kullanılarak gerçekleştirilen sınıflandırma işlemleri, hastalık tespit sürecini hızlandırmak ve doğruluğunu artırmak amacıyla değerlendirilmiştir. Elde edilen bulgular, özellikle ResNet50 ve ResNet101 modellerinin diğer modellere kıyasla daha yüksek başarı oranına sahip olduğunu ortaya koymaktadır. Bu iki modelin %99'luk doğruluk oranı, Down sendromu tespitinde oldukça etkili olduklarını kanıtlamaktadır. Yüksek doğruluk oranları, bu modellerin yüz görüntülerindeki ayırt edici özellikleri doğru bir şekilde tanıyabildiğini ve hastalık teşhisinde son derece güvenilir çalıştığını göstermektedir. Bu modeller, genetik bozukluklar gibi hastalıkların belirgin özelliklerini tespit edebilir ve otomatik sınıflandırma yapabilir. Sonuçlar, bu tür yapay zeka ve derin öğrenme tekniklerinin hastalık tespitinde önemli bir rol oynayabileceğini göstermektedir. Bu nedenlerle, yapay zekâ teknolojileri, hastalık tespiti ve sağlık hizmetlerinin genel kalitesini artırmak için güçlü bir araç olarak değerlendirilmektedir. Yapay zekânın sunduğu bu avantajlar, sağlık sektöründe devrim niteliğinde değişiklikler yapma potansiyeline sahiptir.
Yasal delil niteliği taşıyan kamera entegre edilmiş erişim kontrol cihazının tasarımı ve yazılımının geliştirilmesi
Bu tez çalışması, kameralı bir kartlı geçiş sistemi tasarımı, uygulanması ve değerlendirilmesini kapsamaktadır. Güvenlik ve izleme alanında önemli bir yer tutan bu sistemler, giriş ve çıkışların kontrolünü sağlayarak güvenliği artırmakta ve izleme imkânı sunmaktadır. Bu çalışmada, NFC kart okuyucu (RC522 modülü), kamera modülü ve Raspberry Pi kullanılarak entegre bir geçiş kontrol sistemi geliştirilmiştir. Sistem tasarımında, donanım entegrasyonu ve yazılım geliştirilmesi başarıyla gerçekleştirilmiştir. Python programlama dili ve OpenCV kütüphanesi kullanılarak yüz tanıma işlemleri yapılmış, PostgreSQL veri tabanı ile verilerin güvenli bir şekilde saklanması sağlanmıştır. Laravel yardımı ile merkezi yönetim yazılımı geliştirilmiştir. Tasarımda kullanılan JSON formatında veri aktarımı, veri entegrasyonunu kolaylaştırmış ve sistemin farklı bileşenleri arasında uyumlu veri iletişimi sağlanmıştır. Yapılan performans ve güvenilirlik testleri, sistemin yüksek doğruluk oranlarına sahip olduğunu, verilerin güvenli bir şekilde saklandığını ve zaman damgası ile veri bütünlüğünün sağlandığını göstermiştir. Elektronik delillerin geçerliliği ve güvenilirliği, 5651 sayılı yasa ve ilgili düzenlemeler çerçevesinde değerlendirilmiş ve sistemin hukuki gereksinimleri karşıladığı doğrulanmıştır. Kullanıcı deneyimini artırmak amacıyla SSH ve web arayüzü üzerinden yönetim özellikleri geliştirilmiş, kullanıcılar sistem ayarlarını kolaylıkla değiştirebilmiş, geçiş kayıtlarını görüntüleyebilmiş ve sistem durumunu izleyebilmiştir. Kullanıcı arayüzlerinin kullanılabilirliği test edilmiş ve kullanıcı dostu olduğu görülmüştür. Test kullanıcılarından alınan geri bildirimler doğrultusunda yapılan iyileştirmeler, sistemin kullanılabilirliğini ve verimliliğini artırmıştır. Sonuç olarak, bu tezde geliştirilen kameralı kartlı geçiş sistemi, güvenilir, etkili ve kullanıcı dostu bir çözüm sunmakta ve güvenlik alanında önemli bir katkı sağlamaktadır. Sistem, gerçek dünya uygulamaları için uygun olup, güvenlik ve izleme süreçlerinde etkin bir şekilde kullanılabilir niteliktedir. Gelecekte, yapay zeka ve makine öğrenimi teknolojilerinin entegrasyonu ile sistemin daha da geliştirilebileceği ve yüz tanıma algoritmalarının doğruluk oranlarının artırılabileceği öngörülmektedir. Ayrıca, Nesnelerin İnterneti (IoT) teknolojileri ile sistemlerin entegrasyonu sayesinde daha kapsamlı ve bütüncül bir güvenlik çözümü sunabileceği öngörülmektedir. Söz konusu çalışma, hem teknik hem de hukuki gereksinimleri karşılayarak, güvenlik açısından yüksek standartlarda bir çözüm sunmaktadır.
Siber güvenlikte XSS web saldırılarının yapay zekâ zemininde analiz edilmesi
Bilgi ve teknoloji günümüz çağında insan hayatının vazgeçilmez bir parçası konumuna ulaşmıştır. İnsanlar bilgiye daha hızlı ve kolay ulaşabilmek için en çok interneti kullanmaktadır. İnternet insanların en fazla bilgilerin temin edildiği Web sitelerine ulaşmak için en önemli araçlardan biridir. Ancak Web sitelerinin bu kadar sıklık ile kullanımı kötü niyetli insanların dikkatini arttırmış ve Web güvenliği kavramı oluşmuştur. Bu Web güvenliği kavramı ise zaman içinde gelişerek ya da geliştirilerek yerini Siber güvenliği kavramına bırakmıştır. Siber güvenlik, bilgisayarları, ağları, yazılım uygulamaları, her türlü bilişim ile ilgili sistemleri ve bu sistemlerin verilerini kötü amaçlı saldırılardan korumayı amaçlayan bir yapı olması ile bilinmektedir. Gelişen teknoloji ve bu teknolojinin meydana getirdiği sürekli ileri düzeyde yenilenme ve gelişme durumu siber güvenlik sisteminin de sürekli ileri düzeyde kendini koruma amacıyla yenileme durumunu ortaya çıkarmıştır. Bu yenileme durumuna karşın siber güvenlik sistemine kötü niyetli olarak erişebilme isteği sonucu siber saldırı türleri meydana gelmiştir. Siber güvenlik konusunda sıklıkla karşılaşılan siber saldırı türleri Oltalama Saldırıları, Servis Dışı Bırakma Saldırıları (DoS/DDoS), Parola Saldırıları, Man-in-the-middle (MITM) Atak Saldırıları, Cross-Site Scripting (XSS) Saldırıları şeklinde sıralamak mümkündür. Cross-Site Scripting (XSS) Saldırıları, korunmasız bir web uygulamasının bir modülü olarak kötü amaçlı kod çalıştırmayı hedefler. XSS Saldırılarının birçok siber saldırı türlerinden farkı direk uygulamayı değil, kullanıcıyı hedeflemesidir. Teknolojinin hızlı gelişmesi, siber saldırıların artması gibi durumlar insanların daha güvenli, daha kolay verilerine ulaşabilmesi ve bilgilerden daha kesin sonuçlar alabilme isteğini arttırmıştır. Bu istek, insani zekâya sahip cihaz ve yazılım geliştiren bilgisayar bilimlerinin bir parçası olan Yapay Zekâ Teknolojisinin daha sık ve daha verimli şekilde kullanımını artmıştır. Bu çalışmamızda, Siber güvenlik sisteminde kullanılan siber güvenlik saldırı türlerinden biri olan Cross-Site Scripting (XSS) saldırılarının yapay zekâ zemininde analiz edilmesi ve analiz edilen verilerin değerlendirilmesi amaçlanmıştır.
XRD'de X-ışını kırınım verilerinin yapay zeka yöntemleri ile analizi
Bu tezde, X-Işını Kırınımı (XRD) verilerinin yapay sinir ağları (ANN) ve k-En Yakın Komşu (kNN) algoritmaları kullanılarak analiz edilmesi incelenmiştir. XRD, kristal yapılarının belirlenmesinde yaygın olarak kullanılan güçlü bir teknik olmasına rağmen, karmaşık ve doğrusal olmayan verilerin analizi geleneksel yöntemlerle sınırlı kalmaktadır. Bu çalışmada, XRD verilerinin analizine yapay zeka temelli makine öğrenimi tekniklerinin entegre edilmesiyle, bu sınırlamaların aşılması hedeflenmiştir. Tez kapsamında, Erzurum ve çevresinden alınan volkanosedimanter kayaç örneklerinden elde edilen XRD verileri üzerinde ANN ve kNN algoritmaları uygulanmıştır. ANN, malzeme özelliklerini yüksek doğrulukla tahmin edebilmiş ve kristal yapılar arasındaki karmaşık ilişkileri etkili bir şekilde modellemiştir. KNN algoritması ise, XRD verilerinde faz ve kristal yapıların sınıflandırılmasında başarıyla kullanılmıştır. Farklı K değerleri ile yapılan deneyler, küçük K değerlerinin yerel yapılara daha duyarlı olduğunu, büyük K değerlerinin ise daha genelleştirilebilir tahminler sunduğunu ortaya koymuştur. Ayrıca, model performansını değerlendirmek için gelişmiş çapraz doğrulama teknikleri kullanılmıştır. Bu teknikler, aşırı öğrenme riskini azaltarak, modelin genelleme yeteneğini artırmıştır. Çalışmada kullanılan ANN ve kNN modelleri, faz değişimlerinin tespitinde ve kristal yapıların sınıflandırılmasında önemli başarılar elde etmiştir. Bu tez, XRD verilerinin analizinde yapay zeka temelli yöntemlerin uygulanabilirliğini göstermiş ve bu alandaki bilimsel araştırmaların daha derinlemesine ve doğru sonuçlara ulaşmasına katkı sağlamıştır.
Dijital sınavlarda yapay zeka ile kopya tespiti: Iğdır Üniversitesi örneği
Bu çalışmada, çevrimiçi sınavlarda kopya çekme davranışlarını tespit edebilmek amacıyla öğrencilerin sınav süreçleri analiz edilmiş ve dört farklı yapay zeka modeli Random Forest, XGBoost, K-Nearest Neighbors (KNN) ve Lojistik Regresyon kullanılmıştır. Çalışmanın temel amacı, öğrencilerin sınav esnasında gösterdiği davranışların benzerliklerini değerlendirerek kopya çekme durumunu pozitif veya negatif olarak sınıflandırmaktır. Analiz sonuçlarına göre, Random Forest modeli %66,29 doğruluk oranıyla en yüksek performansı sergilemiş, onu %58,98 doğruluk oranıyla XGBoost takip etmiştir; KNN ve Lojistik Regresyon ise daha düşük doğruluk oranlarıyla sınıflar arasındaki ayrımı başarılı bir şekilde yapamamıştır. ROC eğrileri incelendiğinde, Random Forest ve XGBoost modellerinin pozitif ve negatif sınıfları ayırt etmede oldukça başarılı olduğu; KNN ve Lojistik Regresyon modellerinin ise bu ayrımda daha zayıf performans gösterdiği görülmüştür. Çalışmada ayrıca özniteliklerin modeller üzerindeki etkisi analiz edilmiştir. "Giriş sayısı", "doğru cevap oranı" ve "yanlış cevap oranı" gibi bazı özniteliklerin modellerin başarısında belirgin bir rol oynadığı tespit edilmiştir. Random Forest ve XGBoost modelleri, belirli özniteliklerin çıkarılması durumunda dahi performanslarını koruyabilirken, KNN ve Lojistik Regresyon modelleri bu tür değişimlere daha duyarlı olmuştur. Çalışmada, performansın artırılmasına yönelik öneriler arasında daha karmaşık derin öğrenme tabanlı modellerin denenmesi, öznitelik mühendisliğinin geliştirilmesi ve veri setinin genişletilmesi gibi stratejiler yer almıştır. Bu bağlamda, Random Forest ve XGBoost modelleri çevrimiçi sınav güvenliğini sağlamak ve kopya çekme vakalarını tespit etmek için en güvenilir ve etkili modeller olarak öne çıkmış olup, sınav güvenliğini artırmaya yönelik stratejiler geliştirilmesinde önemli katkı sağlayabilecekleri sonucuna ulaşılmıştır.