Bilgisayar Mühendisliği Bölümü Tezleri

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12416/58

Browse

Now showing 1 - 20 of 261

Yazılım Tanımlı Geniş Alan Ağı (SD-WAN): Çalışma Prensibi, Avantajları, Mimarisi ve Yarattığı Fırsatlar
(2024) Çiçek, Emre; Preveze, Barbaros; Özyer, Sibel Tarıyan
Gelişen teknoloji ile birlikte hizmetlerin dijitalleşmesi, hizmet sağlayıcıların ve kullanıcıların son yıllarda içinden geçmekte olduğu önemli bir dönüşüm sürecidir. Artan veri, cihaz çeşitliliği ve hizmet talepleri karşısında geleneksel ağ yönlendirme yöntemleri yerine yeni ve gelişmiş yönlendirme yöntemlerine olan ihtiyaç artırmıştır. Çünkü bulut teknolojileri ve programlanabilir yapılar sebebi ile geleneksel yapının yönetilebilirliği ve yeni teknolojiler ile bütünleşmiş yapıda çalışması zorlaşmıştır. İnternet servis sağlayıcıları tarafından sağlanan WAN bağlantılarından daha fazla güvenilirlik, çeviklik ve performans beklendiği için artık yeterli değildir. Yazılım Tanımlı Ağların (SDN) programlanabilirliği, sanallaştırma veya bulut tabanlı servislerle birlikte çalışabilmesi ve düşük maliyetli olması, dijital dünyanın veri trafiğinin daha verimli ve düşük maliyetle yönetilmesini mümkün kılmıştır. Bu çalışmada SD-WAN teknolojisinin çalışma yapısı, geleneksel mimariye göre etkileri, yerel alan ağlarına veya internet servis sağlayıcılarına göre avantajları ve geleceğe yönelik yaratacağı fırsatlarla ilgili karşılaştırmalar yer almaktadır.
Yazılım Profesyonellerinin Karşılaştığı Engellerin Belirlenmesi ve İşe Bağlılıklarını Etkileyen Faktörlerin Araştırılması
(2024) Gülten, Arzu Kaya; Tokdemir, Gül
Son yıllarda yazılım alanında çalışan devir oranındaki artışlar yazılım profesyonelleri için yeni endişeler doğurmaktadır. Bu durum bağlılıkla ilişkilendirilebilir. Bağlılık düzeyi çalışanların çalışma motivasyonunu etkiler. Bu motivasyon ise üretkenliği ve kaliteyi etkiler. Bu nedenle bağlılık, bir işe olan bağlanmayı araştırmak için önemli bir kavramdır. Yazılım profesyonelleri çalışma hayatlarında sıklıkla bazı sorunlarla karşılaşırlar ve bu sorunlar üretkenliklerini etkiler. Bu sorunları ve yazılım profesyonelleri üzerindeki etkilerini araştırmak, üretkenliği artırmak açısından hem kuruluşlar hem de çalışanlar için önemli bir konudur. Bu çalışma, yazılım profesyonellerinin karşılaştığı engelleri ve iş bağlılığı arasındaki ilişkileri araştırmayı amaçlamaktadır. Çalışma iki aşamadan oluşmaktadır: Mülakat ve Anket. Öncelikle 20 yazılım profesyoneliyle görüşmeler yapılmış ve 314 yazılım profesyoneline anket uygulanmıştır. Daha sonra iş bağlılığı, iş güvencesizliği, kariyer güvencesizliği, başa çıkma stilleri ve engeller arasındaki ilişkiler analiz edilmiştir.
Sivil Havacılık için Entegre Bir Bilgi Güvenliği Modeli Geliştirme: Risk Değerlendirmesi ve Azaltma Stratejileri için Kapsamlı Bir Çerçeve
(2024) Özdemir, Farukcan; Saran, Murat
Bu tez, modern hava taşıtlarındaki bilgisayar tabanlı sistemlerin bütünlüğüne, gizliliğine ve kullanılabilirliğine odaklanarak sivil havacılıkta bilgi güvenliğini artırmak için entegre bir bilgi güvenliği modeli önermektedir. Araştırma, havacılık teknolojilerini inceleyerek, kritik sistemlere yönelik potansiyel tehditleri tespit etmeyi ve azaltmayı amaçlamaktadır. Çalışma, aviyonik, uçuş veri ağları, mobil sistemler ve elektronik uçuş çantalarının yanı sıra yer tabanlı sistemlerin bilgi güvenliği alanındaki bir analizini içermektedir. Havacılık personelleri ile gerçekleştirilen anket çalışması ile havacılık operasyonlarını etkileyen bilgi güvenliği konularında eğitim, farkındalık, tehditler ve çözümler konusunda öneriler toplanmış ve ihtiyaç duyulan bilgi güvenliği modeli anlaşılmaya çalışılmıştır. Bu bütüncül yaklaşım sayesinde tez, havacılık altyapısının giderek dijitalleşmesinin yarattığı zorlukları ele alan bir bilgi güvenliği modeli geliştirmeyi amaçlamaktadır. Ortaya çıkan modelin ulusal havacılık siber güvenlik bilgi tabanına önemli ölçüde katkıda bulunması ve değerli içgörüler sağlaması beklenmektedir. Nihayetinde bu çalışma, gelişen siber tehditlere karşı, paydaşların dijital farkındalıklarını güçlendirerek, sivil havacılığın genel emniyetini ve güvenilirliğini artırmayı amaçlamaktadır.
Derin Sinir Ağları Kullanılarak Müzik Duygu Tanımlaması
(2024) Püre, Hakan; Görür, Abdül Kadir
Müzik günümüzde milyarlarca dolarlık ekonomik değer taşımaktadır. Müziğin hissettirdiği duygunun doğru şekilde tespit edilmesi için doğru sınıflandırma yapılması gerekmektedir. Bu çalışmada müzikten duygu tespitinin ve sınıflandırmasının doğruluğunu artırmak amacıyla derin sinir ağlarını kullanarak müzik duygu tanıma (MER) konusunda kapsamlı bir araştırma sunmaya çalışmaktayız. Farklı ülkelerin müzikleri üzerine birçok çalışma yapılmış olmasına rağmen, Türk müziği üzerine çok az çalışma bulunmaktadır. Bu nedenle çalışmamızı, Türkçe şarkılardan oluşan bir veri seti kullanarak geliştirdik. Araştırmamızda, çeşitli ses özelliklerinin, melodi, armoni, ritim, karmaşık desenleri ile bu özelliklerin tetiklediği duygular arasındaki ilişkileri keşfetmek için derin öğrenme mimarilerini (CNN, LSTM) ve makine öğrenme algoritmasını (RFC) kullandık. Çalışmamızdaki ilk hedefimiz sinyal bazında modifikasyonlar yaparak model geliştirme aşamasında daha kararlı bir veri seti üretmekti. Modelimizi kabul edilebilir bir doğruluk seviyesine getirdikten sonra modeli daha az iş yükü gerektirecek seviyede basitleştirmek ise nihai hedefimizdi. Ses özelliklerinin karakterize edilmesini sağlamak amacıyla LibROSA kütüphanesi kullanılmıştır. Modelin farklı müzik türleri arasında dayanıklılığını ve genelleme yeteneğini artırmak için gaussian gürültü ekleme ve alçak geçirgen filtrelerin uygulandığı veri artırma stratejileri kullanılmıştır. Modellerin performansına odaklanarak veri setimiz içindeki müzik dosyalarının mutluluk, üzüntü, öfke ve rahatlama gibi duygusal durumlarını tahmin edilmesindeki etkinliklerini göstermeye çalıştık. Kullandığımız veri artırma stratejileriyle model performansını hem doğruluk hem de verimlilik açısından önemli ölçüde artırmayı başardık. Buna ek olarak farklı ses dosyalarının işlenmesi sürecinde karşılaşılabilen uyumsuzluk problemlerinin de tamamen ortadan kalktığını gözlemledik. Özetle, bu çalışma sadece müzik duygu tanıma alanına birçok teknik katkı sağlamakla kalmayıp, aynı zamanda teknoloji, psikoloji ve müzikoloji alanlarının kesişim noktasında gelecekteki araştırmalara destek olabilecek çıktılar elde ettiğimizi düşünüyoruz.
Derin Öğrenme ve Çok Boyutlu İndeksleme Kullanılarak İçerik Tabanlı Görüntü Alma
(2024) Uzel, Ömer; Arslan, Serdar
Son yıllarda yaşanan teknolojik gelişmeler ile donanım ve yazılım maliyetlerindeki düşüş, görsel arama uygulamalarını hem popüler hem de vazgeçilmez bir hale getirdi. Dolayısıyla, görsel sorgular aracılığıyla görüntülerin geniş veri tabanlarından hızlı ve hassas bir şekilde alınması kritik bir görev haline geldi. Video karesi düzeyinde veri tabanı aramaları yürütülen sistemlerle karşılaştırıldığında, arama performansını önemli ölçüde artıran yeni bir system sunuyoruz. Önceden eğitilmiş bir Evrişimli Sinir Ağı (CNN) modelinden yararlanarak, verimli indeksleme için düşük seviyeli özellikleri çıkarmak ve depolamak amacıyla denetimsiz görüntü alma süreçlerini kullanıyoruz. Hızlı ve etkili erişimi kolaylaştırmak için, Bakış Noktası Ağacı (VP Tree) olarak bilinen düşük seviyeli özelliklerden yararlanan bir indeksleme yapısı uyguluyoruz. Bu özelliklerden faydalanabilmek için, onları daha düşük boyutlu bir alanda temsil edecek boyut küçültme tekniklerini kullanıyoruz. Karşılaştırmalı görüntü veri kümesi üzerinde gerçekleştirilen deneylerimiz, bu yaklaşımın, K-En Yakın Komşu (KNN) araması olarak bilinen bir arama yöntemiyle karşılaştırıldığında daha hızlı ve doğru erişime yol açtığını göstermektedir. Ayrıca, önerilen tekniği iki gerçek video veri kümesini kullanarak KNN'e karşı değerlendiriyoruz ve bu teknik, sürekli olarak KNN'den daha iyi performans gösteriyor.
Çevre Bilimleri Alanında Sıfır-Örnekli ve Az-Örnekli Adlandırılmış Varlık Tanıma
(2024) Demirtaş, Kerem Mert; Arslan, Serdar
Doğal dil işlemede yeni mimariler, modelin bilgisini farklı görevlere aktarabilmeyi sağlar. Bu aktarımlı öğrenme sayesinde modeli bazı görevler için yeniden eğitme ihtiyacı ortadan kalkmıştır. Aktarımlı öğrenme, önceden eğitilmiş bir Büyük Dil Modeli'ni ince ayar yaparak sağlanabilir. Bu çalışmada sonraki cümleyi tahmin etmek için eğitilmiş bir model olan BERT'in daha sade bir versiyonu olan DistilBERT üzerinde ince ayar yapılarak, metinsel veriler üzerinde önemli bir bilgi erişim görevi olan Adlandırılmış Varlık Tanıma görevinin yapılması sağlanmıştır. Aktarımlı öğrenme, modelin daha önceden edindiği bilgileri daha önce görmediği alanlara aktarabilmeyi de sağlar. Bu bağlamda, çevre bilimleri alanına özgü bir veri kümesi oluşturduk. Ayrıca, belirli varlıkları tanımak için çevre bilimleri alanındaki varlıklar için özel varlık etiketleri tanımlanmıştır. Modelin transfer öğrenme yeteneğini değerlendirmek için oluşturulan veri kümesi üzerinde sıfır atışlı, bir atışlı ve on atışlı öğrenme prosedürleri gerçekleştirilmiştir. Transfer öğrenimini iyileştirmek için modeli genel bir Türkçe veri kümesi üzerinde önceden eğittik. Son olarak, modelin sıfır atışlı ve birkaç atışlı kurulumlardaki tahmin performansını iyileştirmek için bir büyük dil modeli kullanılarak oluşturulan çevre bilimleri alanına özgü veriler, oluşturduğumuz veri kümesiyle birleştirilmiştir. Çalışmada, modeli genel veri kümesiyle önceden eğitme işlemi ve yapay olarak oluşturulan veri kümesini tanıtma işlemi ayrı ayrı ve birlikte değerlendirilmiştir. Ayrıca, eğitim veri kümesinde anlamsal olarak ilişkili varlıkların, modelin tahmin yeteneği üzerindeki etkisi incelenmiş olup, ilişkili varlıkların eğitim verisine eklenmesi sonucu tüm atış seçeneklerinde tahmin performansının iyileştiği görülmüştür. Testlerin değerlendirmesi umut verici sonuçlar göstermekte ve transfer öğrenimi açısından iyileştirmelere ışık tutmaktadır.
Duygu Analizinde Makine Öğrenimi Yaklaşımı: Yapay Zeka Sohbet Robotlarına İlişkin Kamu Algısından Elde Edilen İçgörüler
(2025) Şahin, Zeki; Şener, İrge
Son yıllarda, yapay zeka ve doğal dil işleme teknolojilerindeki gelişmeler, kullanıcılarla etkileşim kuran sohbet botlarının yaygın olarak benimsenmesini sağlamıştır. ChatGPT ve Gemini AI gibi büyük dil modelleri, geniş bir kullanıcı kitlesi tarafından günlük etkileşimlerde kullanılmaktadır. Ancak, bu modellerin kamuoyundaki algısını ve kullanıcı duyarlılığını anlamak için kapsamlı bir duygu analizi gerekmektedir. Bu çalışma, Twitter'da ChatGPT ve Gemini AI hakkında yapılan paylaşımları analiz ederek, bu yapay zeka modellerinin kullanıcılar tarafından nasıl algılandığını belirlemeyi amaçlamaktadır. Çalışmada, kural tabanlı duygu analizi (SpaCy ve TextBlob) ve derin öğrenme tabanlı duygu analizi (BERTweet) omak üzere iki farklı duygu analizi yöntemi karşılaştırılmıştır. Yapılan analizler sonucunda, BERTweet'in duygu sınıflandırmasında daha başarılı olduğu gözlemlenmiş ve analiz sürecinde referans modeli olarak kabul edilmiştir. Daha sonra, Random Forest, Support Vector Machine (SVM), Logistic Regression ve LightGBM gibi çeşitli makine öğrenimi modelleri kullanılarak duygu tahminleri yapılmıştır. Bu modeller, DistilBERT, RoBERTa ve GloVe gibi üç farklı gömme yöntemiyle eğitilmiştir. Sonuçlar, Logistic Regression ve RoBERTa bileşeninin en yüksek doğruluk oranını sağladığını (%81,8) ortaya koymuştur. Çalışmanın temel bulguları şunlardır: 1. ChatGPT ve Gemini AI'nin duygu dağılımı farklılık göstermektedir. ChatGPT hakkında daha fazla negatif içerik bulunurken, Gemini AI'nin daha fazla olumlu içerikle ilişkilendirildiği gözlemlenmiştir. 2. En yaygın negatif geri bildirimler, ChatGPT için bilgi doğruluğu ve kullanım kısıtlamaları, Gemini AI için ise Google ekosistemine entegrasyon ve güvenilirlik konuları olmuştur. 3. Kelime bulutu ve frekans analizleri, her iki modelle ilgili duygu temalarını belirlemede önemli içgörüler sağlamıştır. Elde edilen sonuçlar, yapay zeka tabanlı sohbet botlarının geliştirilmesi, kullanıcı memnuniyetinin artırılması ve gelecek nesil yapay zeka sistemlerinin tasarımına yönelik değerli bilgiler sunmaktadır. Gelecek çalışmalar, zaman serisi analizi, çok modlu duygu analizi ve coğrafi bazlı kullanıcı eğilimleri gibi daha derinlemesine araştırmaları içerebileceği değerlendirilmektedir.
Coğrafi Verilerde Veri Kalitesi Problemleri ve Bunların Kamusal Karar Alma Süreçlerindeki Etkileri
(2024) Baş, Berk; Görür, Abdül Kadir
Güvenilir ve İsabetli kararların alınması elbette karar alma süreçlerinin doğru bir şekilde kurgulanması ve uygulanmasına bağlıdır. Bu kurgunun ise en temelinde ise hiç şüphesiz kullanılan veriler bulunmaktadır. Dolayısı ile karar alma süreçlerinde kullanılacak verilerin eksiksiz, gerçeğe uygun ve tutarlı olması alınan kararların da o nispette güvenilir ve isabetli olmalarına yardımcı olacaktır. Verilerin, bu koşulları taşıdığını ifade etmek için kullanılan kavrama veri kalitesi, bu koşulları taşımalarının ganati edilmesi sürecine ise veri kalitesi süreci adı verilmektedir. İşte bu bağlamda veri kalitesi süreci için, verilerin amaç için uygun hale getirilebilmesi adına kalite problemlerinin belirlenmesi, ekibin bu çalışmaya hazırlanması, çalışmaların icra ve otomatize edilmesidir demek yanlış olmayacaktır.
Classification of darknet activities using neural networks
(2023) Aktan Ten, Büşra
Tehditlere maruz kalmadan önce ağı karakterize ederek analiz yapmak oldukça önemlidir. Bu çalışmada darknet ağ trafiği analizi yapılarak darknet ağı 2 katmanlı yapay sinir ağı modellerinde inceleme gerçekleştirilerek tespit ve karekterize edilmiştir. İlk katmanda verinin iyi huylu mu yoksa darknet verisi trafiğimi ayırt edilmekte, ikinci katmanda ise trafiğin oluşturduğu Browsing, P2P, Chat, Email, Transfer, Audio Stream, Video Stream ve VOIP kategorilerinden hangisine ait olduğu tespiti yapılmaktadır. RNN, LSTM ve MLP veri algoritma modelleri ile deneyler yapılmıştır. GAN ile yeni veri setleri üretilerek diğer yöntemlerin eğitim verisi olarak kullanılmıştır. LSTM ve MLP algoritmaları ikinci katmanda hem çoklu kategori hem de ikili kategorili olarak tekrar kurgulanmıştır. MLP model de özellik seçimi algoritması uygulanmıştır. CICDarknet2020 veri seti kullanılmıştır. Model doğruluk değerlerine göre RNN darknet trafiği tespitinde 0.98, ikinci katmanda ise 0.86 oranında başarı elde edilmiştir. LSTM modelinde sırasıyla 0.99 ve 0.71 doğruluk değerleri elde edilmiştir. Ayrı ayrı modellenen kategorilerin ortalama doğruluk değerleri 0.92 olarak elde edilmiştir. MLP modelinde, sırasıyla 0.99 ve 0.78 değerleri gözlemlenmiştir. Özellik seçimi algoritma modeli ile aynı çıktılar elde edilmiştir. ikili kategori modelinde ortalama olarak %96 doğruluk değerleri sağlanmıştır.
Stance detection in Turkish dataset on Russia-Ukraine war
(2023) Fırat, Eray
Sosyal medya son yıllarda çeşitli konulardaki kamuoyu görüşlerini anlamak için temel bir bilgi kaynağı haline gelmiştir. Bu nedenle, sosyal medyadan elde edilen verilerden otomatik bilgi çıkarmanın önemi artmıştır. Doğal dil işleme alt görevlerinden biri olan duruş tespiti de, otomatik bilgi çıkarımı için önemli bir konudur. Duruş tespiti, kullanıcının belirli bir konu, olay veya kişiye karşı tutumunu otomatik olarak belirler. Bu çalışmada, Rusya-Ukrayna Savaşı'na ilişkin sosyal medya kullanıcılarının duruşlarını tespit etmeye odaklanan Türkçe etiketlenmiş veri seti oluşturulmuş ve bu veri seti üzerinde çeşitli makine öğrenimi yöntemleri test edilmiştir. Bu çalışma için Twitter'dan toplanmış Türkçe metinler içinden Rusya ve Ukrayna olmak üzere iki hedefle etiketlenmiş 8215 tane metin-hedef çifti ile yeni bir veri seti oluşturulmuştur. Bu veri setine Destek Vektör Makineleri, Rastgele Orman, k-En Yakın Komşu, XGBoost, Uzun-Kısa Süreli Bellek (LSTM) ve Kapı Özyinelemeli Geçitler (GRU) modelleri GloVe ve Fastext kelime gömme yöntemi ile uygulanmıştır. Veri seti hedefler arasında dengesiz olduğu için, bu algoritmalarla eksik örnekleme ve aşırı örnekleme yöntemleri de kullanılmıştır. Destek Vektör Makineleri yöntemi ile, Rusya için 0.73 ve Ukrayna için 0.81 F1 puanıyla en iyi sonuçlaın alındığı görülmüştür. Bu sonuçlara ek olarak, LSTM ve GRU yöntemlerinden elde edilen sonuçlar Destek Vektör Makineleri algoritmasının sonuçlarına oldukça yakındır. Yeni oluşturulan bu Türkçe veri seti, duruş tespiti araştırma alanı için değerli bir kaynak olarak değerlendirilebilir ve gelecek çalışmalarda bu veri seti ile transformer tabanlı yaklaşımlar kullanılabilir. Genel olarak, bu çalışma Türkçe metin kullanarak duruş tespiti araştırma alanını katkıda bulunmaktadır.
Predictive modeling for botnet detection: A new dataset and machine learning approach
(2023) Budak, Kadir İlker
Teknolojinin gelişmesiyle birlikte çevrimiçi hizmetlerin önemi giderek artmıştır. Saldırganlar, botnet'lerden oluşan zombi ağını yöneterek, sistem ve ağlara kapasitelerinden fazla istekte bulunur, böylece hizmetlerin yavaşlamasını veya kesintiye uğramasını hedefler. Bu tür saldırılara DDOS (Dağıtılmış Hizmet Reddi saldırısı) adı verilir. DDOS saldırılarının tespiti ve önlenmesi için literatür çalışması yapılmış ve birçok farklı teknikle karşılaşılmıştır. Yapılan araştırmalar sonucunda Makine Öğrenmesi ve DDOS davranış tespiti konularına ağırlık verilmiştir. Machine Learning ile Davranış tabanlı DDOS tespiti için yapılan bu çalışmada, CTU-13 veri seti ve yerel ortamda oluşturulan sanal veri seti kullanılmıştır. Veri setleri üzerine normalizasyon işlemleri uygulanarak çalışma için hazır hale getirilmiştir. Makine Öğrenemsi için 5 farklı algoritma kullanılmış ve algoritmalar üzerinde parametre ayarı yapılmıştır. Çoklu regresyon, topluluk öğrenimi ve özellik çeşitleme gibi farklı yöntemlerin sonuca etkisi değerlendirilmiştir. İyileştirmelerin sonuçlar üzerindeki etkileri tartışılmıştır. Genel olarak Random Forest ve Decision Tree başarılı algoritmalar olarak öne çıkmaktadır. Naive Bayes ve Support Vector Machine, bu senaryo için başarısız olmuştur. Topluluk öğrenim yönteminde birlikte çalışan iki algoritmanın sonuca olumlu etkisi olmuştur. Sanal veri setinin en önemli sonucu, ip adresi özelliğinin kullanımının sonuca olumlu bir katkısının olmamasıdır.
An autoML tool for software vulnerability prediction
(2023) Gürcan, Tarık
Özellikle son yıllarda büyük miktarda verinin daha erişilebilir hale gelmesi ve finans, sağlık, lojistik ve teknoloji gibi sektörlere önemli faydalar sağlaması nedeniyle makine öğreniminin yaygınlaşması kaçınılmaz olmuştur. Farklı sektörlerde kullanılmaya başlayan makine öğrenmesi uygulamalarının hayata geçirilmesi ihtiyacı hızlı ve verimli bir şekilde artmaktadır. Ancak geleneksel yöntemleri kullanarak bir makine öğrenimi modeli oluşturmak için gereken derin teknik bilgi ve kodlama becerilerine herkes yetkin olmayabilir. Bu nedenden dolayı kodsuz veya az kodlu platformlar daha fazla ilgi görmeye başlamıştır. Bu platformlar, kullanıcıların veri kümelerini yüklemesine, modeli oluşturmaya yönelik özellikleri tanımlamasına ve hatta teknik olmayan arayüzlerle modeli eğitmesine ve değerlendirmesine olanak tanır. Bu sayede karmaşık kod yazma ihtiyacını ortadan kaldırarak daha geniş bir kitlenin makine öğrenimi projelerine dahil olmasını mümkün kılar. Bu tezde, diğer kodsuz platformlara ek olarak çalışma zamanı sınırlama ve model bozulma analizi gibi temel özellikleri sunan, yazılım zafiyet analizi için kodsuz makine öğrenimi tahmin modellerinin gerçekleştirilmesine olanak sağlayan bir platform geliştirilmiştir. Bu platform, PPDaaS (Prediction Platform as a Service) olarak adlandırılmıştır ve "Yazılım Güvenlik Açığı" ve "OpenML" veri kümeleriyle tahmin modellerini eğitmek için kullanılmıştır. Başlangıçta platform, AutoML platformları için kullanılan kıyaslama verileriyle test edildi. Sınıflandırma algoritmalarının performansı, makine öğrenimi algoritmaları arasında adil bir karşılaştırma yapmak için "OpenML yetişkin" veri kümesine bir zaman sınırı konularak değerlendirildi. Platform, amaçlanan AutoML işlevleri açısından test edildikten sonra Yazılım Güvenlik Açığı verilerindeki model bozulmasını bulmak için kullanıldı. Son olarak geliştirilen PPDaaS platformuna ilişkin geri bildirimler son kullanıcılardan da toplandı. Sonuçlar geliştirilen PPDaaS platformunun yazılım sektöründe kendine yer bulabileceğini göstermektedir.
Multi-objective software project cost estimation using recent machine learning approaches
(2023) Derya, Doğay
Yazılım projeleri, çeşitli sektörlerdeki şirketlerin günlük operasyonlarında dahi günden güne stratejik önem kazanmaktadır. Artan ihtiyaçla birçok şirket gerek kendi bünyesinde, gerekse farklı sektörlerin ihtiyacına yönelik olarak projeler yaratarak yazılımlar geliştirmektedir. Yazılım projeleri için ihtiyaç duyulan işgücünü doğru tahmin etmek, proje maliyetlerini doğru tahmin etmek ve zamanında tamamlanmasını sağlamak için çok önemlidir. 1970'lerden bu yana, yazılım efor tahmini alanı, literatürde kapsamlı araştırmaların konusu olmuştur. Başlangıçta uzman görüşü gibi algoritmik olmayan yöntemler kullanılırken, sorunlar karmaşıklaştıkça, teknoloji ve donanım özellikleri çeşitlendikçe farklı çözüm yaklaşımlarına olan ihtiyaç da ortaya çıkmıştır. Bu zorlukların üstesinden gelmek için regresyon ve model tabanlı tahmin gibi algoritmik yöntemler geliştirilmiştir. Son yıllarda ise, özellikle son on yılda olmak üzere teknolojideki gelişmelerle birlikte, Makine Öğrenimi tabanlı modelleri ve Yapay Zekayı yazılım maliyet tahminine uygulamaya yönelik artan bir ilgi olmuştur. Bu çalışmanın odak noktası, yazılım projeleri bağlamında Makine Öğrenimi tabanlı tahmin yöntemlerini keşfetmektir. Amaç, bu yöntemlerin yazılım maliyet tahminini nasıl iyileştirebileceğini araştırarak, etkinliklerini analiz etmektir.
Analyzing multi-objective software test effort estimation techniques
(2023) Derya, Osman Berkcan
Yazılım test efor tahmini, bir mühendisin yazılım projesinin test aşamasında ihtiyaç duyduğu yaklaşık süre ve kaynakların tahminidir. Yazılım test efor tahmini, yazılım projesinin test eforunu belirlemek için yazılım geliştirme sürecindeki en önemli aşamalardan birisidir. Gerçek efora en yakın efor tahminini yapmak yazılım test sorumluları başta olmak üzere hem bu hizmeti veren firma hem de hem de müşteriler için çok önemlidir. Çünkü yanlış yapılan yazılım test efor tahminleri projelerin tamamlanamamasına ya da geniş bir zaman dilimine yayılmasına neden olmaktadır.Bu yüzden yazılım test efor tahmini için literatürde farklı yöntemler geliştirilmiştir. Bu tez çalışmasında, yazılım test projelerinin eforu, Makine Öğrenmesi (MÖ) algoritmaları kullanılarak ve farklı methodlarla öznitelik seçimi yapılarak tahmin edilmeye çalışılmıştır. Yazılım test eforunun tahmini, WEKA (Waikato Environment for Knowledge Analaysis – Bilgi Analizi için Waikato Ortamı) veri madenciliği aracında bulunan algoritmaların çalıştırlması sonucu bulunmuştur. Algoritmalar 10 kat çapraz doğrulama tekniği ile PROMISE (Yazılım Mühendisliğinde Tahmin Modelleri) veri deposundan alınan 3 adet veri setine (CocomoNasa, CocomoNasa-2, Cocomo-81) uygulanmıştır. Performans ölçütü olarak korelasyon katsayısı, Ortalama Mutlak Hata ve Bağıl Mutlak Hata, baz alınarak sonuçlar değerlendirilmiştir.
Exploring the trends, challenges, and opportunities of regulatory technology (RegTech) in the financial industry: A systematic literature review
(2023) Yıldırım, Ufuk
Bu sistematik literatür incelemesi, düzenleyici teknolojinin (RegTech) finans sektöründe artan önemini keşfederken, araştırmaları ve gelişmeleri sentezleyerek eğilimlerin, zorlukların ve fırsatların kapsamlı ananilizini sunmayı amaçlamaktadır. RegTech, Fintech'in bir alt kategorisi olarak, yapay zeka, makine öğrenimi ve block-chain gibi gelişmiş teknolojileri kullanarak, sektör düzenlemelerine uyum süreçlerini kolaylaştırmayı ve ilişkili maliyetleri azaltmayı hedeflemektedir. 2016 ve 2023 yılları arasında yayınlanan ilgili makaleleri belirlemek için Scopus ve Web of Science verita-banlarında sistemli bir arama yapılmıştır. Titiz bir tarama ve seçim sürecinden sonra, inceleme için 48 makale uygun bulunmuştur. RegTech, finansal sektör için birçok fırsat sunmaktadır. İnceleme, gelişmiş düzenleyici verimlilik, azaltılmış maliyetler ve iyileştirilmiş risk yönetimi potansiyeline dikkat çekmektedir. RegTech'nin benimsen-mesi, finansal katılımı teşvik edebilir ve düzenleyici zorlukları ele almak için daha yenilikçi çözümler sağlayabilir. RegTech'in merkezi olmayan finans (DeFi) gibi yükselen teknolojileri desteklemedeki rolünü keşfetmek ve finansal istikrar ve tüketici koruması üzerindeki etkisini anlamak için daha fazla araştırma önerilmektedir.
Development of tool for managing semantic text content
(2009) Karakaynak, Samet
Bu çalışma çoklu dokümanlardan saklı anlamsal analiz yöntemi kullanılarak sanal merkeze dayalı özet çıkarılması amacıyla gerçekleştirilmiştir. İlk olarak saklı anlamsal analiz yöntemi kullanılarak anahtar terimler çıkarılır. Anahtar terimler cümle çıkarmaya başlamadan önce anlama katkısı olmayan cümlelerin filtrelenmesi için kullanılır. Daha sonra özet cümleler, anahtar terimleri barındıran cümlelerden sırasıyla saklı anlam indeksleme ve kümeleme ile sanal merkeze dayalı yöntem kullanılarak çekilir.
Citation - Scopus: 4
Deep learning methods with pre-trained word embeddings and pre-trained transformers for extreme multi label text classification
(Institute of Electrical and Electronics Engineers Inc., 2021) Erciyes, N.E.; Görür, A.K.
In recent years, there has been a considerable increase in textual documents online. This increase requires the creation of highly improved machine learning methods to classify text in many different domains. The effectiveness of these machine learning methods depends on the model capacity to understand the complex nature of the unstructured data and the relations of features that exist. Many different machine learning methods were proposed for a long time to solve text classification problems, such as SVM, kNN, and Rocchio classification. These shallow learning methods have achieved doubtless success in many different domains. For big and unstructured data like text, deep learning methods which can learn representations and features from the input data wtihout using any feature extraction methods have shown to be one of the major solutions. In this study, we explore the accuracy of recent recommended deep learning methods for multi-label text classification starting with simple RNN, CNN models to pretrained transformer models. We evaluated these methods' performances by computing multi-label evaluation metrics and compared the results with the previous studies. © 2021 IEEE
Optimization the training algorithms of machine learning using GAN networks
(2022) Akel, Sedat
Yapay zekâ, son birkaç on yılda hayatımızda çok farklı yönleriyle yer bulmaya başladı. Bazı özelliklerinde yapay zekanın yer almadığı yeni bir ürün, günümüz dünyasında pek yer edinemez durumdadır. Bu, makine öğrenmesi algoritmalarında derin öğrenme tekniklerinin kullanılması ile mümkün olmuştur. Geleneksel makine öğrenmesi, ham veriyi algoritmalarda kullanılabilecek özelliklere çevirebilmek için insan akılının yer aldığı tasarım ve kodlamalara ihtiyaç duymaktadır. Fakat derin öğrenme ile doğrudan ham veriyi kullanarak özellikleri öğrenmek mümkündür. Bu da makine öğrenmesi sırasında alan uzmanı ihtiyacını oldukça azaltmaktadır. GANlar derin öğrenme alanında oldukça yeni bir ilerleme alanıdır. GANlar 2014'ten önce yoklardı. Onların makine üretmesi alanındaki kapasiteleri ve üretimdeki kaliteleri diğer üretici makine öğrenmesi tekniklerinden çok daha iyi durumdadır. Felsefeleri, verideki özellikleri tanımlamayı otomatik olarak öğrenen ve kendi kendini eleştirerek bunu yapan bir mantığa dayanmaktadır. GANlar, fotoğraf kalitesinde resimler üretmek, siyah-beyaz resimleri renklendirmek, basit bir çizimi gerçekçi bir resime dönüştürmek, resimlerin çözünürlüğünü artırmak, resimlerdeki hatalı-eksik yerleri onarmak, videolarda sonraki kareyi tahmin etmek, makine öğrenmesinde kullanmak üzere veri üretmek, geçekçi yazılar üretmek, gerçekçi müzik ve sesler üretmek için kullanılabilmektedir. GANların mimarisi derin öğrenme teknikleri arasında oldukça orijinaldir. Temel olarak birbiriyle yarışan iki sinir ağından oluşmaktadır. Yapıları oldukça zeki tasarlanmış ve oldukça ilginçtir. Fakat bu durum makine öğrenmesini oldukça zorlu ve kırılgan yapmaktadır. GANlar oldukça zor öğretilen, hataya açık ve optimizasyonu oldukça zor olarak tanınmaktadır. Bu tezde GANların optimizasyonuna odaklandık. GANların felsefeleri zorluklarda anahtar konumdadır. Bu sebeple öncelikle GANların eğitimindeki potansiyel zorlukları açıkladık. Daha sonra iyi olarak bilinen bazı GAN mimarilerini, bazı veri setleri ile eğitim sonuçlarını karşılaştırdık. Son olarak bazı temel yapısal öneriler ve optimizasyon parametreleri önerdik.
Defect product estimation using customer reviews, Amazon use case
(2022) Eyerci, Tarkan
Teknoloji her alanı etkilediği gibi ticareti de çok etkiledi. Günümüzde artık, üreticiler, perakendeciler, hizmet sağlayıcılar gibi son kullanıcıya hitap eden tüm işletmeler e-ticaret siteleri ve mobil uygulamaları gibi yöntemlerle internet üzerinden müşterilerine hızlıca ulaşabiliyorlar. Diğer yandan, müşteriler ise artık birçok seçenek arasından seçim yapma şansına sahipler. Kullanıcılar genellikle seçimlerini yaparken daha önce aynı tecrübeyi paylaşmış diğer kullanıcıların yorumlarından faydalanırlar. Bu açıdan kullanıcı yorumları çok değerli bilgiler içerir. Fakat yoğun kullanılan sitelerde bir insanın tek tek inceleyemeyeceği kadar çok yorum birikir. Biz bu çalışmada, ürünlerin belli bir özelliğine, yani kusurlu özelliklerine odaklandık. Kusur bilgisi içeren milyonlarca yorum içinden ilgili yorumları filtre edebilmek için bir yöntem öneriyoruz. Kusur ile ilgili kelimeleri sözlük yardımı ile elle oluşturup bu kelimeler geçen yorumları filtrelemek bir çözüm önerisi olabilir. Fakat bu kelime listesini elle oluşturmak verimli olmayacaktır. Bunun için sadece ilgili ürün gruplarına ait yorumları kullanarak kendi kelime temsil modelimizi eğitip, bu modelle birlikte kelime yakınlıklarını kullanarak daha verimli bir kusur kelimeleri listesi oluşturduk. Kullanıma hazır önceden eğitilmiş bir kelime temsil modelini indirip, bu modelle kendi modelimizi kıyasladık. Genel konularda hazır modelin daha başarılı olurken, özel bir konuda kendi modelimizin kelime listesi oluşturmada daha başarılı olduğunu gördük.
Evaluation of cryptocurrency investment with fuzzy logic in on-chain analysis
(2022) Türeli, Engin
Son zamanlarda herhangi bir otorite ya da merkeze ihtiyaç duymayan bir teknoloji olan kripto para birimlerinin, benzeri görülmemiş bir ilgiyle her boyutta incelemesi artmaktadır. Özellikle Covid-19 pandemisi ile kripto para birimlerinin aktif olarak işlem görme hacmi arttığı gözlemlenmiş ve literatürde de bu bağlamda çalışmaların nitel ve nicel uygulamaları da tespit edilmiştir. Bu nedenle bu çalışma piyasada aktif olarak işlem gören 4 kripto varlığın (Bitcoin, Ethereum, Chainlink, Maker) iki blok arasında yapılan matematiksel işlemlerin yorumlanması diğer bir deyişle on-chain analizinin literatürden bilindiği kadarıyla henüz çalışılmamış bir karar problemi olarak ele almaktadır. Önerilen metodoloji kripto para birimlerinin bir dizi karşılaştırma ile veri setinin tahmin hatasında olağanüstü performans sergileyen "Random Forest Regression" algoritmasının bulanık mantıkta karar biliminin çok kriterli karar verme dalında güçlü ve geniş ölçek sunan Pisagor bulanık setlerle kombinasyonunu içermektedir. Bu kavramsal çerçevede yatırım kararına etki edecek metrikleri önceliklendirirken bulanık mantık yöntemi kullanılmasının yanı sıra bu metriklerin güçlü sıralamasının TOPSIS algoritması ile elde edilmesi de sağlanmaktadır. Buna ek olarak stabil sıralamalar elde etmek için yapılan duyarlılık analizleri piyasalarda işlem gören kripto varlıkların yatırımcılar tarafındaki yüksek belirsizliği, rasyonel kılarak literatüre önemli projeksiyon sunacaktır. Elde edilen sonuçlar göstermektedir ki nispeten yeni olan veya analiz yapacak kadar geçmiş verisine ulaşılamayan bir kripto varlık için yatırım tercihi yapılması gerektiğinde bile kripto varlığa ait Borsa Rezervi metriği borsa akış verileri arasındaki en önemli ölçüttür.

Browse

Recent Submissions