Yazar "Barut, Zeynep" seçeneğine göre listele
Listeleniyor 1 - 4 / 4
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe Akademik başarının makine öğrenmesi yöntemleri ile tahmin edilmesi(Bursa Teknik Üniversitesi, 2024) Barut, Zeynep; Altuntaş, VolkanMakine öğrenmesi, bir yapay zeka alanıdır ve sistemin geçmiş deneyimlerine dayalı olarak yeni bir model oluşturmasına ve gelecekte karşılaşabileceği durumlar hakkında tahminlerde bulunmasına olanak tanır. Bu süreç, bilgisayarın mevcut verileri kullanarak bir model geliştirmesini ve bu modeli gelecekteki veriler üzerinde kullanarak kararlar almasını ve sorunlara çözümler üretmesini içerir. Günümüzde birçok farklı alanda başarılı uygulamalara sahip olan makine öğrenmesinin eğitim sektöründe de kullanılmasıyla birlikte, bu uygulamaların eğitim yaklaşımlarında yepyeni gelişmelere yol açması kaçınılmazdır. Bu çalışmada, öğrencilerin yaşam şartları ve sosyal etkileşimlerinin akademik başarıları üzerindeki etkileri incelenmiştir. Veri seti üzerinde tüm makine öğrenmesi teknikleri kullanılarak modeller oluşturulmuş ve performansları karşılaştırılmıştır. Detaylandırılmış alt kısımlarla birlikte dört ana bölüme ayrılmış olan bu çalışmada öncelikle Giriş kısmına yer verilmiştir. Her bir ana bölüm içeriğine bağlı olarak alt kısımlara ayrılmış olup ana başlıkla ilgili tüm detayları içerecek şekilde hazırlanmıştır. Literatür araştırmasının yer aldığı birinci bölümün ardından ikinci bölüm olan Veri Madenciliği bölümüne geçilmiştir. İkinci bölümde yer verilen veri madenciliğinin tanımsal kavramlarıyla birlikte süreçleri ve modelleri, yol haritalarıyla desteklenip konu bağlamında anlatılmıştır. Bu bölüm, ana fikri destekleme noktasında önem taşımanın yanında çalışmanın üzerine oturtulduğu temellerden biri olarak da görev yapmaktadır. Üçüncü bölüm ise veri madenciliği ile elde edilen verilerden yola çıkarak uygulamaya konulan metot ve analiz kısmına ayrılmıştır. Öğrenci başarılarının tespit edilebilmesi için regresyon ve sınıflandırma yöntemleri uygulanmıştır. Çalışma için öğrenci performans verilerinden oluşan Student Performance veri seti kullanılmıştır. Bu veri seti Portekiz'de iki farklı okulda ortaokula giden öğrencilerin performanslarını göstermektedir. Son olarak algoritmaların sonuçları referans makaleler ile karşılaştırılmış ve referans makalelerden daha yüksek sonuçlar elde edilmiştir. Sınıflandırma algoritmalarından Karar Ağacı algoritması, doğrusal olmayan regresyon algoritmalarından Catboost algoritması ve Doğrusal Regresyon algoritmalarından Çoklu Doğrusal Regresyon algoritması en başarılı sonuçları vermiştir. Elde edilen en yüksek oranlar Karar Ağacı için %93.3, Catboost için %86.9 ve Çoklu Doğrusal Regresyon için %82.9 olarak görülmüştür.Öğe IncRNA-HASTALIK TAHMİNİ İÇİN GRAPH TABANLI BİR ÖĞRENME MODELİNDE K-FOLD CROSS VALIDATION İLE FARKLI K DEĞERLERİNİN PERFORMANSININ KARŞILAŞTIRILMASI(Kirklareli University, 2023) Barut, Zeynep; Altuntaş, VolkanMakine öğrenmesinde, k-katlı çapraz doğrulama yöntemindeki k değeri, oluşturulan modelin performansını önemli ölçüde etkilemektedir. Yapılmış olan çalışmalarda genellikle k değeri beş veya on alınmaktadır çünkü bu iki değerin ortalama tahminler ürettiği düşünülmektedir. Ancak resmi bir kural yoktur. Farklı modellerin eğitiminde farklı k değerlerinin kullanılması için az sayıda çalışma yapıldığı görülmüştür. Bu çalışmada, çeşitli k değerleri (2, 3, 4, 5, 6, 7, 8, 9 ve 10) ve veri setleri kullanılarak IncRNA-hastalık modeli üzerinde bir performans değerlendirilmesi yapılmıştır. Elde edilen sonuçlar karşılaştırılmış ve model için en uygun k değeri belirtilmiştir. Gelecekte yapılacak olan çalışmalarda veri seti sayısının arttırılması ile daha geniş kapsamlı bir çalışma yapılması hedeflenmektedir.Öğe Konut Fiyatlarının Tahmini için Polinomsal Regresyon ve Yapay Sinir Ağları Yöntemlerinin Uygulamalı Karşılaştırılması(2023) Barut, Zeynep; Bilgin, Turgay TugayGayrimenkul sektörünün hızlı ekonomik büyümesi nedeniyle, konut fiyatlarının tahmini geleceğe yönelik planlamalar için önemlidir. Bu çalışmanın amacı makine öğrenmesi yöntemlerini kullanarak bir konutun potansiyel fiyatını tahmin etmektir. Makine öğrenmesi yöntemleri olarak Yapay sinir ağları ve Polinomsal regresyon kullanılarak bunların tahmin performansları karşılaştırılmıştır. Makine öğrenmesi yöntemlerinin uygulanabilmesi için KNIME veri analiz platformu kullanılmıştır. Yöntemlerin başarısını ölçmek için R Kare performans metriği kullanılmıştır. Uygulama sonuçları, Yapay sinir ağları yönteminin Polinomsal regresyon yöntemine göre ev fiyatlarını daha yüksek doğrulukla tahmin ettiğini göstermektedir. Yapılan çalışmanın ev değerlendirilmesi için kullanılan uygulamaların geliştirilmesine ve bu alanda yapılan bilimsel çalışmalara katkı sağlayacağı düşünülmektedir. Sonraki çalışmalarda farklı yöntemler veya ev özniteliklerinin bulunduğu veri setleri kullanılarak çalışmanın genişletilmesi hedeflenmektedir.Öğe String Matching Algoritmalarının Uygulamalı Karşılaştırılması(Tokat Gaziosmanpasa University, 2023) Barut, Zeynep; Altuntaş, VolkanBelirli bir string içerisinde bir pattern bulunması gerektiğinde, String matching algoritmaları kullanılır. Bu araştırmanın amacı güncel algoritmaların temel fikirlerini, karmaşıklıklarını açıklamak ve uygulamalı karşılaştırmasını gerçekleştirmektir. String matching için kullanılan birçok algoritma vardır. Bu çalışmada Knuth-Morris-Pratt, Rabin Karp ve Boyer Moore Horspool algoritmaları karşılaştırılmıştır. Farklı yapıdaki algoritmalar seçilerek çalışmanın doğruluğunun arttırılması amaçlanmıştır. Algoritmaların temel fikirleri, olası zorlukları ve karmaşıklıkları açıklanarak, bu sorunların nasıl çözülebileceği üzerinde durulmuştur. Yapılan çalışmalar sonucunda Knuth-Morris-Pratt algoritmasının çoğu durumda diğer algoritmalardan daha iyi performans gösterdiği görülmüştür. En iyi ikinci performansı gösteren algoritma Boyer Moore Horspool algoritması, en kötü performansı gösteren algoritma ise Rabin Karp algoritması olmuştur.
