Tez Koleksiyonu

Permanent URI for this collectionhttps://acikerisim2.beykoz.edu.tr/handle/20.500.12879/46

Browse

Now showing 1 - 7 of 7

AI (YZ) Teknikleri Kullanılarak Küresel Yazılım Geliştirmede Kültürlerarası Sorunların Öngörülebilir Analizi
(2024) Iqbal, Zohaib; Ergenecoşar, Gizem Temelcan
Bu tezin amacı, GSD ortamında kültürel farklılıklardan kaynaklanan sorunları azaltmak için kullanılabilecek tahmini modellemenin nasıl kullanılabileceğini belirlemektir. Küresel kullanım için yazılım geliştirilirken, giderek daha fazla ekip farklı kültürel geçmişlere sahip üyelerden oluşmaktadır. Bu tür farklılıklar iletişim problemlerine neden olmakta, işe yönelik çelişkili yaklaşımlar sergilemekte ve daha zayıf projelere yol açan kafa karışıklığı yaratmaktadır. Bu çalışma, yukarıda bahsedildiği gibi önemli sorunların proje çıktılarını tehlikeye atmaması için kültürlerarası etkilerin erken tespitinde yararlı olan risk faktörlerine ulaşmaktadır. Doğrusal Regresyon, Ridge Regresyonu, Lasso Regresyonu, SVR ve XGboost algoritmaları kullanılarak testler yapılmıştır. Her modelin karşılaştırılması için Ortalama Karesel Hata (MSE), Kök Ortalama Karesel Hata (RMSE), Ortalama Mutlak Hata (MAE) ve R-kare içeren bir dizi kriter incelenmiştir. Kullanılan algoritmalar arasında Doğrusal Regresyon ile modelin yüksek doğrulukla tahmin edilebileceğini gösteren en yüksek R-kare değeri elde edilmiştir. Diğer modeller için Ridge Regresyon ve XGBoost tarafından orta düzeyde doğruluk ortaya konmuş, ancak bunların ayarlanması sonuçları çok az iyileştirmiştir. Ayrıca, yapılan analizler sonucunda Linear Regresyonun en doğru model olduğunu gösterilebilmektedir. Bu çalışma, yazılım geliştirme ekiplerinde ele alınan kültürlerarası endişeleri destekleyebilecek insan merkezli yaklaşımlara, mevcut AI-tabanlı yöntemlerin entegrasyonu için önemli çıkarımlar sunmaktadır. Çıkar çatışmaları öngörüldüğünde, ekip çalışması verimliliğini ve dolayısıyla bir projenin başarısını en üst düzeye çıkarmak için daha iyi anlayış ve iş birliği çözümlerinin kullanılması gerektiği görülmüştür. Anahtar kelimeler: Kültürlerarası Zorluklar, Küresel Yazılım Geliştirme, Tahminleme Analizi, Makine Öğrenmesi, AI-Odaklı Çözümler.
Ay Yüzeyinde Krater Tespiti için Segment Anything Modeli
(2025) Dahdouli, Issa; Erkan, Özlem Feyza
Bu çalışmada, krater tespiti için Segment Anything Modeli'nin (SAM) nasıl uygulanabileceği araştırılacaktır. Krater tespiti, gezegen jeolojisi ve bilimsel araştırmaların önemli bir parçası olup, görev planlaması ve gelecekteki Ay iniş görevleri için kritik öneme sahiptir. Bu tez, yarı otomatik bir krater tespit hattı sunmaktadır. Bu sistem, Meta AI tarafından geliştirilen yeni nesil bir derin öğrenme modeli olan Segment Anything Modeli ile klasik geometrik analizleri birleştirmektedir. SAM'in yönlendirilebilir görsel dönüştürücüsü (promptable vision transformer) kullanılarak 1024×1024 çözünürlükteki Ay yüzeyi görüntülerinden ilk krater aday maskeleri üretilecektir. Ay yüzeyine dair etiketli veri setlerinin eksikliği nedeniyle bu görüntüler, WebGL tabanlı 3D görselleştirme motoru olan Three.js kullanılarak üretilecek ve NASA'nın MoonKit kütüphanesi aracılığıyla Ay'ın gerçekçi topografyasına ve yüzey detaylarına sahip küresel modeller oluşturulacaktır. Ayrıca, farklı ışık ve gölgeleme koşulları da simüle edilecektir. SAM ile işlenen bu görüntülerden elde edilen maskeler üzerinde, özel olarak geliştirilen bir elips uydurma algoritması çalıştırılacaktır. Bu algoritma, alan oranı, uzama (elongation) ve parlaklık gibi geometrik filtreler uygulayarak krater benzeri yapıları izole edecektir. Bu işlem sırasında En Küçük Kareler Yöntemi (Least Squares Method) kullanılacaktır. Sonuçlar, segmentasyon çıktısını ve elipslerle işaretlenmiş görüntüyü gösteren .PNG formatında dışa aktarılacaktır. Ayrıca bu çalışmada, Ay krateri tespitinin zorlukları ve karşılaşılan problemler de detaylı şekilde tartışılacaktır. Ay yüzeyinin değişken ışıklandırma ve gölgeleme koşulları gibi faktörlerinin segmentasyon modelleri üzerindeki etkisi vurgulanacak, Segment Anything Modeli'nin bu bağlamdaki sınırlamaları da ele alınacaktır. Anahtar Kelimeler: Segment Anything Modeli, SAM, Görüntü Segmentasyonu, Krater Tespiti, Bilgisayarla Görü, OpenCV, Elips Uydurma, En Küçük Kareler Yöntemi, Derin Öğrenme, Three.js
Bulut Hizmetlerini Değerlendirmek İçin Standart Bir Çerçeve: Azure Uygulama Hizmeti ile Docker Konteynerinin Karşılaştırılmasına İlişkin
(2025) Alkull, Manar; Solak, Ercan
Bulut bilişimde iki veya daha fazla hizmeti karşılaştırmak ve hangisinin 'daha iyi' olduğuna karar vermek, birçok nedenden ötürü zorlu bir iştir. Mevcut kıyaslama çözümleri, bulutta test süreçlerini yürütme konusunda yeterli verimliliğe sahip değildir. Ayrıca, özel test durumları için yapılandırılmaları ve ortaya çıkan verilerin yapısının belirlenmesi zordur. Bulut ortamının dağıtılmış yapı, kaynak kapasitesindeki çeşitlilik, sanallaştırma, güvenlik ve maliyet gibi kendine özgü özellikleri, onu birçok yeni çalışma için ilgi çekici bir konu haline getirmiştir. Bu araştırma, bulut kıyaslama çerçevesinin karşılaştırılabilirlik, kapsam, yapılandırılabilirlik, esneklik ve kapsamlılık gibi özelliklere sahip olması gerektiğini öne sürmektedir. Bu özellikler, bulut ortamında en iyi çıktıları elde etmek amacıyla özelleştirilmiş bir kıyaslama çerçevesi önerilirken bu araştırmada dikkate alınmıştır. Önerilen çerçeve, yükü konu düğümünde çalıştıran bir hizmet olarak sunucuya ve testi kontrol etmekten ve çıktı verilerini oluşturmaktan sorumlu olan istemciye sahip istemci-sunucu modelinde tasarlanmıştır. Önerilen çerçevenin geçerliliğini test etmek için bir demo uygulaması geliştirilmiş ve Azure App Service'in performansını Azure Docker Container ile karşılaştırmak için kullanılmıştır. Test, konu düğümlerindeki (App Service ve Docker konteyneri) farklı kaynakları (CPU, Bellek, Dosya G/Ç ve ağ dahil) kıyaslamak üzere gerçekleştirilmiştir. Elde edilen veriler, Docker Konteynerinin aynı bulut katmanı için Azure'da App Service'ten genel olarak daha iyi performansa sahip olduğunu ortaya koymuştur.
Gözetimsiz Makine Öğrenimi Kullanarak İstenmeyen Yerlerden Kaçınarak Rota Optimizasyonu
(2025) Rashıd, Muhammad Ahsan; Ergenecosar, Gizem Temelcan
Bu tez, gelişmiş rota planlama sistemlerinin kullanıcıların hoşlanmadığını belirttiği yerlerden kaçınmak için denetimsiz makine öğrenimi algoritmalarını nasıl kullandığını incelemekte ve Gürültülü Uygulamaların Yoğunluk Temelli Uzamsal Kümelemesi'ne (DBSCAN) odaklanmaktadır. Geleneksel rota algoritmaları yolculuk süresini ve mesafesini en aza indirmeyi amaçlar ve bu yaklaşımlar her zaman kullanıcı tercihlerini, güvenlik endişelerini veya diğer öznel veya duruma özel değişkenleri içermez. Bu tez, yoğun mahalleler, barlar ve diğer mekanlar gibi kullanıcıların gitmek istemediği yerleri bulmak ve bunlardan kaçınmak için gruplandırma ve konum verisi analizini birleştiren bir rota sistemi geliştirmiş ve test etmiştir. DBSCAN'nin tercih edilme sebebi, gürültüyü yönetebilir ve her şekildeki grupları bulabilir olmasıdır. İstenmeyen mekanlar eşit olmayacak şekilde dağılmış olsa bile, coğrafi verileri etkili bir şekilde analiz edebilir. Kullanıcı tanımlı parametrelere göre yoğunluk sınırlamalarını belirledikten sonra, DBSCAN coğrafi yakınlıklarına göre yoğun konum kümeleri bulur. Bu gruplandırma stratejisi, kesme alanları veya bölgeler gerektiren standart sistemlerin aksine, verilere göre rotaların ayarlanmasına izin verir. Tez, sorun bildirisini analiz ederek verimlilik kriterlerini aşan özel rota çözümlerine olan ihtiyacı ortaya koymaktadır. Çalışma ayrıca DBSCAN'in matematiksel kökenlerini ve algoritmanın temel varsayımlarının, devasa veri hacimlerinde kilit coğrafi gruplaşmaları nasıl bulmasını sağladığını da incelemektedir. Çözümün tasarımı ve bölgesel girdiler, kullanıcı tercihleri ve gruplandırma sonuçları kullanılarak rota hesaplaması verilmiştir. Sistem, seyahat hızı hedeflerini korurken bu istenmeyen bölgeleri kullanmayı en aza indirmek için optimum rotaları sürekli olarak yeniden hesaplamaktadır. Tez, deneysel testler ve senaryo tabanlı modeller kullanarak sistem etkinliğini değerlendirmektedir. Bu testler, yeni yolların kilit gruplardan ne kadar etkili bir şekilde kaçındığını, kümeleme yaklaşımının bunları ne kadar hızlı ve doğru bir şekilde tespit ettiğini ve yolculuk süresini ve mesafesini ne kadar değiştirdiğini değerlendirir. Hesaplamaların zor olması ve değişkenlerin gruplandırılmasının kentsel bağlamlara duyarlı olması gibi dezavantajlarını vurgulamaktadır. Bu tez, kişiselleştirilmiş ve bağlam farkındalığına sahip navigasyon sistemlerinin, DBSCAN gibi özerk makine öğrenimi tekniklerinden yararlanarak rotaları belirleyebileceğini ortaya koymaktadır. Bulgular, yönlendirme kontrolünü ve esnekliği artıran konuma özgü kullanıcı kısıtlamalarının eklenmesi ihtiyacını göstermektedir. Yolları kullanıcıların tercih ettiği kaçınma seçenekleriyle hizalamak sosyal ve doğal değişikliklere uyum sağlayabilen esnek navigasyon sistemlerinin oluşturulmasına olanak tanımaktadır.
İleri Video Oyun Programlamanın Oyuncu Katılımı ve Deneyimi Üzerindeki Etkisinin Ölçülmesi
(2024) Alqaysi, Omar Nameer Jasim; Akkaya, Duygu Demiray; Memon, Shahzad Ahmed
Bu tez, gelişmiş video oyunu programlamanın geniş ve kapsamlı alanını ve oyunculara keyif ve etkileşim sağlamak için ortaya çıkardığı temel sonucu araştırmaktadır. Bir dizi anketle test edilmeden önce altı oyun tasarlandı ve inşa edildi; çok fazla genelleme yapmak istemeden, bulguların oyuncunun memnuniyetini ve oyuna dalma derecesini etkileyen en önemli faktörlerden bazılarını işaret etmeye yardımcı olması bekleniyor. Sonuçlar, görsel çekiciliğin, çeşitli oyun oynamanın ve deneyimi geliştirmek için özel yeteneğin önemli faktörler olduğunu göstermektedir. Tez ayrıca sanal gerçeklik gibi yeni ortaya çıkan teknolojilerin oyuncu katılımında devrimler yaratmak için nasıl uygulanabileceğini de yansıtmaktadır. Tez ayrıca tasarımda etik düşüncenin rolüne vurgu yapmaktadır. Bu tür araştırma içgörüleri, oyunlarda ilgi çekici ve sürükleyici deneyimler oluşturmak isteyen geliştiricilere rehberlik edecektir. Sonuç, sürekli yenilik ve uyarlanabilirliğe duyulan ihtiyacın uluslararası oyun topluluğunun dinamik tercihlerine yanıt olarak ortaya çıktığını göstermektedir.
IoT Cihazlarında Yüz Tanıma Güvenliğinin Artırılması için Görüntü İşleme Tekniklerinin Entegrasyonu
(2025) Mustafa, Duha; Aburas, Abdurazzag Ali A
IoT tabanlı sistemlerde erişim kontrolü çoğunlukla yüz tanımaya bağlıdır, ancak yine de birçok sorunla karşı karşıyadır. Yüz tanıma hataları, yüz özelliği değişiklikleri ve sahtecilik girişimleri gibi güvenlik sorunları gibi sorunlar. Bu çalışmadaki temel odak, derinlik analizi, canlılık tespiti ve yinelenen kimlik doğrulama güncellemeleri gibi gelişmiş görüntü işleme tekniklerini yöneterek sistemin güvenliğini ve güvenilirliğini iyileştirmekti Sistemi sahte erişime daha fazla kısıtlamak ve kritik durumları yönetmede optimize etmek için, yalnızca bazı teknik güncellemeler değil, aynı zamanda önemli bir rol oynayan bu eklemeler yapıldı. Ayrıca, anormallik tespiti ve özellik çıkarma gibi diğer yöntemler, sistemin sağlamlığını artırmak ve yeni sorunlara etkili bir şekilde uyum sağlamasını sağlamak için kullanıldı. Bu çalışma üzerinde çalışırken, algoritmik önyargı ve kullanıcı gizliliğiyle ilgili sorunlar da dikkate alındı ve yalnızca sistemin güvenli değil, aynı zamanda önyargılı olmadığı ve etik olduğu değerlendirildi. Sonuçlarda, sistemin güvenliğe odaklı ve etik açıdan bilinçli bir tasarıma sahip olması, onu daha etkili ve güvenilir bir yüz tanıma sistemi haline getirirken, IoT tabanlı kimlik doğrulama ortamlarında gelecekte kullanım için güçlü bir potansiyele sahip olduğu öne sürülen çalışmaların birleştirilmesi önerilmiştir.
Öğrenci Tutulmasını Artırmak: Terk Oranları ve Telafi Stratejileri Üzerine Öngörücü Bir Çalışma
(2025) Raghdah, Raghdah; Ergenecosar, Gizem Temelcan
Eğitim, öğrencilerin ve kurumların dünya çapında okulu bırakmasının bir endişe kaynağı olduğu ekonomik ve sosyal refah için önemlidir. Bu çalışma, öğrencilerin okulu bırakmalarını ve telafi stratejilerini tahmin ederek öğrencilerin tutulmasını iyileştirmeyi amaçlamaktadır. Tahmin algoritmaları, okulu bırakma olasılığı en yüksek olan zayıf akademik başarıya, demografiye ve sosyal davranışa sahip öğrencileri belirleyebilir. Bu çalışmada, makine öğrenimi teknikleri, öğrencilerin erken aşamalarda okulu bırakmasını veya tutmasını analiz etmek için tahmini bir model oluşturmak için kullanılmıştır. Notlar, kayıt yaşı, alınan küfürler, onaylanan dersler, cinsiyet, öğrenim ücreti durumu, sınıf süresi vb. gibi temel özellikler, Random Forest sınıflandırıcısı ve korelasyon analizi kullanılarak değerlendirilir ve analiz edilir. Çalışmanın bulguları kurumsal sorunların, sosyoekonomik faktörlerin, akademik zorlukların, kişisel ve psikolojik faktörlerin terk oranları üzerinde önemli bir etkiye sahip olduğunu göstermektedir. Çıktı, kurumda kalma veya kurumdan ayrılma olasılığı yüksek öğrencileri, tutma stratejilerini yapılandırmak ve artırmak için yardımcı olabilecek veri odaklı bir tahmin modeliyle göstermektedir. Bu tez yalnızca tutma stratejilerini şekillendirmeye yardımcı olmakla kalmaz, aynı zamanda danışmanlar, idareciler ve politika yapıcılar için farklı ekonomik, sosyal, eğitimsel ve psikolojik geçmişlere sahip öğrenciler için şekillendirilebilecek böyle bir eğitim yapısını uygulayarak bir destek mekanizması oluşturmak için ayrıntılı analiz sağlayabilir.

Browse

Browsing Tez Koleksiyonu by Department "Lisansüstü Programlar Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı"