Yüksek Lisans Tezleri

Permanent URI for this collectionhttps://hdl.handle.net/20.500.11779/1785

Browse

Filters

2022 - 20259

Settings

Author: search.filters.author.Çakar, TunaHas files: No

Search Results

Now showing 1 - 9 of 9
  • Master Thesis
    EAFT: Evrimsel Algoritmalar ile GCC İşaretçi Optimizasyonu
    (2023) Tağtekin, Burak; Çakar, Tuna
    The runtime of written codes is a matter of great importance, especially for code that is compiled once and executed multiple times. It is very important for developers to ensure that the resources required by a code are used as efficiently as possible, and that the runtime is as low as possible. Developers who use compilers such as GCC or LLVM to compile and run code written in C or C++ can optimize their code manually and, with certain optimization pointers, are able to make it run faster. This will provide the shorter runtime, but completıng this manual optimization is within the abilities of every developer since determining the right combination from more than 200 flags requires significant expertise. Many studies have tackled this issue. In this study, Evolutionary Algorithms for GCC Flag Tuning (EAFT) have been developed as a solution to this problem. This Autotuner, which is completely open-source, runs the code provided by the end user according to the specifications also selected by the end user, and searches for the most suitable optimization markers. For the code to be given In line with this study, which specifically addresses the end user, the user can input the code path directly from the Terminal, as well as specify the selection method and the crossover to be used. These choices can be made without the need to alter the code. The genetic algorithm and particle swarm optimization to be used is also presented to the user in EAFT, and unlike in other studies, genetic algorithm contain not one but several models.
  • Master Thesis
    Anayasa Mahkemesi Kararlarının Simülasyonu: Türk Bireysel Başvuruları İçin Çok Etmenli Bir Büyük Dil Modeli (LLM) Çerçevesi
    (2025) Atam, Egemen Onat; Çakar, Tuna
    Bu çalışma, büyük dil modellerinin (BDM) anayasa mahkemesi davalarında yargısal karar verme süreçlerini taklit etme kapasitesini incelemektedir. GPT-5, Gemini ve Claude olmak üzere üç güncel model kullanılarak, 2014–2024 yılları arasındaki 343 Anayasa Mahkemesi kararı, mahkeme süreçlerini yansıtan iki aşamalı bir değerlendirme çerçevesi üzerinden analiz edilmiştir. Çalışmada hem kabul edilebilirlik değerlendirmeleri hem de esas hak ihlali kararları açısından model performansı ölçülmüştür. Kabul edilebilirlik aşamasında (Aşama 1) doğruluk oranları Claude için %68,80 ile GPT-5 için %81,34 arasında değişmiş; çoğunluk oylaması yöntemi %79,59'a ulaşmıştır. GPT-5, en az toplam hata ile dengeli bir yaklaşım sergilerken, Gemini ve Claude daha fazla kabul edilemezlik eğilimi göstermiştir. Mahkeme kararları ise daha ılımlı bir kabul oranı ortaya koymuştur. Hak ihlali aşamasında (Aşama 2), üç model de %81,50 doğruluk oranı yakalamış, çoğunluk oylaması ise %83,24 ile en yüksek performansı göstermiştir. Bu aşamada GPT-5 kısmi eşleşmelere daha yatkın, Gemini en yüksek sayıda tam eşleşmeye ulaşmış, Claude ise arada bir performans sergilemiştir. Modeller arası uyum örüntüleri yüksek ancak değişken düzeydedir. Aşama 1'de daha az sıklıkla görülen oybirliği, %87,32 ile en yüksek doğruluk oranını sağlamış, konsensüsün güvenilirliğini ortaya koymuştur. Aşama 2'de ise GPT-5 ile Claude en güçlü uyumu (%88,52) göstermiştir. Bu bulgular, topluluk yöntemleri ve insan–yapay zekâ hibrit yaklaşımlarının yargısal karar verme süreçlerinde tutarlılığı ve sağlamlığı artırabileceğini ortaya koymaktadır. Sonuçlar, genel amaçlı BDM'lerin dahi karmaşık anayasal ilkeleri anlayabildiğini ve mahkeme benzeri yapılandırılmış gerekçeler üretebildiğini, dolayısıyla hukuki uygulamalar açısından dikkate değer doğruluk seviyelerine ulaştığını göstermektedir. Mevcut modeller, yargısal akıl yürütmenin tüm derinliğini yansıtmakta güçlük çekse de, topluluk yöntemlerinin sağladığı istikrarlı üstünlük, amaca özel geliştirilecek hukuki yapay zekâ sistemlerinin genel modelleri aşabileceğini ve anayasa yargısını verimlilik, tutarlılık ve adalete erişim açısından dönüştürme potansiyeline sahip olduğunu ortaya koymaktadır.
  • Master Thesis
    Makine Öğrenmesi İle Churn Talebi Analizi
    (2025) Genç, Önder; Çakar, Tuna
    Son günlerde Pay TV hizmetleri çeşitlenmektedir. Çeşitlenen hizmetlerle birlikte şirketler arasındaki rekabette artmaktadır. Strait Reserch araştırmalarına göre 2021 yılında 183 milyon dolar olan Global Pay TV pazarının 2030 yılında 210 milyon dolara yükselmesi tahmin edilmiştir. Bunun yanısıra Neflix'in araştırmasına göre edinilmiş veya elde tutulan abonelerin daha değerli olduğu belirtilmektedir. Aboneliklerini sonlandırmayı düşünen müşterilerin önceden tahmin edilebilmesi şirketler açısından oldukça önemli bir hal almıştır. Son yıllarda etkinliği gittikçe artan makine öğrenmesi ve yapay sinir ağları gibi tekniklerle tahminlemeyi yapmak daha kolay hale gelmiş ve şirketlere önemli katkılar sağlamaktadır. Bu çalışmada, bazı makine öğrenmesi modelleri ile ilgili bilgiler verilmiştir. Pay TV hizmeti veren bir şirketin verileri kullanılarak bazı makine öğrenmesi modelleri ile tahminlemeler yapılmıştır. Son olarak abonelik iptal talep edebilecek müşterilerin, son yaptığı abonelik iptal talebi ve en çok yaptığı iptal talepleri ile ilgili bilgilerde sonuca eklenerek, abonelik iptal talebi gerçekleşmeden, müşteriyle iletişime geçilmesi ve uygun bir kampanya önerilerek iptali önlemek hedeflenmiştir. Bu çalışma da etiketli veriler kullanılarak denetimli öğrenme teknikleri ile çalışılmıştır. Çalışma kapsamında Random Forest, XGBoost Classifier, KNeigbors Classifier, Logistic Regression, Ada Boost Classifier, Linear Discriminant Analysis, Decision Tree Classifier ve Extra Tree Classifier modelleri kullanılmıştır. Bütün modeller için başarı ölçütleri bulunmuş ve karşılaştırılmıştır. Servis sağlayıcıdan elde edilen veriler açısından en uygun model Random Forest olarak belirlenmiştir.
  • Master Thesis
    Makine Öğrenme ve Derin Öğrenme Modelleri Kullanılarak Gümrük İşlem Belgelerinin Görsel Sınıflandırılması
    (2025) Demir, Hasan Hürşad; Çakar, Tuna
    Gümrük işlemlerinde kullanılan belgelerin imgesel hallerini, makine öğrenmesi ve derin öğrenme modelleri ile sınıflandırma yapılmıştır. Resim sınıflandırma yöntemleri olarak, bu tez kapsamında, makine öğrenmesi alanında Gaussian Naive Bayes, Rastgele Orman ve Destek Vektör Makinesi; derin öğrenme alanında Evrişimsel Sinir Ağları, Görsel Dönüştürücü, ConvNext ve EfficientNetV2 yöntemleri kullanılmıştır. Model tiplerine özel olarak veri setleri düzenlenmiş olup, modellerin en uygun düzeyde çalışmasını sağlayacak şekilde belirlenen parametre değerleriyle modeller oluşturulmuş ve ilgili veri setleri ile eğitim ve testleri yapılmıştır. Modellerin karşılaştırılmaları eğitim süreleri ve doğruluk oranları açısından yapılmıştır. En iyi sonuçlar, yaklaşık 11 dakikalık eğitim süresi ve %98,32 doğruluk oranı ile Evrişimsel Sinir Ağı modeliyle elde edilmiştir. İkinci en yüksek doğruluk oranı %97,94 ile Rastgele Orman modelinde elde edilirken, genel anlamda ikinci en iyi sonuçlar ise yaklaşık 22 dakikalık eğitim süresi ve %95,89 doğruluk oranı ile EfficientNetV2 modeliyle elde edilmiştir.
  • Master Thesis
    Dijital Dönüşüm ile ESG Skorlaması: Makine Öğrenimi ile Sürdürülebilirliği Sayısallaştırmak
    (2025) Bozkan, Tunahan; Çakar, Tuna
    Bu çalışma, büyük şirketlerin yan kuruluşlarına verilen Çevresel, Sosyal ve Yönetişim (ESG) puanlarının fonların yatırım kararları üzerindeki etkisini sistematik olarak analiz etmeyi amaçlamaktadır. Temel hedef, özellikle risk yönetimi, sürdürülebilirlik ve uzun vadeli finansal performansla ilgili olarak, ESG puanlarının fon portföylerini ve yatırım stratejilerini şekillendirmedeki rolünü incelemektir. ESG metriklerinin artan önemi, fon yöneticilerinin karar alma süreçlerinde değişiklik yapılmasını gerektirmekte olup, ESG puanına sahip şirketlerin yatırım portföylerine nasıl dahil edildiklerinin derinlemesine değerlendirilmesini zorunlu kılmaktadır. Bu araştırma, büyük kurumsal varlıkların yan kuruluşlarının özel katkılarını araştıracak ve bu yan kuruluşların, genel fon değerlemesindeki rollerini inceleyecektir. Yan kuruluşlara odaklanarak, çalışma bireysel iş birimlerinin sürdürülebilirlik performanslarının geniş yatırım manzarasını nasıl etkilediğini vurgulayacaktır. ESG puanlarının risk azaltma, sürdürülebilirlik hedefleriyle uyum ve uzun vadeli getirileri maksimize etme önemi bu analizin merkezinde olacaktır. Ayrıca, çalışma, ESG puanına sahip olmayan şirketlere yapılan yatırımlarla ilişkili potansiyel riskleri değerlendirecek ve bu tür puanların olmamasının yatırım stratejileri üzerindeki etkisini inceleyecektir. Araştırmanın temel bir bileşeni, fon yöneticilerinin ESG puanına sahip olan ve olmayan şirketleri değerlendirirken kullandıkları karar verme kriterlerinin incelenmesi olacaktır. Bu puanların portföy kompozisyonunu ve yatırım önceliklendirilmesini nasıl etkilediği araştırılacaktır. Çalışma ayrıca, finans sektöründe sürdürülebilirlik için geniş çaplı sonuçları ele alacak, özellikle ESG düşüncelerinin geleneksel finansal performans metrikleriyle nasıl kesiştiğini tartışacaktır. Sonuç olarak, bu araştırma, ESG puanlarının fonların yatırım stratejilerini şekillendirme rolü hakkında kapsamlı bir anlayış sağlamayı amaçlamaktadır. Büyük firmaların yan kuruluşlarına odaklanarak, bu çalışma ESG yatırımları üzerine büyüyen bilgi birikimine katkıda bulunacak ve bu metriklerin fon performansı, karar alma süreçleri ve yatırım portföylerinin uzun vadeli başarısı üzerindeki etkilerine dair içgörüler sunacaktır.
  • Master Thesis
    E-Ticarette Müşteri-Mağaza Alışverış Davranışı Modeli
    (2025) Güney, Görkem; Çakar, Tuna
    E-ticaretin hızlı gelişimi, işletmelerin müşteri davranışları ve satıcı performansını analiz etmek için ileri düzey analitik modellere ihtiyaç duymasına neden olmuştur. Bu çalışmada, müşteri tercihleri, satın alma alışkanlıkları ve satıcıların ürün tekliflerini birleştiren, 'Müşteri-Satıcı Alışveriş Davranışı Modeli' önerilmiştir. Model, RFM (Recency, Frequency, Monetary), kategori tercihleri ve müşteri yaşam boyu değeri gibi müşteri metrikleri ile satıcıların kategori odağı ve satış performansı verilerini kullanarak segmentasyon ve kişiselleştirilmiş öneriler sunmaktadır. K-Means, hiyerarşik kümeleme ve karar ağacı algoritmaları kullanılarak müşteriler ve satıcılar benzer davranışlara göre gruplandırılmıştır. Ayrıca, müşterilerin satın alma eğilimlerini tahmin etmek ve satıcılar ile eşleştirmek için tahmin modelleri ve hibrit öneri sistemleri uygulanmıştır. Sonuçlar, önerilen modelin müşteri bağlılığını, satıcı performansını ve platformun genel etkinliğini önemli ölçüde artırdığını göstermektedir. Bu çalışma, e-ticaret platformları için veri odaklı, ölçeklenebilir ve dinamik bir analitik çerçeve sunmaktadır.
  • Master Thesis
    Kozmetik E-Ticaretinde Kişiselleştirilmiş Ürün Önerileri için İki Kuleli (Two-Tower) Bir Getirme Yaklaşımı
    (2025) Tuncer, Suat; Çakar, Tuna
    Tavsiye sistemleri, e-ticaret platformlarında kullanıcı deneyimini geliştirmek ve etkileşimi artırmak açısından hayati bir rol oynamaktadır. Bu tez, TensorFlow Recommenders (TFRS) kullanılarak uygulanan geri getirme (retrieval) tabanlı sinir ağı mimarileriyle oluşturulmuş iki kişiselleştirilmiş ürün tavsiye yaklaşımının karşılaştırmalı analizini sunmaktadır. İlk yaklaşım, yalnızca kullanıcı ve ürün kimliklerine (ID) dayalı gömlemeleri (embedding) kullanmaktadır. İkinci model ise ürün temsilini, özellikle ürün başlığı ve üst kategori bilgilerini içeren anlamsal (semantik) içerik özellikleriyle zenginleştirmektedir. Her iki model de örtük satın alma verileriyle eğitilmiş ve en yakın komşu getirimi üzerinden recall@K ölçümünü yapan FactorizedTopK metriği ile değerlendirilmiştir. Çalışma, sıcak başlangıç (warm-start) senaryosu varsayımına dayanmakta ve ürün getirimi için gömleme uzayında anlamsal bağlamın değerine vurgu yapmaktadır. Bulgularımız, özellikle ürünler arasındaki anlamsal benzerliğin önemli olduğu durumlarda, içerik özelliklerinin dahil edilmesinin tavsiye doğruluğunu artırmada fayda sağladığını ortaya koymaktadır.
  • Master Thesis
    Fraud detection and prediction with machine learning applications
    (MEF Üniversitesi, 2023) Sayar, Alperen; Çakar, Tuna
    Bu çalışmanın temel amacı, faktoring sektöründe faaliyet gösteren bir şirketin müşterilerinin işlemleri üzerindeki dolandırıcılık faaliyetlerini tespit etmek ve buna bağlı olarak müşterilerin geçmiş işlem ve bağlantı verilerine dayalı keşifsel veri analizi ile ölçülebilir parametreler yakalamaktır. ve ardından hedef için tahmine dayalı modeller gerçekleştirmek. Sınıflandırma modeli algoritmaları olan XGBoost ve CATBoost modellerinde %79 civarında isabet oranı elde edilmiştir. Bu sayede dolandırıcılık yapma potansiyeli yüksek müşteri tespit edildikten sonra daha etkin, verimli ve doğru bir yaklaşımla hareket edilerek işlem bazında dolandırıcılık faaliyetlerinin doğrudan tespit edilmesi amaçlanmaktadır.
  • Master Thesis
    Comparing audio features for speech emotion recognition using machine learning algorithms
    (MEF Üniversitesi, 2022) Gümüş, Fatma; Çakar, Tuna
    Ses, hayatımızın tamamlayıcı bir parçasıdır. Son yıllarda ses teknolojisine olan talep sanat ve insan-makine etkileşimi sistemlerinde artmaktadır. Ses ile daha fazla bilgi daha hızlı bir şekilde aktarılabilmektedir. Konuşma iletişim kurmanın doğal bir yoludur ve bunun sonucu olarak teknolojik alanlarda kullanıcı ile temas kurmada öncelikli tercih edilir. Sesimiz konuşma sırasında hem dilsel hem de dilsel olmayan bilgileri taşır. Dilsel olmayan ritim, perde gibi bilgiler konuşmacının duygu durumu ile ilgili ipucu sağlar. Duygular bilişsel, fizyolojik ve davranışsal değişikliklerden oluşur ve tüm bu fenomenler birbirleriyle ilişkilidir. Genel anlamda duygu, düşünceleri etkileyen, davranışları belirleyebilen, fiziksel ve psikolojik değişiklikleri oluşturan durum olarak açıklanabilir. Konuşmadan Duygu Çıkarımı konusu 'Nasıl söyledi?' sorusunun cevabını inceler ve kayıt edilmiş bir sesten algoritma yardımı ile duyguyu belirlemeye çalışır. Bu çalışmada, Konuşmadan Duygu Çıkarımı problemine makine öğrenimi türlerinden sınıflandırma yöntemi ile çözüm aranmıştır. Ses çok fazla sayıda karakteristikten oluşmaktadır, bu karakteristiklerin duygu ile ilişkili olan optimize seti henüz tespit edilememiştir. Bu özellikleri karşılaştırmak ve en ayırt edici özelliği belirleyebilmek için sesin farklı boyutlardaki Root Mean Square Energy (RMSE), Zero Crossing Rate (ZCR), Chroma ve Mel Frequency Cepstral Coefficients (MFCC) özellikleri duygu tahmini için incelenmiştir. Daha yakın zamanlarda geliştirilmeye başlanan ön eğitimli model ile girdilerin oluşturulabilmesi için wav2vec Large modeli de kullanılmıştır. Geleneksel yöntemler ile elde edilen öznitelik ve ön eğitimli model girdilerinin duygu tahmini karşılaştırması için Destek Vektör Makineleri, Çok Katmanlı Algılayıcılar ve Evrişimsel Sinir Ağı algoritmaları ile modeller geliştirilmiştir. Çalışmada Mutlu, Sakin, Kızgın, Can Sıkıntısı, İğrenme, Korku, Nötr, Üzüntü ve Şaşkın duyguları sınıflandırılmaya çalışılmış, İngilizce ve Almanca konuşma setleri kullanılarak modeller eğitilmiş ve test edilmiştir. Sınıflandırma sonuçları incelendiğinde en başarılı tahminlerin ön eğitimli modeller ile elde edildiği görülmektedir. Evrişimsel Sinir Ağı ve Çok Katmanlı Algılayıcılar için %91 ağırlıklı doğruluk oranı ön eğitimli modeller için ortak iken bu oran Destek Vektör Makineleri'nde %87'dir. Duygular arasında ise en iyi tahmin ön eğitimli model kullanılan Evrişimsel Sinir Ağı yöntemiyle Korku duygusu için %95 f- skor ile elde edilmiştir.