GCRIS

Now showing 1 - 2 of 2

Interviewster: A chatbot evaluating competency based interviews using transformer models
(MEF Üniversitesi, 2022) Atıcı, Onur Emre; Demir, Şeniz
İşe alım, insan kaynaklarının en sözel ve iletişimsel alanlarından biridir. Bu departmanın insan faktörünün baskın olması nedeniyle yeniliğe açık olduğu kadar önyargıya da açık olan birçok yönü bulunmaktadır. Bu da yapay zeka teknolojilerindeki ilerlemeyle birlikte birçok inovasyon ihtiyacını (ve şansını) beraberinde getirmektedir. Bu çalışmada adayları karşılayan, bilgi toplayan (ad-soyad, iş durumu, bilgisayar bilgisi, eğitimi, hobileri gibi) ve geçmiş deneyimleri hakkında yetkinlik bazlı sorular sunan ve bu soruları doğru cevaplayabilmesi için onlara yardımcı olan "Interviewster" adlı bir sohbet robotru oluşturmaya odaklanılmaktadır. Bu sohbet robotu adayı karşılar ve konuşmayı başlatır, adaydan toplanan verileri kaydeder, yetkinlik bazlı görüşme yapar ve sinir ağları mimarileri ve transformer tabanlı teknolojileri kullanan doğal dil işleme teknikleri ile adayın gerekli yetkinliğe sahip olup olmadığına karar verir. Web üzerinde çalışmakta olan bu sohbet robotu Python ile kodlanmış ve Flask ile web'de yayınlanmış olup Mysql veritabanını kullanan bir Python çekirdeği üzerinde çalışmaktadır. Bu tezde ilk olarak mülakat uygulamaları tanıtılmakta ve yetkinlik bazlı mülakatların yöntem ve uygulamaları anlatılmaktadır. Sonrasında Interviewster olarak adlandırılan sohbet robotunun mimarisi, kullanılan teknolojiler, kütüphaneler ve makine öğrenmesi teknikleri, detayları verilerek açıklanmıştır. Son olarak da transformer tabanlı modeller olan BERT, DeBERTa ve ELECTRA modellerinin gerçek adayların yetkinlik bazlı mülakat sonuçlarına uygulandığı bir değerlendirme çalışmasının sonuçları detaylı olarak tartışılmıştır.
Building Footprint Extraction Using Deep Learning Techniques
(MEF Üniversitesi, Fen Bilimleri Enstitüsü, 2018) Deniz, Oytun; Gökmen, Muhittin
Geospatial industry is getting bigger and bigger these days in addition to creating massive amount of data. Today map features such as roads, building footprints are created through manual techniques. There is not automated solution that extracts map features such as roads, building footprints from satellite imagery. Advance automated feature extraction techniques will serve important uses of map data including disaster response. SpaceNet is a commercial satellite imagery and labeled training data to foster innovation in the development of computer vision algorithms. In this paper we will give a brief explanation about image classification, object recognition processes and why deep learning is effective on object recognition, and how we can apply these concepts to our problem which is Building Footprint extraction. And we will use SpaceNet’s dataset and apply tensorflow backhand object detection model.

Yüksek Lisans Tezleri

Browse

Filters

Settings

Sort By

Results per page

Search Results