Çakar, Tuna

Profile Picture
Profile URL
https://hdl.handle.net/20.500.11779/2680
Name Variants
Çakar T.
Tuna Çakar
Çakar,Tuna
Çakar Tuna
Çakar, T.
Job Title
Email Address
cakart@mef.edu.tr
Main Affiliation
02.02. Department of Computer Engineering
Status
Current Staff
Website
ORCID ID
0000-0001-8594-7399
Scopus Author ID
Turkish CoHE Profile ID
Google Scholar ID
WoS Researcher ID
Files
Tuna Çakar.jpg (232.09 KB)

Sustainable Development Goals

NO POVERTY1
NO POVERTY
1
Research Products
ZERO HUNGER2
ZERO HUNGER
2
Research Products
GOOD HEALTH AND WELL-BEING3
GOOD HEALTH AND WELL-BEING
5
Research Products
QUALITY EDUCATION4
QUALITY EDUCATION
1
Research Products
GENDER EQUALITY5
GENDER EQUALITY
0
Research Products
CLEAN WATER AND SANITATION6
CLEAN WATER AND SANITATION
0
Research Products
AFFORDABLE AND CLEAN ENERGY7
AFFORDABLE AND CLEAN ENERGY
0
Research Products
DECENT WORK AND ECONOMIC GROWTH8
DECENT WORK AND ECONOMIC GROWTH
5
Research Products
INDUSTRY, INNOVATION AND INFRASTRUCTURE9
INDUSTRY, INNOVATION AND INFRASTRUCTURE
1
Research Products
REDUCED INEQUALITIES10
REDUCED INEQUALITIES
0
Research Products
SUSTAINABLE CITIES AND COMMUNITIES11
SUSTAINABLE CITIES AND COMMUNITIES
2
Research Products
RESPONSIBLE CONSUMPTION AND PRODUCTION12
RESPONSIBLE CONSUMPTION AND PRODUCTION
1
Research Products
CLIMATE ACTION13
CLIMATE ACTION
0
Research Products
LIFE BELOW WATER14
LIFE BELOW WATER
0
Research Products
LIFE ON LAND15
LIFE ON LAND
2
Research Products
PEACE, JUSTICE AND STRONG INSTITUTIONS16
PEACE, JUSTICE AND STRONG INSTITUTIONS
2
Research Products
PARTNERSHIPS FOR THE GOALS17
PARTNERSHIPS FOR THE GOALS
1
Research Products
This researcher does not have a Scopus ID.
This researcher does not have a WoS ID.
Scholarly Output

119

Articles

17

Views / Downloads

20718/248158

Supervised MSc Theses

18

Supervised PhD Theses

0

WoS Citation Count

80

Scopus Citation Count

152

Patents

0

Projects

6

WoS Citations per Publication

0.67

Scopus Citations per Publication

1.28

Open Access Source

49

Supervised Theses

18

JournalCount
32nd IEEE Signal Processing and Communications Applications Conference (SIU) -- MAY 15-18, 2024 -- Tarsus Univ Campus, Mersin, TURKEY9
2022 7th International Conference on Computer Science and Engineering (UBMK)6
2023 31st Signal Processing and Communications Applications Conference (SIU)6
International Conference on Computer Science and Engineering, UBMK5
2023 4th International Informatics and Software Engineering Conference (IISEC)5
Current Page: 1 / 8

Scopus Quartile Distribution

Competency Cloud

GCRIS Competency Cloud

Filters

2016 - 2019122020 - 2025107
Reset filters

Settings

Scholarly Output Search Results

Now showing 1 - 10 of 119
  • Thumbnail Image
    Conference Object
    Citation - Scopus: 7
    The Use of Neurometric and Biometric Research Methods in Understanding the User Experience During Product Search of First-Time Buyers in E-Commerce - Conference Paper
    (Springer, 2017) Rızvanoğlu, Kerem; Gürvardar, İrfan; Çakar, Tuna; Öztürk, Özgürol; Zengin Çelik, Deniz; Çelik, Deniz Zengin
    Understanding user experience (UX) during e-commerce has been a relatively important research area especially in the last decade. The use of conventional methods in UX such as task-observation, in-depth interviews and questionnaires has already contributed for the measurement of the efficiency and effectiveness. This empirical study has aimed to make use of both conventional and neuroscientific methods simultaneously to provide a richer analysis framework for understanding the product search experience of the first-time buyers. The current work provides insights for the results from the combined use of conventional and neuroscientific-biometric methods in a UX study. Although this has been an exploratory study within a limited literature, the obtained results indicate a potential use of these methods for UX research, which may contribute to improve the relevant experience in various digital platforms.
  • Thumbnail Image
    Conference Object
    Analyzing Consumer Behavior: the Impact of Retro Music in Advertisements on a Chocolate Brand and Consumer Engagement
    (IEEE, 2023) Girişken, Yener; Soyaltın, Tuğçe Ezgi; Filiz, Gözde; Çakar, Tuna; Türkyılmaz, Ceyda Aysuna
    This study presents research utilizing binary classification models to analyze consumer behaviors such as chocolate consumption and retro music ad viewing. Retro music, with its potential to evoke nostalgic feelings in consumers, is used in advertisements, which can have a significant impact on brand perception and consumer engagement. Firstly, a model focusing on chocolate consumption was developed and tested. The model yields significant outcomes. Secondly, a model based on retro music ad viewing status was developed and tested. Significant potential findings were obtained. This study emphasizes the applicability of effective classification models that can be used to understand and predict consumer behaviors, yielding significant outcomes.
  • Thumbnail Image
    Conference Object
    The Application of Two Bayesian Personalized Ranking Approaches Based on Item Recommendation From Implicit Feedback
    (Ieee, 2024) Tagtekin, Burak; Sahin, Zeynep; Çakar, Tuna; Drias, Yassine
    The present study has aimed to provide a different ranking approach that will be used actively in a sector-specific application regarding the optimization of item ranking presented to the users. The current online approach in several different applications still holds a manual ranking algorithm whose parameters are determined by the data specialists with adequate domain-knowledge. The obtained findings from the present study indicate that the optimized Bayesian Personalized Ranking models will be used for providing a suitable, data-driven input for the ranking system that would serve to be personalized. The outcomes of the present study also demonstrate that the model using LearnBPR optimized with a stochastic gradient descent algorithm outperform the other similar methods. The sample model outputs were also investigated by a user sample to ensure that the algorithm was working correctly. The next potential step is to provide a normalization process to include the extracted information to the current ranking system and observe the performance of this new algorithm with the A/B tests conducted.
  • Thumbnail Image
    Master Thesis
    Serverless vs. on-premises: A performance analysis of ml deployment with aws fargate, GCP Cloud run, and On-Prem
    (MEF Üniversitesi, 2024) Kırçiçek, Oğuz; Çakar, Tuna
    Bu çalışmada, makine öğrenimi modellerinin dağıtım sürecinde meydana gelen değişikliklerin On-Premises sistemler ve bulut hizmet sağlayıcılarındaki karşılaştırmalı analizini sunmaktayım. Makine öğrenimi modellerinin başarılı bir şekilde dağıtılması, üretkenliklerini artırmayı amaçlayan işletmeler ve kuruluşlar için kritik bir öneme sahiptir. Modellerin farklı ortamlarda nasıl davrandığını anlamak ve karşılaştırmak, bilinçli kararlar vermek için büyük öneme sahiptir. AWS ve GCP gibi önde gelen ticari organizasyonlar, özelleştirilmiş web uygulamaları sunmak üzere tasarlanmış güvenilir ve maliyet etkin bulut hizmetleri sunmaktadır. Bu makalenin temel amacı, en tanınmış bulut hizmeti sağlayıcılarının anahtar özelliklerini vurgulayarak bulut müşterilerini yönlendirmek ve On-Premises seçeneği ile karşılaştırmalar yaparak bilinçli karar almayı kolaylaştırmaktır. Ayrıca, AWS Fargate ve Google Cloud Run gibi yönetilen hizmetlerin avantajlarını keşfediyoruz, bu hizmetler uygulama dağıtımını kolaylaştırmaktadır. Bu araştırma aracılığıyla, işletmelerin stratejik kararlar alarak dinamik ve rekabetçi iş dünyasında başarı elde etmelerine olanak tanıyan değerli içgörüler sağlamak amaçlanmıştır.
  • Thumbnail Image
    Conference Object
    Eaft: Evolutionary Algorithms for Gcc Flag Tuning
    (IEEE, 2022) Tagtekin, Burak; Çakar, Tuna
    Due to limited resources, some methods come to the fore in finding and applying the factors that affect the working time of the code. The most common one is choosing the correct GCC flags using heuristic algorithms. For the codes compiled with GCC, the selection of optimization flags directly affects the speed of the processing, however, choosing the right one among hundreds of markers during this process is a resource consuming problem. This article explains how to solve the GCC flag optimization problem with EAFT. Rather than other autotuner tools such as Opentuner, EAFT is an optimized tool for GCC marker selection. Search infrastructure has been developed with particle swarm optimization and genetic algorithm with diffent submodels rather than using only Genetic Algorithm like FOGA. © 2022 IEEE.
  • Thumbnail Image
    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.
  • Thumbnail Image
    Conference Object
    Citation - Scopus: 1
    Enhancing Quality Control in Plastic Injection Production: Deep Learning-Based Detection and Classification of Defects
    (IEEE, 2023) Mutlu, İsmail; Çakar, Tuna; Aslan, Yeşim; Yıldız, Ahmet; Sayar, Alperen; Şimsek, Kamil; Tunalı, Mustafa Mert
    This study investigates the applicability of diverse deep learning techniques in detecting and classifying defects within plastic injection manufacturing processes. The findings derived from the models yield several feasible solutions that hold potential practical implications. Notably, the implementation of the Xception model as a classification framework presents a potential domain for enhancing quality control procedures. The developed models, trained on the prepared data sets, provide compelling evidence for the potential utilization of artificial intelligence technologies in the manufacturing industry. Consequently, this study represents a noteworthy contribution to the limited yet auspicious academic research in the field.
  • Thumbnail Image
    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.
  • Thumbnail Image
    Master Thesis
    Forecasting for e-commerce sales using supervised machine learning algorithms
    (MEF Üniversitesi, 2024) Pamuk, Ayçelen; Çakar, Tuna
    E-ticaretin gelişimi için temel olan öngörüsel analitiklere büyük ölçüde bağımlı olan büyüyen e-ticaret manzarası, operasyonel verimliliği ve stratejik karar alma süreçlerini yönlendirmektedir. Bu tez, makine öğrenimi algoritmalarının teorik temellerine derinlemesine inerken, çevrimiçi ticaretin büyümesini kolaylaştırmadaki evrimini ve kilit rolünü sergilemektedir. Bu araştırma, geniş çaplı bir e-ticaret veri kümesinin analizi yoluyla satış desenlerini öngörme odaklıdır. Öngörme, e-ticaret işletmelerinde çeşitli kritik işlevler için bir anahtar görev üstlenmektedir. Envanter yönetimini, optimal stok seviyelerini ve düzenli teslimatları sağlayarak, stratejik varlık yönetimi aracılığıyla finansal planlamayı, dinamik fiyatlandırma stratejilerini ve etkili teslimat operasyonlarıyla müşteri memnuniyetini artırmayı içeren çok yönlü uygulamaları kapsar. Ayrıca, öngörme, özelleştirilmiş kampanyaları ve akıllı bütçe tahsisini mümkün kılarak pazarlama çabalarını geliştirmede de temel bir rol oynamaktadır. Makine öğrenimi algoritmalarının entegrasyonu, bu işlevleri güçlendirmektedir. Bu araştırmanın merkezinde e-ticaret alanındaki temel bir satış tahmini görevi bulunmaktadır ve özellikle kampanya değişkenlerini entegre etme odaklıdır. Altı farklı makine öğrenimi algoritmasını kullanarak, çalışma en doğru ve açıklayıcı modeli belirlemeyi amaçlamaktadır. Dikkat çekici bir şekilde, araştırma LGBM'yi en uygun algoritma olarak belirler. Önceki tahmin çalışmalarında nadiren keşfedilen kampanya değişkenlerinin dahil edilmesi, ilginç içgörüler sunar. Ancak, başlangıçtaki varsayımların aksine, SHAP analizi, kampanya değişkenlerinin modelin açıklanabilirliği üzerinde daha az etkiye sahip olduğunu ortaya koymaktadır. Bu sınırlama farkındalığını kabul eden çalışma, değişkenleri etkili bir şekilde temsil etmek için kümeleme algoritmalarını kullanarak modelin açıklanabilirliğini artırma potansiyeline dikkat çekmektedir.
  • Thumbnail Image
    Conference Object
    Yapay Öğrenme Tabanlı Mikrofaktoring Skorlama Modeli ve Kredi Risk Yönetim Sistemi Geliştirilmesi
    (Institute of Electrical and Electronics Engineers Inc., 2025) Sayar, Alperen; Ates, Yigit; Ertugrul, Seyit; Turan, Elif Naz; Drias, Yassine; Cakar, Tuna
    Credit scoring systems are critical tools used by factoring institutions to assess the credit risks of SME businesses seeking microloans. This study presents a comprehensive predictive modeling framework that achieves 82.67% ROC-AUC with 65.34% Gini score on test data, demonstrating robust discriminative capability despite significant class imbalance. Our ensemble approach outperforms individual boosting models by leveraging their complementary strengths in payment behavior analysis and fraud detection. The raw data was cleaned, transformed, and optimized using the Polars library, with specialized features for detecting fraud patterns and time-based risk indicators. When implementing a score threshold of 950, our model significantly improves the detection of non-performing loans (NPL) compared to traditional rule-based approaches by reducing the net deficit from 6.59% to 2.62%. When applied to previously rejected applications, the model projects a potential 762.57% increase in transaction count and 747.05% growth in transaction volume. © 2025 Elsevier B.V., All rights reserved.