Ersin Demirel, ABD Hisse Senedi Piyasalarındaki Büyük Çöküşler Bağlamında Kurumsal Yatırımcı Ağı Örüntülerinin İncelenmesi

Amerika'da kurumsal yatırım şirketleri, her çeyrek, düzenleyici SEC kurumuna 13F raporu ile sahip olduğu hisse adetlerini bildirmektedir. Ancak yatırımcılar, stratejilerini gizlemek için raporları geç teslim edebilmektedir. Bu çalışmada, 13F raporlarından çıkarılan veriler, hisselere dair fiyat ve sektör gibi ek bilgilerle zenginleştirilerek iki düğüm tipli, zamana bağlı ve zengin özniteliklere sahip bir ağa dönüştürülmüştür. Elde edilen ağın çeşitli ağ metrikleri, kenar sayıları ve motif sayılarının zamana bağlı değişimleri, ilgili zaman aralığındaki krizler vurgulanarak görselleştirilmiştir. Bunun sonucunda çalışma, ağın kümelenme katsayısı, önemli pozisyon değişimleri, geç teslim edilen 13F raporları ve spesifik motif sayılarının piyasa çöküşleri sırasında belirgin değişimler gösterdiğini ortaya çıkarmıştır.

Tarih: 18.01.2024 / 10:00 Yer: A-212

Turkish

2023-2024 Güz Dönemi Final Sınavları

EKSİK DERSLERE AİT BİLGİLER İLETİLDİKÇE LİSTE GÜNCELLENECEKTİR.

DERSİN KODU FİNAL TARİHİ SAATİ YERİ
9080500 08 Ocak 2024 09:30 II-04
9010503 08 Ocak 2024 09:40 II-02
9010539 08 Ocak 2024 10:00 II-01
9080508 08 Ocak 2024 13.30 II-04
9110502 08 Ocak 2024 13:40 II-02
9050503 08 Ocak 2024 17.30 II-02
9100501 09 Ocak 2024 09.30 II-04
9100528 09 Ocak 2024 13.00 II-07
9010502 09 Ocak 2024 10:00 II-01
9080508 09 Ocak 2024 13.30 II-04
9080506 10 Ocak 2024 09.30 II-04
9010540 10 Ocak 2024 10:00 II-01
9020542 10 Ocak 2024 12:00 II-03
9080504 10 Ocak 2024 13:30 II-04
9010501 10 Ocak 2024 14:00 II-02
9050523 9 Ocak 2024 18:00 II-02
9080502 11 Ocak 2024 09.30 II-04
9100507 11 Ocak 2024 09:30 II-01
9090505 11 Ocak 2024 09.30 II-06
9010504 11 Ocak 2024 10:00 II-02
9020517 11 Ocak 2024 12:00 II-03
9100513 11 Ocak 2024 13:30 II-01
9110728 11 Ocak 2024 14:00 II-06
9110504 11 Ocak 2024 18:00
9020526 12 Ocak 2024 09.30 II-03
9080503 12 Ocak 2024 09:30 II-04
9110592 12 Ocak 2024 09:40 II-02
9090701 15 Ocak 2024 09.30 II-04
9100506 15 Ocak 2024 13:30 II-07 Akıllı Sınıf
9020502 15 Ocak 2024 14:30 II-03
9090714 15 Ocak 2024 18.00 II-05
9090513 16 Ocak 2024 09.30 II-01
9110501 16 Ocak 2024 09:40 II-02
9010529 16 Ocak 2024 13:40 II-05
9020507 16 Ocak 2024 16.00 II-03
9020515 17 Ocak 2024 09.00-11.30 II-03
9010585 17 Ocak 2024 09:40 II-02
9100504 17 Ocak 2024 13:30 II-05
9060545 18 Ocak 2024 09:30 II-04
9010507 18 Ocak 2024 13:40 II-05 ve II-06
9060533 19 Ocak 2024 13.00 II-04
DERSİN KODU PROJE VE SUNUM TARİHLERİ SAATİ YERİ
9100589 19 Ocak 2024 09.00-14.00 II-01
DERSİN KODU PROJE TESLİM TARİHİ SON TESLİM SAATİ
9100591 TAKE-HOME
9020541 17 Ocak 2024 18.00
9020516 18 Ocak 2024 10.00
9010520 20 Ocak 2024 13:40

Announcement Category

Kamran Karimov, Primeri Bilinmeyen Kanserlerin Primer Dokularının Makine Öğrenmesi Yöntemleri ile Tahmini

Primeri Bilinmeyen Kanserler (PBK), tanımlanamayan primer bölgelerden kaynaklanan tedavi zorluklarına neden olur ve hayatta kalma oranlarını önemli ölçüde etkiler. Geleneksel yöntemler kökenleri belirlemede zorlanır. Gen ifadesi tabanlı çalışmalar umut vaat eder; anotasyonlu kanser verileriyle eğitilen makine öğrenmesi modelleri, geleneksel yöntemleri aşarak dikkate değer bir doğruluk elde eder. TCGA verileri üzerinde eğitilen üç makine öğrenmesi modeli kullanan çalışmamız, yaklaşık %96 doğruluk elde etti.

Tarih: 18.01.2024 / 11:00 Yer: A-108

Turkish

Alper Sarıkaya, Yazılım Tanımlı Ağda Yanıltıcı Saldırılara Karşı Makine Öğrenimi Tabanlı Dirençli Bir Saldırı Tespit Sistemi Tasarımı

Makine öğrenimi algoritmalarının (özellikle derin öğrenmede) sağladığı etkileyici başarılara rağmen, değiştirilmiş girdi verileri tarafından kolaylıkla kandırılabilirler. Yanıltıcı saldırılar, makine öğrenimi modellerini ciddi şekilde hedef alır. Yanıltıcı eğitim, yanıltıcı saldırılara karşı etkili bir yöntemdir ancak ağ datası özellikleri nedeniyle bu yöntem uygun değildir. Bu tezde, otomatik kodlayıcının yeniden yapılandırma hatası, düşmanca saldırıların tespiti için kullanılmıştır. IDS modeli RAIDS önerilmiştir ve düşman saldırılarına karşı etkili sonuçlar elde etmiştir.

Tarih: 17.01.2024 / 14:00 Yer: A-108

Turkish

Serkan Özdemir, Makine Öğrenmesi ve Derin Öğrenme Yöntemlerin Kullanarak İçme Suyu Reservuarının Yönetimi için Bir Karar Destek Aracının Geliştirilmesi

Küresel iklim değişikliği, değişen meteorolojik faktörlerden ve su kullanımından etkilenen göl seviyesi dalgalanmalarına neden olmaktadır. Girdi veya çıktı değişiklikleri su dengesi denklemini hızla etkiler. Bu çalışma, iklimsel ve hidrolojik değişkenler için tahmin modellerini araştırmakta ve bunların göl su seviyesi ve su kalitesi ile korelasyonlarını değerlendirmektedir. Kullanılan çeşitli algoritmalar içerisinde (Naïve Yöntem, YSA ve RNN) LSTM, RMSE'ye göre doğrulukta üstünlük sağlamıştır. Naïve Yöntemi ile yapılan karşılaştırmalar, özellikle ileriki zaman periyotlarında YSA ve RNN'nin tahmin başarısını doğrulamaktadır. Sıcaklık ve buharlaşma ile yapılan korelasyonlar bu parametrelerin göl suyu kalitesi etkilerini vurgulamaktadır. Modeller ve metrikler su yöneticileri için bir karar destek aracı oluşturmaktadır.

Tarih: 19.12.2023 / 13:30 Yer: A-212

Turkish

Toyan Ünal, Tenis Maç Sonucu Tahminleme: SRP-CRISP-DM Çerçevesini Kullanan Bir Makine Öğrenmesi Yaklaşımı

Bu tez, 2009-2022 yılları arasında tek erkekler tenis maçlarının sonuçlarını tahmin etmek için makine öğrenmesi tekniklerini ve tekrarlanabilir sonuçlar elde edebilmek için SRP-CRISP-DM standartlaştırılmış veri madenciliği çerçevesini kullanmaktadır. Altı özellik çıkarım tekniği, üç farklı model, iki farklı özellik seçme yöntemi, zamana dayalı çapraz doğrulama ve hiper parametre kestirimi kullanılmış olup Aşırı Gradyan Artırma modeli, 0,1913 Brier skoru ve %70,5 doğrulukla en etkili model olarak ortaya çıkmıştır. Bahis şirketlerinin oranları ise tahmin gücü en yüksek özellik olarak belirlenmiştir.

Tarih: 07.12.2023 Yer: A-212

Turkish

Pages

Subscribe to Enformatik Enstitüsü RSS