Enformatik Enstitüsü

Bu çalışma, Derin Sinir Ağı (DNN) modelleri için hataları ortaya çıkaran test verilerini belirlemek ve hata nedenlerini anlamak amacıyla bir test çerçevesi sunmaktadır. Test verileri model belirsizliğine dayalı olarak önceliklendirildi ve sunulan meta-model tabanlı yaklaşım ile test veri önceliklendirmesinin etkinliği artırıldı. Ayrıca, test veri kümeleri dağılım farkındalığı ile oluşturularak, başlangıçta dağılım içi verilere ve ardından dağılım dışı verilere odaklanıldı. Son olarak, testler gerçekleştirdikten sonra yanlış tahminlerin nedenlerini belirlemek için görsel açıklanabilirlik yöntemleri kullanıldı. Görüntü sınıflandırma alanındaki değerlendirmeler, model belirsizliğine dayalı test veri seçiminin DNN model hatalarını tespit etme oranını önemli ölçüde iyileştirdiğini göstermektedir.

Tarih: 10.07.2024 / 15:30 Yer: A-212

Beyin-bilgisayar arayüzleri (BCI'lar), motor bozuklukları olan bireyler için çözümler sunarken, diğer kullanıcılar için sanal gerçeklik ve bilişsel yeteneklerde insan-bilgisayar etkileşimini geliştirir. Ancak, kullanıcı yorgunluğu ve geleneksel görsel uyaranların doğal olmayan hissi yaygın benimsenmeyi zorlaştırmaktadır. Bu çalışma, algılanamayan sabit durum hareketli görsel uyarılmış potansiyel (SSMVEP) uyaranı geliştirip değerlendirmeyi ve çok yönlü mekânsal kontrol için potansiyelini araştırmayı amaçlamaktadır. Yüksek frekanslı hareket içeren sinüzoidal ızgaralar kullanılarak, algılanamayan uyaranlar güçlü kortikal tepkiler uyandırırken kullanıcı rahatsızlığını azaltmıştır. İleri makine öğrenme teknikleriyle, karmaşık dikkat tepkileri yüksek doğrulukla çözümlenmiştir. Bu bulgular, doğal ve yüksek boyutlu sinirsel arayüzlerin uygulanabilirliğini göstermektedir. Bu çalışma, kullanıcı dostu ve yüksek performanslı BCI'ların geliştirilmesine katkı sağlamaktadır.

Tarih: 05.07.2024 / 14:00 Yer: A-212

Mevcut açıklama ve efekt tahmin araçlarından gelen özelliklerle zenginleştirilmiş, çoklu mühendislik özelliklerine dayalı olarak sürücü kodlamayan mutasyonları tahmin etmek için XGBoost algoritmasını kullanıyoruz. Ortaya çıkan veri seti, bir özellik seçimi ve mühendislik hattından geçirilir ve ardından sürücü ve yolcu kodlamayan mutasyonları tahmin etmek üzere eğitilir. Bu modeli aynı zamanda mevcut literatürden bilinen bir sürücü keşif modelinin mimarisi içerisinde de kullanıyoruz. Daha sonra önceki çalışmalarda bulunan kodlamayan sürücü mutasyonlarını kullanıyoruz ve modellerimizi kullanarak bunların sürücülüğünü tahmin ediyoruz. Ayrıca, oluşturulan tahminlerin derinlemesine analizini gerçekleştirmek için Açıklanabilir Yapay Zeka metodolojilerini kullanıyoruz.

Tarih: 07.06.2024 / 10:00 Yer: A-212

Bu tez, Penn Discourse TreeBank (PDTB) çerçevesinin Türk metinlerine uyarlanmasıyla Türkçe Söylem Bankası (TDB 1.2) aracılığıyla Türkçe'de atıf mekanizmalarını keşfetmektedir. Türkçe'ye özgü leksikal kontrol ve olasılıklardan elde edilen içgörüler kullanılarak özelleştirilmiş bir anotasyon şeması geliştirilmiştir, bu da sağlam veri anotasyonunu destekler. Analiz, atıf örneklerinde iletişimcilerin hakim olduğunu ve romanlar ile haberlerin çalışma için zengin alanlar olduğunu göstermektedir. Yüksek derecede anlatıcılar arası anlaşma sağlayan bu çalışma, TDB'yi zenginleştirerek Türkçe otomatik metin analizi için gelecekteki çalışmaların temelini atmaktadır.

Tarih: 04.09.2024 / 10:00 Yer: B-116

Bu çalışma Hacettepe Üniversitesi Hastanesi hastalarına odaklanarak Türk toplumunda SNP'ler ile COVID-19 duyarlılığı arasındaki ilişkiyi araştırmaktadır. NGS'yi kullanarak çeşitli bilimsel yayınlardan SNP verilerini analiz ettik, varyant bulma, bağlantı analizi ve Finlandiya dışındaki Avrupa alel frekanslarıyla istatistiksel karşılaştırmalar gerçekleştirdik. Temel bulgular, bazı varyantların Avrupa popülasyonuyla karşılaştırıldığında farklı frekanslara sahip olduğunu gösteriyor ve bu da Türk popülasyonunda hastalığa duyarlılığı etkileyen genetik yatkınlıkları akla getiriyor. Bağlantı dengesizliği analizi, spesifik genetik lokuslar arasında güçlü korelasyonlar ortaya çıkardı.

Tarih: 23.07.2024 / 15:00 Yer: A-212

Dijital dönüşümün en etkileşimli alanı, birden fazla ortak arasında uzun süreli aktif iş birliğini gerektiren veri bilimidir. Veri bilimciler, verilerin yapısını ve ortamını anlamak için alan uzmanlığı ararken, iş kullanıcıları analitik çözümlerden yararlanmak için ilgili konseptleri kavramakla uğraşırlar. Bu tez iş ve veri ayrıntılarının, modelleme prosedürlerinin ve dağıtım adımlarının paylaşıldığı bir bilgi yönetimi sistemi olarak CoDS'un (İşbirlikçi Veri Bilimi Çerçevesi) kavramsal tasarımını ve uygulamasını sunmaktadır. CoDS devam eden projelere aracılık edip onları ölçeklendirmekte, paydaşlar arasında bilgi aktarımını zenginleştirmekte, yeni ürünlere yönelik fikirlerin geliştirilmesine olanak sağlamakta ve yeni geliştiricilerin takımlara katılımını desteklemektedir.

Tarih: 06.06.2024 / 11:00 Yer: II-06

Bu çalışma, Bulut Bilişim sistemlerinde özellikle COVID-19 pandemisi ile birlikte yaşanan altyapı problemlerini ve sistem aksaklıklarını konu edinir. Pandemi, Bulut Bilişim sistemleri için artan talebe bağlı olarak bir stres testi niteliği taşır. İlgili problemlerin temel kaynağının, kullanılan görev zamanlama algoritmaları olduğu savunulmaktadır. Pandeminin başlangıcı sonrasında yayımlanmış olan Bulut Bilişim görev zamanlama algoritmaları sistematik bir metodoloji ile incelenmiştir. İncelenen çalışmalar Meta-Sentez yöntemi ile analiz edilerek algoritmalar için global bir kategorizasyon şeması sunulmuştur. Farklı algoritmaların avantajları ve dezavantajları, kullanım alanları ve zaafları karşılaştırılmıştır. Bulut Bilişim için günümüzün güncel görev zamanlama yaklaşımları, karşılaştırmalı bir şekilde analiz edilmiştir.

Tarih: 27.05.2024 / 13:30 Yer: B-116