Protein sayısı arttıkça, doğru fonksiyonel açıklama için hesaplama yöntemleri önemli bir rol oynamaktadır. Bu yöntemlere rağmen, güvenilir veri kümeleri ve adil performans değerlendirmesi gibi sorunlar hala devam etmektedir. Bu konuları ele almak için, adil bir karşılaştırma programı olan ProFAB: Açık Protein Fonksiyonel Açıklama Karşılaştırma Platformu geliştirildi. ProFAB, Gene Ontoloji terimleri ve Enzim Komisyon numaraları kullanarak protein fonksiyon tahmini için veri kümelerine ve makine öğrenimi algoritmalarına kolay erişim sağlayarak hem hesaplama hem de deneysel araştırmacılara yardımcı olmaktadır.

Tarih: 21.08.2023 / 11:00 Yer: A-212

Bu tez, oyun seviyelerini aktif olarak birleştiren ve birleştirimiş oyunun oynanabilirliğini koruyan yeni bir yöntem sunmaktadır. Oyun fiziği, nesneler ve kurallar gibi oyun öğelerini birleştirme konusunda iyi tanımlanmış kurallar tanıtılmıştır. Araştırma kapsamında çeşitli Prosedürel İçerik Oluşturma (PCG) birbirine karşı test edilmiş ve bu ağlar tarafından yaratılan seviyelerin yeniliği, çeşitliliği ve karmaşıklığı değerlendirilmiştir.

Tarih: 24.07.2023 / 15:00 Yer: A-212

Bu çalışma, baskın kelime düzenlerinin ortaya çıkışını ve dağılımlarını açıklamak için bir model önermektedir. Model, yeni doğmuş sağır topluluklarda gözlemlenen tercihleri entegre ederken yinelemeli öğrenme yoluyla nasıl yeni davranışların benimsendiğini araştırır. Model, kelime düzeni tercihlerinin kuşaklar arası iletimini inceler, üreme ve topluluk gelişimini simüle eder ve doğuştan gelen olası önyargıları dikkate alır. Dil baskılarının ve ağ yapılarının nesiller üzerindeki etkilerini analiz eder. Topluluk büyüklüğü, önyargı dağılımı, iletişim ağları ve baskı etkileri gibi farklı parametrelerle çeşitli senaryolar sunar. Model çıktılarını açıklamak için sonuçlar sunulur.

Tarih: 21.07.2023 / 13:00 Yer: A-212

Bu çalışmada, "Şimdi Al Sonra Öde" (Buy Now Pay Later) müşterilerinin kredi riski puanlamasında makine öğrenimi yöntemlerinin performansı standart kredi riski modellerinin performansıyla karşılaştırılmıştır. Gerçek bir veri kümesini kullanılarak hem geleneksel kredi riski modelleri hem de makine öğrenimi algoritmaları değerlendirilmiştir. Değişken seçimi, model eğitimi ve performans ölçütleri aracılığıyla modellerin karşılaştırılması gerçekleştirilmiştir. Sonuçlar, "Şimdi Al Sonra Öde" müşterilerinin kredi riski değerlendirmesinde makine öğrenimi yöntemlerinin performansının ne ölçüde üstünlük gösterdiğini özetlemiştir. Bu çalışmanın, finansal kurumlar ve kredi sağlayıcıları için risk değerlendirmesi süreçlerini iyileştirmeye yönelik pratik öneriler sunması beklenmektedir.

Tarih: 14.07.2023 / 13:30 Yer: A-212

Bu tez, derin öğrenme tekniklerini kullanarak tek değişkenli ve çok değişkenli enerji tüketimi tahminlerinin performansını karşılaştırıyor. Çalışma, test edilen üç veri kümesinin ikisinde tek değişkenli modelin çok değişkenli modellere göre daha iyi performans gösterdiğini buluyor. Tüm model mimarileri arasında, LSTM tek değişkenli deneylerde en iyi performansı gösterirken, TFT çok değişkenli deneyler arasında en iyisidir. Sonuçlar, tek değişkenli modellerin enerji tüketimi tahmininde daha üstün olduğunu göstermektedir, bunun yanı sıra daha az karmaşık olmaları ve eğitim süresi, maliyet ve kaynak gereksinimleri açısından önemli ölçüde daha az olmalarına rağmen.

Tarih: 13.08.2023 / 13:15 Yer: A-212

Biyolojik konuları anlamlandırmak her zaman kolay olmamaktadır. Bazı işlemler karmaşıklığı nedeniyle kolay bir şekilde aktarılamamaktadır. Bu gibi durumlarda süreci hızlandırmak için çeşitli görselleştirme metotları kullanılmaktadır. Bunların arasında Sanal ve Karma Gerçeklik gibi yeni teknolojiler de yer almaktadır. Bu gibi yeni teknolojiler kullanıcılara tamamen yeni etkileşim deneyimleri yaşatarak eğitim alanında yeni yaklaşımlar sunmaktadır. Bu çalışmada vücudun savunma mekanizmalarından birisi olan beyaz kan hücrelerinin yaptığı savunmayı 3 boyutlu bir ortamda interaktif olarak simüle ettik. Aynı zamanda uygulamayı 3 farklı platform üzerinde geliştirerek kullanıcıların bu tarz bir uygulama için tercih edecekleri platformlar hakkında veriler elde ettik.

Tarih: 18.07.2023 / 10:30 Yer: A-212

Bu tezde, manuel yöntemlere alternatif olarak mobil sağlık uygulamaları için otomatik değerlendirme teknikleri önerilmektedir. Uygulamalarda kullanılan İkna Edici Sistem Tasarımı (PSD) ilkelerini, toplanan kullanıcı incelemelerinden ve uygulama açıklamalarından sınıflandırmak için büyük dil modellerinden yararlanılmaktadır. Mobil Uygulama Derecelendirme Ölçeği (MARS) puanları, ek tanımlayıcı verilerle zenginleştirilen sınıflandırma olasılıkları üzerinden eğitilen regresyon modelleri ile tahmin edilmektedir. Çalışmada önerilen teknikler, referans modellerden daha iyi performans gösterirken, öznitelik önem skorları PSD ilkelerinin mobil uygulamaların kalite tahminlerine önemli katkıları olduğunu göstermektedir.

Tarih: 20.06.2023 / 14:00 Yer: A-212

Bu çalışma, 6;5- 8 yaş arası çocukların Türkçe temel anlam ve gerekçeli nedensel bağlaç edinim süreçlerine dair bir anlayış kazandırmayı amaçlamaktadır. Bu amaç doğrultusunda, yetişkinler gibi çocukların da nedensellik alanlarına özgü kullandıkları bağlaçların olup olmadığını test etmek için (Çokal, Zeyrek & Sanders, 2020); çocuk ve yetişkin katılımcılara hem betimleyici (temel anlam ilişkisi kurmaya eğilimli) hem de tartışmacı (gerekçeli nedensellik ilişkisi kurmaya eğilimli) görevler verilmiştir. Bu görevlerden toplanan veri işaretlenmiştir ve istatistiksel analize tabii tutulacaktır.

Tarih: 27.04.2023 / 15:30 Yer: A-212

Bu tezde, ilk sektörel uç bilişim teknoloji yol haritası oluşturulmuştur. Uç bilişim araştırmalarının odağının, uygulama alanları ve hedefleri doğrultusunda nasıl şekillendiği araştırılmıştır. LDA ve BERTopic yöntemleri ile dinamik konu modelleme yaklaşımı uygulanmış, zaman içinde pazar ve teknoloji trendleri bulunmuştur. Bu trendler teknoloji yol haritasında kullanılmıştır. Teknoloji yol haritası literatüründe, veri katmanı entegre edilmiş bir yol haritası ilk kez sosyal değişim ve teknoloji tahmin aracı olarak kullanılmıştır.

Tarih: 17.04.2023 / 13:00 Yer: A-212

Bu araştırma, adılsal öngönderim analiz eder ve adılsal öngönderim için buluşsal tabanlı bir çözümleme algoritmasını Türkçe ve İngilizce'de çevirilmiş TED derlemi için ayrı olarak sunar. Araştırma iki aşamaya ayrılmıştır. İlk aşamada veri bir işaretleme aracı kullanılarak işaretlendi. Çalışmanın ikinci aşaması adılsal öngönderim için kurala dayalı bir kompütasyonal model oluşturuldu. Mitkov (1998)'un geleneksel bilgi tabanlı algoritması TED derleminde İngilizce ve Türkçe için ayrı olarak test edildi. Sonuçlar, adılsal öngönderimin 0.61 ve 0.63 F1 puanı ile TED konuşmalarında tespit edilebileceğini göstermiştir.

Tarih: 27.01.2023 / 15:00 Yer: A-212