Bu tez, Türkiye için rejime duyarlı gün öncesi elektrik tüketimi tahmin çerçevesi geliştirmektedir. Çalışmanın amacı, 2019–2025 dönemine ait geçmiş tüketim, hava durumu ve takvim değişkenlerini kullanarak bir sonraki günün 24 saatlik ulusal tüketim profilini tahmin etmektir. Hafta sonları, resmî tatiller, Ramazan ve bayram dönemlerine özel önem verilmiştir; çünkü bu günler farklı talep örüntüleri oluşturmaktadır. İstatistiksel, makine öğrenmesi, derin öğrenme, hibrit ve meta-öğrenme modelleri karşılaştırılmıştır. En iyi sonuç, Ridge ve LightGBM tabanlı meta-öğrenici ile 2025 yılında %1,63 MAPE olarak elde edilmiştir.

Tarih: 04.06.2026 / 10:00 Yer: A-212

Bu tez, istasyona özgü güçlü yer hareketi kayıtlarının üretimi için dikkat mekanizmasıyla zenginleştirilmiş bir Varyasyonel Otokodlayıcı önermektedir. Model, üç bileşenli PEER NGA-West2 sismik ivme dalga formlarını altı kanallı STFT spektrogramları olarak kodlayarak, dikkat tabanlı dar boğaz içeren evrişimsel bir yapı ile kompakt gizil temsiller öğrenmektedir. İstasyona duyarlı gizil örnekleme, sınırlı veriden sahaya özgü sentetik örnekler üretir. Ayrıca, tez kapsamında zaman uzayı metrikleri ile şiddet-şekil tabanlı binleme üzerinden gerçekleştirilen pseudo-spektral ivme analizini birleştiren yapılandırılmış bir değerlendirme çerçevesi sunulmaktadır. Üretilen kayıtlar, Güney Kaliforniya istasyonundan alınan orijinal veriler ve SCEC Broadband Platform simülasyonları ile karşılaştırmalı olarak değerlendirilmektedir.

Tarih: 30.04.2026 / 14:30 Yer: A-212

Bu tez, Statik Uygulama Güvenliği Testi (SAST) araçlarının sistematik bir değerlendirmesini sunmaktadır. İlgili çalışmalar çoğunlukla sentetik kod tabanları ve güvenlik açığı başına değerlendirme yöntemleri kullanmaktadır. Bu çalışmada, hem sentetik karşılaştırma ölçütleri hem de gerçek dünyada kasıtlı olarak güvenlik açığı bulunan uygulamalar, sorun başına değerlendirme ile birlikte araçlar üzerinde test edilmiştir. Yapılan deneyler çeşitli değerleri ölçmekte ve bu sonuçları arkasındaki nedenlerle açıklamaktadır. Nicel sonuçlara ek olarak, sonuçları ve gözlemlenen performans farklılıklarını daha ayrıntılı olarak açıklamak için araçların niteliksel özellikleri ve iç mekanizmaları incelenmiştir. Sonuçlar, değerlendirme modelleri ile araçların etkinliği arasındaki farkı göstermektedir. Genel olarak tez,  SAST araçları araştırması ve seçimi için pratik bilgiler sunmaktadır.

Tarih: 14.04.2026 / 11:00 Yer: Cisco Lab

Somatik mutasyonlar, normal hücrelerin kansere dönüşümünü tetikler. Bununla birlikte, seçici bir büyüme avantajı sağlayan sürücü mutasyonları, nötr yolcu mutasyonlarının geniş arka planından ayırt etmek kritik bir zorluk olmaya devam etmektedir. Bunu ele almak için, uzun menzilli genomik etkileşim verilerinden yararlanarak mutasyon merkezli ağlar oluşturan yeni bir grafik tabanlı çerçeve sunuyoruz. Yöntemimiz, genomik aralıkları düğümler ve uzun menzilli etkileşimlerini veya örtüşmelerini kenarlar olarak modeller. Bir ’çekirdek’ mutasyondan başlayarak, grafik yinelemeli olarak genişler ve hem yerel hem de uzak genomik bağlamı yakalamak için örtüşmeleri ve etkileşimli aralıkları bulur. Bu mimari, bir mutasyonun topolojik etkisini nicelleştirmemize, karmaşık yapısal kalıpları (grafik döngüleri gibi) tanımlamamıza ve değişken aralıklarda bilinen sürücü genlere yakınlığı değerlendirmemize olanak tanır. Dahası, bu yaklaşım doğal olarak bireysel mutasyonlar için gömme vektörleri oluşturarak, örneklerin mutasyon profili benzerliğine göre kümelenmesini sağlar. Sonuç olarak, genomik manzaraya kapsamlı, etkileşim odaklı bir bakış açısı sağlayarak, çerçevemiz daha doğru sürücü tanımlamasını ve kişiselleştirilmiş tedavi için iyileştirilmiş hasta sınıflandırmasını kolaylaştırır.

Tarih: 13.04.2026 / 14:00 Yer: B-116

Bu tez, Büyük Dil Modeli (LLM) desteğinin yazılım uzmanlarının insani yönleri üzerindeki etkisini inceleyen ampirik bir araştırma sunmaktadır. 30 uygulayıcıyla yürütülen kontrollü bir özne-içi deney yoluyla, gereksinim belirtimi görevi üzerinden LLM desteği olan ve olmayan koşullar karşılaştırılmaktadır. Çalışma; algılanan görev karmaşıklığı, motivasyon, başarı duygusu ve yaratıcı öz-yeterlilik boyutlarını doğrulanmış ölçekler ve mülakatlarla analiz etmektedir. Araştırma, yapay zekâ araçlarının teknik verimliliği kadar bilişsel ve psikolojik süreçleri nasıl şekillendirdiğine dair yapılandırılmış kanıtlar sağlamaktadır.

Tarih: 03.04.2026 / 14:30 Yer: A-212

Bu tez, makine öğrenmesi/derin öğrenme uygulamaları kullanılarak talep tahmin doğruluğunu artırmayı amaçlamaktadır. Talep tahmini için SARIMA, LSTM, CNN ve Prophet modelleri uygulanmıştır. Modeller ileriye doğru zincirleme çapraz doğrulama yöntemi kullanılarak eğitilmiş ve doğrulanmıştır. Mevsimsel, dengesiz sınıf dağılımına sahip ve aralıklı bir veri seti üzerinde, zaman serisi tahmini uygulanmaktadır. Daha fazla iyileştirme için seçilmiş dışsal göstergelerin ve toplulaştırma-ayrıştırma yaklaşımlarının etkileri incelenmiştir.

Tarih: 20.01.2026 / 14:30 Yer: A-212

Bu tez, yapay zekâ destekli BIM analitiği ve dijital ikiz geliştirmeye yönelik bütünleşik bir çerçeve sunmaktadır. Revit tabanlı BIM verileri, geometrik ve yapılandırılmış mekânsal bilgiler ayrıştırılarak Unity tabanlı bir dijital ikiz ortamına aktarılmıştır. A* algoritması kullanılarak, fiziksel tahliye kısıtlarını dikkate alan gerçek zamanlı iç mekân yol bulma sağlanmıştır. Büyük dil modeli (LLM), hesaplanan rotaları doğal dilde navigasyon talimatlarına dönüştüren etkileşim katmanı olarak görev yapmaktadır. Sistem, kullanıcı testleriyle değerlendirilen, ölçeklenebilir ve insan merkezli bir BIM tabanlı dijital ikiz yaklaşımı ortaya koymaktadır.

Tarih: 14.01.2026 / 14:15 Yer: II-06

Meşru alan adlarını DGA ile üretilen alan adlarından ayırt etmek, hâlâ süregelen bir zorluktur. Siber tehdit aktörleri, alan adı üretim algoritmalarını (DGA) kullanarak kara listeleme veya statik imza tabanlı güvenlik çözümleri gibi geleneksel tespit mekanizmalarının atlatmaya çalışmaktadır. DGA’lar tarafından üretilmiş bütün alan adlarının kara listeye alınması mümkün olmadığından, DGA’ların otomatik olarak tespit edilmesi kritik bir gereklilik haline gelmiştir. Bu tez, söz konusu sınırlamaları aşmak maksadıyla özellik çıkarımı için CNN tabanlı n-gram öğrenme ve LSTM ağlarını ve nihai sınıflandırma için Lojistik Regresyon yöntemini entegre eden hibrit bir çerçeve sunmaktadır. Model girdisi, doğruluğu artırmak için Üst Düzey Alan Adı (TLD) bilgileriyle zenginleştirilmiştir.

Tarih: 16.01.2026 / 11:00 Yer: Cisco Lab

Bu tez, yapay zeka tarafından üretilen ön uç kod kalitesinin karşılaştırmalı ampirik bir değerlendirmesini sunmaktadır. Üç çağdaş yapay zeka kodlama aracı—Cursor, Gemini CLI ve Windsurf—çeşitli karmaşıklıkta React ve TypeScript uygulamalarını içeren kontrollü deneyler yoluyla değerlendirilmiştir. Çalışma, Lighthouse, SonarQube ve ESLint dahil olmak üzere endüstri standardı ölçütler kullanılarak hem tek komutlu hem de artımlı geliştirme yaklaşımlarını değerlendirmektedir. Bulgular, yapay zeka araçlarının işlevsel olarak doğru uygulamalar üretebildiğini, ancak kod kalitesi sonuçlarının araç seçimine, geliştirme metodolojisine ve uygulama karmaşıklığına bağlı olarak önemli ölçüde değiştiğini göstermektedir. Sonuçlar, modern ön uç geliştirmede yapay zeka araçları ve iş akışlarının seçimi için kanıta dayalı bir rehber sağlamaktadır.

Tarih: 20.01.2026 / 13:00 Yer: A-212

Bu tez, Otomatik Müfredat Öğrenimi (ACL) için Büyük Dil Modellerini (LLM) kullanan standartlaştırılmış bir çerçeve olan Uyarlamalı Akıl Yürütme Müfredatı'nı (ARC) tanıtmaktadır. Neural MMO 2 gibi karmaşık Açık Uçlu Öğrenme (OEL) ortamlarında genellemeyi geliştirmek için tasarlanan ARC, ortamın ezberlenmesinden ziyade verimli beceri edinimini kolaylaştırır. Deneyler; ARC'nin ortalama getiri ve örneklem verimliliği açısından uzman müfredatlarından ve mevcut ACL yöntemlerinden önemli ölçüde daha iyi performans gösterdiğini kanıtlamaktadır. Açık kaynaklı adaptörler ve yardımcı araçlar sunan ARC; LLM'lerin çok etmenli Pekiştirmeli Öğrenme (RL) süreçlerine entegrasyonu için tekrarlanabilir ve erişilebilir bir standart oluşturarak, açık uçlu araştırmalarda daha geniş kapsamlı inovasyonları teşvik etmektedir.

Tarih: 14.01.2026 / 13:00 Yer: A-212