3 sonuçlar
Arama Sonuçları
Listeleniyor 1 - 3 / 3
Öğe XRD’de X-ışını kırınım verilerinin yapay zekâ yöntemleri ile analizi(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-10-14) Kalkan, Ali Özcan; Ertuğrul, Ömer FarukBu tezde, X-Işını Kırınımı (XRD) verilerinin yapay sinir ağları (ANN) ve k-En Yakın Komşu (kNN) algoritmaları kullanılarak analiz edilmesi incelenmiştir. XRD, kristal yapılarının belirlenmesinde yaygın olarak kullanılan güçlü bir teknik olmasına rağmen, karmaşık ve doğrusal olmayan verilerin analizi geleneksel yöntemlerle sınırlı kalmaktadır. Bu çalışmada, XRD verilerinin analizine yapay zeka temelli makine öğrenimi tekniklerinin entegre edilmesiyle, bu sınırlamaların aşılması hedeflenmiştir. Tez kapsamında, Erzurum ve çevresinden alınan volkanosedimanter kayaç örneklerinden elde edilen XRD verileri üzerinde ANN ve kNN algoritmaları uygulanmıştır. ANN, malzeme özelliklerini yüksek doğrulukla tahmin edebilmiş ve kristal yapılar arasındaki karmaşık ilişkileri etkili bir şekilde modellemiştir. KNN algoritması ise, XRD verilerinde faz ve kristal yapıların sınıflandırılmasında başarıyla kullanılmıştır. Farklı K değerleri ile yapılan deneyler, küçük K değerlerinin yerel yapılara daha duyarlı olduğunu, büyük K değerlerinin ise daha genelleştirilebilir tahminler sunduğunu ortaya koymuştur. Ayrıca, model performansını değerlendirmek için gelişmiş çapraz doğrulama teknikleri kullanılmıştır. Bu teknikler, aşırı öğrenme riskini azaltarak, modelin genelleme yeteneğini artırmıştır. Çalışmada kullanılan ANN ve kNN modelleri, faz değişimlerinin tespitinde ve kristal yapıların sınıflandırılmasında önemli başarılar elde etmiştir. Bu tez, XRD verilerinin analizinde yapay zeka temelli yöntemlerin uygulanabilirliğini göstermiş ve bu alandaki bilimsel araştırmaların daha derinlemesine ve doğru sonuçlara ulaşmasına katkı sağlamıştır.Öğe Derin öğrenme yöntemi ile metinsel ifadelerde duygu analizi(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-08-18) Yıldız, Nuray; Kaya, YılmazBu çalışmada, Türkçe metinlerde kullanıcı yorumlarının duygu analizini gerçekleştirmek amacıyla makine öğrenmesi ve derin öğrenme yöntemlerinin etkinliği incelenmiştir. Beyaz eşya ürünlerine ait kullanıcı yorumları, Trendyol ve Hepsiburada gibi popüler e-ticaret platformlarından toplanmış ve analiz edilmiştir. Kelime bulutu yöntemi kullanılarak, yorumlardaki en sık geçen kelimeler görselleştirilmiştir. Olumlu yorumlarda "yüksek performans", "iyi fiyat", "memnun kaldım", "kurulumu kolay" gibi ifadeler öne çıkarken, olumsuz yorumlarda "gecikme", "kötü koku", "kalite kontrol eksikliği", "servis problemi" gibi ifadeler dikkat çekmiştir. Bu analizler, kullanıcıların genel memnuniyet düzeylerini ve karşılaştıkları sorunları görselleştirerek, işletmelere ürün ve hizmetlerini iyileştirmeleri konusunda içgörüler sunmaktadır. Makine öğrenmesi yöntemleri arasında SVM, KNN ve Naive Bayes (NB) algoritmaları kullanılarak sınıflandırma işlemleri gerçekleştirilmiştir. %80-20 eğitim-test oranları ile NB modeli %94.02 başarı oranı ile en yüksek performansı sergilemiştir. SVM modeli %93.42, KNN modeli ise %86.75 başarı oranı elde etmiştir. NB modeli, kesinlik, hatırlama ve F1 ölçütlerinde de yüksek performans göstermiştir. Derin öğrenme yöntemleri olarak LSTM ve 1D-CNN kullanılmış ve farklı eğitim-test oranları ile başarı oranları incelenmiştir. LSTM modeli %92.42, 1D-CNN modeli ise %91.42 başarı oranı ile iyi performanslar sergilemiştir. Sonuç olarak, Naive Bayes modeli en yüksek başarı oranını elde ederek diğer modellere kıyasla en iyi performansı göstermiştir. Derin öğrenme yöntemlerinden LSTM ve 1D-CNN de yüksek başarı oranları ile dikkate değer performanslar sunmuştur. Bu çalışma, e-ticaret sektöründe kullanıcı yorumlarının duygu analizinde makine öğrenmesi ve derin öğrenme yöntemlerinin etkili olduğunu ortaya koymaktadır. Bu tür analizler, işletmelere müşteri geri bildirimlerini daha iyi değerlendirme ve müşteri memnuniyetini artırma konusunda önemli avantajlar sağlayabilir.Öğe Ortaokul öğrencilerinin başarılarını etkileyen faktörlerin veri bilimi ve makine öğrenmesi yöntemleri kullanılarak analiz edilmesi(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-10-13) Öztekin, Ferit; Sezgin, NecmettinBu çalışma, ortaokul düzeyindeki öğrenci başarılarını etkileyen faktörlerin belir-lenmesi ve analiz edilmesi amacıyla veri bilimi ve makine öğrenmesi yöntemlerinin kulla-nılmasını hedeflemektedir. Eğitimde veri odaklı bir yaklaşımın önemini vurgulayan bu ça-lışma, öğrenci başarısını etkileyen karmaşık faktörlerin anlaşılmasına ve eğitim politikala-rının daha etkili bir şekilde tasarlanmasına katkı sağlamayı amaçlamaktadır. Çalışmanın temel odak noktası, ortaokul seviyesindeki öğrencilerin başarılarını etkileyen faktörlerin belirlenmesidir. Öğrenci başarısını etkileyen faktörler arasında öğrenci özellikleri, aile fak-törleri, okul ortamı ve öğretmen faktörleri gibi çeşitli değişkenler bulunmaktadır. Bu fak-törlerin belirlenmesi, eğitim sisteminin zayıf noktalarını tespit etmek ve öğrencilerin başa-rısını artırmak için bireyselleştirilmiş müdahalelerde bulunmak için önemlidir. Bu çalışma, Batman-Merkez Ortaokullarında öğrencilere başarı düzeylerini etkileyebilecek faktörleri belirlemek amacıyla yapılmıştır. Çalışma kapsamında öğrencilere başarı düzeylerini etkile-yebilecek faktörleri değerlendirmek için bir form verilerek doldurmaları istenmiştir. Öğ-rencilerin bu formları doldurmasıyla elde edilen yanıtlar ile ders dönemi ortalamaları ilgili okullardan alınmıştır. Bu veriler, veri bilimi ve makine öğrenmesi yöntemleri kullanılarak analiz edilmiştir. Veri bilimi ve makine öğrenmesi yöntemleri, büyük veri setlerini analiz etmek ve öğrenci başarısını etkileyen faktörleri tanımlamak için güçlü araçlar sunar. Veri analizi için grafik türleri, regresyon modelleri ve sınıflandırma gibi yöntemler kullanılarak öğrenci başarısını etkileyen faktörler belirlenmiş ve öğrencilerin ders ortalaması tahmin edilerek öğrencinin zayıf noktaları tespit edilerek bireyselleştirilmiş çözüm sunmuştur. Bu çalışmanın sonuçları, eğitimcilerin, eğitimde idari birimlerin, velilerin ve öğrencilerin orta-okul düzeyindeki öğrenci başarılarını artırmak için daha etkili stratejiler geliştirmesine yar-dımcı olabilir. Ayrıca, veri bilimi ve makine öğrenmesi gibi yenilikçi yöntemlerin eğitim araştırmalarında nasıl kullanılabileceğine dair bir örnek sunarak, bu alanda gelecekteki araştırmalara da katkı sağlayabilir.
