Yazar "Görmez, Yasin" seçeneğine göre listele
Listeleniyor 1 - 10 / 10
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe BayesianOptFs: Bayesian Optimization Based Novel Feature Selection Method for Classification Models(Institute of Electrical and Electronics Engineers Inc., 2024) Görmez, YasinNowadays, machine learning models are frequently employed in high-dimensional datasets. At this stage, it is known that feature selection methods make significant contributions to the performance of machine learning models. In this study, a unique feature selection method based on Bayesian optimization was developed to contribute to the feature selection literature, and the method was tested using nine classification methods on two datasets. According to the experimental results, it was concluded that the proposed method provides a substantial decrease in the number of features without causing significant drops in performance scores. The aim is to contribute to the literature by sharing the source codes of the proposed method on open-source platforms. The fact that the Bayesian optimization-based method developed in the study has not been developed before is considered the novelty of the study. Additionally, sharing the method in a reusable manner on open-source platforms is anticipated to increase the prevalence of the method. © 2024 IEEE.Öğe Deep Learning-Based Classification on Optical Coherence Tomography Images for Prediction of Retinal Damage(Institute of Electrical and Electronics Engineers Inc., 2024) Teke, Fatih; Kaynar, Oğuz; Görmez, YasinOptical coherence tomography (OCT) imaging has become a valuable tool in the diagnosis and management of various eye diseases. However, the classification of multi-class eye diseases using OCT images can be challenging, especially in the presence of data imbalance where the distribution of samples across different disease classes is uneven. In this study, we explored the effectiveness of the VGG16 and InceptionV3 artificial intelligence models in predicting eye diseases, including Drusen, CNV, and DME, using SD-OCT images with data imbalance. The VGG16 and InceptionV3 models, known for their exceptional performance in image classification tasks, achieved an impressive accuracy of 99%. We employed additional metrics, including precision, recall, and F1-score, to assess the model's performance for each eye disease class. The results revealed a well-balanced performance across all classes, demonstrating the model's ability to accurately predict both majority and minority classes. These findings highlight the potential of the VGG16 and InceptionV3 models as a valuable tool in assisting clinicians in diagnosing and managing multi-class eye diseases based on OCT images, even in the presence of data imbalance. However, further research and validation on larger and diverse datasets are necessary to establish the model's reliability and generalize its use in clinical practice. In conclusion, our study demonstrates the successful application of the VGG16 and InceptionV3 artificial intelligence models in multi-class eye disease prediction using SD-OCT images. The model's ability to handle data imbalance signifies its potential as a valuable tool for clinicians, ultimately leading to improved diagnosis and treatment of eye health conditions. Further research and validation efforts are necessary to establish the model's reliability and suitability for integration into clinical practice. © 2024 IEEE.Öğe Developing Novel Deep Learning Models to Detect Insider Threats and Comparing the Models from Different Perspectives(2024) Görmez, Yasin; Arslan, Halil; Işık, Yunus Emre; Gündüz, VeyselCybersecurity has become an increasingly vital concern for numerous institutions, organizations, and governments. Many studies have been carried out to prevent external attacks, but there are not enough studies to detect insider malicious actions. Given the damage inflicted by attacks from internal threats on corporate reputations and financial situations, the absence of work in this field is considered a significant disadvantage. In this study, several deep learning models using fully connected layer, convolutional neural network and long short-term memory were developed for user and entity behavior analysis. The hyper-parameters of the models were optimized using Bayesian optimization techniques. Experiments analysis were performed using the version 4.2 of Computer Emergency and Response Team Dataset. Two types of features, which are personal information and numerical features, were extracted with respect to daily activities of users. Dataset was divided with respect to user or role and experiment results showed that user based models have better performance than the role based models. In addition to this, the models that developed using long short-term memory were more accurate than the others. Accuracy, detection rate, f1-score, false discovery rate and negative predictive value were used as metrics to compare model performance fairly with state-of-the-art models. According the results of these metrics, our model obtained better scores than the state-of-the-art models and the performance improvements were statistically significant according to the two-tailed Z test. The study is anticipated to significantly contribute to the literature, as the deep learning approaches developed within its scope have not been previously employed in internal threat detection. Moreover, these approaches have demonstrated superior performance compared to previous studies.Öğe DtyPAM: Kurumsal Destek Firmaları için Önerilmiş Konteynır Tabanlı Ayrıcalıklı Erişim Yönetim Sistemi(Mersin Üniversitesi, 2023) Şimşek, Hamza Kürşat; Arslan, Halil; Görmez, YasinBilişim alanında önceki zamanlarda da uygulanan uzaktan destek ve uzaktan çalışma kavramları, 2019 yılında başlayan ve tüm dünyayı etkisi altına alan COVID-19 salgını ile hemen hemen tüm sektörler tarafından uygulanmaya başlamıştır. Ölçeği ne olursa olsun bütün girişimler dijital uygulamaları kullanmakta ya da kullanma planı yapmaktadır. Özellikle holding düzeyindeki firmalar, birçok iş sürecini karmaşık kurumsal kaynak planlama uygulamaları üzerinden yürütmektedir. Bu uygulamalar içinse genellikle dış kaynaklardan destek almakta ve bu destekler günümüzde sıklıkla uzaktan yapılmaktadır. Bu aşamada kurumlar güçlü bir erişim yönetim sistemine ihtiyaç duymaktadırlar. Bahsedilen sebeplerden ötürü çalışmamızda uzaktan bağlantı ve destek süreçlerinin sanal masaüstü alt yapısı kullanarak otomatik olarak yapılabileceği bir ayrıcalıklı erişim yönetim sistemi önerilmiştir. Tasarlanan sistem ile kullanıcılara, bağlantı sağlanacak sunucuda yapılacak olan iş için en az düzeyde ayrıcalık verilmesi hedeflenmektedir. Bir sunucuya yapılan bağlantıların geriye dönük takibinin rahatlıkla yapılabilmesi için, çalışma sonucu önerilmiş olan ayrıcalıklı erişim yönetim uygulamasına güçlü bir kayıt defteri sistemi (log) eklenmiştir. Eklenecek olan bu kayıt sistemi sayesinde önermiş olduğumuz sistem veri madenciliği ve iş zekâsı gibi analizlere de uyumlu olacaktır. Bahsedilen tüm özelliklerin yanı sıra önerilen sistemin ölçeklenebilir ve mikro-servis tabanlı olması, literatürde var olan yöntemlerden farklılık göstermesini sağlamaktadır.Öğe Evrişimsel Sinir Ağları Tabanlı Derin Öğrenme Yöntemiyle Müşteri Şikayetlerinin Sınıflandırılması(2024) Tuna, Murat Fatih; Görmez, YasinGünümüzde, artan nüfus ve değişen ihtiyaçlar doğrultusunda firma sayıları giderek artmakta ve firmalar büyümektedir. Bu bağlamda, aynı alanda faaliyet gösteren birçok firma ortaya çıkmakta, bu nedenle firmaların rekabet kabiliyetini artırması gerekmektedir. Bir firma için mevcut müşterinin elde tutulmasına odaklanmak, yeni müşteri kazanmaktan daha maliyetli olmaktadır. Bir müşterinin kaybedilmemesi için en önemli unsurlardan birisi müşteri ilişkileri yönetiminin bir alt dalı olan müşteri şikâyetlerinin iyi bir şekilde yönetilmesinden geçmektedir. Teknolojide meydana gelen gelişmeler doğrultusunda, birçok alanda olduğu gibi müşteri şikâyeti yönetiminde de teknolojiden sıklıkla faydalanılmaktadır ancak bu durum henüz istenilen seviyelere ulaşmamıştır. Bu çalışmada müşteri şikâyeti yönetimi alanına katkı sağlamak için derin öğrenmeden faydalanan özgün modeller geliştirilmiştir. Bu kapsamda, evrişimsel sinir ağı katmanı kullanılarak müşteri yorumlarının hangi şikâyet türünü ilgilendirdiğini tahmin eden bir model geliştirilmiştir. Finans alanındaki bir veri seti kullanılarak analiz edilen modelin hiper-parametreleri Bayesian optimizasyon yöntemi kullanılarak optimize edilmiştir. Farklı derinliklerde geliştirilen modellerle %85.83’lere ulaşan doğruluk oranı elde edilmiştir. Literatürde benzer veri seti ile yapılan çalışmalar incelendiğinde önerilen modelin, diğer çalışmalara göre üstün olduğu gözlemlenmiştir.Öğe Kişiselleştirilmiş Yabancı Dil Öğrenimi İçin Makine Öğrenmesi Yöntemleriyle İlgi Alanı Tahmini(2022) Görmez, Yasin; Dağdeler, Kübra Okumuş; Kavuklu, MerveKüreselleşen dünyada yabancı dil bilmenin önemi giderek artmaktadır. Dil öğretim zorluklarını azaltmak için önemli yöntemlerden biri de, teknoloji dünyasındaki gelişmeler ile birlikte daha kolay yönetebilir hale gelen kişiselleştirilmiş öğrenim yaklaşımlardır. Kişiselleştirilmiş öğrenim sayesinde aynı sınıf ortamında bile, her bireyin istek ve ihtiyaçlarına göre yöntem ve materyal sunulabilmektedir. Dil öğretiminde, içeriklerin kişilerin ilgi alanlarına uygun olarak sunulmasının öğrenimin verimini artıracağı düşünülmektedir. Bu kapsamda çalışmada, kişiselleştirilmiş İngilizce öğretiminde alt yapı olarak kullanılmak üzere makine öğrenmesi yöntemleri ile bireylerin ilgi alanı tahmini yapılmıştır. Çalışmada öncelikli olarak bir anket tasarlanarak farklı sektörlerden 164 kişiye uygulanmıştır. Tasarlanan ankette kişilerin istedikleri kadar seçim yapacakları seçeneklerden oluşan 11 soru ve ilgi alanını seçebilecekleri bölüm bulunmaktadır. Birey en az biri zorunlu olmak üzere teknoloji, sağlık, iş yaşamı, farklı kültürler, spor ve güzel sanatlar ilgi alanlarından dilediği kadarını seçebilmektedir. Toplanan bu veriler matematiksel hale dönüştürülerek k-en yakın komşu, rastgele orman ve yapay sinir ağı yöntemleri ile analizler yapılmıştır. Kullanılan yöntemlerim parametre optimizasyonu için geleneksel ızgara arama yönteminden daha kısa sürede daha iyi sonuçlar üreten Bayesian optimizasyon yönteminden faydalanılmıştır. Bir kullanıcı birden fazla ilgi alanı seçebildiği için tüm makine öğrenmesi modelleri çoklu etiket tahmini yaklaşımı ile oluşturulmuştur. Bu bağlamda her bir kişi için ilgi duyuyor ve duymuyor olacak şekilde 6 ilgi alanı için ayrı ayrı tahmin yapılmış ve başarı oranı da bu durum göze alınarak hesaplanmıştır. Analiz sonuçları incelendiğinde en iyi başarı oranı %78.12 ile rastgele orman algoritması ile elde edilmiştir. Bu sonucun tasarlanacak sistem için yeterli olduğu, veri sayısının artırılması ile birlikte de daha iyi sonuçlar elde edileceği öngörülmektedir.Öğe Kişiselleştirilmiş Yabancı Dil Öğrenimi İçin Makine Öğrenmesi Yöntemleriyle İlgi Alanı Tahmini(Zonguldak Bülent Ecevit Üniversitesi, 2022) Dağdeler, Kübra Okumuş; Görmez, Yasin; Kavuklu, MerveKüreselleşen dünyada yabancı dil bilmenin önemi giderek artmaktadır. Dil öğretim zorluklarını azaltmak için önemli yöntemlerden biri de, teknoloji dünyasındaki gelişmeler ile birlikte daha kolay yönetebilir hale gelen kişiselleştirilmiş öğrenim yaklaşımlardır. Kişiselleştirilmiş öğrenim sayesinde aynı sınıf ortamında bile, her bireyin istek ve ihtiyaçlarına göre yöntem ve materyal sunulabilmektedir. Dil öğretiminde, içeriklerin kişilerin ilgi alanlarına uygun olarak sunulmasının öğrenimin verimini artıracağı düşünülmektedir. Bu kapsamda çalışmada, kişiselleştirilmiş İngilizce öğretiminde alt yapı olarak kullanılmak üzere makine öğrenmesi yöntemleri ile bireylerin ilgi alanı tahmini yapılmıştır. Çalışmada öncelikli olarak bir anket tasarlanarak farklı sektörlerden 164 kişiye uygulanmıştır. Tasarlanan ankette kişilerin istedikleri kadar seçim yapacakları seçeneklerden oluşan 11 soru ve ilgi alanını seçebilecekleri bölüm bulunmaktadır. Birey en az biri zorunlu olmak üzere teknoloji, sağlık, iş yaşamı, farklı kültürler, spor ve güzel sanatlar ilgi alanlarından dilediği kadarını seçebilmektedir. Toplanan bu veriler matematiksel hale dönüştürülerek k-en yakın komşu, rastgele orman ve yapay sinir ağı yöntemleri ile analizler yapılmıştır. Kullanılan yöntemlerim parametre optimizasyonu için geleneksel ızgara arama yönteminden daha kısa sürede daha iyi sonuçlar üreten Bayesian optimizasyon yönteminden faydalanılmıştır. Bir kullanıcı birden fazla ilgi alanı seçebildiği için tüm makine öğrenmesi modelleri çoklu etiket tahmini yaklaşımı ile oluşturulmuştur. Bu bağlamda her bir kişi için ilgi duyuyor ve duymuyor olacak şekilde 6 ilgi alanı için ayrı ayrı tahmin yapılmış ve başarı oranı da bu durum göze alınarak hesaplanmıştır. Analiz sonuçları incelendiğinde en iyi başarı oranı %78.12 ile rastgele orman algoritması ile elde edilmiştir. Bu sonucun tasarlanacak sistem için yeterli olduğu, veri sayısının artırılması ile birlikte de daha iyi sonuçlar elde edileceği öngörülmektedir.Öğe Machine Learning and Event-Based User and Entity Behavior Analysis(Institute of Electrical and Electronics Engineers Inc., 2024) Önal, Vedat; Arslan, Halil; Görmez, YasinWith the widespread use of technology, the concept of cybersecurity frequently occupies the agenda of companies. The resistance of institutions against external attacks such as malware, denial of service, and zero-day vulnerabilities is increasing day by day, but the defense of institutions against internal threats carried out by malicious or unconscious employees has not reached the desired levels. User and entity behavior analysis, proposed to solve this problem, aims to find abnormal behavior by analyzing the daily behavior of employees. In this study, a user and entity behavior analysis model that can work in harmony with companies' security information and event management systems is proposed. In this context, firstly, the activities performed by the employees while using Windows operating systems were collected using the Wazuh application. The dataset created with the sliding window method was trained with nine different classification algorithms, and the accuracy, F1-score, sensitivity, and false-negative rate values of the models were calculated. As a result of the analysis, it was observed that the most successful results were obtained with Random Forest, k-nearest neighbor, and Bagging Methods. © 2024 IEEE.Öğe SALDA-ML: Machine Learning Based System Design to Predict Salary In-crease(Osman ÖZKARACA, 2022) Görmez, Yasin; Arslan, Halil; Sarı, Suat; Danış, MücahidNumber of employees are increases with growing in companies. Firms basically make salary increases for their employees in order not to lose their talents and moreover to increase them. Although there is not much problem in how to in-crease the salary in small organizations, this process should be carried out carefully in terms of many parameters in large organizations and should not result in negativities that may disrupt employee motivation. For companies with a large number of employees, creating a model in which the market conditions are determined correctly and all economic parameters are taken into account reveals the need for a process that needs to be worked on for months. In this context, a machine learning-based salary increase prediction system was designed with the study. Specific attributes were determined and a specific scale was developed for performance score for this study.Öğe Türkçe Metinlerde Duygu Analizi: Derin Öğrenme Yaklaşımlarının ve Ön İşlem Süreçlerinin Model Performansına Etkisi(2024) Görmez, Yasin; Arslan, Halil; Atak, BilalGünümüzde bilgisayar kullanımın artması ile birlikte insanlar daha fazla veri üretmeye başlamış ve verilere ulaşım kolaylaşmıştır. Bu bağlamda e-ticaret sitelerinde, sosyal medyada ya da diğer elektronik platformlarda çok fazla metin verisi üretilmiştir. Toplanan bu verilerin analiz edilerek anlamlandırılması birçok kurum, kuruluş ya da birey için faydalı bilgiler sağlamaktadır. Bu amaç doğrultusunda duygu analizi günümüzde sıklıkla uygulanmaktadır. Duygu analizi modellerinde derin öğrenme yaklaşımları oldukça yüksek performans göstermekte ve model eğitimi yapılmadan önce metinlere birkaç ön işlem uygulanmaktadır. Bu çalışmada duygu analizi için, evrişimsel sinir ağı, Transfomer ve hibrit olmak üzere üç farklı derin öğrenme yaklaşımı önerilmiş ve modeller winvoker ve Beyazperde olmak üzere iki farklı veri seti kullanılarak analiz edilmiştir. Modellerin doğruluğunu artırmak için hiper-parametreleri ve model derinliklileri Bayesian optimizasyon yöntemi kullanılarak optimize edilmiştir. Ön işlem süreçlerinin model performansına etkisini ölçmek için veri setlerine çeşitli ön işlem yapılarak analizler tekrar edilmiştir. Ön işlem uygulanmamış veriler kullanıldığında, winvoker veri seti ile eğitilen modellerde %94,16, Beyazperde veri seti ile eğitilen modellerde ise %86,64 doğruluğa ulaşılmıştır. Ön işlem uygulandığında ise bu başarı oranları, winvoker veri seti ile eğitilen modellerde %94,64, Beyazperde veri seti ile eğitilen modellerde ise %89,08 değerlerine ulaşmıştır. Bu sonuçlar doğrultusunda örnek sayısı daha fazla olan winvoker veri seti için ön işlemlerin etkisinin azaldığı ve doğruluğun daha yüksek olduğu sonucu çıkarılmıştır.
