Enstitüler / Institutes
Permanent URI for this communityhttps://hdl.handle.net/11727/1390
Browse
6 results
Search Results
Item Mimarlık eğitiminde üretken yapay zeka kullanımı: Ön tasarım sürecine yönelik deneysel bir inceleme(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2025) Acar, Melisa; Sagun Kentel, AysuBu tez çalışmasında günümüzde kullanımı hızla artan yapay zekâ (YZ) teknolojisinin mimarlık eğitimine dahil edilmesinin sağlayabileceği avantajların ve karşılaşılabilecek zorlukların belirlenmesi amaçlanmıştır. Bu amaç çerçevesinde üretken yapay zeka teknolojisinin ön tasarım sürecinde kullanılmasına odaklanılarak araştırma üç aşamalı bir süreçle yürütülmüştür. İlk aşamada literatür taraması yapılarak kuramsal çerçeve oluşturulmuş, ardından bibliyometrik yöntemlerle sistematik analiz gerçekleştirilmiş ve güncel temalar belirlenmiştir. Sistematik analiz sonuçları, mimarlık pratiğinde yapay zekâ kullanımında özellikle üretken tasarımın güncel ve öne çıkan bir tartışma konusu olduğunu ortaya koymuştur. Son aşamada ise deneysel bir uygulama kapsamında öğrencilerin Autodesk Forma programında (Site Automation modülü), Archistar ve OneClick LCA yazılım eklentileriyle ön tasarım sürecinde üretken yapay zekâ araçlarını deneyimlemeleri sağlanmıştır. Veri toplama sürecinde ön-test ve son-test anketleri, öğrenci görüşleri ve süreç gözlemleri kullanılmış; TAM modeline dayalı ölçeklerin güvenirliği Cronbach Alfa ile test edilmiş, elde edilen veriler ayrıca istatistiksel yöntemler (tanımlayıcı istatistikler, ki-kare ve Friedman testleri) ve nitel değerlendirmeler ile incelenmiştir. Bulgular, yapay zekânın mimarlıkta üretken tasarım, optimizasyon, performans analizi, alternatif senaryo üretimi, çevresel veri analizi ve sürdürülebilirlik değerlendirmeleri için; mimarlık eğitiminde ise kavramsal düşünceyi geliştirme, yaratıcı süreci destekleme, görselleştirme ve veri odaklı karar alma amacıyla kullanıldığını göstermektedir. Özellikle ön tasarım süreci için uygulanan deneysel uygulama aşamasında kütle yerleşimi, geometri kararları, çevresel analizler, yoğunluk ve fonksiyonel dağılım gibi süreçlerde çok yönlü katkılar sağlamış; öğrenciler fikir üretiminde hızlanma, alternatif geliştirme, zaman tasarrufu, parametrik esneklik ve senaryo çeşitliliği gibi avantajları öne çıkarmıştır. Buna karşın kullanım zorlukları, arayüz eksiklikleri, yerel veri tabanı yetersizlikleri, bağlamsal uyumsuzluklar ve yaratıcı sürecin sınırlanabileceğine dair kaygılar sorun olarak belirlenmiştir. Çalışmanın özgün katkıları arasında farklı üretken yapay zekâ araçlarının tasarım sürecinde birlikte kullanılmasının öneminin ve gerekliliğinin vurgulanması, öğrenci deneyimlerinin değerlendirilmesi ve Türkiye bağlamında yerel bağlam verilerinin (topografya, mevcut yapı yoğunluğu, yeşil alan bilgileri, vb.) dijitalleştirilerek, yapay zekâ tabanlı araçların daha verimli ve doğru sonuçlar üretebilmesine katkı sağlaması gibi hususların tespitidir. Araştırmanın sınırlılıkları, örneklem büyüklüğü ve yalnızca ön tasarım aşamasına odaklanılmasıdır. Gelecek çalışmalar için kavramsal tasarım, plan ve cephe tasarımı gibi farklı aşamaların incelenmesi, yerel veri tabanlarının geliştirilmesi ve disiplinlerarası işbirliklerinin artırılması önerilmektedir. In this thesis, it is aimed to determine the advantages and difficulties that may be encountered in integration of artificial intelligence (AI) technology, which is rapidly increasing in use today, in architectural education. Within this framework, the research was carried out in a three-stage process, focusing on the use of generative AI technology in the preliminary design process.In the first stage, a literature review was carried out to establish the theoretical framework, followed by a bibliometric analysis to identify current themes and research trends. The results of the systematic analysis revealed that generative design has emerged as a current and prominent topic of discussion in the use of AI within architectural practice. In the final stage, an experimental study was conducted in which students used Autodesk Forma (Site Automation module), Archistar, and OneClick LCA software extensions to experience generative AI tools in the early design phase. Data collection included pre-test and post-test surveys, student feedback, and process observations. The scales based on the Technology Acceptance Model (TAM) were tested for reliability using Cronbach’s Alpha, and the data were further analyzed through statistical methods (descriptive statistics, Chi-square, and Friedman tests) as well as qualitative evaluations. The findings indicate that AI in architecture is used for generative design, optimization, performance analysis, alternative scenario generation, environmental data analysis, and sustainability assessment, while in architectural education it supports conceptual thinking, creativity, visualization, and data-driven decision-making. In the early design phase, AI tools contributed significantly to mass placement, geometry decisions, environmental analyses, density, and functional distribution. On the one hand, students emphasized advantages such as accelerated idea generation, the ability to produce alternatives, time efficiency, parametric flexibility, and scenario diversity. On the other hand, challenges were identified, including usability difficulties, interface limitations, lack of local databases, contextual mismatches, and concerns about AI constraining creativity. The unique contributions of this study include emphasizing the necessity and increasing the use of different generative artificial intelligence tools in the design process, evaluating student experiences, and using local contextual data (topography, existing building density, green space information, etc.) in Türkiye. The limitations of the study are related to the small sample size and its exclusive focus on the early design mass production phase. For future research, it is recommended to explore other phases such as conceptual, planning, and facade design, to develop local data infrastructures, and to strengthen interdisciplinary and pedagogical collaborations.Item Yapay zeka yöntemleri ile finansal zaman serileri öngörüleri(Başkent Üniversitesi Sosyal Bilimler Enstitüsü, 2020) Arda, Efe; Küçükkocaoğlu, GürayBilgisayar bilimlerinin sunduğu yöntemler, veriye erişme, veri işleme ve depolama yönünden finans alanındaki gereksinimleri karşılamada insanlara kıyasla kuvvetli avantajlara sahiptir. Bilgisayar bilimlerinin bir alt dalı olan yapay zeka sunduğu nöral ağ, genetik algoritmalar ve makine öğrenmesi gibi yöntemlerle finans alanında ortaya çıkan trend analizi, zaman serisi analizi, portföy yönetimi, dolandırıcılık tespiti, risk yönetimi ve hisse değeri öngörüleri gibi problemlere etkin çözümler sunmaktadır. Bu çok disiplinli tezin amacı, finansal zaman serilerini belirli yapay zeka programlarına öğreterek gelecek tahminleri üretmek ve elde edilen bu öngörülerin performansını gerçekleşen değerlerle kıyaslayarak incelemektir. Tez çalışması kapsamında yedi farklı yapay zeka yöntemi programlanmıştır. Veri seti olarak 2014-2016 senelerini kapsayan 775 iş günü boyunca Borsa İstanbul’da işlem gören, işlem hacmi ve piyasa değeri en yüksek 30 şirketin hisse senedi kapanış fiyatları kullanılmıştır. Algoritmaların performanslarının öğrenme süreleri ile değişiklik göstereceği beklentisi sebebi ile öncelikle verilerin %80’ine tekabül eden 603 günlük veri öğrenme için kullanılmış, kalan %20’si olan 152 günlük veri yöntemlerin test edilmesinde kullanılmak üzere algoritmaların tahmininde kullanılmıştır. “Uzun vade tahminleri” olarak yapılan bu çalışmada “Hızlı Orman Yüzdelik Dağılımı” algoritmasının en düşük hata oranına sahip olduğu tespit edilmiştir. Tezin bir sonraki adımında verilerin %90’ına tekabül eden 680 günlük veri öğrenme için kullanılmış, kalan %10’u olan 75 günlük kısmı test amacı ile kullanılmıştır. “Orta vade tahminleri” olarak yapılan bu çalışmada “Destekli Karar Ağacı Regresyonu” algoritmasının en düşük hata oranına sahip olduğu tespit edilmiştir. Son olarak verilerin %99’ına tekabül eden 747 günlük veri öğrenme için kullanılmış, kalan %1’i olan 8 gün test amacı ile kullanılmıştır. “Kısa vade tahminleri” olarak yapılan bu çalışmada “Nöral Ağ Regresyonu” ve “Poisson Regresyonu” algoritmalarının en düşük hata oranlarına sahip olduğu tespit edilmiştir. Sonuç olarak yapay zeka yöntemlerinin finansal zaman serileri öngörüleri için etkili yöntemler sunduğu ortaya konmuştur. The methods provided by the field of computer science have considerable advantages in domains of reaching, storing and processing data to satisfy the requirements of finance field compared to humans. A subdomain of computer science; artificial intelligence provides methods such as neural networks, genetic algorithms and machine learning to find effective solutions to financial problems / goals such as trend prediction, portfolio management, fraud detection, risk management and stock prediction. This multidisciplinary thesis aims to teach certain artificial intelligence algorithms the financial time series data, provide future forecasts and compare these forecasts to original values to examine their performance. Seven different artificial intelligence algorithms have been programmed for this thesis. A dataset of 775 business days between 2014-2016 consisting of closing prices of companies that have İstanbul Stock Exchanges 30 highest trading volume and market value are used. Due to the expectation of different algorithms to provide different performance depending on the number of learning / forecasting days, firstly %80 of the data equaling 603 days have been used for training, and the remaining %20 of the data equaling 152 days have been forecasted by the algorithms. Simulating “Long Term Forecasts”, “Fast Forest Quantile Regression” algorithm has shown the least error percentage. Secondly %90 of the data equaling 680 days have been used for training, and the remaining %10 of the data equaling 75 days have been forecasted by the algorithms. Simulating “Medium Term Forecasts”, “Boosted Decision Forest” algorithm has shown the least error percentage. Lastly %99 of the data equaling 747 days have been used for training, and the remaining %1 of the data equaling 8 days have been forecasted by the algorithms. Simulating “Short Term Forecasts”, “Poisson Regression” and “Neural Network Regression” algorithms has shown the least error percentage. The thesis concludes by confirming artificial intelligence algorithms can be used as effective tools for financial time series forecasting.Item Derin öğrenme yöntemiyle kapalı alanlarda suç davranışlarının tespitine yönelik bir uygulama(Başkent Üniversitesi Sosyal Bilimler Enstitüsü, 2020) Bağdatoğlu, Emel; Uysal, Murat PaşaSuç ve suça ilişkin olaylar doğası gereği, geçmişte insan ve toplum hayatı için her zaman önemli olgular içerdiği gibi gelecekte de önemli etkilerinin olacağı açıkça gözlenmektedir. Hukuki yaptırımlara ek olarak sınırlı düzeydeki teknolojik uygulamalar suçla ilgili olayları belirli oranlarda azaltsa da beklenen gereksinimleri karşılamaktan uzak olduğunu söylemek mümkündür. Bunun en önemli nedenlerinden birisi, suç teşkil eden olayların gerçekleştikten sonra asenkron ve manuel olarak incelenmeleri, teknolojik araçların ise çoğu zaman bu olaylara ait verinin kaydı ve işlenmesi için kullanılması olduğu söylenebilir. Dolayısıyla, olayları gerçek zamanlı izleyecek, otomatik biçimde analiz ederek suça ilişkin davranışları anında tespit edecek akıllı teknolojik çözümlerin suç davranışlarını azaltacağı gibi suçun caydırıcılığını da artıracağı değerlendirilmektedir. Bu kapsamdaki çalışmanın temel amacı, kapalı alanlarda güvenlik kameralarından (CCTV) elde edilen video görüntülerini kullanarak suç davranışlarını gerçek zamanlı belirlemeye yönelik akıllı bir çözüm üretmektir. Araştırma, Tasarım Bilimi Araştırma Yöntemi (Design Science Research) çerçevesinde derin öğrenme yöntem, teknik ve araçları kullanılarak bütünleşik bir yapıda yürütülmüştür. Araştırmanın kuramsal temelleri, suç ve suç tespit yöntemleri, yapay zeka, yapay sinir ağları, derin öğrenme ile görüntü işleme bilgi alanlarıdır. Çalışmanın ana çıktısını, gerçekleştirilen derin öğrenme çözümü ile onun içerdiği özgün modeller ve algoritmalar oluşturmaktadır. Araştırma probleminin çözümü için suç davranışları belirlenmiştir. Bunlar kavga, koşma, silah doğrultma, atlama, el kaldırma, yerde uzanma, eylemsizlik ve diğer olmak üzere sekiz alt kategoriye ayrılarak, güvenlik kameralarından alınmış 617 gerçek video görüntüsünden oluşan Güvenlik Kamerası Suç Veri Seti oluşturulmuştur. Çalışma sonucunda gözetimsiz öğrenme modellerinin gözetimli öğrenme modellerine nazaran suç tespitinde daha etkili olduğu bulunmuştur. Elde edilen bulgular ve gözlemler doğrultusunda, derin öğrenme ile geliştirilen çözümün araştırmanın amaç ve hedeflerini karşıladığını söylemek mümkündür. Ancak, araştırma sınırlılıkları dikkate alındığında ise gelecekteki çalışmalarla iyileştirilmesi gereken yönlerinin bulunduğunu da belirtmek gerekmektedir. Due to their nature, crime and criminal events have always been important for human and social life in the past, and it is clearly observed that they would have important effects in the future. In addition to legal sanctions, it is possible to say that limited technological applications reduce the crime-related incidents to a certain extent, however, they are far from meeting the expected requirements. One of the most important reasons for this is that criminal events are examined asynchronously and manually after they occur, and technological tools are often used for recording and processing the data belonging to these events. Therefore, it is considered that smart technological solutions that would monitor the events in real time and automatically analyze the criminal behaviors may reduce crimes and also increase the deterrence for crime. The main purpose of the study is, therefore, to produce a smart solution for detecting criminal behavior in real time by using video images obtained from security cameras (CCTV) in closed areas. An integrated research is carried out using deep learning methods, techniques and tools within the framework of design science research method. The theoretical foundations of the research are crime and crime detection methods, artificial intelligence, artificial neural networks, deep learning and image processing knowledge areas. The proposed deep learning solution and its original models and algorithms constitute the main outputs of this study. Additionally, criminal behaviors have been determined for the solution of the research problem. These are fighting, running, aiming a gun, jumping, raising hands, lying on the ground, inaction positions and others. Security Camera Crime Data Set consisting of 617 real video images taken from security cameras has also been created. As a result of the study, it is found that unsupervised learning models are more effective in crime detection than supervised learning models. In line with the findings and research observations, it is possible to say that the solution, developed using deep learning methods, meets the aims and objectives of the research. However, considering the limitations of the research, it should be noted that there are some aspects that need improvement with future studies.Item Halka açık imalat sanayi işletmelerinin yapay zeka yöntemleri ile finansal risk sınıflaması ve risk göstergelerinin belirlenmesi(Başkent Üniversitesi Sosyal Bilimler Enstitüsü, 2020) Köylü, Mehmet Akif; Özgülbaş, NerminRisk kayıp yaşanma ihtimali iken finansal risk kavramı şirketlerin borçlarını ödeyememe durumuyla karşı karşıya kalmaları ihtimalidir. Bu nedenle firmaların finansal risk seviyelerini bu göstergeye etki eden faktörlerini önceden belirlemeleri ve buna uygun tedbirler almaları firma ömrü açısında önemlidir. Bu risk seviyeleri belirlenirken doğru analiz yöntemleri kullanılmalı ve sübjektif yorumlardan kaçınılmalıdır. Bu tezde, imalat sanayi sektöründe yer alan firmaların finansal risk düzeyleri ve finansal risk seviyesini etkileyen faktörlerin tespit edilmesi amaçlanmıştır. Araştırma kapsamında, Borsa İstanbul (BİST) imalat sanayi sektöründe yer alan 177 firmanın 2009-2018 yılları arasında yayınladıkları veriler kullanılarak objektif analiz yöntemi olan yapay zeka yöntemleri ile analiz gerçekleştirilmiştir. Bu tezde literatürde yapılan diğer çalışmalardan farklı olarak imalat sanayi üzerinde ilk kez risk analizi yapılmış ve bu analizde yapay zeka yöntemlerinden ikisi bir arada kullanılarak değerlendirilmiştir. Analiz sonucunda imalat sanayi sektörünün finansal risk düzeyi 0,47 çıkmış ve farklı özelliklere sahip 9 finansal risk profili oluşturulmuştur. Finansal risk ile Özkaynak / Yabancı Kaynaklar Toplamı, Dönen Varlıklar/ Kısa Vadeli Yükümlülükler (Cari Oran), Kısa Vadeli Yükümlülükler - (Nakit Benzeri Varlıklar + Finansal Yatırımlar) / Stoklar (Stok Bağımlılık Oranı), Faaliyet Giderleri / Net Satışlar Oranı, Satışların Maliyeti/Net Satışlar değişkenlerinin istatistiksel açıdan önemli ilişkisi olduğu tespit edilmiştir. While the risk is the possibility of loss, the concept of financial risk is the possibility that companies face the inability to pay their debts. For this reason, it is important for companies to determine their financial risk levels and factors that affect this indicator in advance and to take appropriate measures. When determining these risk levels, correct analysis methods should be used and subjective comments should be avoided. In this thesis, it is aimed to determine the financial risk levels of the companies in the manufacturing industry sector and the factors affecting the financial risk level. Within the scope of the research, analysis was carried out using artificial intelligence methods, which are objective analysis methods, using the data published by 177 companies in Borsa İstanbul (BIST) manufacturing industry sector between 2009-2018. In this thesis, unlike other studies in the literature, risk analysis was made for the first time on the manufacturing industry and in this analysis, two of the artificial intelligence methods were evaluated together. As a result of the study, the financial risk level of the manufacturing industry sector was 0.47 and 9 financial risk profiles with different characteristics were created. Financial Risk and Equity / Total of Foreign Resources, Current Assets / Short Term Liabilities (Current Rate), Short Term Liabilities - (Cash Equivalents + Financial Investments) / Inventories (Inventory Dependency Ratio), Operating Expenses / Net Sales Rate, Cost of Sales / It was determined that Net Sales variables have a statistically significant relationship.Item Makam yapılarını yansıtan bir model önerisi için yapay zeka tekniklerinin kullanımı(Başkent Üniversitesi Sosyal Bilimler Enstitüsü, 2006) Güray, Cenk; Okyay, ErdoğanBu çalısma kapsamında; duyusa ve pratige dayalı geleneksel müziklerimizin makamlarının zaman içindeki yapısal degisiminini kültürel altyapısı ile ortaya koyan bir “ düsünceler bütünü” önerilmektedir. Bu düsünceler bütününün ileride olusturulabilecek daha kapsamlı makam modellerine altyapı saglayacagı düsünülmektedir. Yapay zeka tekniklerinin böylesi modellerde nasıl kullanılabilecegi ve nasıl bir katkıda bulunabilecegi de çalısmalar esnasında tartısılacaktır. Tabiidir ki çalısmada yararlanılacak en büyük kaynak yine eski “edvar” defterleri olacaktır. Çünkü müzigimizin “icra”’yı esas alan teorik yapısı, zaman zaman öznel tanımlarla desteklense de en açıklayıcı ve net sekilde bu tarihi nazariyat kaynaklarında açıklanmaktadır. Su da önemle belirtilmelidir ki böyle bir yapılanmayı olusturmak bireysel bir çalısmanın çok daha ilerisinde bir ugras ve bilgi dagarcıgı gerektirmektedir. Bu çalısmanın amacı daha önce bu konuda yapılmıs çalısmalara dair “ipuçları” içeren ve tek iddiası kendinden sonraki çalısmalara “ipuçları” bırakmak olan, bir model “nüvesini” veya “anlayısını” ortaya koyabilmektir. Anadolu’nun müzikal yapısına dair “teorileri” vücuda getirip bunları dünya kültürüne sunmak adına bu toprakların tüm “müzikbilimi emekçilerine” düsen çok sey oldugu açıktır.Item Hipokrat-I: Bayes ağı tabanlı tıbbi teşhis destek sistemi(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2006) Yücebaş, Sait Can; Sever, HayriKlinik karar destek sistemleri; klinik kararlarda destek saglayan bilgisayar programlarıdır. Bu sistemler hekimlere, hastalara ait özel klinik bilgileri dikkate alarak karar verebilmeleri için yardım eder. Klinik karar destek sistemleri; saglık bakım hizmetlerinin kalitesini gelistirme, erken teshis, hataları önleme, uygun tedavi ve maliyetlerin azaltılması gibi konularda büyük faydalar saglayabilir. Tıp alanının oldukça genis olmasından dolayı bu tür sistemler sadece belirli bir alt dalda teshis destegi verebilmektedir. Bu tür sistemlerin olusturulmasına 1970’lerde baslanmıs ve 80’lerdeki Yapay Zeka akımı ile en uç noktasına ulasılmıstır. Daha sonra pek de üzerinde durulmayan bu konu son yıllarda yasanan teknolojik gelismelerle (özellikle islemci güçleri ve saklama alanlarının artması) tekrar gündeme gelmistir. Tıp alanında teshis destegi veren sistemler gelistirilirken Yapay Sinir Agları, Bulanık Mantık, Kural Tabanlı Yaklasım ve Bayes Agları gibi yöntemler tercih edilmistir. Tez kapsamında yukarıda bahsi geçen teknikler incelenmis ve Bayes Ag yapısı ile bir teshis destek sistemi olusturulmustur. Bu sistem tiroit hastalıkları üzerinde gelistirilmis olup farklı tiroit çesitlerini teshis edebilmektedir. Sistemin olusturulabilmesi için elektronik ve elektronik olmayan hasta kayıtlarından yararlanılmıstır. Ayrıca ilgili hastalıgın teshisine gidilirken uygulanacak testler, hangi konsültasyonların yapılacagı ve ilgi bulguların tanıya yaklasık hangi oranda katkıda bulundugu alan uzmanlarının yardımı alınarak belirlenmistir. Bu çalısmanın ileriki zamanlarda gelistirilecek olan melez teshis sisteminin bir bacagını olusturması planlanmaktadır. Bu melez sistem, kural tabanlı yaklasım ile Bayes aglarını birlestirecek bir yapıdır. Her iki alt modülün kendisine ait çıkarsama mekanizması olacak ve elde edilen sonuçlar verilecek agırlıklara göre dogrusal olarak birlestirilerek ilgili teshisler kullanıcıya sıralanacaktır.