Browsing by Author "Ataman, Fikriye"

Now showing 1 - 4 of 4

An Application for Sentiment Analysis in Big Data Based Systems:refugee Perception of Twitter Users in Europe
(2020) Ataman, Fikriye; Çelik, Halit Eray
Bu tez çalışmasında, büyük verilerin işlenmesi aşamasında yaşanan performans kayıplarının giderilmesi amacıyla, Hadoop ekosistemi üzerinde çalışan dağıtık kombine bir duygu analizi modeli tasarlanarak geliştirilmiştir. Duygu analizi konusunda yaygın olarak kullanılan sözlük tabanlı yöntemler ve makine öğrenmesi tabanlı yöntemler birleştirilerek kombine yeni bir model kullanılmıştır. Geliştirdiğimiz kombine model, hem Hadoop mimarisinde dağıtık sürüm olarak, hem de geleneksel programlama mimarisinde seri sürüm olarak programlanarak uygulanmış ve başarım sonuçları karşılaştırılarak raporlanmıştır. Literatüre önemli ölçüde katkı sunacağını düşündüğümüz, tez çalışması sürecinde geliştirdiğimiz ve büyük veri analizinde kullandığımız Hadoop Dağıtık Dosya Sistemi (HDDS) tabanlı paralel model ile performans kayıpları önemli ölçüde giderilerek daha yüksek bir performans elde edilmiştir. Ayrıca, bu tez çalışması ile dünyanın birçok ülkesini ilgilendiren göç-göçmen sorununa bir perspektif tutulması hedeflenmiştir. Hedef kitle olarak Avrupa ülkelerindeki Twitter kullanıcılarıseçilmiştir. Analiz sonuçları ile Twitter kullanıcılarının algılarının, ülkelere göre değişiklik gösterdiği tespit edilmiştir. Çalışma sonuçları, göçmen problemine gösterilen refleksin ve tepkilerin ülkeden ülkeye değişebilmekte olduğunu göstermiştir. Elde edilen bu sonuçların konu ile ilgilenen bilim insanlarına önemli bir veri sunacağı düşünülmektedir.
Bitki Hastalıklarının Tespitinde Derin Evrişimli Ağların Karşılaştırmalı İncelenmesi
(2024) Ataman, Fikriye; Eroğlu, Halil
Modern tarımda bitki sağlığını korumak ve hastalıkları erken teşhis etmek çok önemlidir. Bu amaçla yapay zekâ tekniklerinden, özellikle de derin öğrenme ağlarından yararlanılmaktadır. Bu çalışmada, çeşitli bitki türlerine ait yaprak görüntülerini kullanarak hastalık tanıma işlemi gerçekleştirilmiştir. Çalışmada ele alınan bitki türleri arasında elma, çilek, üzüm, mısır, biber, patates gibi önemli tarım ürünleri bulunmaktadır. Derin öğrenme ağları arasında ise AlexNet, Vgg16, MobileNetV2 ve Inception gibi yaygın mimariler karşılaştırılmıştır. %92 ile en yüksek başarım oranı Inception V3modeline aittir. Inception V3 modelini ise %91 başarım oranı ile AlexNet mimarisi takip etmektedir. Bu ağlar arasında en iyi sonucu, InceptionV3 modeli vermiştir. InceptionV3 modeli, bitki yapraklarının görüntülerini etkili bir şekilde öğrenerek hastalıklı ve sağlıklı yaprakları doğru bir şekilde ayırt edebilmiştir. Bu sonuçlar, yapay zekâ tabanlı sistemlerin tarım sektöründe hastalık tanıma ve önleme konusunda etkin bir şekilde kullanılabileceğini göstermektedir. Bu çalışmada, InceptionV3 modelinin bitki yaprakları üzerinde hastalık tanıma konusundaki performansı ayrıntılı bir şekilde analiz edilmiş, derin öğrenme ağlarının tarımsal uygulamalardaki rolü vurgulanmıştır.
Data Augmentation Techniques in Deep Image Processing
(IGI Global, 2025) Ataman, Fikriye
Image data augmentation is a technique for artificially expanding and diversifying existing image datasets. This method is beneficial when training data is insufficient for machine learning and deep learning models. It allows models to generalize better during training and reduces overfitting. The main techniques include geometric transformations, color and light changes, noise addition, optical distortions, and modern blending methods. These methods expose the model to more diversity by simulating real-world variations. Thus, data collection and labeling costs are reduced while the model's performance and generalization capacity increase. Data augmentation plays a role in the basis of success, especially in studies where medical images are processed. This study explains the techniques used for image augmentation in detail. It also reveals the performance results of the methods used on data sets and their effects on deep models. The study includes the most frequently used methods and provides a detailed literature review. © 2025 Elsevier B.V., All rights reserved.
Hedef Baskısı ve İş Tatmini İlişkisi: Bankacılık Sektörü Üzerine Bir Uygulama
(2021) Ataman, Sıddık; Ograk, Abdullah; Ataman, Fikriye
Günümüzde başta bankacılık sektörü olmak üzere bir çok sektörde çalışanlara yönelik hedef politikaları uygulanmaktadır. Yöneticiler belirlemiş oldukları hedeflerine ulaşabilmek için atlarına belirli süreler içerisinde gerçekleştirmeleri için hedefler belirlemekte ve bu hedefleri gerçekleştirmeleri beklenmektedir. Uygulanan bu hedef politikası, çalışanlar üzerinde belli bir stres ve baskı yaratmakta ve bu durum literatürde hedef baskısı olarak yer almaktadır. Hedef baskısı algısının iş tatmini algısı üzerindeki etkisini belirlemek amacıyla yapılan bu araştırmada Van ilinde hizmet vermekte olan banka çalışanları üzerine bir uygulama yapılmıştır. Araştırma kapsamında elde edilen veriler SPSS20 programı ile analiz edilmiş olup, veriler betimleyici analiz, açıklayıcı ve doğrulayıcı faktör analizi, T-testi, Anova testi, korelasyon analizi ve regresyon analizlerine tabi tutulmuştur. Yapılan korelasyon analizi sonuçlarına göre, hedef baskısı ve iş tatmini arasında negatif bir korelasyon (-0,508) değeri elde edilirken regresyon analizinde ise hedef baskısı faktörüne ait R2 değeri 0,258 olarak elde edilmiştir. Elde edilen bu R2 değeri iş tatminine ilişkin toplam varyansın (değişimin) % 25,8’inin hedef baskısı değişkeni ile açıklanabileceği tespit edilmiştir.