Sürdürülebilir Kalkınma Amaçları
Yazarlar
- Banaz, Emrullah(5)
- Demirel, Osman(3)
- Esmer, Yusuf(3)
- Pabuçcu, Hakan(2)
- Aksoy, Dilara Arzugül(1)
- Aktepe, Cemalettin(1)
- Akyel, Anıl Kadir(1)
- Akyol Özcan, Kübra(1)
- Ari, Sinan(1)
- Arici, Faruk(1)
- Ayberkin, Doruk(1)
- Battal, Fetullah(1)
- Cengiz, Ekrem(1)
- Dolgunsöz, Emrah(1)
- Durmuş, İbrahim(1)
- Engin, Mustafa Alptekin(1)
- Gümüş, Muradiye(1)
- Hasanov, Behram(1)
- Kaplan, Abdullah(1)
- Karabulut, Ahmet(1)
- Kurdal, Cem(1)
- Kökhan, Serhan(1)
- Maden, Sedat(1)
- Meral, Meryem(1)
- Nabiyev, Vasif(1)
- Ozden, Erdemalp(1)
- Saka Şimşek, Eda(1)
- Samur, Esila(1)
- Sarıgül, Abdulselami(1)
- Sebetci, Özel(1)
- Sercan, Yavuz Selim(1)
- Turhal, Ugur(1)
- Yalçın, Sema Altun(1)
- Yüksel, Muhammet(1)
- Yılmaz, Asuman Günay(1)
- Çakır, Zehra(1)
- Çelık, Embıya(1)
- Öz, Halil Hakdan(1)
- İzgi, Fatma(1)
Yayınlar
- MakaleYalnız künye2024Artificial Intelligence Entrepreneurship: A Conceptual Research
Esmer, Yusuf; Yüksel, Muhammet
Entrepreneurship is a concept closely related to technology and is the process of creating an innovation that provides added value. Developments in technology in recent years have also affected the phenomenon of entrepreneurship. One of the technologies that affect entrepreneurship and differentiate entrepreneurship is artificial intelligence. Therefore, the concept of artificial intelligence entrepreneurship can be mentioned. The aim of this study is to make an assessment of artificial intelligence entrepreneurship. For this purpose, conceptual analysis technique was used in the study. In this context, the study first provides information about entrepreneurship and artificial intelligence technology and then tries to explain artificial intelligence entrepreneurship based on current examples. As a result, it is seen that there are various artificial intelligence entrepreneurship applications in areas such as smart platforms, machine learning, optimization, autonomous vehicles, natural language processing, internet of things and artificial vision in many sectors including automotive, health, banking, finance, education, media, energy, logistics, e-commerce, security, defense and law.
AtıfTR Dizin2
İncele - MakaleAçık Erişim2024Türkçe öğretmenlerinin yapay zekâ kaygılarının incelenmesi
Banaz, Emrullah
Teknolojinin hızla gelişmesi, eğitim alanında köklü değişikliklere ve dönüşümlere yol açmaktadır. Özellikle yapay zekâ (YZ) teknolojilerinin eğitim sistemlerine entegrasyonu, öğretim yöntemlerinden öğrenci değerlendirme süreçlerine kadar birçok alanda yenilikler getirmiştir. Bu hızlı değişim süreci, eğitimciler arasında hem heyecan hem de endişe yaratmaktadır. Bu çalışma, Türkçe öğretmenlerinin yapay zekâ kaygı düzeylerinin belirlenmesi amacıyla yapılmıştır. Bu amaç doğrultusunda öğretmenlerin yapay zekâ kaygı düzeyleri, cinsiyetleri, öğrenim durumları, meslekî hizmet süreleri, internet kullanma durumları kullanma yapay zekâya yönelik haberleri takip etmeleri açısından incelemeler yapılmıştır. Araştırmanın örneklemini Millî Eğitim Bakanlığına bağlı okullarda görev yapmakta olan 170 Türkçe öğretmeni oluşturmaktadır. Nicel araştırma yöntemlerinden tarama modelinin tercih edildiği araştırmada veriler, Yapay Zekâ Kaygı Ölçeği ile toplanmıştır. Google Forms’lardan elde edilen veriler SPSS paket programı ile analiz edilmiş olup analiz sonucunda öğretmenlerin yapay zekâ kaygılarının orta düzeyde olduğu; öğretmenlerin yapay zekâ kaygılarının cinsiyet, öğrenim düzeyleri ve internet kullanma süre değişkenleri açısından anlamlı farklılıkların gösterdiği, meslekî hizmet süresi ve yapay zekâya yönelik haber takip etme değişkenleri açısından ise anlamlı farklılık görülmediği şeklindeki sonuçlara ulaşılmıştır.
AtıfOpenAlex7TR Dizin2İncele - MakaleYalnız künye2023Borsa Endeksi Yönünün Makine Öğrenmesi Yöntemleri ile Tahmini: BIST 100 Örneği
Akyol Özcan, Kübra
Borsa endeksleri ve menkul kıymetler için yön (artış veya azalış) tahmininde bulunmak yatırımcıların ve araştırmacıların uzun zamandır dikkatini çekmektedir. Geçmiş verilerle gelecek veriler arasındaki bağlantının kurulması bu tahmini zorlaştırmaktadır. Söz konusu bağlantı ekonometrik modeller veya yapay zekâ modelleri yardımıyla kurulmaktadır. Yapay zekâ modelleri ekonometrik modeller gibi katı varsayımlar gerektirmez, nitel ve nicel verileri kullanabilir. Bu çalışmada Ocak 2002 - Eylül 2022 tarihleri arasında aylık ortalama BIST 100 endeks değerleri alınarak, bir önceki aya göre artış gerçekleşen durumlar için “1”, azalış gerçekleşen durumlar için “0” şeklinde iki gruplu bir bağımlı değişken oluşturulmuştur. BIST 100, S&P 500, CAC40, FTSE10, NIKKEI225DAX, SHANGAICOMP, ONSUSD, USDTRY, VIX ve REPO değişkenlerinin 1. ve 2. gecikmeli değerleri bağımsız değişken olarak alınmıştır. Uygulamada BIST 100 endeksi için yön tahmininde Lojistik Regresyon Analizi (LR), Lineer Diskriminant Analizi (LDA), Naive Bayes Algoritması (NB), Rastgele orman Algoritması (RF), K-En Yakın Komşu Algoritması (KNN), Sınıflandırma ve Regresyon Ağacı Algoritması (CART), Yapay Sinir Ağları (NNET), Gauss Çekirdek Fonksiyonu ile Destek Vektör Makineleri (SVM-RBF), Polinomiyal Çekirdek Fonksiyonu ile Destek Vektör Makineleri (SVM-POLY) olmak üzere toplam dokuz farklı makine öğrenme metodu kullanılmıştır. Sonuç olarak lineer yöntemlerin daha başarılı tahmin sonuçları ürettiği görülmektedir.
AtıfTR Dizin6İncele - MakaleAçık Erişim2022Farklı Renk Kanallarında Üretilen Doku Özniteliklerinin Yüz Sahteciliği Tespiti Başarımına Etkisinin İncelenmesi
Nabiyev, Vasif; Yılmaz, Asuman Günay; Turhal, Ugur
Yüz tanıma sistemleri temassız olmaları ve kullanım kolaylığından dolayı pek çok uygulamada kendine yer bulmaktadır. Fakat teknolojinin gelişimi ve bilgiye erişimin kolaylaşması nedeniyle bu sistemler, sahte yüzler kullanılarak yapılan saldırılara karşı dayanıksızdır. Bu çalışmada, farklı renk uzaylarındaki kanallardan çıkarılan doku özniteliklerinin yüz sahteciliği tespitindeki başarımı incelenmiştir. Bu amaçla HSV, YCbCr ve daha önceden bu alanda kullanılmayan L*a*b* renk uzaylarının kanallarından çıkarılan çok seviyeli yerel ikili örüntü özniteliklerinin çeşitli birleşimleri ile yüz sahtecilik tespiti gerçekleştirilmiştir. Öznitelik vektörleri temel bileşenler analizi ile küçültülüp, destek vektör makinesi sınıflayıcısının eğitiminde kullanılmıştır. CASIA ve Replay-Attack veri setleri üzerinde yapılan deneylerde farklı kanallardan çıkarılan öznitelik birleşimlerinin yüz sahteciliği tespitinde başarılı olduğu görülmüştür.
- MakaleAçık Erişim2022Forecasting of Export Volume Using Artificial Intelligence Based Algorithms
Ozden, Erdemalp
Technological breakthroughs have transformed communication and taken transportation, health, and commerce to an unprecedented level. In this way, sudden developments have rapidly affected all countries. In this context, analysis methods are changing compared to the past, and annual analyses fail to catch the trend even for macroeconomic indicators. In this paper, new artificial intelligence-based estimation methods were used to see the future trend of export volume, and their estimation performances were compared by adding them to the classical econometric method. Historical quarterly data from 2013 to 2021 were used in the training and testing phases of the models. For this purpose, the variables of gross domestic product, foreign direct investment, and dollar exchange rate, which affect the export volume, were determined as inputs in estimating the export volume. According to the analysis results, support vector machine model was determined as the best method for predicting export volume in Turkey. This study can provide an essential basis for policymakers to export estimation and formulate their export-enhancing policies effectively.
- MakaleYalnız künye2019Borsa endeksi hareketlerinin makine öğrenme algoritmaları ile tahmini
Pabuçcu, Hakan
Finansal zaman serilerinin barındırdığı belirsizlik, kaotik hareketler yanında doğrusal olmayandinamik yapı, tahminleri oldukça güçleştirmektedir. Borsa endekslerinin politik değişimler,ekonominin genel görünümü, yatırımcıların beklenti ve yatırım tercihleri ve diğer endekslerinhareketleri gibi birçok makroekonomik faktörden etkilenmeleri, endeks tahminlerini oldukça zorancak bir o kadar da çekici kılmaktadır. Borsa endeksi hareketleri ve geleceğe dönük tahminlerüretmede makine öğrenme algoritmalarının başarılı oldukları bilinmektedir. Bu çalışmada BIST 100endeksi hareketlerinin yönünün tahmin edilmesi problemi ele alınmıştır. Üç farklı makine öğrenmealgoritması olan yapay sinir ağları, destek vektör makineleri ve naive Bayes sınıflandırıcı algoritmasıkullanılmış ve performansları karşılaştırılmıştır. Borsa endeksi tahminleri için kullanılan on teknikgösterge modeller için girdi olarak kullanılmıştır. Veri seti 2009-2018 periyodunu kapsayan günlükkapanış değerlerini içermektedir. Analiz sonuçları, her üç modelin de borsa endeks hareketleriniyakalamada kullanılabilir olduğunu, yapay sinir ağı algoritmasının ise daha iyi bir sınıflandırıcıolduğunu göstermiştir.
AtıfOpenAlex13TR Dizin10İncele - MakaleYalnız künye2019Ülke Kredi Notlarının Makine Öğrenme Algoritmaları ile Tahmini
Pabuçcu, Hakan
Amaç – Bu çalışmanın temel amacı makine öğrenme algoritmalarından yapay sinir ağları, sinirsel bulanık mantık denetim ve destek vektör makinelerinin ülke kredi notu tahminindeki başarılarını araştırmaktır.Yöntem – Araştırma problemi ülkelerin kredi puanlarının tahminini bir sınıflandırma problemi olarak ele almaktadır. Seçilen değişkenler ilgili algoritmalar için girdi olarak kullanılmış ve bu algoritmaların sınıflandırma başarıları araştırılmıştır. Kullanılan veri seti ülkelere ait 2016-2018 dönemini kapsayan üç yıllık güncel verilerdir.Bulgular – Kullanılan algoritmaların parametre seçimi için çok sayıda deneme yapılmış ve uygun parametre kümeleri belirlenmeye çalışılmıştır. Araştırma sonuçlarına göre, her üç modelin de tahmin başarısı yüksek olmakla birlikte çok güçlü bir sınıflandırma algoritması olan destek vektör makineleri en iyi sonuçları üreten algoritma olmuştur.Tartışma – Tüm modellerin sınıflandırma başarısının kabul edilebilir olduğunu, kredi notu tayini için kullanılabilecek modeller olduklarını söylemek mümkündür. Örneğin Leshno ve Spector, (1996) çalışmasında YSA modelinin doğru tahmin yüzdesi %72 olarak, Mohapatra, De, ve Ratha, (2010) çalışmasında %75 olarak, Blanco ve diğerleri (2013) çalışmasında ise %92,4 olarak gerçekleşmiştir. Literatürdeki çalışmalarla karşılaştırıldığında analiz sonuçlarının başarılı olduğu görülmektedir.
AtıfTR Dizin1İncele