Makine öğrenmesi algoritmaları ve uygulamaları
Machine learning algorithms and applications
- Tez No: 1003946
- Danışmanlar: PROF. DR. FIRAT ATEŞ
- Tez Türü: Yüksek Lisans
- Konular: Matematik, Mathematics
- Anahtar Kelimeler: Altın Ons Fiyat Tahmini, Makine Öğrenmesi, Regresyon Modelleri. Bilim Kod / Kodları: 20401, Yapay zeka ve makine öğrenmesi dersi, Gold Ounce Price Forecasting, Machine Learning, Regression Models. Science Code / Codes : 20401 Pages Number : 85, Artificial intelligence and machine learning course
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Balıkesir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasının 1. Bölüm giriş bölümü olup makine öğrenmesi ile ilgili çalışmaları ile ilgili bilgiler sunmaktadır. Tezimizin 2. bölümünde makine öğrenmesi çeşitleri ele alınarak denetimsiz öğrenme, denetimli öğrenme ve pekiştirmeli öğrenme kavramları teorik açıdan açıklanmıştır. Denetimsiz öğrenme alt başlıklarında ilişkilendirme, Apriori algoritması, kümeleme, hiyerarşik kümeleme, K-Means kümeleme ve K-En Yakın Komşuluğu yöntemleri detaylı şekilde tanıtılmıştır. Tezin üçüncü bölümde, farklı makine öğrenmesi algoritmaları tanıtılmış ve basit doğrusal regresyon, çoklu doğrusal regresyon, polinom regresyon, destek vektör makine regresyonu, karar ağacı regresyonu, rastgele orman regresyonu, Ridge, Lasso ve Elastic Net regresyon modelleri istatistiksel temel kavramlarla birlikte ayrıntılı olarak incelenmiştir. Dördüncü bölümde ise, doğrusal regresyon modeli yardımıyla belirli aralıklarda f(x)=e^(-x^2 ),f(x)=√(x^4+1),f(x)=cosx fonksiyonlarının yaklaşık polinom karşılıkları hesaplanmış, bu süreçte trapez yöntemi referans alınarak model performansları değerlendirilmiştir. Son olarak, farklı makine öğrenmesi regresyon modelleri kullanılarak altın ons fiyatlarının tahmini gerçekleştirilmiş, modellerin tahmin doğrulukları karşılaştırılmış ve elde edilen bulgular yorumlanmıştır. Elde edilen sonuçlar, makine öğrenmesi algoritmalarının hem matematiksel hesaplamalarda hem de finansal öngörülerde etkin biçimde kullanılabileceğini göstermektedir. Bu tez, ilgili literatüre katkı sunarak gelecekteki çalışmalara yol göstermesi amacıyla hazırlanmıştır.
Özet (Çeviri)
In this thesis, firstly, types of machine learning were addressed theoretically, unsupervised learning, including supervised learning, and reinforcement learning. In the context of unsupervised learning, methods such as association, Apriori algorithm, clustering, hierarchical clustering, K-Means clustering and K-Nearest Neighbors were introduced in detail. In the second stage, various machine learning algorithms were presented and examined comprehensively with their statistical fundamentals. These contain simple linear regression, multiple linear regression, polynomial regression, support vector machine regression, decision tree regression, random forest regression, Ridge, Lasso and Elastic Net regression models. In the third stage, approximate polynomial representations of the functions f(x)=e^(-x^2 ),f(x)=√(x^4+1),f(x)=cosx within specific intervals were calculated using the linear regression model, and model performances were evaluated based on the trapezoidal method as a reference. Finally, the prediction of gold ounce prices was conducted using different machine learning regression models. The prediction accuracies of the models were compared and the results were interpreted. The findings demonstrate that machine learning algorithms can be effectively utilized in both mathematical computations and financial forecasting. This thesis aims to contribute to the related literature and to guide future research in this field. Finally, different machine learning regression models are used to predict gold ounce prices, the prediction accuracy of the models are compared and the findings are interpreted. The results obtained show that machine learning algorithms can be used effectively in both mathematical calculations and financial forecasting. This thesis is intended to contribute to the related literature and guide future studies.
Benzer Tezler
- Müşteri şikayetlerinin sınıflandırılması için derin öğrenme ve makine öğrenmesi uygulamaları
Deep learning and machine learning applications for classification of customer complaints
ZELİHA MAHMAT
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri MühendisliğiAtatürk ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURAK ERKAYMAN
DR. ÖĞR. ÜYESİ TOLGA AYDIN
- Makine öğrenmesi uygulamalarının FPGA gerçeklemesi ve performans analizi
FPGA implementation and performance analysis of machine learning applications
HALİL ASİL AYDIN
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. SADİYE NERGİS TURAL POLAT
- Makine öğrenmesi algoritmaları ile iç ortamlar için yeni bir durum analizi ve kalabalık yönetimi yaklaşımı
A new approach to situation analysis and crowd management for indoor environments using machine learning algorithms
MEHMET EREN YEŞİLYURT
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET SERDAR GÜZEL
- Yeni makine öğrenmesi metotları ve ilaç tasarımına uygulamaları
New machine learning algorithms and applications to drug design
MEHMET FATİH AMASYALI
Doktora
Türkçe
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Bölümü
PROF. DR. OKAN ERSOY
PROF. DR. OYA KALIPSIZ
- Makine öğrenmesi yöntemleri ve bazı uygulamaları
Machine learning methods and some aplications
CEREN ÇELTİ
Yüksek Lisans
Türkçe
2022
MatematikHaliç ÜniversitesiMatematik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HASAN HALİT TALİ