Sezgisel ve hiper-sezgisel algoritmalar ile ders seçimlerinin tahmin edilmesi
Course selection prediction with heuristic and hyper-heuristic algorithms
- Tez No: 1022790
- Danışmanlar: DR. ÖĞR. ÜYESİ CEVRİYE ALTINTAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Isparta Uygulamalı Bilimler Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Üniversitede öğrenim gören öğrenciler her öğretim dönemi başında ders planındaki seçmeli dersler arasından tercih yapmak durumundadır. Ancak öğrenciler, hangi derslerin akademik başarılarına, kariyer hedeflerine ve gelecekteki mesleki gelişimlerine daha fazla katkı sağlayacağı konusunda karar verme sürecinde zorluk yaşayabilmektedir. Ders seçim sürecinde yapılan hatalı tercihler, öğrencilerin akademik performanslarını ve eğitim süreçlerini olumsuz etkileyebilmektedir. Bu nedenle, öğrencilerin ders seçim döneminde bilinçli ve doğru kararlar verebilmeleri büyük önem taşımaktadır. Bu tez çalışmasında, öğrencilerin seçmeli ders tercihlerini etkileyebilecek faktörler dikkate alınarak anket verilerine dayalı kariyer alanı tercihlerinin tahmin edilmesi amaçlanmıştır. Çalışmada kullanmak için anket yoluyla öğrencilerden veriler toplanmıştır. Öğrencilerin“Hangi alanda kariyer yapmayı düşünüyorsunuz?”sorusuna verdikleri yanıtlar, çalışmanın hedef değişkeni olarak kullanılmıştır. Veri kümesi; öğrencilerin akademik durumları, demografik özellikleri, derslerin yapısal özellikleri ve derslere yönelik ilgi gibi anket sorularından oluşmaktadır. Veri ön işleme aşamasında kategorik veriler, uygun yöntemlerle sayısallaştırılmış ve deneyler sırasında modellerin performansları belirlenen metrikler çerçevesinde değerlendirilmiştir. Başlangıç deney sonuçlarından sonra Genetik Algoritma ve Hill Climbing yöntemleri kullanılarak öznitelik seçimi ve hiperparametre optimizasyonu gerçekleştirilmiştir. Başlangıç sonuçlarında en yüksek performansı %94 doğruluk oranı ile karar ağacı göstermiştir. Gerçekleştirilen optimizasyon işlemleri sonrasında en yüksek performans, %96 doğruluk oranı ile Gradient Boosting ve Genetik Algoritma kombinasyonuyla elde edilmiştir. Bu çalışma, anket verilerine dayalı makine öğrenmesi modellerinin öğrenci ders tercihlerini analiz etmede ve kariyer hedeflerine yönelik destekleyici sonuçlar üretmede kullanılabilir olduğunu ortaya koymaktadır. Ayrıca, Genetik Algoritma ve Hill Climbing yöntemleriyle yapılan öznitelik seçimi ve hiperparametre optimizasyonunun bazı modellerde başarıyı artırabildiği görülmüştür.
Özet (Çeviri)
University students are required to select elective courses from their curriculum at the beginning of each academic term. However, they may face difficulties in deciding which courses will best support their academic success, career goals, and professional development. Inappropriate course selection can negatively affect students' academic performance and educational processes. Therefore, making appropriate course choices is essential. This thesis aims to predict students' career field preferences based on survey data by considering factors that influence elective course selection. Data were collected through a questionnaire, and students' responses to the question“In which field are you considering a career?”were used as the target variable. The dataset includes information related to students' academic status, demographic characteristics, course attributes, and interests. During data preprocessing, categorical variables were converted into numerical representations using suitable encoding techniques. Model performance was evaluated using predefined metrics. Following the initial experiments, feature selection and hyperparameter optimization were performed using Genetic Algorithm and Hill Climbing methods. Among the initial models, the Decision Tree algorithm achieved the highest accuracy of 94%. After optimization, the best result was obtained using a combination of Gradient Boosting and Genetic Algorithm, reaching an accuracy of 96%. This study demonstrates that machine learning models can be used to analyze student course preferences and generate supportive outcomes for career goals. Furthermore, it has been observed that feature selection and hyperparameter optimization using Genetic Algorithms and Hill Climbing methods can improve performance in some models.
Benzer Tezler
- Sezgisel ve hiper-sezgisel algoritmalar ile ders seçimlerinin tahmin edilmesi
Course selection prediction with heuristic and hyper-heuristic algorithms
ALPER KAPLAN
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolIsparta Uygulamalı Bilimler ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CEVRİYE ALTINTAŞ
- Çizelgeleme problemlerine üst-sezgisel algoritmalar temelli yeni bir algoritmik yaklaşım
A new algorithmic approach to timetabling problems based on hyper-heuristic algorithms
CEVRİYE ALTINTAŞ
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TUNCAY YİĞİT
- Hyper-parameter optimization of deep neural networks with metaheuristic algorithms
Meta-sezgisel algoritmalar ile derin sinir ağlarının hiper-parametre en iyileştirmesi
MUSTAFA EVREN KIYMAÇ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAdana Alparslan Türkeş Bilim ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YASİN KAYA
- Mühendislik problemlerinin çözümü için yeni bir hiper-sezgisel algoritma tasarımı
Design of a novel hyper-heuristic algorithm for solving engineering problems
YUNUS HINISLIOĞLU
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiDüzce ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. UĞUR GÜVENÇ
- Askeri lojistik dağıtımında araç rotalama problemi için hipersezgisel algoritma geliştirilmesi
Development of a hyper-heuristic algorithm for vehicle routing problem in military logistics distribution
SÜLEYMAN KESİK
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolIsparta Uygulamalı Bilimler ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CEVRİYE ALTINTAŞ