Yapay zekâ tabanlı kendi kendini test eden sistem tasarımı
Artificial intelligence based self-testing system design
- Tez No: 1023809
- Danışmanlar: DOÇ. DR. SİBEL SENAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Yazılım mühendisliği, Software engineering
- Yıl: 2026
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yazılım test süreçlerinin etkinliği, büyük ölçüde test verisinin kalitesine ve gerçek dünya senaryolarını yansıtma becerisine dayanmaktadır. Geleneksel yaklaşımlar, özellikle mobil reklamcılık gibi dinamik alanlarda, karmaşık kullanıcı davranışlarını temsil etmede yetersiz kalarak önemli zorluklarla karşılaşmaktadır. Bu tez, belirtilen zorlukları aşmak amacıyla, sentetik veriyi otonom olarak üreten ve kalitesini güvence altına alan yenilikçi bir yapay zekâ (YZ) tabanlı sistem tasarımı sunmaktadır. Sistemin merkezinde, mobil reklamcılık log verilerini taklit eden gerçekçi tablosal veriler üretmek üzere Çok Katmanlı Algılayıcı (Multi-Layer Perceptron - MLP) regresyon modellerine dayalı, Üretken Çekişmeli Ağlar'dan (Generative Adversarial Networks - GAN) ilham alan geri bildirim güdümlü üretken bir çerçeve yer almaktadır. Sistemin özgün yönü, sentetik verinin işlevsel gerçekçiliğini çift yönlü bir yaklaşımla değerlendiren“kendi kendini test etme”mekanizmasıdır. Bu mekanizma, denetimli öğrenme modelleri (Random Forest, XGBoost) kullanarak gerçek ve sentetik veri kümeleri arasındaki öngörü performansını Ortalama Karesel Hata (MSE) cinsinden ölçmektedir. Hesaplanan MSE değerinin belirlenen kalite eşiğini aşması durumunda, otomatik bir geri besleme döngüsü devreye girerek GAN modelinin yeniden eğitilmesini tetikler ve böylece sürekli iyileştirme sağlanır. Deneysel sonuçlar, çerçevenin yinelemeli süreç sonunda gerçek dünya veri özellikleriyle yüksek düzeyde uyumlu, yüksek kaliteli sentetik veriler ürettiğini ve MSE değerlerini başarılı bir şekilde stabilize ettiğini göstermektedir. Bu tez çalışması, doğrudan sistem düzeyinde kalite güvencesi (QA) iş akışları ile arka uç entegrasyon test senaryolarına odaklanarak; dinamik kullanıcı davranışlarının yer aldığı karmaşık alanlara uygulanabilir, tam otomatik ve geri bildirim odaklı bir sentetik veri üretimi ve kalite güvence sistemi sunmakta ve böylece yazılım test süreçlerinin sağlamlığına güçlü bir katkı sağlamaktadır.
Özet (Çeviri)
The effectiveness of software testing processes heavily relies on the quality of test data and its capacity to reflect real-world scenarios. Traditional approaches face significant challenges as they often fall short in representing complex user behaviors, particularly in dynamic domains such as mobile advertising. To overcome these challenges, this thesis presents an innovative Artificial Intelligence (AI)-based system design that autonomously generates synthetic data and ensures its quality. The proposed architecture utilizes a feedback-directed generative framework, which builds upon Multi-Layer Perceptron (MLP) regressors and draws inspiration from GANs, aiming to synthesize tabular data that closely simulates mobile advertising logs. The novel aspect of the system is its“self-testing”mechanism, which evaluates the functional realism of the synthetic data through a bidirectional approach. This mechanism measures the predictive performance between real and synthetic datasets in terms of Mean Squared Error (MSE) by utilizing supervised learning models (Random Forest, XGBoost). If the calculated MSE value exceeds a predetermined quality threshold, an automated feedback loop is activated to trigger the retraining of the GAN model, thereby achieving continuous improvement. Experimental results demonstrate that, through this iterative process, the framework produces high-quality synthetic data that aligns closely with real-world data characteristics and successfully stabilizes MSE values. Focusing specifically on system-level quality assurance (QA) workflows and backend integration test scenarios, this thesis contributes to making software testing workflows more robust by offering a fully automated and feedback-driven synthetic data generation and quality assurance framework that provides validated test inputs for domains characterized by dynamic user behaviors.
Benzer Tezler
- Determining the barriers and opportunities for the integration of extended reality in disaster management using MCDM methods
Afet yönetiminde genişletilmiş gerçeklik teknolojilerinin entegrasyonu önündeki engeller ve fırsatların ÇKKV yöntemleriyle belirlenmesi
EREN MERT KAŞ
Yüksek Lisans
İngilizce
2025
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiAfet ve Acil Durum Yönetimi Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. ÖMER EKMECİOĞLU
- Sensor-based activity recognition and authentication using deep learning
Derin öğrenme yöntemleri ile sensör tabanlı sistemlerde aktivite ve kimlik tanıma
NİLAY TÜFEK
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Yapay zeka ve gökdelen tasarımı
Artificial intelligence and skyscraper design
ŞELALE ELÇİN SUNGUR DÖLGEN
Doktora
Türkçe
2023
MimarlıkMimar Sinan Güzel Sanatlar ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. ÜMİT TURGAY ARPACIOĞLU
- Design, modelling and control of a nano quadrotor withmicrocontroller based vision system for object tracking
Nesne takibi için bir nano dört rotorlu helikopterin tasarımı, modellenmesi ve mikrodenetleyici tabanlı görüntü sistemi ile kontrolü
MUSTAFA ENES KIRMACI
Yüksek Lisans
İngilizce
2023
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜLYA YALÇIN
PROF. DR. ERDİNÇ ALTUĞ
- Toplu taşıma hatlarının optimizasyonu için bir model önerisi: Sivas örneği
A model proposal for the optimization of public transportation lines: The case of Sivas
İSMAİL ÖZÇELİK
Yüksek Lisans
Türkçe
2026
Ulaşımİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. HÜSEYİN ONUR TEZCAN