Öznitelik seçme ve makine öğrenmesi yöntemleriyle eğitmen performansının tahmin edilmesi
Predicting instructor performance by feature selection and machine learning methods
- Tez No: 508035
- Danışmanlar: DOÇ. DR. CİHAN KALELİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Öznitelik İndirgeme, Eğitimsel Veri Madenciliği, Derin Öğrenme, Karar Ağacı, K-En Yakın Komşuluk, Attribute Reduction, Feature Selection Algorithms, Educational Data Mining, Deep Learning, Decision Tree, K-NN
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Anadolu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 65
Özet
Günümüzde hayatın her sektöründe işlenen veri miktarının parabolik olarak artması, veri madenciliğin gitgide daha popüler hale gelmesine yol açmış ve yüksek miktarda verinin artan bir karmaşıklıkta işlenmesi ihtiyacı doğmuştur. Finanstan, sağlığa, savunmadan eğitime onlarca sektörün sorunlarını çözmek adına gün geçtikçe farklı yöntemler geliştirilmekte, sosyal, ekonomik, bilimsel birçok problemin çözümü adına veri madenciliğine başvurulmaktadır. Eğitilen ve eğiten sayısının gün geçtikçe arttığı eğitim sektöründe ise, sistemin başarısının geliştirilebilmesi için gerek eğitilen gerekse eğitimcilerinin performanslarının takip edilmesi ve kıymetlendirilmesi ihtiyacı, Eğitimsel Veri Madenciliği (EVM) kavramını doğurmuştur. Bu alanda yapılan çalışmalar genel olarak, öğrenci performansı konularına yoğunlaştığından, eğitmen performansı konusunda daha çok çalışmaya ihtiyaç duyulmaktadır. Bu çalışmada Gazi Üniversitesi öğrencilerinin eğitmenleri hakkındaki değerlendirmelerini içeren bir veri seti üzerinde çalışılmış, çeşitli öznitelik indirgeme algoritmaları ve farklı makine öğrenme algoritmalarıyla eğitmenlerin performansları tahmin edilmiştir. Öznitelik indirgeme algoritmaları arasında en iyi sonucu Genetik Algoritma vermiş ve bu sayede daha az öznitelik kullanarak Tahmin Doğruluğu Performansı (TDP) arttırılmıştır. Kullanılan sınıflandırma algoritmaları arasında ise en doğru tahmin oranına Derin Öğrenme algoritması ulaşmıştır. Bu çalışmayı diğerlerinden farklı kılan özelliği ise, öznitelik indirgeme ve makine öğrenmesinin farklı kombinasyonlarını, işlem maliyetleriyle kıyaslayarak ortaya koymasıdır.
Özet (Çeviri)
Today, parabolically increasing amount of data at all parts of life, make data mining more popular and high amount of data in increasing complexity demanded to acquist. Different methods developed day by day, for solving problems at many sectors like finance, health, defence, education etc., applied to data mining for many social, economical, scientifical problems. In education area, which both number of instructor and students always increase, for enhancing system performance, it is needed to observe and evaluate performance of students and instructors and this situation caused to born a new concept: Educational Data Mining (EDM). Researches on this area generally focused on student performance. So, it is need to do more researches about instructor performance. A likert type questionnaire dataset which is about opinions of the Gazi University's student regarding their instructor's teaching performance is used in this research and different feature reduction, machine learning algorithms are used for evaluating the data set and performances of instructors. Among attribute reduction algorithms that we used, Genetic Algortihm gave the best result. So, prediction performance is being increased via using less number of feature. Deep Learning algorithm gave the best performance among the classification algorithms we used. The distinctiveness of this research is, applying different combinations of feature selection and maching learning with comparing costs.
Benzer Tezler
- Cerrahi maske üretiminde öznitelik seçme ve makine öğrenmesi yöntemleriyle kalite performansı iyileştirmesi
Quality performance improvement in surgical mask production by feature selection and machine learning methods
SEMRA TEBRİZCİK
Yüksek Lisans
Türkçe
2021
Endüstri ve Endüstri MühendisliğiKırıkkale ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. SÜLEYMAN ERSÖZ
- Makine öğrenmesi yöntemleriyle orman yangını tahmini
Forest fire prediction with machine learning methods
ORHAN YILDIRIM
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FARUK BATURALP GÜNAY
- Machine learning methods for detecting genetic and infectious diseases
Genetik ve enfeksiyon hastalıklarının tespiti için makine öğrenmesi yöntemleri
YUNUS EMRE IŞIK
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZAFER AYDIN
- Ensemble based feature selection with hybrid model
Hibrit modeli ile topluluk temelli öznitelik seçimi
CEYLAN DEMİR
Yüksek Lisans
İngilizce
2019
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İZZET GÖKSEL
DOÇ. DR. SÜREYYA AKYÜZ
- Makine öğrenmesi algoritmalarının hibrit yaklaşımı ile ağ anomalisi tespiti
Network anomaly detection with a hybrid approach of machine learning algorthms
FEYZA ÖZGER
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİT ÖZTEKİN