Makine öğrenmesi farkında büyük veri odaklı üst veri havuzunun gerçekleştirilmesi
Implementation of machine learning aware big data oriented metadata repository
- Tez No: 830414
- Danışmanlar: PROF. DR. MURAT OSMAN ÜNALIR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde makine öğrenmesi uygulamaları uzman kişilere ait karar destek süreçlerinin yerini alarak hızlı ve yüksek doğrulukta karar verilmesini sağlamaktadır. Birçok sanayi kuruluşu makine öğrenmesi uygulamalarını hayata geçirmek için bilgi işlem ve dijitalleşme yatırımlarını arttırıp, yeni otomasyon ve yazılım projeleriyle dijital sistemlerini geliştirmektedir. Tüm yatırımlara rağmen birçok kuruluş makine öğrenmesi uygulamaları geliştirme noktasında istenen sonuçları elde edememiştir. Başarılı sonuçların elde edilmesindeki en önemli faktör, iyi etiketlemiş bir veri setinin ve o veri setine ait üst veri bilgilerinin olmaması ya da elde edilememesidir. Tez kapsamında makine öğrenmesi süreçlerine duyarlı üst veri havuzunun tasarlanması ve DevExpress eXpressApp Framework (XAF) kullanılarak uygulama geliştirilmesi amaçlanmıştır. Tezin amacı olarak, Ekoten Tekstil işletmesinde bulunan fabrika uygulamalarına ait ilişkisel veritabanları üzerindeki verilerin üst veri havuzuna aktarılması ve makine öğrenmesi süreçlerine uygun veri setlerinin hazırlanması hedeflenmiştir. Tez çalışmasının uygulama sürecinde işletme içerisinde bulunan bakım departmanındaki makine öğrenmesi duyarlı süreçler tespit edilmiş ve uygulamaya ait ilişkisel veritabanındaki ham veriler, geliştirilen üst veri havuzu uygulamasına otomatik olarak aktarılmıştır. Üst veri havuzundaki veriler kullanılarak üç farklı makine öğrenmesi görevi veri madenciliği aracı olan IBM SPSS MODELER üzerinde bulunan makine öğrenmesi algoritmalarıyla örneklenmiş ve başarı kriterleri değerlendirilmiştir.
Özet (Çeviri)
Today, machine learning applications replace the decision support processes of experts and provide fast and high-accuracy decisions. Many industrial organizations increase their investments in information technology and digitalization to implement machine learning applications, and develop their digital systems with new automation and software projects. Despite all the investments, many organizations have not been able to achieve the desired results in developing machine learning applications. The most important factor in obtaining successful results is the absence or inability to obtain a well-labeled data set and metadata information of that data set. Within the scope of the thesis, it is aimed to design a metadata repository sensitive to machine learning processes and to develop an application using the DevExpress eXpressApp Framework (XAF). As the aim of the thesis, it is aimed to transfer the data on the relational databases of the factory applications in Ekoten Textile business to the metadata repository and to prepare data sets suitable for machine learning processes. During the application process of the thesis, machine learning sensitive processes in the maintenance department within the enterprise were determined and the raw data in the relational database of the application were automatically transferred to the developed metadata repository application. Using the data in the metadata repository, three different machine learning tasks were sampled with machine learning algorithms on IBM SPSS MODELER, a data mining tool, and success criteria were evaluated.
Benzer Tezler
- Yeni Cami'nin akustik açıdan performans değerlendirmesi
Evaluation of the acoustical performance of the New Mosque
EVREN YILDIRIM
Yüksek Lisans
Türkçe
2003
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. SEVTAP YILMAZ DEMİRKALE
- Promptshıeld: polıcy-aware data loss preventıon framework for generatıve AI prompts
Promptshıeld: Politika farkındalıklı üretken yapay zekâ istemleri için veri kaybı önleme çerçevesi
EZGİ KELEŞ
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞERİF BAHTİYAR
- WRF modeli ve makine öğrenmesi kullanılarak rüzgar enerjisi üretiminin tahmini: Akhisar bölgesi uygulaması
Wind energy production forecasting using WRF model and machine learning: A case study for the Akhi̇sar region
MELİKE ANDUV
Yüksek Lisans
Türkçe
2026
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. ŞÜKRAN SİBEL MENTEŞ
- From data to action: Transforming pressure testing in manufacturing with machine learning for enhancing energy efficiency
Veriden aksiyona: Üretimdeki basınç testini makine öğrenimiyle dönüştürmek ve enerji verimliliğini artırmak
ERHAN YILDIZ
Yüksek Lisans
İngilizce
2024
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA BERKER YURTSEVEN
- 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