Anomali tespitinde makine öğrenmesi tekniklerinin kullanılması: BIST 100 endeksi'ndeki işletmeler üzerine bir araştırma
Using machine learning techniques in anomaly detection: A study on BIST 100 index companies
- Tez No: 971485
- Danışmanlar: PROF. DR. KADİR GÜRDAL
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Makine öğrenmesi, çok sayıda değişken ve fonksiyonel formlar hakkında sınırlı önsel bilgi içeren muhasebe veri kümelerini incelemek için ampirik yöntemler sunmaktadır. Bu çalışmada, bu yöntemlerin anomalileri tespit etmeye ve yorumlamaya yardımcı olduğu gösterilmiştir. Makine öğrenmesi tabanlı anomali tespit yöntemlerinin karşılaştırmalı olarak değerlendirilmesi amacıyla, Türkiye'de faaliyet gösteren seçili şirketlerin finansal muhasebe verileri kullanılmıştır. Analizde kullanılan veri seti, Borsa İstanbul'da (BIST) işlem gören finansal ve finansal olmayan sektörlerde faaliyet gösteren şirketlerin 2018–2025 yılları arasındaki finansal tablolarından türetilmiştir. Önemli anomalileri tespit etmek için şirketlerin finansal verilerinden oluşan geniş bir değişken kümesi kullanılmıştır. Bu çalışmanın temel amacı, makine öğrenmesi tabanlı yöntemler kullanılarak anomalilerin etkin bir şekilde tespit edilmesini sağlamaktır. Özellikle finansal, dijital ve sistemsel veri kümeleri üzerinde karşılaşılan anormal örüntülerin tespitinde farklı makine öğrenmesi algoritmalarının performansları karşılaştırmalı olarak analiz edilmektedir. Bu doğrultuda çalışmada, denetimli ve denetimsiz öğrenme tekniklerinin anomalilerin belirlenmesindeki etkinliği değerlendirilmekte; ayrıca bu tekniklerin avantajları, sınırlılıkları ve uygulama alanlarına katkıları ortaya konulmaktadır.
Özet (Çeviri)
Machine learning offers empirical models for examining accounting datasets containing limited a priori information about numerous variables and functional forms. These methods help detect and interpret anomalies. Statistical financial accounting data from Türkiye was used to comparatively evaluate machine learning systematic anomaly detection methods. The dataset used in the analysis was derived from the financial statements of Borsa Istanbul (BIST) for the years 2018–2025, representing known financial and non-financial sectoral activities. A wide range of variables from financial data was used to detect significant anomalies. The fundamental principle of this study is machine learning-based deployment, enabling the efficient assembly of anomalies. In particular, the performance of different machine learning options in detecting anomalous patterns on financial, digital, and system datasets is comparatively analyzed. To this end, we evaluate the effectiveness of supervised and unsupervised learning techniques in identifying anomalies. Furthermore, we attempt to reveal the limitations, limits, and application-intensive contributions of these techniques.
Benzer Tezler
- The ransomware detection and prevention tool design by using signature and anomaly based detection methods
İmza ve anomali tabanlı tespit yöntemlerini kullanarak fidye yazılımı tespit ve önleme aracı tasarımı
BARIŞ ÇELİKTAŞ
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. ERTUĞRUL KARAÇUHA
DR. ÖĞR. ÜYESİ NAFİZ ÜNLÜ
- Augmented superpixel based anomaly detection in hyperspectral imagery
Hiperspektral görüntülerde genişletilmiş süperpiksel tabanlı anomali tespiti
EZGİ GÖKDEMİR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiHesaplamalı Bilim ve Mühendislik Ana Bilim Dalı (disiplinlerarası)
DR. ÖĞR. ÜYESİ SÜHA TUNA
- A prescriptive analytics approach towards critical ship machinery operations
Kritik gemi makine işlemlerine yönelik bir preskiriptif analitik yaklaşım
BARIŞ YİĞİN
Doktora
İngilizce
2024
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı
PROF. DR. METİN ÇELİK
- Ethercat tabanlı bir SCADA sisteminde kural ve makine öğrenmesine dayalı saldırı ve anomali tespiti
Rule and machine learning based intrusion and anomaly detection in an ethercat based SCADA system
KEVSER OVAZ AKPINAR
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. İBRAHİM ÖZÇELİK
- Ağ anomalisi tespitinde emülatör ortamı tasarımı ve makine öğrenmesi ile saldırı tespiti
Emulator environment design for network anomaly detection and attack detection with machine learning
SERKAN KESKİN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBurdur Mehmet Akif Ersoy ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERSAN OKATAN