Makine öğreniminin günümüzdeki rolü: Modern yönelimleri ve gelecek perspektifleri

Basit Öğe Kaydı
dc.contributor.advisorFirlar, Talat
dc.contributor.authorGasımlı, Mır Jafar
dc.date.accessioned2026-01-31T14:55:45Z
dc.date.available2026-01-31T14:55:45Z
dc.date.issued2025
dc.departmentEnstitüler, Lisansüstü Eğitim Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalı
dc.description.abstractBu tez çalışmasında, makine öğreniminin günümüzdeki rolü, teorik temelleri, uygulama alanları ve gelecekteki yönelimleri detaylı biçimde incelenmiştir. İnsanların veriye dayalı karar verme süreçlerinde yapay zekaya olan ihtiyaçlarının artmasıyla birlikte, makine öğrenimi sistemleri birçok sektörde vazgeçilmez hale gelmiştir. Bu kapsamda çalışma, hem teorik hem de uygulamalı yönleriyle üç ana bölümde yapılandırılmıştır.İlk bölümde, makine öğrenmesinin temel bileşenleri olan veri bağımlılıkları, donanım gereksinimleri, özellik mühendisliği, yürütme süresi, model seçimi ve yorumlanabilirlik gibi konulara odaklanılmış; geleneksel ve derin öğrenme yöntemleri karşılaştırmalı olarak değerlendirilmiştir. Gözetimli, gözetimsiz ve pekiştirmeli öğrenme yaklaşımları ayrıntılı olarak analiz edilmiştir.İkinci bölümde, makine öğrenmesinin siber güvenlik alanındaki kullanımı ele alınmış ve saldırı tespit sistemleri bağlamında NSL-KDD veri seti ile uygulamalı bir analiz gerçekleştirilmiştir. Bu analizde, KNIME platformu kullanılarak karar ağaçları, rastgele ormanlar, SVM ve Naive Bayes gibi farklı algoritmaların başarı oranları karşılaştırılmıştır. Elde edilen sonuçlar, makine öğreniminin özellikle anomalilerin tespiti ve ağ güvenliğinde güçlü bir araç olduğunu göstermektedir.Üçüncü bölümde ise, makine öğrenmesinin geleceğine dair yönelimler tartışılmış, özellikle Amazon ürün yorumları üzerinde yapılan duygu analizi örneği üzerinden algoritmaların güncel kullanım potansiyeli gösterilmiştir. Ayrıca, derin öğrenmedeki güncel trendler, model yorumlanabilirliği sorunları, veri kalitesi, ölçeklenebilirlik ve düzenleyici uyum gibi karşılaşılan problemler ile bu problemlere getirilen çözüm önerileri değerlendirilmiştir.Sonuç olarak, bu tez çalışması, makine öğrenmesinin hem mevcut uygulama alanlarını hem de gelecekteki stratejik önemini bütüncül bir yaklaşımla ortaya koymakta; karar destek sistemlerinden güvenliğe, ticaretten sağlığa kadar geniş bir yelpazede nasıl kullanılabileceğini detaylandırmaktadır.
dc.description.abstractThis thesis comprehensively examines the current role of machine learning, its theoretical foundations, application domains, and future directions. As the need for data-driven decision-making increases, machine learning systems have become indispensable across many sectors. In this context, the study is structured into three main sections, covering both theoretical and practical aspects. The first section focuses on the core components of machine learning, such as data dependency, hardware requirements, feature engineering, execution time, model selection, and interpretability. It provides a comparative evaluation of traditional and deep learning approaches and analyzes supervised, unsupervised, and reinforcement learning in detail. The second section explores the use of machine learning in the field of cybersecurity and includes a practical analysis using the NSL-KDD dataset within the context of intrusion detection systems. By utilizing the KNIME platform, the performance of various algorithms—such as decision trees, random forests, SVM, and Naive Bayes—was compared. The results demonstrate that machine learning is a powerful tool, particularly for anomaly detection and network security. The third section discusses the future trends of machine learning, including a case study on sentiment analysis of Amazon product reviews. It also addresses current challenges such as model interpretability, data quality, scalability, and regulatory compliance, along with proposed solutions to these issues. In conclusion, this thesis presents a holistic view of both the current applications and strategic future significance of machine learning. It illustrates how machine learning can be effectively applied across a wide range of domains, from decision support systems to security, commerce, and healthcare.
dc.identifier.endpage99
dc.identifier.startpage1
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=ftqJzTasnJUH9hg-S5861pj4AiAXK685QP2njtjh6A91tFDmEYYOROV_N81Z89g0
dc.identifier.urihttps://hdl.handle.net/20.500.12662/10075
dc.identifier.yoktezid960374
dc.language.isotr
dc.publisherİstanbul Beykent Üniversitesi
dc.relation.publicationcategoryTez
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_TEZ_20260128
dc.subjectBilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol
dc.subjectComputer Engineering and Computer Science and Control
dc.subjectBilim ve Teknoloji
dc.titleMakine öğreniminin günümüzdeki rolü: Modern yönelimleri ve gelecek perspektifleri
dc.title.alternativeDetermining the current role, modern aspects and future orientations of machine learning algorithms
dc.typeMaster Thesis

Dosyalar

Koleksiyon

Tez Koleksiyonu