Search

In this study, the effect of some environmental factors affecting the somatic cell count (SCC) in Anatolian water buffalo farms in Karakoyunlu district of Iğdır province was analyzed by Chi-Square Automatic Interaction Detection Analysis (CHAID), one of the datamining (DM) algorithms. A decision tree was created using the CHAID algorithm. For this purpose, 315 milk samples taken from farms in Karakoyunlu district reared Anatolian buffalo between 2014-2015 were used. The mean SCC in the study was determined as 84,787 cells/mL. SCC values according to the pre-milking udder cleaning of the buffalo cows in the farms; SCC was determined as 70,779±63,835 cells/mL in farms that were made and 141,952±92,154 cells/mL in farms that were not (p, Bu çalışmada, Iğdır ili Karakoyunlu ilçesinde Anadolu mandası yetiştiren işletmelerde somatik hücre sayısına (SHS) etki eden bazı çevresel faktörlerin etkisi veri madenciliği (VM) algoritmalarından Ki-Kare Otomatik Etkileşim Belirleme Analizi (CHAID) ile analiz edilmiştir. CHAID algoritması kullanılarak karar ağacı oluşturulmuştur. Bu amaçla 2014-2015 yılları arasında Iğdır ili Karakoyunlu ilçesinde yetiştirilen Anadolu mandasından alınan 315 adet süt örneği kullanılmıştır. Çalışmada ortalama SHS 84.787±72.653 hücre/mL olarak belirlenmiştir. İşletmelerde manda ineğinin sağım öncesi meme temizliğinin yapılması durumuna göre SHS değerleri; yapılan işletmelerde SHS 70.779±63.835 hücre/mL ve yapılmayan işletmelerde 141.952±92.154 hücre/mL olarak belirlenmiştir (p

In the study, it is aimed to contribute to the fraud detection process with an application in which machine learning method is used to reduce the damage caused by fraudulent disbursements, which is included in the fraud tree of the Association of Certified Fraud Examiners (ACFE). To achieve the desired outcomes, a Python application system is developed for this purpose. In the study, an artificial data set containing normal transactions and fraudulent transactions of a bank, was used. Using the Decision Tree technique, which was selected as the chosen method, the main model was developed using a data set with known class labels, and then the model was evaluated using unlabeled data. The model of the decision tree technique achieved 97,1% accuracy, 98,4% f1-score, 98,9% precision and 98% sensitivity. The study is open to improvement in terms of reducing the erroneous class labels produced by the decision tree technique during the estimation phase and can be improved by comparing it with other techniques., Çalışmada, Sertifikalı Hile Denetçileri Birliği’nin (ACFE) hile ağacında yer alan ve işletmelerde sıklıkla karşılaşılan hileli ödemelerin verdiği zararı azaltmak için makine öğrenmesi yönteminin kullanıldığı bir uygulama ile hile tespit sürecine katkının sağlanması amaçlanmıştır. Bu amaçla, elde edilmek istenen çıktılar için Python’da bir uygulama sistemi tasarlanmıştır. Çalışmada, bir bankaya ait normal işlemler ile hileli işlemlerin yer aldığı yapay veri setinden yararlanılmıştır. Yöntem olarak kullanılmasına karar verilen Karar Ağacı tekniğiyle önce sınıf etiketleri bilinen bir veri setiyle ana model oluşturulmuş, sonra etiketsiz bir veri seti üzerinde modelin test edilmesi sağlanmıştır. Karar ağacı tekniğinin modeli, %97,1 doğruluk, %98,4 f1-skor, %98,9 kesinlik ve %98 duyarlılık değerlerini elde etmiştir. Çalışma, karar ağacı tekniğinin tahmin aşamasında ürettiği hatalı sınıf etiketlerinin azaltılması açısından iyileştirmeye açık olup, diğer tekniklerle karşılaştırılarak da geliştirilebilir.

Bankalar ve çeşitli finans kuruluşları tarafından karşılanan kredilerin, müşteri tarafından geri ödenememesi hem kredi veren kuruluşun sermaye kaybını hem de genel ekonomide oluşabilecek çeşitli risk faktörlerini beraberinde getirmektedir. Bu süreçte, oldukça kritik öneme sahip olan kredi riskinin doğru yönetilebilmesi ve uluslararası finans istikrarının sağlanması için Basel Komitesi ve BDDK (Bankacılık Düzenleme ve Denetleme Kurumu) gibi finans denetimi kuruluşları, kredi veren kurumların kredi verme karar aşamasında çeşitli regülasyon politikaları belirlemektedir. Ayrıca, kredi veren kurumlar analitik risk birimleri aracılığıyla kredi değerlendirme modelleri geliştirerek, müşterilere ait kredi risk skorunu hesaplamaktadır. Bu araştırmada, makine öğrenmesi yöntemiyle kredi skorlama sistemlerinde kullanılabilecek en başarılı tahmini gerçekleştiren algoritmanın belirlenmesi amaçlanmıştır. Bu kapsamda, Gradyan Artırma, Yapay Sinir Ağları, Lojistik Regresyon, Rassal Orman, Karar Ağacı, Destek Vektör Makineleri, K-En Yakın Komşu ve WOE dönüşümleriyle Lojistik Regresyon algoritmaları için modeller kurulmuş ve temerrüde düşen ve temerrüde düşmeyen müşteriler için en iyi sınıflandırma performansı gösteren Gradyan Artırma algoritması olmuştur. Analitik veri kalitesi ve model geliştirme süreçlerinde SAS Enterprise Guide ve SAS Enterprise Miner yazılım programları kullanılmıştır. Failure to repay the loans provided by banks and various financial foundations by the customer, entails both the capital loss of the lending institution and various risk factors that may occur in the general economy. In this context, financial control institutions such as the Basel Committee and BRSA (Turkish Banking Regulatory and Supervision Agency) have determined various regulatory policies during the phase of lending decision of the lending institutions in order to ensure the appropriate management of loan risk, which have critical importance, and to ensure international financial stability. In addition, lending institutions develop credit evaluation models via analytical risk units and calculate the credit risk score of customers. In this study, it is aimed to determine the algorithm that makes the most successful estimation that can be used in credit scoring systems with the machine learning method. Within this scope, models for algorithms with Gradient Boosting, Artificial Neural Networks, Logistic Regression, Random Forest, Decision Tree, Support Vector Machines, K-Nearest Neighbor and WOE transformations Logistic Regression were established and Gradient Boosting algorithm has shown the best classification performance for defaulters and non-defaulters. In analytical data quality and model development processes, SAS Enterprise Guide and SAS Enterprise Miner software programs were used.

Bu çalışmada, insansız bir kara aracının (İKA) beyin (EEG) sinyalleriyle kontrol edilebilmesi için makine öğrenmesi tabanlı hibrit bir yöntem önerilmiştir. Önerilen hibrit yöntemde, dalgacık dönüşümü ile EEG sinyallerinden gerekli öznitelik vektörleri elde edilmiş ve karar ağacı modeli kullanılarak bu öznitelik sinyalleri sınıflandırılmıştır. Sınıflandırıcı çıkışındaki sinyaller, İKA'nın uygun yönde hareket ettirilebilmesi amacı ile kullanılmıştır. Sistemin eğitimi için 41 kişiden EEG sinyal verileri alınmıştır. Veriler band geçirgen filtreler ile gürültüden arındırılmıştır. EEG sinyallerinden en iyi öz nitelik çıkarımının sağlanabilmesi için sürekli ve ayrık dalgacık dönüşümü yöntemlerinin performansı araştırılmıştır. Baskın özelliklerin yer aldığı bandların eğitim dosyası oluşturulmuştur. Eğitim dosyası k-Katlı Çapraz Doğrulama yöntemi (k-Fold Cross Validation) ile eğitilmiştir. Eğitilen modeller aynı test kümesi üzerinde denenmiş, EEG sinyallerinden elde edilen verilerle, İKA'nın sağ ve sol doğrultuda yönlendirilmesi tahmin edilmeye çalışılmıştır. Sağ ve sol yön tahmini sınıflandırması için bilinen makine öğrenmesi yöntemlerinden performansı en iyi olanın bulunması amaçlanmıştır. Modellerden elde edilen verilerin karşılaştırması sonucunda, ayrık dalgacık dönüşümü ile kullanılan karar ağacı modelinin, diğer modellere göre test verileri üzerinde en fazla doğruluk oranı % 83 ayrıca sürekli dalgacık dönüşümü ve topluluk öğrenmesi ile en fazla doğruluk oranı %95 verdiği sonucuna ulaşılmıştır. This study proposes a machine learning-based hybrid method to control an unmanned ground vehicle (UGV) with brain (EEG) signals. In the proposed hybrid method, necessary feature vectors were obtained from EEG signals with wavelet transform and these feature signals were classified using the decision tree model. The signals at the classifier's output are used to move the UGV in the appropriate direction. EEG signal data were taken from 41 people for the training of the system. The data are noise-free with bandpass filters. The performance of continuous and discrete wavelet transform methods has been investigated to obtain the best feature extraction from EEG signals. The training file of the bands with dominant features was created. The training file was trained with the k-Fold Cross Validation method. The trained models were tested on the same test set, and it was tried to predict the right and left direction of the UGV with the data obtained from the EEG signals. It is aimed to find the best performance among the known machine learning methods for right and left direction prediction classification. As a result of the comparison of the data obtained from the models, it was concluded that the decision tree model used with the discrete wavelet transform gave the highest accuracy rate of 83% on the test data compared to other models. In addition, it was concluded that the continuous wavelet transforms with ensemble learning give the highest accuracy rate of 95%.

Günümüzde işletmeler gerek piyasaya tutunmak gerekse her geçen gün gelişmekte olan teknolojiyi yakalamak adına yoğun bir rekabet içerisindedirler. Yoğun rekabet ortamı mevcut müşteriyi tutma ve yeni müşteri kazanma amacını da beraberinde getirmektedir. Havayolu işletmelerinde yolculara beklentilerinin ötesinde hizmet sunma noktasında kabin ekibinin etkisi büyüktür. Bir havayolu işletmesinde 3764 kabin memurunun 2015 yılında performans değerlendirmeleri incelenmiştir. Yapılan bu performans değerlendirmelerinin sonucunda karne düzeyleri belirlenmektedir. Bu çalışmanın amacı 2015 yılındaki karne düzeyleri için; kabin memurlarının yetkinlik bazlı değerlendirme puanları ile demografik özellikleri arasında anlamlı bir kural oluşturmaktır. Bu çalışmada, açık kaynak kodlu JAVA dilinde geliştirilmiş WEKA programı ile veri madenciliği yöntemlerinden karar ağacı algoritmaları kullanılmıştır. Oluşturulan karar ağacı algoritmalarından sınıflandırma doğruluğu açısından en başarılı algoritma olarak Random Forest ve ikinci olarak J48 algoritması tespit edilmiştir. Random Forest algoritma çıktısı görsel bir sonuç vermeyip algoritma adımlarını görülmeyecek şekilde vererek karmaşık bir yapı oluşmasından dolayı çalışma J48 algoritmasına göre yorumlanmıştır. Ayrıca, WEKA programında nitelik seçimi özelliği ile InfoGainAttributeEval algoritması ile “Ranker” metodu uygulanması sonucunda çıktıların J48 algoritması çıktıları ile aynı doğrultuda olduğu tespit edilmiştir. Bu bağlamda kabin memurlarının karne düzeylerini en çok etkileyen niteliğin “sürekli öğrenme ve kişisel gelişim” olduğu ve demografik özellikler ile karne düzeyi arasında anlamlı kural olmadığı tespit edilmiştir.

Araştırmada, öğretmen adaylarının akademik okuryazarlıklarını açıklayan değişkenlerin belirlenmesi amaçlanmıştır. Araştırmaya, 2020-2021 eğitim-öğretim yılı bahar döneminde bir devlet üniversitesinin eğitim fakültesinde öğrenim gören 541 öğretmen adayı katılmıştır. Öğretmen adaylarından 156’sı matematik, 162’si fen bilgisi, 103’ü sınıf ve 120’si sosyal bilgiler branşındadır. İlişkisel tarama modelinin kullanıldığı araştırmada veriler, “Akademik Okuryazarlık Ölçeği” ile toplanmıştır. Ölçek 23 madde ve üç boyuttan oluşmaktadır. “Akademik Eğilim” boyutunda 11, “Araştırma Süreci” boyutunda 8 ve “Bilgi Kullanımı” boyutunda 4 madde bulunmaktadır. Verilerin analizinde Sınıflandırma ve Regresyon Ağacı (Classification and Regression Trees-C&RT/CART/CRT) kullanılmıştır. Araştırmada öğretmen adaylarının akademik eğilim boyutuna göre akademik okuryazarlıkları yüksek bulunmuştur. Akademik eğilim boyutunu açıklayan değişkenler lisansüstü eğitim alma isteği, anabilim dalı ve sınıf düzeyidir. Öğretmen adaylarının akademik eğilim boyutuna ilişkin ortalama puanlarını açıklayan en önemli değişkenin “lisansüstü eğitim alma istediği” olduğu, araştırmaya katılan öğretmen adaylarından lisansüstü eğitim almak isteyen öğretmen adaylarının ortalamalarının, lisansüstü eğitim almak istemeyen ve lisansüstü eğitim alıp almama konusunda kararsız olan öğretmen adaylarının ortalamalarından daha fazla olduğu tespit edilmiştir. Öğretmen adaylarının araştırma süreci boyutuna göre akademik okuryazarlıkları yüksek bulunmuştur. Araştırma süreci boyutunu açıklayan değişkenler anabilim dalı, sınıf düzeyi, yaş aralığı ve bilimsel/eğitimde araştırma yöntemleri dersini alma durumudur. Öğretmen adaylarının araştırma süreci boyutuna ilişkin ortalama puanlarını açıklayan en önemli değişkenin “anabilim dalı” olduğu; matematik, fen bilgisi ve sınıf öğretmen adaylarının ortalamalarının, sosyal bilgiler öğretmen adaylarının ortalamalarından daha yüksek olduğu tespit edilmiştir. Öğretmen adaylarının bilgi kullanımı boyutuna göre akademik okuryazarlıkları yüksek bulunmuştur. Bilgi kullanımı boyutunu açıklayan değişkenler sınıf düzeyi, lisansüstü eğitim alma isteği ve bilimsel/eğitimde araştırma yöntemleri dersini alma durumudur. Öğretmen adaylarının bilgi kullanımı boyutuna ilişkin ortalama puanlarını açıklayan en önemli değişkenin “sınıf düzeyi” olduğu ve 1, 2 ve 3. sınıflarda okuyan öğretmen adaylarının ortalamalarının, 4. sınıfta okuyan öğretmen adaylarının ortalamalarından daha az olduğu tespit edilmiştir. In this study aimed to determine the variables explaining the academic literacy of preservice teachers. The participants of the study consisted of 541 preservice teachers, who were enrolled in the education faculty of a state university located in the 2020-2021 academic year spring term. Of the preservice teachers, 156 are in mathematics, 162 in science, 103 in classroom and 120 in social studies. The data were collected using the "Academic Literacy Scale". The scale consists of 23 items and three dimensions. There are 11 items in the “Academic Tendency” dimension, 8 items in the “Research Process” dimension and 4 items in the “Information Use” dimension. Classification and Regression Tree (C&RT/CART/CRT) was used in the analysis of the data. In the research academic literacy of the preservice teachers with respect to the dimension of academic tendency was found to be high. The variables explaining the academic tendency dimension was wish for graduate education, department and grade. It was determined that the most important variable explaining the mean scores of the preservice teachers regarding the academic tendency dimension was "wish for graduate education". Of the preservice teachers participated in the study, it was observed that the mean scores of those wishing to receive a graduate education were higher than those not wishing to receive a graduate education or who were uncertain about receiving a graduate education. In the research academic literacy of the preservice teachers with respect to the dimension of research process was found to be high. The variables explaining the research process dimension was department, grade, age range and the status of receiving scientific/educational research methods course. The most important variable explaining the mean scores of the preservice teachers regarding the research process dimension was specified to be “department”. The mean scores of the mathematics, science and classroom preservice teachers were found to be higher than the mean score of the social sciences preservice teachers. In the research academic literacy of the preservice teachers with respect to the dimension of information use was found to be high. The variables explaining the information use dimension was grade, wish for graduate education, the status of receiving scientific/educational research methods course. The most important variable explaining the mean scores of preservice teachers regarding the dimension of information use was "grade level". It was specified that the mean scores of the preservice teachers enrolled in the 1st, 2nd and 3rd grades were lower than the preservice teachers in the 4th grade.

Bu çalışmada İstanbul Boğaz bölgesi olarak İstanbul Gemi Trafik Hizmetlerinin kapsama alanına giren Türkeli, Kandilli, Kadıköy ve Marmara sektörlerinde 2001-2016 yılları arasında meydana gelen ticari gemi kazaları incelemeye tabi tutulmuştur. Ulaştırma ve Altyapı Bakanlığı Ana Arama Kurtarma Koordinasyon Merkezi (AAKKM) veri tabanındaki kaza kayıtlarına uygulanan filtrelemeler sonucunda 500 groston üzeri ticari yük gemilerinin karıştığı 535 adet gemi kazası analiz edilmiştir. Belirtilen sektörlerde meydana gelen ticari yük gemi kazaları Ki-kare Otomatik Etkileşim Dedektörü (CHAID) karar ağacı yöntemi ile incelenmiştir. CHAID karar ağacı yöntemi sınıflandırma ve büyük veri kümelerinden anlamlı kurallar çıkarmada en yaygın kullanılan karar ağacı algoritmalarından biridir. CHAID karar ağacı yöntemi icra edilerek ticari yük gemilerinde meydana gelen kazaların tipi (çatışma/çatma, karaya oturma ve diğer) ile gemi faktörleri (gemi tipi, gemi boyu, gemi tonajı, gemi yaşı, gemi bayrağı, gemi yüklülük durumu), zaman faktörleri (kaza zamanı ve kaza mevsimi) ve diğer faktörler (kazanın meydana geldiği sektör, kaza nedeni ve gemiye pilot alınması durumu) arasındaki ilişki incelemeye alınmıştır. Kazanın meydana geldiği sektör, gemide pilot bulunması durumu, gemi tipi ve kaza zamanı kaza tipini etkileyen en önemli girdi değişkenleri olarak bulunmuştur. Veri setine uygulanan Karar Ağacı yöntemi sonucuna göre Kadıköy sektöründe meydana gelen kazaların % 86 olasılıkla çatışma/çatma, Kandilli veyahut Marmara sektörlerinde meydana gelen kazaların % 48 olasılıkla çatışma/çatma ve Türkeli sektöründe ise kazaların % 36 olasılıkla çatışma/çatma ve diğer kaza tipleri ile sonuçlandığı görülmüştür., In this study merchant vessel accidents which occured between 2001 and 2016 in the sectors of Türkeli, Kandilli, Kadıköy, Marmara which constitutes Istanbul Strait region under Istanbul Vessel Traffic Services scope have been examined. Data was obtained from database of Ministry of Transport and Infrastructure Main Search and Rescue Coordination Center, and after data cleansing process, 535 vessel accidents which involve merchant cargo vessels of above 500 grosston have been analyzed. Merchant cargo vessel accidents which were taken place in the specified sectors have been examined with CHAID (Chi-square Automatic Interaction Detector) Decision Tree method. CHAID Decision Tree method is one of the most common used decision tree algorithms in extracting meaningful rules from big datasets and for classification. Through conducting CHAID Decision Tree method for merchant vessel accidents relationship between accident type (collision/contact, grounding and other) and vessel factors (vessel type, Length overall (LOA), vessel gross tonnage, vessel age, flag, loading condition), time factors (accident time, season of accident) and other factors (sector where accident occured, pilot on board or not) has been analyzed. Accident occuring sector, pilot on board/not, vessel type and accident time have been found as the most important input variables. Based on the result of the Decision Tree method applied to the data set, it was observed that the accidents occurring in the Kadıköy sector were collision / contact with 86% probability, the accidents occurring in the Kandilli or Marmara sectors were collision / contact with 48% probability and in the Türkeli sector, both collision / contact and other accident types had 36% occurring probability.

Araştırmada, öğretmenlerin FeTeMM farkındalıklarını yordayan değişkenleri ve değişkenlerin önem sırasını belirlemekamaçlanmıştır. Araştırmanın katılımcıları, 2020-2021 eğitim-öğretim yılı bahar döneminde Diyarbakır’da görev yapan 267öğretmenden oluşmaktadır. İlişkisel tarama modelinin kullanıldığı araştırmada veriler, “Kişisel Bilgi Formu” ve “FeTeMMFarkındalık Ölçeği” ile toplanmıştır. Verilerin analizinde İki Aşamalı Kümeleme Analizi ve C5.0 Karar Ağacı Algoritmasıkullanılmıştır. Araştırmada FeTeMM Farkındalık Ölçeği’nin her üç boyutuna ilişkin öğretmenlerin çoğunun orta düzeyfarkındalığa sahip oldukları ortaya çıkmıştır. Bununla birlikte ortaya çıkan bir başka bulgu ise “öğrenciye etkisi” boyutuüzerinde etki düzeyi en yüksek olan yordayıcı değişkenin öğretmenlerin görev yaptıkları okulların sosyoekonomik düzeyleri,“derse etkisi” ve “öğretmene etkisi” boyutları üzerinde etki düzeyi en yüksek olan yordayıcı değişkenin ise öğretmenlerinöğrenim durumları olduğudur. In the study, it was aimed to determine the variables that predicted the STEM awareness of the teachers and the order of importance of the variables. The participants of the study consisted of 267 teachers, who were working at Diyarbakir in the spring term of the 2020-2021 school year. In the study in which the relational (correlational) research model was used, the data were collected using the "Personal Information Form" and the "STEM Awareness Scale". Two-Stage Clustering Analysis and C5.0 Decision Tree Algorithm were used to analyze the data. In the study, it was revealed that mostly teachers had intermediate level awareness about all three dimensions of STEM awareness scale. However, another result is that the predictor variable with the highest level of influence on the dimension of "effect on the student" is the socioeconomic level of the schools where teachers work, the predictor variable with the highest level of influence on the dimensions of "effect on the lesson" and "effect on the teacher" is the teachers' educational status.

Lung sounds can vary according to various respiratory diseases of the person. Specialist physicians use these sound data to make a diagnosis. Diagnostic success varies according to the physician’s experience. computer-aided diagnostic systems can help physicians in this regard. In this study, disease diagnosis system was developed by using lung sound data obtained by auscultation method. In experimental studies, various machine learning methods have been tried on 20 normal, 20 ral and 20 rhoncus sound data taken from 60 patients. In addition, the data set was tripled with two different artificial data generation methods. The results obtained by applying k- Nearest Neighbor (kNN), Support Vector Machine (SVM), Naive Bayes, Decision Tree and Random Forest Classifier to all data obtained by real data set and artificial data production are presented. A 95% accuracy value was obtained with 10 cross- validation using the Naive Bayes classification method. In the results obtained after artificial data production, an accuracy value of 94% was obtained with 10 cross-validation with the kNN method.

Finansal okuryazarlık, belirsizliğin arttığı bir ortamda kişilerin rasyonel karar verebilmelerini, finansal durumları hakkında bilinçli bir yol izleyebilmelerini sağlayan önemli bir kavram olarak güncelliğini korumaktadır. Bu konuda bilincin oluşturulması,bu bilincin doğru finansal davranışlara yönlendirilmesi açısından önemlidir. Buçalışmada amaç, kişilerin finansal okuryazarlık konusundaki bilgi düzeylerinden yola çıkarak finansal tutum ve davranışlarını incelemek, sosyal medya ve yazılım uygulamalarının finansal okuryazarlık üzerinde etkili olup olmadığını araştırmaktır. Bu amaçla225 kişiyle e-postayoluyla anket gerçekleştirilerekelde edilen veri setine karar ağaçları ve lojistik regresyon analizi uygulanmıştır. Karar Ağaçları sonuçlarına göre, sınıflamada en etkili değişkenin yaş olduğu belirlenerek veri seti, yaşı 25 yaş ve altı ile 25 yaş üstü olmak üzere iki gruba ayrılmıştır.Lojistik regresyon analizi sonuçlarına göre, finansal okuryazarlıkla ilgili temel bilgi düzeyini etkileyen değişkenler 25 yaş üstü için cinsiyet, eğitim ve sosyal ağ skoru iken 25 yaş ve altı için sadece finansal tutum skorlarıdır.

YÖK Tez No: 637278 Sporun dünyadaki popülerliğinin artması, topluma ve kişiye sağladığı faydalar dikkate alındığında ilginin sporcuların ortaya koydukları sportif performansa doğru yönelmesini sağlamıştır. Sportif performans göz önüne alındığında çocukların büyümesinin ve gelişiminin, takip edilebilmesi için antropometrik ve motorik testler yapılmaktadır. Bu çalışmada kuvvet (pençe kuvveti, mekik), denge (flamingo), sürat (10m - 20m), çeviklik (zigzag), esneklik (otur uzan, omuz esnekliği), güç (durarak uzun atlama) gibi motorik özellikler ve vücut ağırlığı, oturma yüksekliği, boy uzunluğu, kulaç uzunluğu gibi antropometrik özellikler için bu testler yapılmıştır. 6-14 yaşları arasında 7505 çocuğa (4552 erkek - 2953 kız) ait ölçümler, makine öğrenmesi yöntemleriyle işlenerek sonuçlar elde edilmiştir. Weka, Python gibi araçlar kullanılarak Yapay Sinir Ağı, Destek Vektör Makinesi ve Karar Ağaçları yöntemleriyle de veriler işlenerek özellik çıkarımı yapılmıştır. Bir özelliğe ilişkin kestirim yapılabilmesi için en az sayıda hangi özelliklerin kullanılabileceğini saptamak hedeflenmiştir. Cinsiyet, Sağ Omuz Esnekliği, Sol Omuz Esnekliği, 10m Sürat, 20m Sürat ve Yaş özellikleri diğer özellikler verildiğinde %74 - %88 aralığında doğruluk oranı elde edilmiştir. 10m Sürat özelliği durarak uzun atlama, mekik, vücut ağırlığı ve cinsiyet özellikleri verilerek %75-%78 doğruluk oranıyla kestirilebildiği gözlemlenmiştir. Bu bilgiler ışığında 10m sürat özelliği başta olmak üzere elde edilen diğer sonuçlarla bu verilerden çıkarım yapacak ve faydalanacak kişiler için sportif değerlendirme açısından kolaylık, objektiflik ve zaman tasarrufu sağlayacağı düşünülmektedir. The increasing popularity of sport in the World, and benefits it provides to the society and the person have brought an interest in sportive performance of athletes. When sportive performance is considered, anthropometric and motoric tests are carried out in order to follow up growth and evolution of children. In this study, these tests were carried out for motoric properties such as strength (hand grip, sit-up), balance (flamingo), speed (10m and 20m), agility (zigzag), flexibility (sit and reach, shoulder flexibility), power (standing long jump), and anthropometric properties such as weight, seating height, height, arm span. The results are obtained by processing measurements of 7505 children (4552 boys - 2953 girls) among 6-14 ages with machine learning method. By using tools such as Weka, Python, data is processed by Artificial Neural Network, Support Vector Machine and Decision Trees methods, and feature extraction is done. The aim is to determine minimum number of feature usage to predict a feature. When Gender, Right Shoulder Flexibility, Left Shoulder Flexibility, 10m Speed, 20m Speed and Age features are given, 74% - 88% accuracy rate is obtained. It has been observed that the 10m speed feature can be estimated with 75% to 78% accuracy by giving standing long jump, sit-up, weight and features characteristics. Considering this information, it is thought that it will provide ease, objectivity and time saving to the coach in order to make deductions from the data in terms of sportive evaluation with other results, especially 10m speed feature.

2020 Innovations in Intelligent Systems and Applications Conference, ASYU 2020 -- 15 October 2020 through 17 October 2020 -- -- 165305 Machine learning applications are used in the health sector, and as a result, many easy and applicable methods have been developed for analysis, interpretation, diagnosis and treatment. With the use of these applications in the sleep area, progress is expected in the diagnosis and treatment of sleep disorders, which is a major problem for millions of people. In order to achieve this goal, understanding the effects of age and gender factors that significantly affect brain activity during sleep, is important for all studies to be conducted. In this study, Lempel-Ziv complexity measures calculated from all-night sleep electroencephalogram signals were used in age and gender classification. Artificial Neural Networks (ANN) model has been used as the basic classifier in the studies. For ANN classifier, firstly, a network model was coded using MATLAB, and then a network model was designed using MATLAB nntool application for performance comparison. With the Classification Learner application, other classifier models were trained and their performances were examined, Decision Trees and Ensemble Classifiers showing the most successful results were included in the study. At the end of the study, age classification with 54.5% accuracy and general gender classification with 66.7% accuracy were achieved with the ANN model created using the MATLAB. © 2020 IEEE. 2-s2.0-85097962560

Geçmişte ve günümüzde insanların kararlarını verirken hangi faktörlerden etkilendiği merak konusudur. İnsanlar bir karar verdiklerinde gerçekten rasyonel mi davranır yoksa her zaman rasyonel davranamayabilir mi? İnsanlar yatırım yaparken, bir mal ya da hizmet satın alırken ya da en basit kararlarında bile etkilendikleri faktörler var mıdır? Bu gibi sorular sosyal bilimler alanında özellikle davranışsal iktisat çerçevesinde incelenmektedir. Özellikle son yıllarda sosyal bilimler alanında yapılan çalışmalarda "İnsanlar verdikleri kararda ne kadar rasyonel davranıyor? " sorusu dikkat çekmektedir. Psikolojik kavramların da sosyal bilimlerdeki analizlere dâhil edilmesiyle birlikte birçok fenomen ortaya çıkmıştır. Yapılan araştırmalar neticesinde, bireylerin karar verme sürecine etki eden birçok fenomenin bulunduğu düşünülmektedir. Bu araştırma özelinde insanların karar verirken psikolojik durumlarından etkilenip etkilenmedikleri araştırılmıştır. Ayrıca karar verme sürecini etkilediği düşünülen statüko ve risk-güven ilişkisine ait bulgular analiz edilmiştir. Çalışmanın amacını oluşturan kısımlar bulardır. Tezin amacı; bireylerin kişilik özelliklerinin, depresyon ve kaygı düzeylerinin iktisadi karar verme süresince etkili olan risk-güven ilişkisi, statüko yanlılığı ve sürü davranışı üzerine etkisini incelemektir. Bu çalışmada kişilerin psikolojik durumlarının karar vermede ne düzeyde etkili olduğunu belirlemek amacıyla, Aksaray Üniversitesi İktisadi ve İdari Bilimler Fakültesi İktisat Bölümü öğrencileri arasından rassal yolla seçilen 60 kişi üzerinde deneysel bir araştırma gerçekleştirilmiştir. Elde edilen bulguların analizinde SPSS 22.0 ve Eviews 10.0 paket programlarından faydalanılmıştır. Ayrıca veri madenciliği yöntemlerinden karar ağacı algoritması kullanımı için WEKA 3.8.3 programından yararlanılmıştır. Karar ağacının oluşturulmasında C4.5 (J48) algoritması kullanılmış ve iktisadi kararların karar kuralları oluşturulmuştur. Bu yolla literatüre yeni bir bakış açısı kazandırmak çalışmanın ikincil amacını oluşturmaktadır. Elde edilen sonuçlar neticesinde; bireylerin kendine olan güveni mükâfatlandırdıkları görülmüştür. Kişilere birden fazla ve birçok seçenek sunulduğunda statükoda kalma eğilimi gösterdikleri tespit edilmiştir. Bu sonucun ise, aşırı bilgi yüklemesinden kaynaklı olduğu sonucuna varılmıştır. Ayrıca kişilere sunulan hikâyedeki ufak bir değişiklik ile mevcut durumu korumaya ne kadar eğilimli oldukları tespit edilmiştir., It has always been an object of interest to understand the factors that affect people when making a decision. Does a person act really rationally when making a decision or are they not always able to act rationally? Are there certain factors that affect people when purchasing goods or services or while making a decision even if it is the simplest one? These types of questions are analyzed in the field of social sciences, especially within the framework of behavioral economics. During the studies in the field of social sciences in recent years, the question "How rationally does a person act while making a decision?" has been highlighted. A great number of phenomenon has arisen when psychological concepts are included into the analyses carried out in the field of social sciences. Research made in this field suggests that there are many phenomenon that affect an individual during the process of making a decision. This thesis is intended to analyze the impact of the personality traits, and the level of depression and concern of individuals on the risk and trust relationship, status quo bias and herd behavior that have an influence on the process of making an economic decision. For this study, in order to identify the level of impact of the psychological state of individuals on their decision-making process, experimental research was made on 60 individuals randomly selected among the students of the Department of Economics, the Faculty of Economics and Administrative Sciences, Aksaray University. Package software of SPSS 22.0 and Eviews 10.0 were made use of to analyze the findings. Further, the program WEKA 3.8.3 was used for the decision tree algorithm, one of data mining methods. For the creation of the decision tree, the algorithm C4.5 (J48) was used and, the decision rules were created for economic decisions. It is the secondary purpose of this study to bring a new perspective to the literature in this manner. The results suggest that individuals give rewards for the trust placed on them. It was found that individuals tend to act within the framework of status quo when they are offered more than one and many options. It was concluded that this is because of information overload. Further, it was found how individuals tend to maintain the status quo in case of small change in the story presented to them.

Prediction of health care cost has a big importancefor general budget planning and accurate pricing of institutions which are ininsurance sector. In particular, insurance companies need to make accurateanalysis for competitive bidding and for increasing profitability. In thisstudy, decision tree which is one of the data mining methods is used to makeprediction of health care cost and results are analyzed. The values age, sex,number of child, bmi, region, smoker which taken from the data set given in openaccess Kaggle data mining data storage platform is input attributes. Healthcare cost is the label attribute depends on these attributes. Analysis of thedecision tree method was performed in this prediction which is made by usingthese values. Performance results will hope to be helpful for planners onhealth budget, the insurance companies and researchers on those areas., Sağlıkharcamalarının önceden tahmin edilebilmesi gerek genel bütçe planlamasındagerekse sigortacılık sektöründe hizmet veren kurumların müşterilerine doğrufiyatlandırmayı yapabilmesinde büyük öneme sahiptir. Özellikle sigortaşirketlerinin rekabetçi fiyat teklifleri sunabilmesi ve karlılığınıarttırabilmesi için doğru analizler yapması gerekmektedir. Bu çalışmada verimadenciliği yöntemlerinden biri olan karar ağacı kullanılarak sağlık harcamasıtahmini yapılmış ve sonuçlar analiz edilmiştir. Açık erişimli Kaggle veribilimi depolama platformundan alınan veri kümesindeki yaş, cinsiyet, çocuksayısı, vücut kitle indeksi, sigara kullanma ve bölge bilgileri karar ağacınıngiriş değerlerini oluşturmaktadır. Sağlık harcaması ise bu değerlere bağlıolarak çıkış değerimizdir. Bu verilerden yaralanarak yapılan tahmin işlemindekullanılan karar ağacı yöntemi üzerinde analizler yapılmıştır. Elde edilenperformans sonuçlarının sağlık alanında planlama yapıcılar, sigortacılıkalanında hizmet veren kuruluşlar ile bu alanlardaki araştırmacılara yolgösterici olacağı düşünülmektedir.