Yusuf Kartal

Veri çağında, geleceği anlamak ve kararları yeniden şekillendirmek için yapay zekânın gücünü keşfedin! Ham verinin karmaşasından doğru ve güvenilir kararlara ulaşmak, günümüz bilgi çağının en temel arayışıdır. Bu arayışın merkezinde duran yapay zekâ; artık yalnızca geleceğin vaadi değil, bilimin, sağlığın, üretimin ve yönetim mekanizmalarının bizzat bugünüdür. Büyük dil modellerinden otonom ajanlara, derin öğrenmeden optimizasyona uzanan gelişmeler, düşünme ve problem çözme alışkanlıklarımızı temelden dönüştürmektedir. Veriden Karara, bu dinamik dönüşümün sunduğu kuramsal derinliği ve pratik imkânları bir araya getiren kapsamlı bir rehber niteliğindedir. Kitap; veri analitiği, özellik mühendisliği ve metasezgisel optimizasyondan bilgisayarlı görü, Türkçe doğal dil işleme ve sağlık uygulamalarına uzanan zengin içeriğiyle okuru çok boyutlu bir bilimsel yolculuğa çıkarıyor. Ancak bir yapay zekâ modelinin gücü, yalnızca ürettiği çıktının başarısıyla ölçülemez. Modelin anlaşılabilir olması, mahremiyeti gözetmesi, etik sınırlara bağlı kalması ve her şeyden önemlisi güven vermesi gerekir. Bu eser, söz konusu sorumlulukları arka plana itmeden, teknolojiyi bütüncül ve eleştirel bir bakış açısıyla ele alıyor. Akademisyenlerden lisansüstü araştırmacılara, veri mühendislerinden teknoloji meraklılarına kadar herkes için ufuk açıcı bir başvuru kaynağı… Veriden bilgiye, bilgiden öngörüye, öngörüden güvenilir kararlara. Yapay zekâyı anlamakla yetinmeyin; onunla geleceği şekillendirin!

Bitki hastalıklarının güvenilir ve zamanında tanımlanması modern tarımda çok önemli bir zorluktur. Geleneksel yöntemler gözle görülür semptomların manuel olarak gözlemlenmesine dayanır. Görünür semptomlar, enfeksiyonun orta veya geç aşamalarında ortaya çıkma eğilimindedir; bu da yayılma veya verim azalması olasılığını artırır. Bitki hastalıkları gözle görülebilir hale geldikten sonra hastalık bulaşmış olmakta ve tedavi için geç kalınmış olmaktadır. Bu sebeplerden dolayı bitki hastalıkların gözle görülmeden önce tespit edilebilmesi için daha düşük maliyetli olan çözümlere ihtiyaç vardır. Bu çalışmada, serada yetiştirilen hıyar bitkilerinde ortaya çıkabilecek virüs etkilerinin derin öğrenme ve yapay zeka uygulamaları yardımıyla erken dönemde tespit edilmesi hedeflenmiştir. Bu amaçla bitki hastalıklarının erken tespiti için LSTM tabanlı bir derin öğrenme modeli önerilmiştir. Bu modelde kullanılan veriler için, hastalık inoküle edilen ve sağlıklı bitkilerin bulunduğu iklim odaları kurulmuştur ve toprak sensörleri kullanılarak hıyar bitkisinden zamansal veriler toplanmıştır. Daha sonra veri hazırlama süreci içerisinde verilerin temizlenmesi, özniteliklerinin çıkarılması ve etiketleme gibi işlemler yapılmıştır. Eğitim aşamasından sonra model, tarımsal sensörlerden gelen zaman serisi verilerini analiz ederek anomali tespiti yapabilmekte, bu sayede bitki hastalıkların görsel belirtileri ortaya çıkmadan hastalıklı olduklarını söylemektedir. Modelin performansını değerlendirmek için doğruluk, sınıflandırma raporu, karışıklık matrisi gibi metrikler kullanılmıştır. Elde edilen sonuçlar oldukça başarılı; model %99.95 doğruluk sağlamış ve anomali tespiti konusunda yüksek başarı göstermiştir. Yapılan çalışma sonucunda bitki hastalıkların erken tespiti ile minimum zirai ilaçlama ile maliyet düşürücü tedbirler en üst seviyede alınabilecek insan ve çevre maksimum seviyede korunmuş olacaktır.

The termination of pregnancy is considered an emotionally devastating experience. Early intervention and counseling are essential to prevent adverse complications following pregnancy loss. This study aimed to determine the effect of nursing care based on Swanson's Theory of Caring on women's prenatal grief, depression, anxiety, stress, and coping levels during pregnancy termination. The training and counseling program, based on Swanson's Theory of Caring, included hospital care, a mobile application, and telephone follow-ups. We conducted this prospective randomized controlled experimental study in the gynecology and obstetrics clinic of a tertiary university hospital in T & uuml;rkiye between September 2021 and May 2022. The study sample consisted of 50 women (intervention group: 25, control group: 25) whose pregnancy was terminated in the second trimester. The women were assigned to groups according to a randomization list created by a statistician. Data collection tools included a Personal Information Form, the Perinatal Grief Scale, the Depression, Anxiety, and Stress Scale, the Coping and Adaptation Process Scale, and the Numerical Rating Scale. We collected the data during hospitalization, between the 6(th) and 8(th)weeks after discharge, and at the 12(th)week. We performed a chi-square test, a paired samples t-test, and an independent samples t-test on the IBM Statistical Package for the Social Sciences Statistics 26. The intervention group had lower mean perinatal grief (54.76 +/- 19.49), depression (2.56 +/- 2.39), anxiety (2.08 +/- 2.10), and stress (3.52 +/- 1.78) scores and higher mean coping and adjustment scores (140.48 +/- 11.47) than the control group(p < .05). The intervention group also had a lower perception of labor pain, shorter discharge time, and a higher level of readiness for a new pregnancy (p < .05). The program that we applied in the study was effective in managing the pregnancy termination and post-discharge period in the population we studied.

Understanding the nature of science is an essential component of scientific literacy. In a technology and media-oriented environment, text-processing algorithms and various artificial learning approaches are crucial and continue to develop. Latent Dirichlet Allocation is a topic modeling algorithm that has been used frequently for many years to extract the main themes in many documents. This study examined the nature of science themes in the documentary film "Einstein and Eddington," which lasted 1 hour and 28 minutes, with the Latent Dirichlet Allocation topic extraction algorithm. First, the texts in the documentary film were fragmented into 30-second, 1-minute, and 3-minute periods to obtain three different datasets. Considering the literature on these datasets, experiments were carried out using the Latent Dirichlet Allocation algorithm to extract 5, 7, and 9 topics. The Latent Dirichlet Allocation algorithm developed with R programming language was used to analyze the data. In the analysis made by the computer, it is seen that science-related words such as science, scientist, theory, the universe, Eddington, think, speed, and answer stand out. While it was observed that it was difficult to distinguish the detected topics from each other on limited data, it was concluded that the dataset created with 30-second periods made more sensitive topic inferences. Despite the challenges posed by subjectivity regarding the nature of science, it is thought that computer-aided models can provide much more than information retrieval and advanced search. In this context, although it seems pretty difficult to extract the nature of science themes on limited data with the Latent Dirichlet Allocation algorithm, it is possible that the artificial learning models to be used in addition to the Latent Dirichlet Allocation algorithm can detect the nature of science themes.

Öneri sistemleri, kullanıcılara kişiselleştirilmiş öneri sunan bilgi filtreleme sistemleridir. Öneri tabanlı uygulamalar e-ticaret, film, makale, restoran ve seyahat gibi birçok alanda kullanılmaktadır. Özellikle metin tabanlı depolamaya sahip sistemler üzerinde geleneksel anahtar kelime tabanlı arama tekniğiyle karşılaştırıldığında, öneri sistemleri büyük veri için daha etkili ve özelleştirilmiş sistemler olarak ön plana çıkmaktadır. Bilimsel çalışma paylaşımının yapıldığı platformlarda içerik havuzunun genişlemesiyle birlikte metinsel veri kullanımında önemli artış görülmektedir. Bu durum, araştırmacıların kendi alanlarıyla ilgili güvenilir ve doğru yayınlara erişimini zorlaştırmaktadır. Araştırmacılar, çalışmalarına katkı sağlayacak en doğru yayınları bulmakta çok fazla zaman harcayabilmektedir. Bilimsel çalışma öneri sistemi, karşılaşılan bu sorunlara çözüm üreterek araştırmacılara ilgi alanlarına uygun yayınları hızlı bir şekilde bulmalarına yardımcı olmaktadır. Sınırlı deneyime sahip kişiler için bilimsel çalışma öneri sistemleri araştırmacıların ufuklarını ve araştırma ilgi alanlarını genişletmeleri doğrultusunda yayınlar sunmaktadır. İçerik tabanlı filtreleme yöntemi, bilimsel çalışma öneri sistemi tasarımında en yaygın kullanılan yöntem olup kullanıcıdan bağımsız modellenir. Bu çalışmada, içerik tabanlı yeni bir bilimsel çalışma öneri sistemi farklı benzerlik yöntemleri üzerinden karşılaştırmalı olarak tavsiye edilmektedir. Yöntemler ve öneri ağırlıkları değişiklik gösterse de aynı veri seti içerisinde aynı yayınların önerildiği görülmektedir. Ölçüm değeri olarak birbirine yakın yöntemler arasında seçim yapmak gerektiğinde ise hesaplama süresini dikkate almak gerektiği sonucuna varılmaktadır.

This study mainly focuses on the effect of sunn pest on wheat. The most prominent feature among the high quality wheat with sun-drenched wheat is the shape differences. For this reason, in this study, a shape recognition method based on the angle information of Fourier transformation is proposed. The performance of the proposed descriptor tested in data sets such as Mpeg-7, leaf, caltech 101, animal. In addition to these datasets, experimental studies were conducted in order to recognize non - classified wheat. Experimental results show that our proposed descriptor provides good accuracies indicating that Fourier Transform based local descriptor captures important characteristics of images that are useful for classification.

Advances in machine learning technologies have provided that malicious programs can be detected based on static and dynamic features. Moreover, a crowded set of studies throughout literature indicates that malware detection can be handled with remarkable accuracy rate once converted into image domain. To realize this, some image based techniques have been developed together with feature extraction and classifiers in order to discover the relation between malware binaries in grayscale color representation. With a similar way, we have contributed the CNN features to overcome the malware detection problem. Findings of experimental research support that the malware types can be classified with 85% accuracy rate when applying the machine learning system on 36 (including benign type) malware families consisting of 12,279 malware samples. Moreover, we have achieved the 99% accuracy rate when conducting and experiment on 25 families having 9, 339 malware samples.