HYHüseyin Umut Yüksel

Hüseyin Umut Yüksel

*This is an algorithmically generated author record based on publicly available information.

Current Organizations / Institutes

The organizations/institutes from the scholar's latest article


Hüseyin Umut Yüksel has a total of 3 co-authors. Here are the top co-authors by number of shared publications:


Latest Publications

  • Open Access

    Dijital Platformlarda Algoritmik Yönetim ve Bilgi Sistemleri Temelli Emek Kontrolü: Kavramsal Bir Çerçeve ve Teorik Bir Değerlendirme

    by Hüseyin Umut Yüksel, Hüseyin Umut, Cenk Tufan

    Bu çalışma, dijital platformlarda algoritmik yönetimi Yönetim Bilişim Sistemleri (YBS) perspektifinden ele almakta ve bu sistemlerin emek süreci üzerindeki etkilerini kavramsal düzeyde incelemektedir. Gig ekonomisinin ve platform temelli çalışma ilişkilerinin yaygınlaşmasıyla birlikte, görev dağıtımı, performans değerlendirme ve çalışan davranışlarının yönlendirilmesi gibi geleneksel yönetim işlevleri giderek algoritmalar tarafından yürütülmektedir. Bu durum, algoritmaların yalnızca teknik araçlar değil, aynı zamanda örgütsel kontrolün ve güç ilişkilerinin önemli bileşenleri haline geldiğini göstermektedir. Çalışma, 2015-2025 yılları arasında YBS, dijital emek ve eleştirel yönetim literatüründe yayımlanan ampirik ve teorik araştırmaların anlatısal sentezine dayanmaktadır. Bulgular, dijital platformlarda algoritmik yönetimin dijital Taylorizm, algoritmik gözetim, performans değerlendirme sistemleri ve oyunlaştırma uygulamaları aracılığıyla çalışan davranışlarını şekillendirdiğini ortaya koymaktadır. Ayrıca platformların çalışanları “bağımsız yüklenici” olarak tanımlamasına rağmen, algoritmik denetim mekanizmalarının çalışanlar üzerinde yoğun bir kontrol oluşturduğu ve bunun dijital güvencesizlik ile sistemsel bağımlılık ilişkilerini güçlendirdiği görülmektedir. Çalışma, algoritmik yönetimi veri üretimi, kontrol mekanizmaları, çalışan deneyimi ve yönetişim sonuçları arasındaki ilişkiler üzerinden açıklayan bütünleşik bir kavramsal çerçeve önermektedir. Bu doğrultuda platform tasarımcıları, düzenleyici kurumlar ve çalışan temsilcileri için algoritmik şeffaflık, bağımsız denetim ve veri yönetişimine yönelik öneriler sunulmaktadır.

  • Detection Of Pufferfish Using Computer Vision And Deep Learning Methods

    by Hüseyin Umut Yüksel, Güray Tonguç

    The opening of the Suez Canal and the construction of the Aswan Dam have significantly impacted the Mediterranean ecosystem. These changes increased species migration from the Red Sea to the Mediterranean, leading to the spread of new species, causing economic losses and threats to human health. Among these, the pufferfish is a toxic species with no natural predators and wide distribution.This study focuses on training an object detection model to identify pufferfish (Lagocephalus sceleratus) using computer vision and deep learning techniques. YOLO (You Only Look Once), a leading algorithm, was used. Training data were gathered from diving schools and instructors in the Mediterranean. Frames extracted from underwater videos were labeled to create a dataset of 2,473 images.The YOLOv8m version achieved the best result with a mAP of 96.90%. The model was better at detecting pufferfish from head and side angles. However, challenges in manual labeling, particularly with tails and fins, slightly affected the model’s focus.This study’s findings could help control pufferfish populations using underwater robots and automated systems, contributing to ecological balance. Derived from the first author's master's thesis at Akdeniz University, it offers a foundation for future sustainable solutions.