Derin Öğrenme

Crude oil and petroleum products are among the critical inputs of industrial production and have an essential role in logistics and transportation. Hence, sudden increases and decreases in oil prices cause particular problems in global economies and thus, they have a direct or indirect effect on economies. Furthermore, due to crises in developing economies, trade disputes between major economies, and the dynamic nature of the oil price effect on demand and supply for oil and petroleum products, and time to time volatility in the oil price are very severe. The uncertainty in oil prices can leave both consumers and producers with heavy potential losses. Due to this rapid variability, predicting oil prices has global importance. In this study, to increase the accuracy and stability, the Long-Short Term Memory (LSTM) and Facebook's Prophet (FBPr) were applied to foresee future tendencies in Brent oil prices considering their previous prices. Comparing the two models made using the 32-year data set between June 1988 and June 2020 weekly for oil prices, and the model with the best fit was determined. The dataset was split into two sets: training and test sets-the twenty-five years are used for the training set and the seven years are used to validate forecasting accuracy. The coefficient of determination (R 2) for the LSTM and FBPr models was found as 0.92, 0.89 in the training stage, and 0.89, 0.62 in the testing stage, respectively. According to the results obtained, the LSTM model has superior results to predict the trend of oil prices.

Özetçe-Diyabetik retinopati diyabete (şeker hastalığı) bağlı olarak gözde meydana gelen en yaygın körlük nedenidir. Bu sebeple diyabetik retinopatinin erken tespit edilerek tedaviye erken başlanması görme yetisinin kaybedilmemesi açısından önem arz etmektedir. Bu çalışmada retina görüntülerinden diyabetik retinopati hastalığının erken tespiti için derin öğrenme tabanlı bir yaklaşım sunulmuştur. Önerilen yaklaşım temel olarak iki aşamadan oluşmaktadır. İlk aşamada farklı veri setlerinden elde edilen retina görüntülerini gürültüden arındırmak ve boyut olarak standart hale getirmek amacıyla ön işlem uygulanmış ikinci aşamada derin öğrenme algoritması olan Konvolüsyonel Sinir Ağları yöntemiyle sınıflandırma yapılmış ve %98,5 başarı elde edilmiştir. Bu çalışmanın benzer çalışmalardan en belirgin farkı öznitelik kümesinin geleneksel yöntemlerdeki gibi manuel hesaplanarak oluşturulması yerine derin öğrenme ağının eğitim aşamasında CPU ve GPU kullanarak, çok kısa sürede kendi kendine öğrenerek otomatik olarak oluşturmasıdır. Anahtar Kelimeler-derin öğrenme; diyabetik retinopati; konvolüsyonel sinir ağı. Abstract-Diabetic retinopathy is the most common cause of blindness of the eye depend on diabetes. For this reason, early detection of diabetic retinopathy is of critical importance. In this study, a deep learning-based approach is presented for the early detection of diabetic retinopathy from retinal images. The proposed approach consists of two steps. In the first stage, pretreatments were performed to remove retinal images from different data sets and standardize them to size. In the second stage, classification was made by Convolutional Neural Network which is a deep learning algorithm and 98.5% success was achieved. The most prominent difference of this study from similar studies is that instead of creating the feature set manually as in traditional methods, the deep learning network automatically constructs itself in a very short time by using the CPU and GPU in training phase.

COVID-19 salgını tüm dünyada hızla yayılarak küresel bir pandemi haline gelmiştir. Bu salgın, günlük yaşamda hem halk sağlığı hem de küresel ekonomi üzerinde yıkıcı bir etkiye sahip olmuştur. Bu salgının daha fazla yayılmasını önlemek ve etkilenen hastaları hızla tedavi etmek için pozitif vakaları olabildiğince erken tespit etmek çok önemlidir. COVID-19 enfeksiyonunun hızlı bir şekilde ve yüksek doğrulukta teşhisini sağlayan herhangi bir yardımcı araç uzmanlar için faydalıdır. Bu anlamda, X-Ray tomografik görüntüleme COVID-19 teşhisinde kolay erişilebilir alternatif bir araçtır. Radyoloji görüntüleme teknikleri kullanılarak elde edilen son bulgular, bu tür görüntülerin COVID-19 virüsü hakkında çarpıcı bilgiler içerdiğini göstermektedir. Radyolojik görüntülemeyle birlikte gelişmiş yapay zekâ ve makine öğrenmesi tekniklerinin uygulanması, bu hastalığın doğru tespiti için yardımcı olabilir. X-ray görüntüleri şüpheli vakaların erken tespitine yardımcı olabilse de, çeşitli viral ve bakteriyel pnömoni (zatürre) görüntüleri COVID-19 ile benzerdir ve benzer özellikler içermektedir. Dolayısıyla radyologların viral ve bakteriyel pnömoni gibi benzer akciğer hastalıklarını COVID-19’dan ayırt etmesi zordur. Bu bağlamda, COVID-19 semptomlarının viral pnömoniye benzer olması, yanlış tanılara yol açabilmektedir. Bu çalışmada, kurulan farklı modeller ile akciğer X-Ray görüntülerini COVID-19, normal ve viral pnömoni (zatürre) hastalar olarak sınıflandırabilen derin öğrenme tekniklerinin bir karşılaştırması yapılmıştır. Bu çalışmada, 11 farklı derin öğrenme tekniği üzerinde çalışılmıştır. Günümüzde popüler olan evrişimli sinir ağları tabanlı farklı tekniklerin aynı veri kümesi üzerinde deneysel çalışmaları yapılarak her bir tekniğin performans değerlendirmesi yapılmış ve en iyi tahminleme yöntemi belirlenmiştir. Yapılan deneysel çalışmalarda, en yüksek doğruluk değeri %97.17 ile DenseNet121 modeli ile elde edilmiştir.

İnsanın mekânla ilişkisi dün olduğu gibi bugün de yoğun şekilde gerçekleşmekte ve mekâna yüklediği anlamlar da her geçen gün farklılaşarak, zenginleşmektedir. Geçmişte somut bir gerçekliğe dayanan mekân olgusu, günümüzde, bazı yönleriyle nicel bazı yönleriyle nitel karakteristikleri barındıran, hem kapalı hem de açık sistemlerin bir kombini ve aynı zamanda giderek soyut bir anlam yüklenen bir olguya dönüşmektedir (Tuan, 2008, Nicholls, 2009). Şüphesiz mekan gibi komplike bir kavramı tanımlamak ve içinde insan davranışlarını açıklamaya çalışmak oldukça güçtür. Bu güçlüğü aşmak adına, yapay zekâ teknolojileri davranışsal coğrafyada sıklıkla kullanılmaktadır. Bu bağlamda, günümüz iletişim araçları ve ulaşım imkânlarında yaşanan gelişmeler, insanların çevreye bakış açılarında ciddi farklılaşmaların yaşanmasına neden olmuştur (Montello, 2018). İnsanlar dünyayı tek bir ülke gibi görmeye ve içindeki her mekânı bizzat deneyimleme çabası içerisine girmişlerdir. Bu durum, her bir insanın her bir mekânı farklı şekilde algılamasını ve yorumlamasını gün geçtikçe daha da farklılaştırmış ve beraberinde mekâna ait birçok farklı bakış açısını üretmiştir.

Artan müşteri beklentilerini karşılamak için şirketler, dijital pazarlama iletişiminde çeşitli kişiselleştirme yöntemlerine başvurmaktadır. Teknolojik gelişmelere bağlı olarak ortaya çıkan bu yeni yöntemler de dijital pazarlama iletişiminde yeni kavramların ve yönelimlerin doğmasına neden olmaktadır. Bu çalışmada dijital pazarlama alanındaki yeni yönelimlerden biri olan “hiper kişiselleştirme” kavramı ele alınmış ve tanımlanmaya çalışılmıştır. Çalışma, tüketici alışkanlıklarını ve eğilimlerini “bire bir” temas noktalarıyla etkilemeye yönelik ilişki olarak tanımlanan hiper kişiselleştirme kavramına değerli bir referans sağlamayı amaçlamaktadır. Çalışmada kavramsal ve kuramsal olarak hiper kişiselleştirmenin ne olduğu, geleneksel kişiselleştirmeden farkı ve hiper kişiselleştirilmiş bir deneyimin nasıl yaratıldığı açıklanmıştır. Örneklem olarak çalışmada Amazon şirketinin hiper parametrelerle oluşturduğu kişiselleştirme öneri motoru ele alınmış, betimsel bir analizle incelenmiştir. Hiper kişiselleştirme konusundaki araştırmaların sınırlı olması nedeniyle bu çalışmanın önemi, akademik literatüre katkı sağlayacak nitelikte olması, yeni çalışmalara ve tartışmalara yol açacak olmasıdır. Çalışma, hiper kişiselleştirmenin şirketler ve markalar için tüketici davranışlarını anlama ve kişiye özel içerikler sunma konusundaki önemini ortaya koymuş; hiper kişiselleştirilmiş içeriklerin geleceğin dijital pazarlama iletişimine yön vereceğini ama bununla birlikte hiper kişiselleştirmenin, kişilerin veri güvenliğinde çeşitli riskleri beraberinde getireceğini öngörmüştür.

Bu yazıda yapay zekâ ve oyunlar tartışılmıştır. İlk olarak yapay zekayı anlamada önemli bir ayrım olan akıl ve zekâ terimleri üzerinden yapay zekanın zekasının ölçütüne değinilmiştir. Ardından Turing testinin anlatılmıştır ve yazımın ana tartışması olan yapay zekâ yenilebilir mi sorusu üzerinde durulmuştur.

COVID-19 salgını, dünya çapında büyük bir güvenlik ve sağlık tehdidi haline gelmiştir. Tipik akciğer X-ray görüntüleri şüpheli vakaların erken taranmasına yardımcı olmaktadır. Ancak, çeşitli viral pnömoni (zatürre) görüntüleri COVID-19 görüntülerine benzerdir ve benzer ortak özellikler içermektedir. Bundan dolayı radyologların benzer diğer akciğer hastalıklarını COVID-19'dan ayırt etmesi zorlaşmaktadır. Bu çalışmada akciğer X-ray görüntülerinden COVID-19'un derin evrişimli sinir ağları (ESA) kullanılarak tespiti yapılmıştır. Çalışmada bir derin ESA modeli sunulmuş olup, açık erişimli veri kümesi üzerinde deneysel çalışmalar gerçekleştirilmiştir. Bu veri kümesinde, COVID-19, Normal ve Viral Pnömoni olmak üzere üç sınıfa ait toplam 3886 görüntü bulunmaktadır. Bu veri kümesini kullanarak, önerilen ESA modelinin doğruluğu üzerine performans değerlendirmeleri yapılmış olup ayrıca sonuçlar VGG19, Inception V3 ve ResNet50 gibi derin ESA tabanlı diğer popüler modeller ile karşılaştırılmıştır. Deneysel çalışmalarda, önerilen derin ESA modeli ile doğruluk değeri ortalama %96 bulunmuştur.

Literatür araştırmaları derin öğrenme yaklaşımlarının, biyomedikal alanında da başarım sağlayacağını öngörmektedir. Bu öngörüden yola çıkarak, Karotis Arter Doppler Intima Media Thickness (IMT) ölçümlerinde Derin Öğrenme yaklaşımını kullanan yeni bir sistem önerilerek uygulanacaktır. Burada amaç, literatüre özgün ve yeni bir yaklaşım kazandırmaktır.

İnsanın mekânla ilişkisi dün olduğu gibi bugün de yoğun şekilde gerçekleşmekte ve mekâna yüklediği anlamlar da her geçen gün farklılaşarak, zenginleşmektedir. Geçmişte somut bir gerçekliğe dayanan mekân olgusu, günümüzde, bazı yönleriyle nicel bazı yönleriyle nitel karakteristikleri barındıran, hem kapalı hem de açık sistemlerin bir kombini ve aynı zamanda giderek soyut bir anlam yüklenen bir olguya dönüşmektedir (Tuan, 2008, Nicholls, 2009). Şüphesiz mekan gibi komplike bir kavramı tanımlamak ve içinde insan davranışlarını açıklamaya çalışmak oldukça güçtür. Bu güçlüğü aşmak adına, yapay zekâ teknolojileri davranışsal coğrafyada sıklıkla kullanılmaktadır. Bu bağlamda, günümüz iletişim araçları ve ulaşım imkânlarında yaşanan gelişmeler, insanların çevreye bakış açılarında ciddi farklılaşmaların yaşanmasına neden olmuştur (Montello, 2018). İnsanlar dünyayı tek bir ülke gibi görmeye ve içindeki her mekânı bizzat deneyimleme çabası içerisine girmişlerdir. Bu durum, her bir insanın her bir mekânı farklı şekilde algılamasını ve yorumlamasını gün geçtikçe daha da farklılaştırmış ve beraberinde mekâna ait birçok farklı bakış açısını üretmiştir.