Gazi University Dspace
Not a member yet
26981 research outputs found
Sort by
Türkiye’deki İllerin Bankacılık Faaliyetleri Açısından Çok Değişkenli İstatistiksel Yöntemler ile İncelenmesi
No full textThe effects of COVID-19 pandemic in otolaryngology practice: A review of the literature [COVID-19 Pandemisinin Kulak Burun Boǧaz Pratiǧine Etkisi: Literatür Derlemesi]
No full textA duplication upstream of SOX9 associated with SRY negative 46,xx ovotesticular disorder of sex development: A case report
No full textOutcome in patients with diffuse large B-cell lymphoma who relapse after autologous stem cell transplantation and receive active therapy. A retrospective analysis of the Lymphoma Working Party of the European Society for Blood and Marrow Transplantation (EBMT)
No full textNatural Products as Potential Leads Against Coronaviruses: Could They be Encouraging Structural Models Against SARS-CoV-2?
No full textObtaınıng Data Mınıng Assocıatıon Rules From Use Of Consumables, Analysıs And Classıfıcatıon Of These Rules
No full textHer geçen gün kabiliyetleri artan bilgisayar sistemleri sayesinde büyük miktardaki verilerin saklanıp işlenebilmesine rağmen, bunlardan elde edilen bilgi miktarının yeterli düzeyde olmadığı veya amaca yönelik kullanışlı bilgiye odaklanılamadığı bilinmektedir. Kurumlar veri toplama, saklama ve analiz işlemleri için yatırımlarına devam ederlerken, verilerin hacimlerinin çok büyük olması ve yapılarının da etkin bir veri analizi yapılmasına uygun olmaması nedeniyle, uygulamalarda bu verilerin bir kısmı kullanılabilmektedir. Sanayi üretimi sektöründe de üretimin bütün detaylarının saklanabildiği görülmektedir. Bu detaylardan bir tanesi de, iş emirlerinde kullanılan sarf malzemelerdir. Sarf malzeme kullanımı neredeyse tüm üretim çeşitleri için ortak payda olduğundan, bu alana yönelik bir veri analizine ihtiyaç duyulması kaçınılmazdır. İşlenmemiş verilerden işe yarayacak bilgi ya da örüntü elde etme sürecine veri madenciliği denir. Veri madenciliği çeşidi olan ve veriler içinde birlikte hareket eden öğelerin keşfedilmesini sağlayan birliktelik kurallarının tespiti için geliştirilen algoritmalar arasında en sık kullanılan model Apriori algoritmasıdır. Bu çalışmada Apriori algoritması seçilerek, bir kamu kurumunun yürüttüğü bakım-onarım faaliyetlerinde ihtiyaç duyulan sarf malzemelere yönelik bir uygulama gerçekleştirilmiştir. Son beş yıl içinde meydana gelen arızalar için kullanılan malzemelerin verileri incelenerek yapılan çalışma sonucunda elde edilen bilgilerin kullanılmasıyla, etkin ve hızlı bir planlama süreci, uygun depo düzeni, malzeme tedarik maliyetinde ve standart birim adam saatte azalma, iş yükü ve iş gücü konularında iyileştirmeler sağlanacağı değerlendirilmiştir. Ayrıca, veri setinin birbiriyle ilişkili gruplar halinde ele alınmasının önemi anlatılmıştır. Bu bağlamda bütün veri setinden elde edilen sonuçlarla, alt grup veri setlerinden elde edilen sonuçlar birbiriyle kıyaslanmıştır. Çalışmada büyük boyutlu veri seti kullanıldığından, elde edilen çok sayıdaki birliktelik kurallarına yönelik ikinci bir analiz yapılarak, kuralların amaca yönelik sınıflandırılması yapılmıştır. Çalışmada, genellikle analizcinin sezgisel olarak seçtiği minimum destek değerinin tespiti için bir formül geliştirilerek algoritmada bu formül aracılığıyla elde edilen değerler kullanılmıştır. Ayrıca, veri setinin sunduğu verilerle, ortaya çıkan kural sayısı arasındaki ilişki araştırılmıştır.It is known that even though large amounts of data can be stored and processed by computer systems with increasing capabilities every day, the amount of information obtained from them is not sufficient or cannot be focused on useful information. While organizations continue to invest in data collection, storage and analysis operations, only some of these data can be used in applications because the data volumes are very large and their structures are not suitable for efficient data analysis. It is seen that all the details of production can be kept in the industrial production sector as well. One of these details is the consumables used in work orders. Since the use of consumables is the common denominator for almost all types of production, it is inevitable that a data analysis is needed for this area. The process of obtaining information or patterns that will work from raw data is called data mining. Apriori algorithm was the most commonly used model for the identification of association rules, which is a type of data mining and which enables the discovery of elements that move together within the data. In this study, an application was made for the consumables that a public institution would need for maintenance-repair activities. As a result of the study, the data obtained during the last five years were evaluated by using the information obtained, effective and fast planning process, appropriate warehouse layout, material procurement cost and unit man hours reduction, workload and labor force improvements were evaluated. The importance of examining the data set in related groups is explained. Since the results obtained from the analysis without sub-group were assumed to be insufficient at the point of service, the results obtained from the whole data set and the results obtained from the sub-group data sets were compared. Since a large-scale data set was used in this study, a second analysis was made for the large number of association rules and the classification of the rules was made. In this study, a formula has been developed to determine the minimum support value that the analyst has intuitively selected and the values obtained by this formula are used in the algorithm. In addition, the relationship between the data set and the number of rules was investigated
Investigation of science teachers' professional development needs for learning in science centers
No full textInvestigation of parental early literacy beliefs and early literacy home environment of the children with developmental disability and typical development [Gelişimsel yetersizliği olan ve normal gelişen çocukların ailelerinin erken okuryazarlığa ilişkin inançları ile erken okuryazarlık ev ortamının incelenmesi]
No full textİki robot kol iş birliği ile çalkalanmadan sıvı taşınımın kutup yerleştirme ve LQR kontrolü
No full textReal-Tıme Anomaly Detectıon And Mıtıgatıon Usıng Streamıng Telemetry In Sdn
No full textBu tez çalışmasında, Yazılım Tanımlı Ağlarda gerçek zamanlı anormallik ve saldırı tespiti yapan ve ayrıca tespit edilen saldırıları önleyen bir model geliştirilmiştir. Model, anormallik tespitini doğru yapabilmenin yanı sıra bu anormallik tespit modulüne veri sağlayacak ölçüm yöntemine yoğunlaşmış; gerçek zamanlı, düşük maliyetli, model tabanlı bir ölçüm metodu tasarlanmış ve kodlanmıştır. Yaygınlaşan IoT altyapıları ile çok fazla cihazın geniş bant genişlikleriyle ağlara bağlanabilir olması sebebiyle ağ ölçümü bu tezde büyük veri bakış açısıyla ele alınmış, geliştirilen model tabanlı akış ölçümü mekanizması ile ölçeklenebilirlik arttırılmaya çalışılmıştır. Böylesi yüksek miktarda gelen ölçüm verisi içinden normal ve anormal trafik örüntülerini yüksek doğrulukta ve düşük gecikmeyle ayırt edebilmek amacıyla üstel düzleştirme metodu geliştirilerek kullanılmıştır. Bu çalışma, model tabanlı akış ölçümü ve üstel düzleştirme yöntemlerini temele almaktadır. Ölçüm verilerinin modellenmesinde YANG, serileştirilmesinde GPB, taşınmasında gRPC, kodlanmasında Python, anormallik tespitinde Holt’un tahmin algoritması doğruluğu arttırmak ve yanlış alarmları azaltmak amacıyla adaptif hata sabiti, servis seviyesi kontrolü ve kademeli devreye alma yöntemleriyle geliştirilerek kullanılmıştır. Tüm geliştirmeler gerçek ağ trafikleri üzerinde uygulandıktan sonra sistemin anormallik tespit etme başarısı %92 olarak bulunmuştur.In this thesis, real-time anomaly detection and mitigation system is developed for Software Defined Networks. In addition to anomaly detection accuracy, the model mainly focuses on the measurement method with granular, real-time, low over-headed, model-driven streaming telemetry abilities that provides metrics to the next module. Owing to the fact that IoT infrastructures are becoming common and popular with many devices in highly available bandwidths, the measurement approach is addressed as a big data problem in this study. The scalability of the model driven streaming telemetry measurement mechanism has been tried to be increased. Exponential Smoothing method is used in order to provide high-accuracy and low-latency in recognizing normal and abnormal traffic patterns in such a huge amount of streamed data. The underlying approaches of this study are modeled streaming telemetry and exponential smoothing. YANG data model for modeling, GPB for encoding, gRPC for transport, Python for coding have been used in flow measurement part. Holt’s prediction algorithm is powered by adaptive error constant, service check and gradual activation features to increase high-accuracy and decrease false-positives. The success rate of the developed system that is emulated in real traffic is calculated as 92% after all enhancements are applie