Data Analysis by Using Machine Learning Methods
Özet
Bu kitap, makine öğrenimi yöntemleri kullanılarak veri analizine odaklanmaktadır ve dört ana bölümden oluşmaktadır: COVID-19 göğüs röntgenlerinin sınıflandırılmasında derin öğrenme ve belirsizlik ölçümünün kullanımı; histopatolojik görüntülerde mitoz tespiti, yapay zeka modelleri ve değerlendirme metrikleri; yapay zeka destekli İş Süreçleri Yönetimi (BPM) sistemleri; ve dijital varlık saklama teknolojileri, güvenlik modelleri ile düzenleyici zorluklar. COVID-19 tanısında belirsizlik ölçümüyle klinik belirsizlik bölgesinin analizi, ResNet-50 tabanlı modelle %95.12 doğruluk sağlamış, yüksek güvenlikli yanlış sınıflandırmaları önlemiştir. Mitoz tespiti alanında, çok sayıda standart dataset ve yapay zeka modelleri ayrıntılı şekilde gözden geçirilmiş, uygulamaların kanser analizine katkıları ve karşılaşılan zorluklar tartışılmıştır. AI destekli BPM sistemlerinde ise süreçlerin statik kurallardan dinamik, veri odaklı ve adaptif yapıya doğru evrimi incelenmekte, mimariler, araçlar ve karşılaşılan zorluklar kapsamlı şekilde analiz edilmektedir. Dijital varlık saklama bölümü, kripto varlıkların güvenliğinin kritik olduğu; çeşitli saklama modelleri, teknolojiler, siber tehditler ve regülasyonların karmaşıklığı ele alınmakta, MPC, HSM ve multisig gibi teknolojilerin avantajları ve sınırlamaları detaylandırılmaktadır. Genel olarak eser, makine öğreniminin alandaki modern uygulamalarını ve bunların gerçek dünyadaki zorluklar ile çözüm önerilerini kapsamlı biçimde ele almaktadır.
This book focuses on data analysis using machine learning methods and comprises four key sections: the application of deep learning and uncertainty quantification in classifying COVID-19 chest X-rays; comprehensive review of mitosis detection in histopathological images, AI models, and evaluation metrics; AI-enhanced Business Process Management (BPM) systems including architectures, tools, and challenges; and an extensive review of digital asset custody covering technologies, security models, and regulatory challenges. The COVID-19 chapter demonstrates that a ResNet-50 based model achieved 95.12% accuracy while effectively flagging high-risk misclassifications through entropy-based uncertainty measures. The mitosis detection section thoroughly examines benchmark datasets, recent deep learning architectures (including single-stage and two-stage detectors, U-Net variants, and transformer models), and highlights challenges like domain shifts and class imbalance in cancer pathology applications. AI-enhanced BPM systems are discussed from the perspective of transitioning from static, rule-based workflows to adaptive, data-driven and intelligent process management with supportive architectures and tools. The digital asset custody chapter analyzes decentralized ownership models, private key management technologies such as Hardware Security Modules (HSM), Multi-Party Computation (MPC), and multisignature schemes, along with the associated cyber threats, operational risks, and evolving regulatory landscapes. Overall, the book provides a detailed and multidisciplinary exploration of machine learning-driven data analysis approaches addressing both theoretical advances and practical deployment challenges.
Kitap Bölümleri
4 bölüm · Mevcut sayfa ve DOI kayıtlarıAtıf bilgisi
Prof. Dr. Eyyüp GÜLBANDILAR. (2026). Data Analysis by Using Machine Learning Methods. Bidge Yayınları. DOI: 10.70269/VEL2HS2AHAJQ
