Veri analizinde makine öğrenmesi yöntemlerinin kullanımı
Özet
Bu kitap, modern veri analizinde makine öğrenmesi ve derin öğrenme yöntemlerinin geniş uygulama alanlarını akademik bir perspektifle ele almaktadır. Üç ana bölümde, tarımsal üretimde fındık meyvesinin sınıflandırılması, yazılım güvenliği geliştirme yöntemleri ve YOLOv8 tabanlı gerçek zamanlı balık türü tanıma ve web entegrasyonu incelenmiştir. İlk bölümde, ResNet-50 ve ShuffleNet gibi derin öğrenme mimarileriyle fındık görüntüleri sınıflandırılmış ve yüksek doğruluk oranlarına ulaşılmıştır. İkinci bölüm, güvenli yazılım geliştirme yaşam döngüsünü, yaygın zafiyetler, tehdit modelleme, güvenlik önlemleri, test süreçleri ve kuantum sonrası kriptografi geçişi gibi kritik konuları standartlar bazında detaylandırarak bütünleşik güvenlik çerçevesi sunar. Üçüncü bölümde ise su altı ekosistemlerinin izlenmesi için YOLOv8 mimarisi ile yüksek doğruluklu ve gerçek zamanlı balık türü tespiti yapılmış, modelin başarılı performans metrikleri ve web tabanlı uygulaması ile kullanıma sunulması sağlanmıştır. Çalışmalar, makine öğrenmesi ve derin öğrenmenin tarım, yazılım güvenliği ve çevre bilimlerinde verimli kullanımlarını göstermekte, hem teorik altyapı hem de pratik uygulama açısından önemli katkılar sağlamaktadır.
This book presents an academic examination of machine learning and deep learning methods in modern data analysis across diverse application domains. The content is divided into three main parts: classification of hazelnut fruit in agricultural production using deep learning architectures like ResNet-50 and ShuffleNet with high accuracy rates; secure software development lifecycle focusing on common vulnerabilities, threat modeling, security controls, testing frameworks, and post-quantum cryptographic transitions, integrated into a comprehensive security framework aligned with standards and best practices; and a real-time underwater fish species detection and web integration system based on the YOLOv8 model. The underwater detection system exhibits strong performance metrics and efficient deployment through a web interface. Collectively, the work demonstrates effective utilization of machine learning in agriculture, software security, and environmental monitoring, contributing significant theoretical foundations and practical engineering solutions.
Kitap Bölümleri
3 bölüm · Mevcut sayfa ve DOI kayıtlarıAtıf bilgisi
Prof. Dr. Eyyüp GÜLBANDILAR. (2026). Veri analizinde makine öğrenmesi yöntemlerinin kullanımı. Bidge Yayınları. DOI: 10.70269/BPQ77EX5NE5P
