Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2019
Öğrenci: OZAN CAN ACAR
Danışman: MUHAMMET ALİ AKCAYOL
Özet:Gelişen teknoloji, verinin eskiden sahip olduğu statik konumdan çıkmasına neden olmuştur. Günümüzde veri, sürekli hareket halinde olan ve büyüyen bir kavram haline gelmiştir. Verinin bu dinamikliği, hızlı analiz yapabilen mekanizmalara olan ihtiyacı gözler önüne sermiştir. Bu analizlerin önemli alt dallarından biri, anormallik tespitidir. Gelen veriler üstünden anlık anormallik tespiti yapabilen sistemler kendilerine geniş bir araştırma alanı bulmaya başlamıştır. Bu tez çalışmasında akış verileri üstünde anormallik tespitinde kullanılabilecek bir eşik değeri önerilmiştir. Bu eşik değeri, verinin normal değerleriyle eğitilen regresyon modellerinin yaptığı hata oranlarını temel alır. Eşik değerinin başarısını göstermek amacıyla önerilen eşik değeri, üç farklı regresyon modeli üstünde denenmiştir. Bu modellerden iki tanesi çevrimdışı öğrenme yaparken bir tanesi çevrimiçi öğrenme yapmaktadır. Üç modelin Yahoo! S5 A Labeled Anomaly Detection Dataset veri kümesi üstünde elde ettiği sonuçlar, önerilen eşik değerinin çok başarılı olduğunu göstermektedir. Uygulanan modeller literatürdeki benzer çalışmalar ile karşılaştırılmış ve modellerin başarısını arttırabilecek önerilerde bulunulmuştur