Karakaya, Kasım Murat

Profile Picture
Profile URL
https://hdl.handle.net/20.500.14411/8124
Name Variants
Karakaya, Murat
Karakaya, Kasım Murat
K., Kasim Murat
K.,Kasım Murat
Karakaya,K.M.
Kasim Murat, Karakaya
K., Karakaya
K.,Kasim Murat
Karakaya, Kasim Murat
Kasım Murat, Karakaya
K.M.Karakaya
K.,Karakaya
Karakaya,M.
Karakaya,M.
Job Title
Profesör Doktor
Email Address
murat.karakaya@atilim.edu.tr
Main Affiliation
Computer Engineering
Status
Former Staff
Website
ORCID ID
Scopus Author ID
Turkish CoHE Profile ID
Google Scholar ID
WoS Researcher ID

Sustainable Development Goals

NO POVERTY1
NO POVERTY
0
Research Products
ZERO HUNGER2
ZERO HUNGER
0
Research Products
GOOD HEALTH AND WELL-BEING3
GOOD HEALTH AND WELL-BEING
1
Research Products
QUALITY EDUCATION4
QUALITY EDUCATION
0
Research Products
GENDER EQUALITY5
GENDER EQUALITY
0
Research Products
CLEAN WATER AND SANITATION6
CLEAN WATER AND SANITATION
0
Research Products
AFFORDABLE AND CLEAN ENERGY7
AFFORDABLE AND CLEAN ENERGY
1
Research Products
DECENT WORK AND ECONOMIC GROWTH8
DECENT WORK AND ECONOMIC GROWTH
0
Research Products
INDUSTRY, INNOVATION AND INFRASTRUCTURE9
INDUSTRY, INNOVATION AND INFRASTRUCTURE
0
Research Products
REDUCED INEQUALITIES10
REDUCED INEQUALITIES
0
Research Products
SUSTAINABLE CITIES AND COMMUNITIES11
SUSTAINABLE CITIES AND COMMUNITIES
4
Research Products
RESPONSIBLE CONSUMPTION AND PRODUCTION12
RESPONSIBLE CONSUMPTION AND PRODUCTION
0
Research Products
CLIMATE ACTION13
CLIMATE ACTION
0
Research Products
LIFE BELOW WATER14
LIFE BELOW WATER
0
Research Products
LIFE ON LAND15
LIFE ON LAND
0
Research Products
PEACE, JUSTICE AND STRONG INSTITUTIONS16
PEACE, JUSTICE AND STRONG INSTITUTIONS
0
Research Products
PARTNERSHIPS FOR THE GOALS17
PARTNERSHIPS FOR THE GOALS
0
Research Products
This researcher does not have a Scopus ID.
This researcher does not have a WoS ID.
Scholarly Output

44

Articles

20

Views / Downloads

148/417

Supervised MSc Theses

4

Supervised PhD Theses

0

WoS Citation Count

138

Scopus Citation Count

200

Patents

0

Projects

0

WoS Citations per Publication

3.14

Scopus Citations per Publication

4.55

Open Access Source

4

Supervised Theses

4

JournalCount
UBMK 2018 - 3rd International Conference on Computer Science and Engineering -- 3rd International Conference on Computer Science and Engineering, UBMK 2018 -- 20 September 2018 through 23 September 2018 -- Sarajevo -- 1435604
2017 IEEE 1st Ukraine Conference on Electrical and Computer Engineering, UKRCON 2017 - Proceedings -- 1st IEEE Ukraine Conference on Electrical and Computer Engineering, UKRCON 2017 -- 29 May 2017 through 2 June 2017 -- Kyiv -- 1317632
Proceedings - 6th International Conference on Computer Science and Engineering, UBMK 2021 -- 6th International Conference on Computer Science and Engineering, UBMK 2021 -- 15 September 2021 through 17 September 2021 -- Ankara -- 1768262
3rd International Conference on Computer Science and Engineering (UBMK) -- SEP 20-23, 2018 -- Sarajevo, BOSNIA & HERCEG2
1st International Informatics and Software Engineering Conference: Innovative Technologies for Digital Transformation, IISEC 2019 - Proceedings -- 1st International Informatics and Software Engineering Conference, IISEC 2019 -- 6 November 2019 through 7 November 2019 -- Ankara -- 1571112
Current Page: 1 / 5

Scopus Quartile Distribution

Competency Cloud

GCRIS Competency Cloud

Filters

2015 - 201922020 - 20222
Reset filters

Settings

Has files: true

Scholarly Output Search Results

Now showing 1 - 4 of 4
  • Thumbnail Image
    Master Thesis
    Ss-mla: Uzaktan Algılamalı Görüntülerin Çok Etiketli Sınıflandırması için Yeni Bir Çözüm
    (2021) Üstünkök, Tolga; Karakaya, Kasım Murat
    Uzaktan algılanan görüntülerin çok etiketli sınıflandırması çok önemli bir araştırma alanıdır. Kentsel büyümeyi izlemekten askeri gözetlemeye kadar birçok uygulamaya sahiptir. Uzaktan algılanan görüntülerin çok etiketli sınıflandırması için birçok algoritma ve yöntem önerilmiştir. Bu tezde iki yaklaşım sunulmaktadır. İlki, küçük veri kümelerinde karmaşık yöntemlerin daha basit olanlara göre avantajı olmadığını gösteren CNN tabanlı basit bir modeldir. İkincisi, uzaktan algılanan görüntülerin çoklu etiketli sınıflandırması için Semi-Supervised Multi-Label Annotizer (SS-MLA) adı verilen rekabetçi bir Vector-Quantized Temporal Associative Memory (VQTAM) tabanlı yöntemdir. İlk yöntem, uzaktan algılanmış dört farklı veri kümesi üzerinde F1-Skorlarına göre literatürdeki diğer son teknoloji yöntemlerle ve SS-MLA ile karşılaştırılmıştır. Deney sonuçları, yeni bir yaklaşım olarak SS-MLA'nın, karşılaştırmaların yarısından ve önerilen basit yöntemden daha iyi sonuçlar verdiğini göstermektedir. Algoritma ve yöntemlerin tüm uygulamaları için Python 3.8 ortamında Tensorflow-GPU 2.4.0 ve Numpy 1.19.5 çerçeveleri kullanılmıştır.
  • Thumbnail Image
    Master Thesis
    Öğrenci Başarısının Tahmin Edilmesi: Atılım Üniversitesi Bilgisayar Mühendisliği Bölümünden Mezun Öğrencilerin Transkript ve Kişisel Verilerine Dayalı Bir Vaka Çalışması
    (2019) Ceyhan, Ulaş Ozan; Karakaya, Kasım Murat
    Son yıllarda Eğitimsel Veri Madenciliği (EVM) veri analiz projelerinde oldukça popüler oldu. Kurumlar eğitim kalitelerini artırmaya ve bu verilere yatırım yapmaya başladılar. Öğrencilerin başarılılarını tahmin etme EVM içinde önemli bir zorlu amaca ve kaliteli bir eğitimde bir sürü faydaya sahiptir. Bu çalışmada biz öğrencilerin seçili derslerdeki başarılarını ve kişisel verilerini dikkate alarak başarılarını tahmin etmeyi amaçladık. Bu amaçla, mezun öğrenciler üzerinde çeşitli Makine Öğrenmesi (MÖ) algoritmalarını çalıştırdık. Seçili derslerdeki başarıyı analiz edebilmek için birçok kavram ve tanımlama oluşturduk. İlk olarak, öğrenci başarısını ölçmek için üç tane metrik geliştirdik. Bunlar harf notları, başarı grupları ve geçme kalma durumu şeklindedir. Dahası, mezun öğrenci verisinden seçili MÖ algoritmalarında girdi olarak kullanılmak üzere dört tane girdi veri seti oluşturduk. Bu çalışmanın sonuçları yüksek ya da düşük harf notlu öğrenci notlarının orta düzey notlara göre daha iyi tahmin edilebildiğini belirtmiştir. Benzer şekilde, başarı gruplarına göre; yüksek ya da düşük başarı grupları ortalama gruplarla karşılaştırıldığında daha iyi doğruluk ile tahmin edilebiliyor. Son başarı metriği için ise, tahmin başarısı ders geçen öğrencilerde kalan öğrencilerdekine göre çok daha iyi. Dört girdi veri setini düşünürsek, tahmin başarılarında dikkate değer bir farklılık saptanamamıştır. Yalnızca, öğrenci personel verisinden oluşmuş veri seti kalan setlerle karşılaştırıldığında daha düşük tahmin başarısı üretmiştir. Müfredat içinde son iki dönem için seçili derslerin tahmin başarısının yükseldiği gözlemlenmiştir. Bu bulguların ayrıntıları ve olası sebepleri ilgili bölümlerde irdelenmiş ve tartışılmıştır. Biz inanıyoruz ki, bu çalışmanı sonuçları öğrencilerin gelecekteki ders başarılarını tahmin eden bir öğrenci tavsiye sistemine temel olabilir.
  • Thumbnail Image
    Master Thesis
    Kontrollü Çok Konulu Metin Üretimi için Yeni Bir Derin Öğrenme Yaklaşımı
    (2022) Çağlayan, Cansen; Karakaya, Kasım Murat
    One of the most important tasks in the Controllable Text Generation (CTG) domain is to create topic-controlled texts. In this study, we propose and design three different approaches, and conduct extensive experiments on them to observe the performance of the controlled multi-topic reviews generated in Turkish. In the first approach, we generate controlled multi-topic text using a single-layer GPT language model by incorporating several control techniques. To control the language model, we first add topic information to the sequential input, as a second technique we add the automatically extracted keywords for each topic to the sequential input in addition to the first technique. The last technique that we propose is a novel sampling strategy. We propose to use a topic selection classifier that enables the next token selection according to the probability of the selected tokens being on the desired topic. Then, we apply these approaches to a more advanced language model, the multi-layer GPT, and interpret the results. In addition to these experiments, we compare three different deep learning text classification models in order to create a reliable multi-topic review classifier.
  • Thumbnail Image
    Master Thesis
    Havada Kalış Süresi Kısıtlı Seyir Halindeki Gemiye Konuşlu İnsansız Hava Aracının Hedef En Çoklaması
    (2015) Savuran, Halil; Karakaya, Kasım Murat
    Bu tez seyir halindeki bir gemi üzerine konuşlu, menzil kısıtlı bir insansız hava aracının (İHA) hedef en çoklaması problemi için bir çözüm yaklaşımı önermektedir. Bu problem, Araç Rotalama Probleminin (ARP) menzil kapasitesi ve depo mobilitesi kısıtlarıyla genişletilmesiyle modellenmekte ve bu özgün genişletme çalışma boyunca Kapasite kısıtlı Mobil Depo ARP (K-MoDARP) olarak tanımlanmaktadır. Bu problemin doğasının dikte ettiği özgün çözüm gereksinimi probleme özel kısıtlar için uyarlanmış bir genetik algoritma (GA-KMoD) ile karşılanmaktadır. Tezde, çalışmanın amacı, problem tanımı ve önerilen çözümün geliştirme ve uygulaması anlatılmıştır. Ayrıca, önerilen GA-KMoD'un performansı farklı problem kıstasları için yoğun benzetim testleri vasıtasıyla değerlendirilmiştir. GA-KMoD'un ürettiği rotaların kalitesi alternatif yöntemlerle üretilen sonuçlarla karşılaştırılmıştır. Deneysel sonuçlar, önerilen çözüm yönteminin alternatif yöntemlere göre olan üstünlüğünü net bir şekilde ortaya koymaktadır.