Karakaya, Ziya

Profile Picture
Profile URL
https://hdl.handle.net/20.500.14411/8509
Name Variants
Karakaya, Z
K.,Ziya
Ziya, Karakaya
K., Ziya
Z., Karakaya
Karakaya,Z.
Karakaya, Ziya
Z.,Karakaya
Job Title
Doktor Öğretim Üyesi
Email Address
ziya.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
0
Research Products
DECENT WORK AND ECONOMIC GROWTH8
DECENT WORK AND ECONOMIC GROWTH
0
Research Products
INDUSTRY, INNOVATION AND INFRASTRUCTURE9
INDUSTRY, INNOVATION AND INFRASTRUCTURE
2
Research Products
REDUCED INEQUALITIES10
REDUCED INEQUALITIES
0
Research Products
SUSTAINABLE CITIES AND COMMUNITIES11
SUSTAINABLE CITIES AND COMMUNITIES
0
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
1
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

41

Articles

3

Views / Downloads

12/0

Supervised MSc Theses

13

Supervised PhD Theses

2

WoS Citation Count

78

Scopus Citation Count

98

Patents

0

Projects

0

WoS Citations per Publication

1.90

Scopus Citations per Publication

2.39

Open Access Source

4

Supervised Theses

15

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
3rd International Conference on Computer Science and Engineering (UBMK) -- SEP 20-23, 2018 -- Sarajevo, BOSNIA & HERCEG3
2017 International Conference on Computer and Applications, ICCA 2017 -- 2017 International Conference on Computer and Applications, ICCA 2017 -- 6 September 2017 through 7 September 2017 -- Doha -- 1315022
Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) -- 7th International Conference on Computational Science, ICCS 2007 -- 27 May 2007 through 30 May 2007 -- Beijing -- 708232
2017 International Conference on Computer Science and Engineering (UBMK) -- OCT 05-08, 2017 -- Antalya, TURKEY1
Current Page: 1 / 4

Scopus Quartile Distribution

Competency Cloud

GCRIS Competency Cloud
Author: Yazıcı, AliEnd date: 2019

Scholarly Output Search Results

Now showing 1 - 9 of 9
  • Thumbnail Image
    Master Thesis
    Hadoop ve Spark Sistemlerin Karşılastırmalı Çalışması
    (2016) Alı, Arsan Mohammed Alı; Yazıcı, Ali; Karakaya, Ziya
    Bu çalışma, büyük veri sistemlerden ikisi olan Hadoop ve Spark'ı karşılaştırarak incelemektedir. Bu çalışmaya dahil edilen sistemler ideal performanslarını gösterebilecek şekilde çeşitli parametrelerle ayarlanmış; performans, donanım kullanımları ve kullanılan donanım sayısının arttırılmasıyla oluşan hızlanma oranları dört farklı uygulamada değerlendirilmiştir. Değerlendirme sonuçları incelendiğinde Spark'ın WordCount ve Sort uygulamaları için daha iyi performans gösterdiği, Hadoop'un Naive-Bayes uygulamasında Spark'tan daha başarılı olduğu gözlenmiştir. Bununla beraber, Grep uygulaması için Hadoop ve Spark arasında göze değer bir fark görülmemiştir.
  • Thumbnail Image
    Doctoral Thesis
    3 Boyutlu Mikrokanallarda Parçacık Akış Problemleri ̇ıçin Sınır Eleman Yöntemi Tabanlı Özel Bir Paralel Formülasyon Tasarımı ve Uygulaması
    (2015) Karakaya, Ziya; Baranoğlu, Besim; Yazıcı, Ali
    Bu çalışmada mikroakışkan uygulamalarındaki kıvamlı yavaş akışta birden çok parçacığı izlemek için yeni bir formülasyon sunulmaktadır. Yöntem, sınır eleman matrislerinin manipülasyonu işlemininden sonra, parçacığın katı bünye hızları ile üzerine etki eden kuvvetleri ilişkilendiren bir denklem sistemi elde etmektedir. Formülasyon, SMP paralelleştirme yönteminin uygulandığı ardışık matris çarpımı işlemleri sonucunda özellikle parçacığın yörüngesinin takibi için tasarlanmıştır. Mevcut formülasyon, parçacık izleme işlemi için kullanılmak üzere etkili bir sayısal model sunmaktadır ve kolay bir şekilde birden çok fiziksel etkinin içerildiği çoklu-fizik simülasyonları için genişletilebilir olduğu görülmektedir.
  • Thumbnail Image
    Master Thesis
    Öğrenci Performansının Öngörülmesi için Tahmin Algoritmalarının Karşılaştırılması
    (2018) Bah, Amadou; Karakaya, Ziya; Yazıcı, Ali
    Bu tez, Atılım Üniversitesi Bilgi Sistemlerinde barındırılan öğrenci bilgilerinin oluşturduğu veri kümelerini kullanarak altı farklı makine öğrenmesi algoritmalarının öğrenci performansı tahminine uygulanmasını incelemektedir. Bu öğrenme algoritmaları şu dört ölçü kullanılarak karşılaştırılmıştır: Doğruluk, Kesinlik, Geri Çağırma ve F-ölçüsü. Çalışmada aynı anda çok sayıda ders başarısı tahmininin, kullanılan sınıflandırıcıların performansıyla doğrudan veya ters orantılı olup olmadığına da bakılmıştır. Ayrıca; veri ön işlemenin yanı sıra, Korelasyon temelli Özellik Seçimi (CFS)'nin öğrenme algoritmaları üzerindeki etkilerinin ölçümü gerçekleştirilmiştir. Kullanılan algoritmalar şunlardır: Naif Bayes, Lojistik Regresyon, Çok Katmanlı Perceptron, SMO (Destek Vektör Makineleri), IBk (K-En Yakın Komşu) ve J48 (C4.5 Karar Ağacı). Naïve Bayes ve IBk, karşılaştırılan algoritmalar arasında en iyi sonuçlar vermiştir. Sonuçlar, birlikte tahmin edilen derslerin sayısı arttıkça tahmin performansının azaldığını da göstermektedir. Veri ön işleme ve CFS'nin, genellikle makine öğrenimi algoritmalarının performansını artırdığı görülmüştür.
  • Thumbnail Image
    Master Thesis
    Büyük Verı Çerçevelerınde Kullanılan Zamanlayıcıların Karşılaştırılması
    (2018) Al-jumaılı, Saıf Abdulrahman Mohammed; Karakaya, Ziya; Yazıcı, Ali
    Büyük Veri uygulamaları, mevcut bilgi teknolojisi sektörünün ana bileşenlerinden biri haline gelmiş ve birçok alanda karar vericilere en iyi sonuçları elde etme fırsatı tanımıştır. Bununla birlikte, bu tür verilerin kullanılmasında gereksinim duyulan hız, depolama, yönetim ve işleme gibi konularda geleneksel veri tabanı sistemlerinin yeterli olmadığını bilinmektedir. Kaynak yönetimi ve görev zamanlaması, bu türden büyük ölçekteki verilerin işlenmesinde önemli bir rol oynamaktadır. Bu konuda; özelliklerine, etkililiğine, performansına, v.b. bağlı olarak farklı sınıflarda zamanlayıcılar bulunmaktadır. Bu tezde, Büyük Veri çerçevelerinde çalışan çeşitli zamanlayıcılar ayrıntılı olarak sınıflandırılmış, karşılaştırılmış ve incelenmiştir. Ayrıca bu tez, bu zamanlayıcıların farklı kullanım durumlarındaki zayıflık ve güçlü yanları ortaya koymaktadır. Bunlara ek olarak, zamanlayıcıların kullanım alanlarına göre uygunluğuna ilişkin senaryolar incelemiş olup, bu durumlarda herbir zamanlayıcının ne türden zayıflıklığı yada yararsızlığı olduğu saptanmaya çalışılmıştır.
  • Thumbnail Image
    Master Thesis
    Bulut Bilişim Destekli Büyük Verinin Kobi'ler ve Devlet Kuruluşları için Yarattığı Olanaklar ve Zorluklar
    (2018) Rashed, Alaa Hussaın Rashed; Karakaya, Ziya; Yazıcı, Ali
    Büyük Veri ve Bulut Bilişim, KOBİ'lere ve devlet kurumlarına rekabet avantajı kazandırmak ve kuruluşlarını iyileştirme fırsatı veren en önemli teknolojilerdendir. Bir yandan Büyük Veri uygulaması büyük oranda donanım, yazılım ve işgücü yatırımı gerektirirken, diğer yandan Bulut bilişim kuruluşlara yatırım maliyetini büyük oranda düşürecek Büyük Veri uygulama olanakları sunmaktadır. Böylelikle KOBİ ve Devlet kurumlarının Büyük Veri uygulamalarını hızlı ve kolay bir şekilde hayata geçirmeleri konusunda fırsatlar sunmakta ve özendirmektedir. Bu çalışmanın amacı, sistematik alanyazın tarama tekniğini kullanarak veriler toplamak ve bu verilere dayanarak KOBİ'ler ve devlet kurumları için Bulut üzerinde Büyük Veri yapılarının yararları, zorlukları ve çözümlerini belirlemektir. Büyük Veri'de karşılaşılan zorulukların bir bölümünün Bulut Bilişim ile nasıl çözülebildiği net bir şekilde ortaya konulmaktadır. Bu çalışmanın amaçlarıyla ilgili bilgileri derlemek için dört araştırma sorusu tasarlanmış ve ilgili veriler alanyazın tarama yöntemi kullanılarak toplanarak sonuçlar derlenmiştir. Anahtar Kelimeler: Büyük Veri, Bulut Bilişim, KOBİ, Devlet Daireleri, Faydalar, Zorluklar, Çözümler
  • Thumbnail Image
    Master Thesis
    Bulut Üzerinde Büyük Verilerde Ölçeklenebilirlik Konusu: Sanal Makineler ve Linux Konteynerlerin Karşılaştırılması
    (2017) Gökhan, Cansu; Karakaya, Ziya; Yazıcı, Ali
    Son yıllarda, BT ve iş dünyasında Büyük Veri ve Bulut Bilişim önem kazanmıştır. Büyük veri analizi için gerekli olan büyük miktarda depolama alanı ve hesaplama gücüdür. Bulut Bilişimin, talep üzerine altyapıyı ölçeklendirmek, hesaplama kaynaklarını kullanmaya yardımcı olmak ve büyük miktarda depolama alanı sağlaması ile bu iki teknoloji birbirini tamamlayacı teknolojiler haline gelmiştir. Son yıllara kadar, hesaplama kaynak kullanımında kullanılan tek teknik, Sanal Makine oluşturmak için kullanılan, hipervisör destekli sanallaştırma tekniğine dayanıyordu. Günümüzde, konteyner olarak adlandırılan ve kaynak kullanımında daha hızlı ve daha iyi olan bir başka teknik popülerlik kazanmıştır. Bu çalışmada, bulut üzerinde büyük verilerde ölçeklendirme konusu sanal makine ve konteynerlerin merkezi işlem birimi, disk G/Ç, ağ ve bellek performansları HiBench kıyaslama uygulamaları kullanılarak değerlendirilmiştir. Ayrıca, farklı düğüm sayıları üzerinde bu kıyaslama uygulamaları kullanılarak sanal makine ve konteynerlerin ölçeklenebilirlik oranları değerlendirilmiştir. Bu çalışmanın sonucu konteynerlerin daha iyi performansa ve ölçeklenebilirliğe sahip olduğunu göstermektedir.
  • Thumbnail Image
    Master Thesis
    Büyük veride akışkan verileri işleyebilen sistemlerden Spark, Storm ve Flink'in karşılaştırmalı çalışması
    (2016) Alayyoub, Mohammed; Yazıcı, Ali; Karakaya, Ziya
    Bu çalışmada, büyük veri konseptinde akışkan veri işleyebilen sistemlerden Apache Spark, Storm ve Flink karşılaştırarak incelenmektedir. Bu çalışmaya dahil edilen sistemler çeşitli durum ve şartlar altında ideal performanslarını gösterebilecek şekilde konfigüre edilmiş; ayrıca donanım kullanımları ve kullanılan donanım sayısının arttırılmasıyla oluşan ölçeklenebilirlik oranları değerlendirilmiştir. Bölüm 'Comparison of Stream Processing Frameworks' deki bulgular Flink'in eşit şartlar ve durumlar altında diğer sistemlerden daha iyi bir performans ortaya koyduğunu; bununla birlikte Spark'ın veri işleme gücü gecikmelerin göze alınabileceği şekilde konfigüre edildiğinde Flink'i geçebildiğini göstermektedir.
  • Thumbnail Image
    Conference Object
    Citation - Scopus: 2
    Systematic Mapping for Big Data Stream Processing Frameworks
    (Institute of Electrical and Electronics Engineers Inc., 2016) Alayyoub,M.; Yazıcı, Ali; Yazici,A.; Karakaya,Z.; Karakaya, Ziya; Yazıcı, Ali; Karakaya, Ziya; Software Engineering; Computer Engineering; Software Engineering; Computer Engineering
    There has been lots of discussions about the choice of a stream processing framework (SPF) for Big Data. Each of the SPFs has different cutting edge technologies in their steps of processing the data in motion that gives them a better advantage over the others. Even though, the cutting edge technologies used in each stream processing framework might better them, it is still hard to say which framework bests the rest under different scenarios and conditions. In this study, we aim to show trends and differences about several SPFs for Big Data by using the Systematic Mapping (SM) approach. To achieve our objectives, we raise 6 research questions (RQs), in which 91 studies that conducted between 2010 and 2015 were evaluated. We present the trends by classifying the research on SPFs with respect to the proposed RQs which can help researchers to obtain an overview of the field. © 2016 IEEE.
  • Thumbnail Image
    Master Thesis
    Sosyal Medyada Duygu Analizi : Karşılaştırmalı Bir Çalışma
    (2018) Gebreyesus, Yasmın Tesfaldet; Karakaya, Ziya; Yazıcı, Ali
    Duygu Analizi, sosyal medya gönderileri gibi metin içeriğinin polaritesini tespit etme ve sınıflandırma görevidir. Twitter için duyarlılık analizi, çalışmaların açık veri setlerini kullanarak yürütüldüğü akademik çevrelerde popüler bir konu olmuştur. Mevcut son teknoloji ürünü sonuçlar, Destek Vektör Makineleri (SVM) gibi klasik Makine Öğrenme sınıflandırıcıları ve Sinir Ağları, yani Derin Öğrenme modelleri gibi son gelişmeler dahil olmak üzere çok çeşitli tekniklerle sağlanmıştır. Bu tezde, Büyük Veri çerçevelerini kullanarak Sosyal Medya için büyük ölçekli Duygu Analizi çalıştık. Motivasyonumuz, büyük veri kriterlerinin sınıflandırıcıların performansı üzerindeki etkisini araştıran çalışmaların çok az olduğu gözleminden kaynaklanmaktadır. Amaç, sadece son teknoloji ürünü sonuçlardan daha iyi performans gösteren bir model oluşturmak değil, gerçek zamanlı ve yüksek hacimli veri akışları altında çeşitli sınıflandırıcı algoritmalarını incelemektir. Bu amaçla, büyük veri çerçeveleri olan ve içermeyen çeşitli Duygu Analizi Modelleri uygularız ve büyük veri yapılarını kullanarak performans faydalarını veya kayıplarını karşılaştırırız. Özellikle iki deneme senaryosu oluşturduk. Her iki senaryoda, aynı veri kümesini kullanıyoruz, ilgili sınıflandırıcılar için mümkün olan en iyi sonuçları elde etmek için uygun veri ön işlemlerini ve özellik mühendisliği tekniklerini uyguluyoruz. Anahtar Kelimeler: Algı Analizi, Büyük Veri, Spark, Spark ML, Twitter, Derin Öğrenme, Twitter