Bilgisayar mühendisliği mezunlarına yönelik makine öğrenmesi tabanlı kişiselleştirilmiş kariyer öneri platformu (WEB-MÖS) tasarımı ve geliştirilmesi
Design and development of a machine learning based personalized career recommendation platform (WEB-MÖS) for computer engineering graduates
- Tez No: 978058
- Danışmanlar: DOÇ. DR. NECLA BANDIRMALI ERTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Bandırma Onyedi Eylül Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, bilgisayar mühendisliği öğrencilerinin akademik profillerine ve teknolojik ilgi alanlarına göre kişiselleştirilmiş kariyer önerileri sunan web tabanlı bir akıllı sistem tasarlanmış ve geliştirilmiştir. Proje, iki farklı makine öğrenmesi modellemesi yaklaşımını karşılaştırmalı olarak analiz etmektedir. İlk aşamada (Model-1), tamamen kurallara dayalı üretilen yapay bir veri setiyle eğitilen modellerin, 50 kişilik gerçek öğrenci verisi üzerinde test edildiğinde genelleme başarımının sınırlı kaldığı ve en yüksek %52 (Lojistik Regresyon) doğruluk oranına ulaştığı tespit edilmiştir. Bu genelleme problemini aşmak amacıyla geliştirilen ikinci aşamada (Model-2) ise, 50 kişilik gerçek veri setini temel alan ve bu verileri sınıf-spesifik CTGAN (Conditional Tabular Generative Adversarial Network) tekniği ile zenginleştiren hibrit bir veri çoğaltma (data augmentation) stratejisi uygulanmıştır. Bu yöntemle oluşturulan sentetik ağırlıklı hibrit veri setiyle eğitilen Rastgele Orman (Random Forest), Gradyan Artırma (Gradient Boosting) ve Destek Vektör Makinesi (Support Vector Machine) gibi modeller, test setinde %97'nin üzerinde bir doğruluk oranına ulaşmıştır. Bu sonuç, az sayıda gerçek veriden yola çıkarak CTGAN ile yapılan veri çoğaltmanın, modelin öğrenme kapasitesini ve tahmin gücünü belirgin şekilde artırdığını doğrulamıştır. Sistemin canlıya alınması amacıyla Python Flask ile geliştirilen web uygulaması (WEB-MÖS), anlık tahmin sunmanın yanı sıra, Google Sheets API entegrasyonu sayesinde kullanıcı geri bildirimlerini toplayarak modelin periyodik olarak yeniden eğitilmesine olanak tanıyan dinamik bir yapıya sahiptir. Bu bütüncül yaklaşım, bilgisayar mühendisliği eğitimi alanında öğrencilere veri odaklı rehberlik sunan etkili bir kariyer öneri sistemi prototipi sunmaktadır.
Özet (Çeviri)
In this study, a web-based intelligent system has been designed and developed to provide personalized career recommendations for computer engineering students based on their academic profiles and technological interests. The project comparatively analyzes two different machine learning modeling approaches. In the first stage (Model-1), it was determined that models trained with a purely rule-based synthetic dataset had limited generalization performance when tested on real student data from 50 individuals, achieving a maximum accuracy of 52% (Logistic Regression). To overcome this generalization problem, a hybrid data augmentation strategy was implemented in the second stage (Model-2), which utilized the real dataset of 50 individuals and enriched it using the class-specific CTGAN (Conditional Tabular Generative Adversarial Network) technique. Models such as Random Forest, Gradient Boosting, and Support Vector Machine (SVM), trained with the synthetic weighted hybrid dataset generated by this method, achieved an accuracy rate of over 97% on the test set. This result confirms that data augmentation with CTGAN, starting from a small amount of real data, significantly enhances the model's learning capacity and predictive power. The web application (WEB-MÖS), developed with the Python Flask framework for deployment, not only serves real-time predictions but also features a dynamic structure that allows for the periodic retraining of the model by collecting user feedback through Google Sheets API integration. This holistic approach presents an effective career recommendation system prototype that provides data-driven guidance for students in the field of computer engineering education.
Benzer Tezler
- Devrelerin büyük işaret cevaplarının bilgisayar yardımıyla bulunması
Başlık çevirisi yok
NÜKHET GÜNEYİ
Yüksek Lisans
Türkçe
1985
Elektrik ve Elektronik MühendisliğiUludağ ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ERGÜR TÜTÜNCÜOĞLU
- Çoklu amaçların çözümlemesinde amaç programlaması ile genelleştirilmiş ters yaklaşımı ve yem sanayiinde bir uygulama
Goal programming and generalieed inverse approaches in the multi-objective analysis and application in feed industry
HASAN BAL
- Diesel motorları yakıt püskürtme sistemlerinin dinamik simülasyonu
Başlık çevirisi yok
İRFAN KARAGÖZ
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZ BORAT
- Mikro bilgisayarla güç kompanzasyonu
Başlık çevirisi yok
NAFİZ ÜNLÜ
Yüksek Lisans
Türkçe
1985
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolUludağ ÜniversitesiElektronik Ana Bilim Dalı
PROF. DR. ERGÜR TÜTÜNCÜOĞLU
- Güneş enerjisi ile çalışan R21-DMF li soğurmalı soğutma çevrimin analizi ve bazı tersinmezliklerin çevrimin performansı üzerindeki etkilerinin incelenmesi
Analysis of R21-DMF solar powered absorpption refrigeration system and effect of someirreversbilities on the Performance of the cycle
SEYİT ARİF TÜR
Yüksek Lisans
Türkçe
1987
Makine MühendisliğiGazi ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERCAN ATAER