Master Degree / Yüksek Lisans Tezleri
Permanent URI for this collectionhttps://hdl.handle.net/11147/3008
Browse
Search Results
Master Thesis Büyük Dil Modellerini Kullanan Olay Odaklı Mikroservisler için Sözleşme Tabanlı Otomatik Test Çerçevesi(2025) Tuğlular, Tuğkan; Tuğlular, Tuğkan; 01. Izmir Institute of Technology; 03. Faculty of Engineering; 03.04. Department of Computer EngineeringOlay odaklı mikroservis mimarileri modern yazılımların temelini oluşturdukça, güvenilir test tekniklerine duyulan ihtiyaç kritik hale gelmektedir. Bu sistemlerin eş zamansız ve dağıtık yapısı, doğruluğu garanti etmeyi ve hataları tespit etmeyi zorlaştırmaktadır. Geleneksel test yöntemleri bu dinamik davranışlar için yetersiz kaldığından, gelişmiş ve otomatik çözümlere ihtiyaç duyulmaktadır. Bu tez, olay odaklı mikroservisler için sözleşme tabanlı üretimi (OpenAPI), davranış odaklı geliştirmeyi (Gherkin), mutasyon testini (Stryker) ve LLM destekli senaryo üretimini birleştiren bir otomatik test çerçevesi sunmaktadır. Çerçeve, gerçekçi ve sınır odaklı test senaryoları üretmek için özellikle Ollama üzerinden yerel olarak çalıştırılan LLaMA-3 modeline odaklanmaktadır. Bu yaklaşım, GPT-4, Gemini veya Claude gibi bulut tabanlı modellerin getirdiği kullanım limiti, maliyet ve veri gizliliği risklerinden kaçınmayı sağlamıştır. Ampirik değerlendirme için, Ming Teknoloji A.Ş. bünyesinde çalışan iki gerçek üretim (production) mikroservisi, bu tez kapsamında 'Nearmiss' ve 'Suggestion' olarak adlandırılarak vaka analizi olarak kullanılmıştır. API sözleşmelerinden oluşturulan test koleksiyonları Postman/Newman CLI ile çalıştırılmış ve CI/CD entegrasyonu sağlanmıştır. Sözleşmelerin otomatik olarak çalıştırılabilir BDD senaryolarına dönüştürülmesi, şartname ve doğrulama arasında sorunsuz bir köprü kurmuştur. Sonuçlar, bu çerçevenin geliştirme verimliliğini, test kapsamını ve hata tespitini önemli ölçüde artırdığını göstermektedir. Yapay zekâ ve geleneksel araçların birleşimi, eşzamansız hizmet etkileşimlerini doğrulamak için ölçeklenebilir ve sağlam bir yöntem sunarak olay odaklı mikroservislerin güvenilirliğini sağlamaya yönelik pratik bir katkı sağlamaktadır.Master Thesis Diyabetik Retinopati Görüntülerinin Analizi için Uyarlanır Yeniden Boyutlandırıcı Bütünleştirilmiş Derin Üretken Öznitelik Üretim Çerçevesi(2025) Gümüş, Abdurrahman; Atakan, Barış; Gümüş, Abdurrahman; Atakan, Barış; 01. Izmir Institute of Technology; 03. Faculty of Engineering; 03.05. Department of Electrical and Electronics EngineeringDiyabetik Retinopati (DR), diyabet hastalarında oluşan görme kaybının önde gelen nedenlerinden biri olup, erken ve doğru tespiti ciddi komplikasyonların önlenmesi açısından hayati öneme sahiptir. Bu tez, çeşitli verisetlerinde doğruluğu ve sağlamlığı artırmak için tasarlanmış olan Uyarlanır Yeniden Boyutlandırıcı Bütünleştirilmiş Derin Üretken Öznitelik Üretim (AR+DRFG) mimarisi ortaya koyarak fundus görüntülerinden otomatik DR tespiti için yeni bir yaklaşım sunmaktadır. Araştırma, DR tespiti için giriş görüntüsü küçültülmesi ve öznitelik çıkarma işlemleri için mevcut literatürdeki kritik boşlukları ele almaktadır. Önerilen çerçeve, giriş görüntülerini öznitelik çıkarımı için en uygun çözünürlüklere akıllıca yeniden boyutlandıran bir Uyarlanır Yeniden Boyutlandırıcı (AR) bileşenini, yeniden boyutlandırılmış görüntülerden sağlam ve üretken öznitelikler üreten bir Derin Üretken Öznitelik Üretim (DRFG) modeli ile bütünleştirir. Bu mimari, çeşitli tıbbi görüntüleme uygulamaları için geliştirilmiş genelleştirilebilirlik ve zengin öznitelik çıkarma kapasitelerini hedeflemektedir. Çalışmada yaygın olarak tanınan ve kamuya açık üç fundus görüntüsü veriseti kullanılmıştır: APTOS, MESSIDOR-2, ve IDRiD. Veri kıtlığını gidermek ve model genelleştirmesini iyileştirmek için veri artırımı teknikleri uygulanmıştır. Önerilen AR+DRFG mimarisi, hem Sınama Seti Doğrulama (hold-out validation), hem de k-Katlı Çapraz Doğrulama (k-Fold cross-validation) yöntemleri kullanılarak, VGG, ResNet, Inception, MobileNet, EfficientNet ve DenseNet ailelerine ait son teknoloji CNN kıyaslama modellerine karşı sistematik olarak değerlendirilmiştir. Kapsamlı deneysel sonuçlar, önerilen mimarinin her üç veriseti için de üstünlüğünü göstermektedir. Performans değerlendirmesi, basit doğruluk ölçütlerinin ötesinde, her DR şiddet seviyesi için ayrıntılı karışıklık matrisi analizi ile doğruluk ve kayıp grafikleri aracılığıyla eğitim dinamiklerinin incelenmesini de içermektedir. Sonuçlar, modelin sağlam genelleştirme kapasitelerini ve hastalığın farklı evreleri arasında ayrım yapmadaki güçlü yönlerini de ortaya koymaktadır. Bu araştırmanın temel katkısı, DR tespiti için son teknoloji genelleştirilebilirlikli zengin ve çeşitlendirilmiş öznitelik çıkarımı gerektiren birçok kullanım senaryolarına uygulanabilen daha doğru ve sağlam bir otomatikleştirilmiş sistem geliştirilmesinde yatmaktadır. Önerilen AR+DRFG mimarisi, diyabetik retinopatinin tespiti için tıbbi görüntü analizinde önemli bir ilerlemeyi temsil etmektedir.Master Thesis Çoklu Etmen Büyük Dil Modelleri ile Doğal Dilin Niteliksel SQL Arama Sorgularına Dönüştürülmesi(2025) Ayav, Tolga; Ayav, Tolga; 01. Izmir Institute of Technology; 03. Faculty of Engineering; 03.04. Department of Computer EngineeringDoğal dilden SQL'e dönüşüm (NL2SQL), kullanıcı tarafından doğal dilde ifade edilen sorguların, aynı anlamı taşıyan yapısal SQL ifadelerine çevrilmesi sürecidir. Bu işlem, uzmanlık seviyesinde SQL bilgisi gerektirir, veri bilimciler ya da iş analistleri tarafından manuel olarak gerçekleştirildiğinde zaman alıcı olabilir. Bu süreci hızlandırmak ve kolaylaştırmak için araştırmacılar, veritabanlarıyla doğal dil üzerinden iletişimi mümkün kılacak yöntemler üzerine çalışmış; kullanıcılarla veri sistemleri arasında etkili bir arayüz oluşturmayı hedeflemişlerdir. Yaklaşık otuz yıllık bir süreçte, bu alandaki yaklaşımlar, kural tabanlı gramer sistemlerinden, veritabanı bilgisinin kodlandığı (database-aware encoding) seq2seq modellere evrilmiştir. Ancak, büyük dil modellerinin (LLM'ler) ortaya çıkmasıyla birlikte bu alanda kaydedilen ilerleme önemli ölçüde hızlanmış ve daha önce ulaşılamayan bir seviyeye erişmiştir. Bu çalışmada, NL2SQL görevi, GPT gibi büyük ölçekli modellere güvenmek yerine, orta ölçekli açık kaynak dil modellerinin etkin akıl yürütme gücünden ve işbirliğinden yararlanılarak ele alınmaya çalışılmıştır. Çalışmanın amacı, çok daha az kaynak gerektiren modellerle rekabetçi bir performansın elde edilip edilemeyeceğini araştırmaktır. Bu araştırma kapsamında, üç orta ölçekli açık kaynak model — Gemma3-IT (Google), Qwen2.5 Instruct (Alibaba) ve Mistral Nemo (Mistral AI) — kullanıldı. Hem modellerin iş birliğinden ve hem de bağlamsal veritabanı içeriğinden yararlanılarak, Spider geliştirme değerlendirme setinde %81,3 yürütme doğruluğuna ulaşıldı. Bu sonuç, her bir modelin bireysel performansının üzerinde olup, C3-SQL'e kıyasla yalnızca %0,6 ve DIN-SQL'e kıyasla %1,5 daha düşüktür. Sonuçlar, çalışmanın ortaya koyduğu yaklaşımın etkinliğini göstermektedir.