Yüksek Lisans Tezleri
Permanent URI for this collectionhttps://hdl.handle.net/20.500.12573/5799
Browse
2 results
Search Results
Master Thesis Türkiye'nin Yenilenebilir Enerji Potansiyelinin ve Çevre Protokolü Uyumluluğunun Değerlendirilmesine Yönelik Bir Makine Öğrenimi(2025) Şahin, Nurettin; Sütçü, MuhammedKüresel ısınma konusu 21. yüzyılın en kritik sorunlarından biri olarak tanımlanmakta ve fosil yakıt tüketimi sera gazı emisyonlarına en büyük katkıyı yapan unsur olarak görülmektedir. Bu sorunlara yanıt olarak dünya genelinde ülkeler, Paris Anlaşması gibi uluslararası iklim taahhütlerini yerine getirmek ve uzun vadeli sürdürülebilirlik hedeflerine ulaşmak için yenilenebilir enerji kaynaklarına geçişlerini hızlandırmaktadır. Türkiye hem ulusal enerji stratejisi hem de uluslararası yükümlülükleriyle uyumlu bir hedef olan 2053 yılına kadar net sıfır emisyona ulaşma hedefini belirlemiştir. Bununla birlikte, coğrafi, ekonomik ve teknolojik kısıtlamalar nedeniyle fosillerden yenilenebilir enerji kaynaklarına geçiş zorlu bir süreçtir. Bu çalışma, çevresel protokoller ve gelecekteki elektrik talebi projeksiyonları ile Türkiye'deki yenilenebilir enerji kapasitesini ve verimliliğini değerlendirmeyi amaçlamaktadır. Gelecekteki elektrik üretim ve kapasite eğilimlerinin belirlenmesi için elektrik üretim-iletim verileri ve ulusal enerji planları kullanılmaktadır. Bu çalışma kapsamında Çoklu makine öğrenimi modeli çeşitli senaryolarda çalıştırılarak sonuçlar elde edilmiştir. Sonuç olarak, düzenleyici tedbirlerin ve finansal yatırımların yansımaları incelenmiş ve ileriye dönük çıkarımlar elde edilmiştir. Bulgular, sürdürülebilir enerji politikalarının oluşturulmasında ve yatırımların yönlendirilmesinde senaryo tabanlı modellemenin önemini vurgulamaktadır.Master Thesis Makine Öğrenimi Algoritmalarına Dayalı Çevrimiçi Pazar Yeri Satış Tahmininin Analizi: Türk E-Ticaret Sitesi Örneği(Abdullah Gül Üniversitesi / Sosyal Bilimler Enstitüsü, 2023) Kaya, Ecem; Sütçü, MuhammedInternet shopping has grown in popularity as more of our daily requirements have begun to be addressed online. Learning about the preferences and motivations of customers in the Turkish market and guiding e-commerce platforms to adapt their marketing strategies and increase customer satisfaction is important for both resource allocation and cost minimization. The purpose of this paper is to estimate future sales for popular e-commerce sites based on behavioral factors such as discounts, price or free shipping. Therefore, real-time and experiment-independent data are collected from the sales made by one of Turkey's most popular e-commerce sites. In order to produce predictions, we employ Artificial Neural Networks, Support Vector Regression, K-Nearest Neighbors Regressor, OLS regression, and Nu-Support Vector Regressor. The models developed using machine learning algorithms attempt to estimate the number of sales based on independent factors such as price, discount rate, and user ratings. As the result of this research, we calculate and compare the accuracy of the models with root mean squared errors and R².