Person: ALTIKARDEŞ, ZEHRA AYSUN
Loading...
Email Address
Birth Date
Research Projects
Organizational Units
Job Title
Last Name
ALTIKARDEŞ
First Name
ZEHRA AYSUN
Name
4 results
Search Results
Now showing 1 - 4 of 4
Publication Metadata only Tıp ve yapay zekâ: genel bakış(Türkiye Klinikleri Yayınevi, 2022-11-01) ALTIKARDEŞ, ZEHRA AYSUN; Altıkardeş Z. A. (Editör)İkinci Dünya Savaşı sırasında Enigma şifresini çözmesiyle tanınan Alan Turing, bilgisayar bilimlerinin babası olarak ilk elektronik bilgisayar yapan ekibin de üyesi olmuştur. 1950\"de \"Computing Machinery and Intelligence\" makalesini yayınlamasıyla, \"Makineler Düşünebilir mi?\"sorusu gündeme girmiş ve o yıllardan itibaren evreni, kendimizi keşfetmeye giden yolda hızla ilerlemekteyiz.1Özellikle fizik, biyoloji gibi temel bilimlerde keşifler yapıldıkça tıp, bilgisayar bilimleri, mühendislik (malzeme, elektronik, mekatronik, genetik vb.) gibi birçok alan da beslenmeye devam etmektedir. Felsefi olarak yapay zekânın;-İnsanın matematiksel modellenmesi mi?-Evrenin yetileri doğrultusunda bizlerin de organik zekâ olarak ortaya çıkması gibi, yapay zekânın da doğal bir parça (üçüncü tür) olduğu mu?tartışıla dursun;Her iki durumda da yapay zekâyı; düşünebilen, hissedebilen, aldığı girdileri işleyerek kendi kararlarını verebilen, kendi kendine öğrenme ve tecrübe edinmesiyle gelişim gösterebilen otonom sistem olarak tanımlayabiliriz.İnsanoğlunun dünya üzerinde var olduğu süreye bakınca özellikle, yapay zekânın gelişiminin henüz bebeklik döneminde olduğunu söylemenin hatalı olmayacağı kanısındayım.Bizler her ne kadar yapay zekâ başlığına giderek daha çok aşina olsak da uzman sistemler, bulanık mantık, genetik algoritmalar, veri madenciliği gibi birçok teknik, bu kapsam altında yer almaktadır.2Bilgisayar verilen girdileri bir algoritmaya göre işleyen ve sonuca ulaşan makinelerdir. Ancak verinin çeşitlilik, hız, hacim, doğruluk ve güvenirlik gibi özellikler kazandığı bir ortamda, çözümlenmesi gereken her şeye karşılık gelen bir algoritma olmamasına rağmen buralardaki örüntüleri, ilişkileri, benzerlikleri tespit edebilecek algoritmaları oluşturmak mümkün olmaktadır.3 Bilgisayara bu algoritmaları gözetimli ya da gözetimsiz şekilde aktarabildiğimizde makinenin verimli bir veri yığını içinden kendi yapay öğrenmesini gerçekleştirmesini sağladığımız makine öğrenmesi (ML) gerçekleşir.4Pnömoni üzerine 2022 yılında yayınlanan sistematik gözden geçirme makalesindeki dikkat çekici sonuçlardan birisi, özellik çıkarımında klinisyenlerle birlikte özellik çıkarım algoritmalarıyla oluşturulan ML model performansları ile tamamen özellik çıkarım algoritmaları ile elde edilen otomatik ML modellerini karşılaştırdıklarında, büyük veriseti üzerinde her iki durumda da 40 öznitelik seçilmiş ve bunların büyük çoğunluğunun benzer olduğu ortaya konmuştur.5 Veri mühendisinin verisetine ve algoritmalara hakimliği ML\"de yapay sinir ağları modeli performansında da büyük ölçüde etkilidir. Ancak daha çok katman içeren derin öğrenme algoritmaları ile oluşturulan sisteme temizlenmiş veriler verildikten sonra başarılı modeli oluştururken kendisi özellik seçme işlemlerini de içinde çözümlemiş olmaktadır.Bu bağlamda, Büyük Veri, bütün cihazların, sensörlerin sisteme dâhil olarak veri üretmesiyle Nesnelerin İnterneti (IoT) ve 5G ile haberleşme teknolojilerinde yaşanan gelişmeler (Shannon\"ı burada anmadan olmaz!) veri iletim kapasitesinin artması, bağlanma süresinin hızlanması ve tepki sürelerinin düşmesi de yapay zekânın hayatımızda hızla ilerleme kaydetmesinin nedenlerindendir. Küresel boyutta kapsama alanı sağlama çalışmalarına yönelik Starlink gibi projelerin, 5G\"nin kapsama alanı konusundaki eksikliklerini kapayacağı ön görülmektedir.62018 yılının Ekim ayında ICBEB Konferansına katılmış ve yapay zekâ tekniklerinden olan bulanık mantık ile LABVIEW\" de hazırladığımız metabolik sendrom ve kardiyovasküler risk hesaplayarak kişiye özel öneri sunan bir karar destek sistemi konulu çalışmayı sunmuştum.7 Organizasyon kapsamında Çin\"in Nanjing kentindeki medikal alanda en büyük olan veri merkezi ve süper bilgisayarı görme ve yapay zekâyla gerçekleştirilen projeler hakkında bilgi alma şansım olmuştu. Bu makineye gerçek zamanlı olarak bağlanan hastanelerden 80 milyon kişinin verisi akmaktaydı. Dakikada 30 hastanın gen haritasını çıkarabildiklerini belirttikleri makinelerin ise sayısı oldukça fazlaydı. Hastalık teşhis ve tedavisi ile ilgilendikleri gibi \"Süper İnsan\" yaratma gibi büyük bir amaca hizmet ettiklerini ise söylemekte hiçbir sakınca görmemişlerdi.8Yapay zekâ teknikleri kullanılarak Elektronik Sağlık Kayıtları (EHR) ile hastane yönetimlerinin iyileştirilmesi, teşhis ve tedavide insansı hataların en aza indirilmesine yardımcı, arttırılmış gerçeklik vb. teknolojilerle destelenecek şekilde tıp eğitimini destekleyecek, koruyucu hekimlikte, sağlık sigorta sistemini daha efektif ve bireyi koruyucu şekilde yapılandırılmasına katkı sağlayacak karar destek ve öneri sistemleri geliştirme süreci, Mayıs 2020\"de OpenAI\"nin metin üretebilen GPT-3\"ü tanıtması ve yapay zekânın kendini \"Turing testini geçen...\" olarak tanımlaması bu alanın çok farklı boyutlara taşınacağının sinyallerini verdi.9Bu bağlamda, kuantum bilgisayarlar, akıllı telefonlar, dijital sağlık teknolojileri, robotik sistemler, otonom sistemler gibi alanlarda teknolojik gelişmelerle birlikte yapay zekâ hayatlarımızda zamanla daha da önemli bir yer kaplamaya başlayacağı için veri mahremiyeti ve kişisel güvenlik, hak dağıtımı ve hesap verebilirlik yönetimi, hukuki itilaflar, regülasyonlar gibi konuların ivedilikle üzerinde çalışılmasını gerekli kılmaktadır.10Ülkemizde özellikle sağlık alanında artan maliyetlerin düşürülmesi, prevalansı yüksek hastalıkların teşhis ve tedavi sürecinin iyileştirilmesi, bireylerin uzun ve kaliteli yaşam sürmesine hizmet eden sağlık uzmanlarının problemlerinin azaltılması gibi faydaları gözeten çalışmaların yapay zekâ teknikleri kullanılarak yapıldığını görmek sevindirici olmakla birlikte, ortaya çıkan ürünlerin (model, yazılım, cihaz vb.) klinik hayata geçirilmesinde hız kazanılması gerektiği düşüncesindeyim. Bu bağlamda, mühendisler, veri bilimciler, yazılımcılar, hukukçular tıp uzmanları arasında ortak dilin oluşturulması ve değer üreten çalışmaların hız kazanmasına katkı sağlayacağına inandığım bu kitap için desteğini veren \"Türkiye Klinikleri\" yayın grubuna, bilimsel bilgi ve görüşlerini paylaşarak katkı sağlayan yazarlarımıza teşekkür ederim.Publication Open Access Topluluk sınıflandırma yöntemleri ve PCA kullanarak zararlı url tespiti(2021-12-01) ALTIKARDEŞ, ZEHRA AYSUN; DOĞAN, BUKET; Köksal K., Doğan B., Altıkardeş Z. A.Teknolojinin gelişmesi ve internet kullanıcı sayısındaki artışla orantılı olarak siber suçlarda da artış gözlemlenmiştir. Birçok farklı siber saldırı tekniği bulunmaktadır. Bu saldırı tekniklerinden biri olan kötü amaçlı web siteleri, siber saldırılar ve dolandırıcılık olaylarında önemli rol oynamaktadır. İnternette masum görünen bir bağlantıya tıklamak veya e-posta ve mesaj yoluyla gönderilen bir web sayfasını ziyaret etmek arka planda kimlik avı kampanyalarının başlatılmasına, kötü amaçlı yazılımların, casus yazılımların, fidye yazılımların indirilmesine ve ciddi parasal kayıplar oluşmasına yol açar. Dolayısıyla bu tehditlerin etkin bir şekilde tespit edilmesi ve önlenmesi bireyler, kurumlar ve hükümetler için oldukça önemli bir konu haline gelmiştir. Kara listeye dayalı yöntemler, kötü amaçlı URL\"leri tanımlamak için kullanılan standart yöntemlerden biridir. Ancak kara listeler hiçbir zaman kapsamlı değildir ve yeni oluşturulan URL\"leri algılama yeteneğinden yoksundur. Kara listeye dayalı yöntemlerin mevcut ihtiyacı ve eksiklikleri de göz önünde bulundurularak bu çalışmada toplulukla öğrenme yöntemleri kullanılarak bir sınıflandırma yaklaşımı önerilmiştir. Çalışmada iyi huylu ve kötü huylu URL’lerden elde edilmiş 79 sözcüksel özellik içeren Kanada Siber Güvenlik Enstitüsü\"nün URL veriseti (ISCX-URL-2016) üzerinde çalışılmıştır. Verisetinde benign, spam, phishing, malware ve defacement olmak üzere beş farklı URL türü bulunmaktadır. Toplam 7781 iyi huylu ve 28.917 tane zararlı URL kaydı üzerinde zararlı, zararsız etiketleri kullanılarak ikili sınıflandırma işlemi ve beş farklı etiket bilgisi kullanılarak çoklu sınıflandırma işlemi gerçekleştirilmiştir. Makine öğrenmesi yöntemlerinden Rastgele Orman algoritması uygulanan yöntemin başarısının sınanması için 10-katlamalı çapraz doğrulama (10-fold cross validation) ile birlikte kullanılmıştır ve 10 temel bileşen kullanılarak ikili sınıflandırma problemi için ortalama %99.42, çoklu sınıflandırma problemi için ortalama %95.68 doğruluk değeri elde edilmiştir. Böylece her gün yeni web sitelerinin katıldığı bu dinamik internet ağını kötü niyetli tasarlanmış web sitelerinden korumaya yönelik yüksek başarım oranına sahip bir model önerisi sunulmuştur.Publication Metadata only Geliştirilen yapay zekâ teknolojileri klinik uygulamalarda ne kadar yer buluyor?(Türkiye Klinikleri Yayınevi, 2022-11-01) ÇANAYAZ, EMRE; ALTIKARDEŞ, ZEHRA AYSUN; Çanayaz E., Altıkardeş Z. A.Veri hacmindeki artışla birlikte verinin çeşitlenmesi, özellikle gerçek zamanlı veri akışındaki hız ile birlikte verilerin doğruluğundaki belirsizlik etkenleri hayatımıza giren büyük veri kavramını doğurmuştur. Son yıllarda günlük hayatımızdaki uygulamalara girecek kadar gelişim gösteren yapay zekâ başlığı altında yer alan yöntemlerin gelişmesi, büyük veri ile birlikte kullanılarak özellikle sağlık alanında klasik çözümlere göre maliyet azaltma, zaman kazandırma, insansı hataları indirgeme gibi yararları sunabilmenin sinyallerini vermektedir. Peki yapay zekâ ile geliştirilen sistemlerin klinik çalışmalarda yer bulması ne kadar kolay olacaktır? Bu çalışma ile sorunun cevabı irdelenmekte ve elde edilen çarpıcı sonuçlar paylaşılmaktadır.Publication Metadata only Tıpta ve enfeksiyon hastalıklarında yapay zekâ(Türkiye Klinikleri Yayınevi, 2022-11-01) ALTIKARDEŞ, ZEHRA AYSUN; DURMUŞOĞLU, LÜTFİYE; Durmuşoğlu L. (Editör), Altıkardeş Z. A. (Editör)