Person:
ERDAL, HASAN

Profile Picture

Email Address

Birth Date

Research Projects

Organizational Units

OrgUnit Logo
Organizational Unit

Job Title

Last Name

ERDAL

First Name

HASAN

Name

Filters

2010 - 201922020 - 20232
Reset filters

Settings

Start date: 2005 × Has files: true ×

Search Results

Now showing 1 - 4 of 4
  • Thumbnail Image
    PublicationOpen Access
    An internet-based real-time remote automatic control laboratory for control education
    (ELSEVIER SCIENCE BV, 2010) ERDAL, HASAN; Ugur, Mehmet; Savas, Kenan; Erdal, Hasan; Uzunboylu, H
    This paper describes a web based remote automatic control lab, RACL, system. This is a system that enables students do real time control experiments from a remote location (e.g. their homes) using internet and an ordinary web browser. By using this system one can select an experiment, launches that experiment, and examines real time experiment outputs by looking at charts. This system brings hope for reducing costs and improving control education quality. (C) 2010 Elsevier Ltd. All rights reserved.
  • Thumbnail Image
    PublicationOpen Access
    Çok sınıflı ve dengesiz eğitimsel veri kümesiyle yükseköğretim planlama ve karar destek sistemi: Teknoloji fakültesi örneği
    (2023-04-01) ERDAL, HASAN; Yılmaz E., Altıkardeş A. Z., Erdal H.
    Eğitimsel Veri Madenciliğinin alt dalı olan akademik performans tahminiyle ilgili çalışmaların son yıllarda attığı görüldü. Gerçek ortamlarda eğitimsel veri kümeleri çoğunlukla sınıf dengesizliğine ve çok sınıflı hedef değişkene sahip olduğu ancak bu veri kümesi ile yapılan çalışmaların literatürde az olduğu görüldü. Bu bağlamda, bu çalışmada, 23.05.2022-286783 etik no kararı ile Marmara Üniversitesi (MÜ) Teknoloji Fakültesi (TF) öğrencilerine ait veri seti kullanılarak, çok sınıflı dengesiz eğitimsel veri kümesiyle, riskli öğrencileri tespit etmek için öğrenci mezuniyet durum tahmini yapıldı. Veri ön işleme ve özellik seçimi (FS) aşamalarıyla 1394 örneklem ve 11 özellik elde edildi. 2016 yılına ait 153 öğrenci sağlamlık kontrolü için kullanıldı. 7 farklı FS ile elde edilen 11, 7 ve 5 özellik içeren 3 farklı veri kümesi oluşturuldu. 9 farklı örnekleme yöntemi ve 16 farklı makine öğrenmesi algoritması kullanılarak birbirinden farklı 750 model oluşturuldu. Modellere sağlamlık kontrolü yapıldı. Başarı ölçütü olarak F1 Score ve Repeated Stratified 5*5 fold-CV kullanıldı. Hiper parametre ayarları GridSearchCV ile yapıldı. Sonuç olarak RandomOverSampler + RandomForest F1 Score 0.9935 değeriyle en başarılı algoritma olmasına rağmen, en başarılı ve en tutarlı modeller 7 özellikli, None+ET, None+MLP, None+Bagging_DT ve None+RF modelleri oldu. Bu modellerle karar destek sistemi web uygulaması geliştirilerek MÜ TF öğretim üyelerine sunuldu
  • Thumbnail Image
    PublicationOpen Access
    Product recommendation system with explicit feedback using deep learning methods
    (2020-10-23) ALTIKARDEŞ, ZEHRA AYSUN; ERDAL, HASAN; KANTEPE E., ALTIKARDEŞ Z. A., ERDAL H.
  • Thumbnail Image
    PublicationOpen Access
    A modular and low-cost data acquisition card design with multitasking support
    (ELSEVIER SCIENCE BV, 2010) ERDAL, HASAN; Katrancioglu, Sevan; Savas, Kenan; Erdal, Hasan; Uzunboylu, H
    This paper describes a microcontroller-based, low-cost and multi-function data acquisition card design. A wide user audience for this product and a wide field of use are considered on the basis of containing many functions. Many kinds of projects in universities need data collection interfaces, which greatly increases the cost of project. Comparing with other data acquisition cards, this design comes to the flexibility to change the number of and the functions of ports which is the part of the designed data acquisition card. Also with this design more than one system can be controlled simultaneously. (C) 2010 Elsevier Ltd. All rights reserved.