Gazi Üniversitesi Yapay Zeka Merkezi, ileri düzey yapay zeka, makine öğrenmesi ve derin öğrenme teknolojileri geliştiren araştırma ve uygulama merkezidir. Karmaşık endüstri ve araştırma problemlerine yenilikçi çözümler üretiyoruz. Amacımız yapay zeka, makine öğrenmesi ve büyük veri analitiğinde sektöre öncülük etmektir.
Yapay zeka teorisi, makine öğrenmesi, sinir ağları, doğal dil işleme ve bilgisayarlı görü başta olmak üzere makinelere insan zekasını kazandırmak için temel kavramları ve metodolojileri kapsar. Sağlık hizmetlerinde teşhis ve tedavi planlamasına yardımcı olacak uygulamalar araştırıyor ve geliştiriyoruz. Algoritmik ticaret ve risk değerlendirmesi için finans uygulamaları ve otonom sistemler üzerine araştırma yapıyor ve uygulamalar geliştiriyoruz.
Makine öğrenmesi, genelleme, ezberleme ve bias-varyans dengesi gibi kavramlar dahil olmak üzere verilerden öğrenebilen algoritmaların geliştirilmesinde kullanılan matematiksel temelleri ve ilkeleri kapsar. Makine öğrenimi üzerinde, doğal dil işleme, bilgisayarlı görü, sağlık, finans ve otonom sistemler gibi çeşitli alanlarda çalışıyoruz. Tahminler yapmak, verileri sınıflandırmak, süreçleri optimize etmek ve büyük veri kümelerinden faydalı sonuçlar elde etmek için yenilikçi çözümler araştırıyor ve geliştiriyoruz.
Derin öğrenme, büyük veri kümelerindeki karmaşık örüntüleri modellemek için çok sayıda katmana sahip sinir ağlarını kullanan makine öğrenmesinin bir alt alanıdır. Derin öğrenmenin ardındaki teori, sinir ağ eğitimini optimize etmeye ve genellemeyi iyileştirmeye yardımcı olan lineer cebir ve istatistik kavramları içerir. Bilgisayarlı görü (örneğin, görüntü sınıflandırması ve nesne algılama), doğal dil işleme (örneğin, dil çevirisi ve duygu analizi), sağlık hizmeti (örneğin, görüntüleme yoluyla hastalık teşhisi) ve otonom sistemler (örneğin, otonom arabalar) dahil olmak üzere çeşitli alanlarda uygulamalar üzerinde çalışıyoruz.
Akıllı sistemler teorisi, makinelerin öğrenme, muhakeme ve problem çözme gibi bilişsel işlevler gerektiren görevleri yerine getirmesini sağlayan algoritmalar, modeller ve metodolojilerin incelenmesini kapsar. Yapay zeka, robotik, makine öğrenimi, doğal dil işleme ve karar destek sistemleri dahil olmak üzere çeşitli alanlardaki akıllı sistemlerin uygulamaları üzerinde çalışıyoruz. Bu sistemler büyük miktarda veriyi analiz edebilir, süreçleri otomatikleştirebilir, insan karar alma süreçlerini iyileştirebilir ve sağlık, finans, ulaşım ve üretim gibi sektörlerde verimliliği artırabilir.
Büyük veri analitiği, çeşitli alanlarda karar vermeye yardımcı olabilecek gizli örüntüleri, korelasyonları ve şartlı olasılıkları ortaya çıkarmak için büyük ve karmaşık veri kümelerini inceleme sürecini ifade eder. Büyük veri analitiğinin ardındaki teori, büyük miktarda veriyi verimli bir şekilde işlemek ve analiz etmek için istatistiksel yöntemleri, makine öğrenimi algoritmalarını ve veri madenciliği tekniklerini içerir. Sağlıkta öngörücü analiz, müşteri davranış analizi, finans sektöründe sahteecilik tespiti ve akıllı şehir için şehir planlaması dahil olmak üzere çok sayıda sektörü kapsayan uygulamalar üzerinde çalışıyoruz.
Veri bilimi, yapılandırılmış ve yapılandırılmamış verilerden öngörü ve bilgi çıkarmak için istatistiksel analiz, makine öğrenimi, veri madenciliği ve büyük veri teknolojilerini birleştirir. Veri biliminin teorik temelleri arasında olasılık teorisi, istatistik, lineer cebir ve algoritmalar yer alır ve bunlar regresyon analizi, kümeleme ve sinir ağları gibi teknikleri destekler. Finansta dolandırıcılık tespiti, sağlıkta öngörücü analiz, pazarlamada müşteri segmentasyonu ve ulaşımda rota optimizasyonu gibi çok çeşitli alanlardaki uygulamalar üzerinde çalışıyoruz.
Merkezimizde görevli akademisyenlerin yürütücü/araştırmacı/danışman olarak yer aldığı projeler aşağıda listelenmiştir.
Projede sağlık alanında en önemli konu olan toplumun sağlık okuryazarlığını artırmak hedefli, aile hekimlerine yönelik kendisine başvuran bireyin/hastanın SOY düzeyini saptayabilmeleri için, mezuniyet sonrası bireye özel yaklaşım-iletişim stratejileri geliştirme ve kullanma konusunda bilgi, tutum ve beceri kazandırmaya yönelik yeni ve yenilikçi interaktif dijital içeriklerle zenginleştirilmiş bir "mesleki eğitim programı" geliştirmek, uygulamak ve eğitimin etkinliğini değerlendirmek amaçlanmıştır. Türkiye’de böyle bir eğitim programı olmamasının yansıra, günümüz teknolojisinde yenilikçi, interaktif, dijital, kanıta dayalı bir eğitim programı da geliştirilecek olması projenin özgün değerini sağlamaktadır. Proje ekibinin ve hedef grup olan aile hekimlerinin kariyerlerinin gelişimine katkı sağlayacak olan bu proje yaygınlaştırma ve sürdürülebilirliğinin sağlanmasıyla da Türkiye’nin sağlık düzeyinin gelişmesine de katkı verecektir.
Bu projede, Gazi AI Center ve Hindistan'daki Vellore Institute of Technology (VİT) arasında teknoloji konularında ders içerikleri, projeler, eğitimler, etkinlikler ve diğer faaliyetler üzerinden bilgi alışverişi sağlamak, araştırmacıların bu teknolojilere yönelik düşünce ve çalışmalarını paylaşmalarına imkan tanımak amaçlanmıştır. İlk aşamada Gazi AI Center, GUZEM ve VIT arasında 10’ar personelin ders verme, 3’er personelin eğitim alma şeklinde personel hareketliliği planlanmaktadır.
Bu projede, Gazi AI Center ile Yahia Fares Üniversitesi (YFU) arasında işbirliği yapılacaktır. 2024 ve 2025 yıllarında YFU’den altı doktora öğrencisi Gazi AI Center’a misafir araştırmacı olarak gelmiştir. Bu işbirliği anlaşması, bilgisayar mühendisliği alanındaki doktora öğrencilerinin eğitim ve akademik personelin ders verme hareketliliklerini kapsamaktadır. Her kademeden 5 gelen öğrenci, 2 giden ve 4 gelen personel ders verme ve 1 gelen 1 giden eğitim hareketliliği planlanmaktadır.
Bu projede, Gazi AI Center ile Kral Fahd Petrol ve Mineraller Üniversitesi arasında ikili veya çok ortaklı uluslararası proje iş birliği, bilgisayar mühendisliğinde doktora düzeyinde öğrenci hareketliliği ve öğretim elemanı hareketliliği amaçlanmıştır. Bu projeyle 5 giden ve 5 gelen doktora öğrencisi ile 3 giden ve 3 gelen öğretim elemanı hareketliliği planlanmaktadır.
Havaalanları, enerji santralleri ve ulaşım ağları gibi kritik endüstriyel ve sivil altyapı paydaşları, iyi organize edilmiş suç faaliyetlerinden vandalizm gibi düşük seviyeli ancak maliyetli eylemlere kadar insan yapımı fiziksel güvenlik ve emniyet tehditlerinin neden olduğu kesintilere sıklıkla maruz kalmaktadır. SINTRA, birlikte çalışabilirlik, bilgi paylaşımı ve gizlilik koruması sağlayan açık bir veri akışı sağlayan yapay zeka platformu geliştirerek bu kritik altyapıların dayanıklılığını ve korunmasını iyileştirmeyi amaçlamaktadır. Çok modlu algılama ve yapay zeka destekli veri analizi kullanarak, altyapının güvenliği ve emniyetine ilişkin kapsamlı bir çözüm sağlayacak ve karmaşık anormallikleri tespit edecektir.
Daha fazla
Bu proje, ölçeklenebilirlik ve iş birliği zorluklarını ele alan açık bir çerçeve olan IoDT2 aracılığıyla dijital ikiz teknolojisinde yenilik yapmayı hedeflemektedir. Sunucusuz uç bilişim ve dijital ikiz merkezli ağ iletişiminden yararlanan IoDT2, dağıtılmış modellerin sorunsuz bir şekilde paylaşılmasını ve gerçek zamanlı yanıt vermeyi mümkün kılar. Bu yaklaşım, birlikte çalışabilirliği artırarak, performansı optimize ederek ve dijital ikiz oluşturmayı basitleştirerek çeşitli sektörlere fayda sağlar ve kullanımı yaygınlaştırır.
Daha fazla
Bu proje, büyük ölçekli heterojen veri ve etkileşimlere sahip karmaşık sistemleri yansıtabilen dijital ikizler oluşturmak için bir birlikte çalışabilirlik çerçevesi, metodolojisi ve araç desteği oluşturmayı amaçlamaktadır. Proje, birlikte çalışabilir dijital ikizlerin temel teknolojilerini ve uygulama alanlarını ele alacak ve bunları endüstriyel üretim, akıllı şehirler, altyapı varlık yönetimi, orman yangını koruması ve yenilenebilir enerji kaynakları gibi ilgili alanlara uygulayacaktır. Proje ayrıca model tabanlı geliştirmeyi ilerletecek, makine öğrenimi bileşenlerini entegre edecek, birleşik bir referans mimarisi tanımlayacak ve hem mühendislik hem de dijital ikizlerin işletimi için araç desteği sağlayacaktır.
Daha fazla
Perakende sektörü bir ülkenin ekonomisinde önemli rol oynar, ancak kişisel öneriler ve bir kanaldan başlatılan satın alımların diğerine devamını içeren çevrimiçi ve çevrimdışı faaliyetleri birleştirerek alışveriş deneyimi sağlayabilmek için dönüşüm geçirmesi gerekmektedir. CAPE, kişisel deneyimler geliştirmek, robotların/kioskların performansını iyileştirmek ve günümüz pazarında yaygın olarak bulunmayan alternatif fırsatlar ve teknolojiler sunmak için yapay zeka, derin öğrenme, blok zinciri ve IoT gibi çeşitli teknolojileri kullanarak bu zorlukları ele almaktadır. Hedeflenen yaygın etki, müşteri ve çalışan memnuniyetinin iyileştirilmesi, satışların artırılması ve daha verimli mağaza süreçlerini içermektedir.
Daha fazla
Merkezimizde görevli akademisyenlerin yayınları aşağıda listelenmiştir.
Assessment of apical patency in permanent first molars using deep learning on CBCT-derived pseudopanoramic images: A retrospective study
Bostancı, S.D., Hatipoğlu Palaz, Z., Özdem Karaca, K., Akcayol, M.A., Bani M.
Bioengineering, DOI: 10.3390/bioengineering12111233, 2025.
AI-driven identity and access management: A hybrid deep learning approach for anomaly detection in enterprise environments
Demirsoy H.B., Akcayol M.A.
7th International Conference on Artificial Intelligence and Applied Mathematics in Engineering, Antalya, Türkiye, October 31 - November 2, 2025.
Selecting generated synthetic features using clustering algorithm for generalized zero-shot learning
Akdemir, E., Barisci, N., Akcayol, M.A., Doğan, N.,
Multimedia Systems, DOI: 10.1007/s00530-025-01979-z, 2025.
Video frame denoising via CNN and GAN methods
Yapıcı A., Akcayol M.A.
KSII Transactions on Internet and Information Systems, DOI: 10.3837/tiis.2025.03.001, 2025.
Hybrid deep learning model for predicting the contribution of SMEs to the economy: A case study for Türkiye
Utku A., Sevinç A., Akcayol M.A.
Journal of Soft Computing and Artificial Intelligence, 2025.
Multiple attention-based deep learning model for MRI captioning
Maraş B., Karatorak S., Özdem Karaca K., Gedik A.O., Akcayol M.A.
Muş Alparslan University Journal of Science, DOI: 10.18586/msufbd.1532112, 2025.
Estimation of market clearing price in day ahead electricity market with RNN based deep learning method
Peker H.P., Batur Sir G.D., Akcayol M.A.
44th National Congress on Operations Research and Industrial Engineering, Ankara, Türkiye, 25-27 June 2025.
Optimizing access point allocation based on genetic algorithm with channel conflict detection
Kocaoğlu R., Calp M.H., Akcayol M.A.
El-Cezeri, DOI: 10.31202/ecjse.1529228, 2025.
Spread patterns of COVID-19 in European countries: Hybrid deep learning model for prediction and transmission analysis
Utku A., Akcayol M.A.
Neural Computing and Applications, DOI: 10.1007/s00521-024-09597-y, 2024.
An ensemble approach for classification of tympanic membrane conditions using soft voting classifier
Akyol K., Uçar E., Atila Ü., Uçar M.
Multimedia Tools and Applications, DOI: 10.1007/s11042-024-18631-z, 2024.
APT-scope: A novel framework to predict advanced persistent threat groups from enriched heterogeneous information network of cyber threat intelligence
Gulbay B., Demirci M.
Engineering Science and Technology, an International Journal, 57, 101791, 2024.
Real time malicious drone detection using deep learning on FANETs
Yapıcıoğlu C., Demirci M., Akcayol M.A.
IEEE International Black Sea Conference on Communications and Networking, Tbilisi, Georgia, June 24–27, 2024.
Optimization of planetary gearbox using nature inspired meta-heuristic optimizers
Top N., Dörterler M., Şahin İ.
Proceedings of the Institution of Mechanical Engineers, Part C: Journal of Mechanical Engineering Science, Vol. 238, No. 8, pp. 3338-3347, 2024.
Multimodal fusion for enhanced semantic segmentation in brain tumor imaging: Integrating deep learning and guided filtering via advanced 3d semantic segmentation architectures
Saleh A., Atila Ü., Menemencioğlu O.
International Journal of Imaging Systems and Technology, DOI: 10.1002/ima.23152, 2024.
A novel hybridization approach to improve the critical distance clustering algorithm: Balancing speed and quality
Hamed Kuwil F., Atila Ü.,
Expert Systems with Applications, vol.247, DOI: 10.1016/j.eswa.2024.123298, 2024.
A nested optimization approach for robot gripper multi-objective optimization problem
Dörterler M., Atila Ü., Top N., Şahin İ.
Expert Systems with Applications, vol.239, 1-15, DOI: 10.1016/j.eswa.2023.122163, 2024.
Smart meter-based energy consumption forecasting for smart cities using adaptive federated learning
Abdulla N., Demirci M., Ozdemir S.
Sustainable Energy, Grids and Networks, 38, 101342, 2024.
Neural network based a comparative analysis for customer churn prediction
Utku A., Akcayol M.A.
Muş Alparslan University Journal of Science, DOI: 10.18586/msufbd.1466246, 2024.
Hybrid ConvLSTM model for evaluating the performance of SMEs in the software sector
Utku A., Sevinç A., Akcayol M.A.
Naturengs, Vol.5(1), 2024.
Log anomaly detection in application servers using deep learning
Alagöz E., Şahin Y.M., Özdem K., Gedik A.O., Akcayol M.A.
Innovative Methods in Computer Science and Computational Applications in the Era of Industry 5.0, Vol.1(1), pp.258-268, 2024. (Selected from ICAIAME 2023)
Hybrid deep learning model for earthquake time prediction
Utku A., Akcayol M.A.
Gazi University Journal of Science, DOI: 10.35378/gujs.1364529, 2024.
EMACrawler: Web search engine database freshness optimization
Alanoğlu Z., Akcayol M.A.
Journal of Polytechnic, DOI: 10.2339/politeknik.1347054, 2024.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Gazi Üniversitesi Rektörlüğü |
|
aicenter@gazi.edu.tr Yönetim: +90 312 202 20 49-50 |
|
|
|||
