Mühendislik ve mimarlık
Bilgisayar Mühendisliği Tez Danışmanlığı
Bilgisayar mühendisliği tezlerinde katkı, çoğunlukla bir yöntemin başka bir yöntemden daha iyi performans göstermesiyle ortaya konur. Bu iddianın geçerli olması için karşılaştırmanın adil kurulması gerekir: aynı veri seti, aynı bölümleme, aynı ölçütler.
Yaygın yöntemler
- Kontrollü deney ve çapraz doğrulama
- Karşılaştırmalı model değerlendirme
- Ablasyon çalışması
- İstatistiksel anlamlılık testleri (McNemar, Wilcoxon)
En sık yapılan yöntemsel hata, test verisinin model geliştirme sürecine sızmasıdır. Hiperparametre seçimi doğrulama kümesi üzerinde yapılmalı, test kümesi yalnızca son değerlendirmede kullanılmalıdır.
Sonuçların tekrarlanabilirliği giderek daha fazla önemseniyor: rastgelelik tohumu, kütüphane sürümleri ve donanım bilgisinin belirtilmesi beklenir.
Kullanılan araçlar ve kaynaklar
- Python (PyTorch, scikit-learn)
- MATLAB
- Weka
- Git
- Jupyter
Konu örnekleri
Bilgisayar Mühendisliği alanında sık çalışılan tez konuları
Aşağıdaki başlıklar hazır konu listesi değil, daraltma sürecine örnek olacak biçimde yazılmış model başlıklardır.
- 01Derin öğrenme tabanlı görüntü sınıflandırmada veri artırma yöntemlerinin karşılaştırılması
- 02Türkçe metinlerde duygu analizi için dil modeli ince ayarı
- 03Ağ trafiğinde anomali tespiti için makine öğrenmesi yaklaşımları
- 04Öneri sistemlerinde soğuk başlangıç probleminin ele alınması
- 05Federated learning ile mahremiyet korumalı model eğitimi
- 06Zaman serisi tahmininde hibrit model performansı
Konu seçiminde dikkat
Tıkanma noktaları
Bilgisayar Mühendisliği tezlerinde en sık karşılaşılan zorluklar
Bu sorunların çoğu, tasarım aşamasında öngörüldüğünde tamamen önlenebilir.
Veri sızıntısı
Ön işleme adımlarının tüm veri üzerinde uygulanması, test performansını yapay olarak yükseltir.
Dengesiz veri
Sınıf dengesizliği göz ardı edildiğinde doğruluk (accuracy) yanıltıcı olur; F1 ve AUC raporlanmalıdır.
Tekrarlanabilirlik
Tek çalıştırma sonucunun raporlanması, rastgelelikten kaynaklanan farkları gizler; çoklu tekrar ve standart sapma beklenir.
Sık sorulan sorular
Bilgisayar Mühendisliği tezleri hakkında
Kendi veri setimi oluşturmalı mıyım?
Gerekli değildir. Kamuya açık ve literatürde kullanılan veri setleri karşılaştırılabilirlik sağlar. Özgün veri seti oluşturmak katkı sayılır ancak etiketleme yükü büyüktür.
Sonuçlarım literatürden düşük çıktı, sorun mu?
Hayır, eğer farkın nedeni açıklanabiliyorsa. Farklı donanım, veri bölümleme veya ön işleme farkları gerekçe olarak yazılabilir.
İlgili sayfalar
Bilgisayar Mühendisliği tezinizi birlikte değerlendirelim
Alanınıza hâkim bir danışmanla 30 dakikalık ücretsiz ön görüşme yapın; hangi aşamada ne yapmanız gerektiğini birlikte netleştirelim.
Ödeme ön görüşmeden sonra · Kapsam yazılı olarak netleşir · Hafta içi 09.00 – 19.00, Cumartesi 10.00 – 16.00