Ağ teknolojilerindeki hızlı gelişmeler ve ağlar üzerinde aktarılan verilerin miktarı ve kapsamı her geçen gün artmaktadır. Bu duruma bağlı olarak siber tehdit ve saldırıların yoğunluğu ve karmaşıklığı da genişlemektedir. Sürekli artan ağ yoğunluğu, siber güvenlik uzmanlarının ağdaki her hareketi izlemesini zorlaştırıyor. Daha sık ve karmaşık siber saldırılar, ağ olaylarındaki anormalliklerin tespitini ve tanımlanmasını daha karmaşık hale getiriyor. Makine öğrenimi, siber saldırıların algılanmasını otomatikleştirmek ve saldırı türlerini hızlı bir şekilde tahmin etmek ve analiz etmek için çeşitli araçlar ve teknikler sunmaktadır. Bu çalışma, siber saldırıları tespit etmek için makine öğrenimi algoritmaları ile log kayıtlarını kullanmayı amaçlamaktadır. Saldırıları tespit etmek için kullanılan makine öğrenimi yöntemlerine yönelik yaklaşımları tartışmaktadır. Veri madenciliği yöntemleri kullanılarak web loglarının 3 aşamada analizi yapılmıştır. Birinci aşamada genel istatistiksel analiz, ikinci aşamada web robotlarının isteklerinin temizlenmesiyle sadece kullanıcılara ait logların analizi ve son aşamada da saldırı tespit edilmesine yönelik analiz yapılmıştır. Yapılan analizler sonucunda, sistem bant genişliğinin daha verimli kullanılması ve olası siber saldırıların önceden tahmin edilerek önlenmesi hedeflenmektedir.

Yapay zeka (YZ), insanların hayatlarını iyilestirmek için insan karar alma süreçlerini simüle etmek için gelismeye devam etmektedir. Akıllı kisisel sesli asistanlar, yüz tanıma özellikli ödemeler, finans alanında risk tahmincisi ve sohbet robotları yapay zekayı oldukça derinlemesine kullanan bir kaç alandan biridir. YZ farkındalıgı ve uygulamaları, özellikle Bilgi Teknolojileri (BT) ve ilgili dereceleri takip edenler için çok önemlidir, çünkü onlar bir sonraki nesil YZ tasarımcıları ve kullanıcıları olacaktır. Bu arastırma, yüksekögretimde giderek yaygınlasan yapay zeka uygulamalarına yönelik ögrenci tutumlarını ve deneyimlerini kapsamlı bir sekilde incelemeyi amaçlamaktadır. Çalısmada Türkçeye uyarlanan Yapay Zekaya Yönelik Genel Tutum Ölçegi kullanılacaktır ve karma arastırma yöntemine göre gerçeklestirilecektir. Nicel veriler için tabakalı örnekleme yöntemiyle ulasılması planlanan en az 500 üniversite ögrencisinden veri toplanacak, nitel veriler için ise maksimum çesitlilik örneklemesi ile belirlenen 100 ögrenci ile derinlemesine görüsmeler yapılacaktır. Arastırmanın özgün degeri, Türkiye'deki üniversitelerde yapay zeka uygulamalarının kullanımını ögrenci perspektifinden ele alması ve gelecekteki uygulamalar için yol gösterici olmasıdır. Çalısmanın, üniversitelerde yapay zeka entegrasyonu süreçlerine katkı saglaması ve ögrenci merkezli yaklasımla politika önerileri sunması beklenmektedir.

Yapay Zeka destekli öğrenme süreçlerinin tanıtımı ve uygulamaları, öğretmenlerin otonom öğrenme konusunda bilgi ve becerilerinin geliştirilmesi

Gedik Network: Öğrenciler ve Akademisyenler İçin İşbirlikçi Akademik Forum

Üniversite Öğretim Elemanlarına Yönelik Yapay Zeka Okuryazarlığı Eğitimi