The problem of accurately classifying credit scores is critical for financial institutions to assess individual creditworthiness and effectively manage credit risk. Traditional methods often face limitations when processing large datasets, resulting in lower accuracy and longer processing time. To address this issue, this paper proposes a novel approach to credit score classification by integrating convolutional neural networks (CNN) with machine learning methods. First, a 1D dataset of sequential text data is transformed into 2D greyscale images to use 2D CNN models for feature extraction and classification. Six CNN architectures—DenseNet201, GoogLeNet, MobileNetV2, ResNet18, ShuffleNet, and SqueezeNet—are implemented, and the features in the last layer (1000 features) of each CNN are classified using the softmax method. To further improve the performance, the two best CNN models were selected, and a new fully connected layer (NewFC) was added. A class-based feature set [3 × 31,695] representing three credit score types (good, poor, and standard) was extracted from each model and merged into a feature set [6 × 31,695]. This combined feature set was then reclassified using KNN, LDA, Naive Bayes, and SVM algorithms. The performance of both CNN and machine learning methods was evaluated using accuracy, precision, sensitivity, specificity, and F-score metrics. To optimize classification performance and reduce computational cost, the RelieF algorithm was used to select the best 5 out of 6 features. Compared to using all 6 features, significant improvements in accuracy and efficiency were observed, demonstrating the effectiveness of the proposed method in credit score classification.

Küreselleşme süreci bilgi teknolojilerinde hızlı bir ilerlemeyi beraberinde getirmiştir. Bilgi teknolojilerindeki bu değişim; ticari hayatı, mali işlemleri ve sosyal yaşamın tamamında kendini göstermiştir. Ticari ve mali işleyişin önemli aktörlerinden biri Maliye Bakanlığı ve muhasebe meslek mensuplarıdır. Maliye bakanlığı bilgi teknolojilerindeki bu değişime yönelik olarak, vergi gelirlerini artırmak, vergi toplama maliyetini düşürmek ve vergi denetimlerinin etkinliğini artırmak amacı ile e-dönüşümü başlatmıştır. Maliye bakanlığının e-dönüşüm süreci özellikle muhasebe meslek mensuplarını yakından etkilemiştir. Bu araştırmanın amacı, muhasebe meslek mensuplarının maliye bakanlığının e-dönüşümü sürecine ilişkin, iş yükü, hizmet maliyeti vb. konularda bakış açılarını tespit etmektir. Bu amaçla, İzmir ‘de faaliyet gösteren ve hali hazırda e-dönüşümü aktif olarak kullanan muhasebe meslek mensuplarına yönelik anket yöntemi uygulanmış ve edinilen bulgular analiz edilmiştir. Yapılan analizler sonucunda e-dönüşümde sistemsel hataların devam ettiği ve meslek mensuplarına ek maliyet getirmesine karşın maliye bakanlığı ile mükellefin işlem maliyetlerini düşürdükleri tespit edilmiştir.

Kurumsal Yönetim Uygulamalarının Denetim Kalitesine Etkisi: Borsa İstanbul’da Ampirik Bir Araştırma

Bu çalışmada, muhasebe denetimi literatürünün araştırma çıktısının tanımlayıcı bir analizinin yapılması amaçlanmaktadır. Web of Science veri tabanı üzerinde “audit” ve “auditing” anahtar kelimeleri kullanılarak yapılan sorgulamalar ile elde edilen meta veri R kütüphanesi “Bibliometrix” kullanılarak analiz edilmiş ve değerlendirilmiştir. Veri tabanında yapılan ilk tarama sonucunda 11940 bilimsel yayının meta verisi elde edilmiştir. Veri seti 1999:2021 yılları arasını kapsamakta ve 1886 farklı kaynaktan bilimsel çalışma içermektedir. Veri seti sadece İngilizce ve Türkçe dillerinde yazılmış olan bilimsel yayınları kapsamaktadır. Muhasebe denetimi alanında yayımlanan bilimsel çalışmaların, ilgili yıllar arasındaki büyümesi %13,40 olarak tespit edilmiştir. Çalışma bulguları muhasebe denetimi alanındaki en üretken ülkenin Amerika Birleşik Devletleri olduğunu göstermektedir. Alandaki en üretken kurum Monash Üniversitesi olarak belirlenmiştir. Belirlenen periyottaki en üretken araştırmacılar Warren Robert Knechel, Kannan Raghunandan, Ferdinand A. Gul ve Jean Bedard ve en fazla atıf sayısına sahip olan yazarlar Jere Francis, Kannan Raghunandan, Joseph Carcello, Warren Robert Knechel ve Mark L. DeFond olarak belirlenmiştir. Bu çalışma ile muhasebe denetimi alanındaki araştırma dinamiklerinin ortaya konulması amaçlanmıştır.

Bu çalışmada, yapay zekâ ve makine öğrenmesi tekniklerinin muhasebe denetimi alanındaki uygulamaları incelenmektedir. Kapsamlı bir literatür taraması ile muhasebe denetimi alanındaki yapay zekâ ve makine öğrenmesi çalışmaları altı başlık altında organize edilmiş ve sunulmuştur. Denetçi seçimi, denetim görüşü, işletmenin sürekliliği, hile denetimi ve risk yönetimi başlıkları altındaki çalışmalarda kullanılan metotlar, veri setlerinin yapısı ve veri setlerinde yer alan öznitelikler hakkında detaylı bilgi verilmektedir. Muhasebe denetimde metin madenciliği ve doğal dil işleme başlığı altında yer alan çalışmalar sonuçları ile birlikte tartışılmaktadır. Çalışma şu şekilde organize edilmiştir, birinci bölümde yapay zekâ, makine öğrenmesi, öğrenme stratejileri, derin öğrenme ve metin madenciliği hakkında bilgi verilmektedir. İkinci bölümde yedi başlık altında yapay zekanın ve makine öğrenmesinin denetim alanında nasıl uygulamalarda kullanıldığı mevcut literatür ve uygulamadaki yansımalarının ortaya koymak maksadı ile dört büyük denetim firmasının yayınladığı raporlardan yola çıkılarak tartışılmaktadır.

Bu çalışma, uyku kalitesi ile yaşam tarzı faktörleri arasındaki bağlantıyı derinleme-sine incelemektedir. Araştırma, cinsiyet, yaş ve meslek gibi demografik özellikler ile uyku süresi, kalitesi, fiziksel aktivite düzeyleri ve stres gibi yaşam tarzı değişken-lerinin uyku bozukluklarına etkisini makine öğrenimi teknikleri kullanarak analiz etmektedir. Çalışmada, Lojistik Regresyon, En yakın komşular, Naive Bayes, Rastgele Orman, AdaBoostClassifier ve Destek Vektör Makinesi (SVM) gibi çeşitli makine öğrenimi modelleri uygulanmıştır. Özellikle Rastgele Orman ve SVM mod-elleri, yüksek doğruluk oranları sayesinde uyku bozukluklarını belirlemede etkili oldukları gözlemlenmiştir. Ayrıca, meslek ve stres düzeyleri ile uyku bozuklukları arasındaki ilişkiler üzerine detaylı analizler yapılarak, uyku sağlığının iyileştirilmesi için öneriler sunulmuştur.