Hello, I wanted to share with you our e-mail classification project, which we have done with my teammates Mert Yüksel, Devran Coşkun, and Mazlum Tanış recently, which can work integrated on the web.
As we know, the wide area of ​​internet usage in our lives makes a communication tool like e-mail indispensable for us. Such widely used and free e-mail, unfortunately, can have negative results as well as the positive things it adds to our rock. Dangerous/fake e-mails, which can sometimes cause material and sometimes moral damage, are the cause of these negative effects.
Our project passes the e-mails or e-mails that will be given as input or pre-determined through the machine learning-based algorithms we have developed, and as a result, the mail is ham (real/harmless mail) or spam (fake/harmful mail).
First, we made the data cleaner, more understandable, and processable bypassing each data sample of a dataset through various stages. These processes positively increased the percentage of measurement values ​​we made in our models, making them more reliable and accurate. Then, we tested the models we developed with clean data and selected the 3 models that worked most efficiently. After the model training and testing part was completed, we made this part of our project to give results on a single mail as input and made our models work integrated on the website we developed.
In the continuation of our project, we developed a simple and easy-to-use user interface that prioritizes the user experience on our website, which we developed with Flask and works integrated with our models. In this interface, the user enters his mail in the text field to be checked in the algorithm. As soon as the control button is clicked, the result obtained with the algorithm running in the background is displayed to the user in the visual form below. The terms Ham and Spam are displayed to the user in the result section with their explanations.

Merhabalar, yakın zamanda ekip arkadaşlarım Mert Yüksel, Devran Coşkun ve Mazlum Tanış ile yapmış olduğumuz web üzrinde entegre çalışabilen e-mail sınıflandırma projemizi sizlerle paylaşmak istedim.
Bildiğimiz üzere internet kullanımının hayatımızdaki yayıldığı geniş alan, e-mail gibi bir iletişim aracını bizler için vazgeçilmez kılmakta. Böyle yaygın kullanılan ve ücretsiz olan e-mail, kayatımıza kattığı pozitif şeylerin yanı sıra maalesef negatif sonuçlar da doğurabilmekte. Kimi zaman maddi, kimi zaman ise manevi zararlara yol açabilen tehlikeli/sahte mailler bu olumsuz etkilerin doğuş sebebi oluyor. 
Projemiz, girdi olarak verilecek olan ya da önceden belirlenmiş mail veya mailleri geliştirdiğimiz makine öğrenme tabanlı algoritmalardan geçirip, mailin ham(gerçek/zararsız mail) ya da spam(sahte/zararlı mail) olduğunu sonuç olarak veriyor.
İlk olarak, belirlediğimiz bir datasetin her bir veri örneğini çeşitli aşamalardan geçirerek veriyi daha temiz, anlaşılır ve işlenebilir hale getirdik. Bu işlemler modellerimizde yaptığımız ölçüm değerlerininin yüzdesini pozitif yönde yükseltti, daha güvenilir ve doğru kıldı. Ardından temiz verileri ile geliştirdiğimiz modelleri test ederek en verimli çalışmakta olan 3 modeli seçtik. Model eğitim ve test kısmı tamamlandıktan sonra projemizi bu kısmını girdi olarak tek mail üzerinde sonuç verecek hale getirdik ve modellerimizi geliştirdiğimiz web sitesi üzerinde entegre çalışabilir hale getirdik.
Projemizin devamında, Flusk ile geliştirmiş olduğumuz ve modellerimizle entegre çalışan web sitemizde kullanıcı deneyimini ön planda tutan sade ve kolay kullanım sağlayan bir kullanıcı arayüzü geliştirdik. Kullanıcı bu arayüzde metin alanına mailini algoritmada kontrol edilmek üzere giriyor. Kontrol butonuna tıkladığı an arka planda çalışan algoritma ile elde edilen sonuç hemen altta görsel şelikde kullanıcıya ifade ediliyor. Ham ve Spam terimleri açıklamalarıyla birlikte sonuç kısmında kullanıcıya gösteriliyor.