Veri madencilii nde yapsal olmayan verinin analizi: Metin ve web madencilii
|
|
- Hazan Taylan
- 8 yıl önce
- İzleme sayısı:
Transkript
1 statistikçiler Dergisi 2 (2009) statistikçiler Dergisi Veri madencilii nde yapsal olmayan verinin analizi: Metin ve web madencilii M. Özgür Dolgun SPSS, Çankaya Mah. Mahmut Yesari Sk. No:8/ Çankaya, Ankara, Türkiye odolgun@spss.com.tr Tülin Güzel Özdemir SPSS, Zümrütevler Atatürk Cd. Nazmi +lker Sk. No: Maltepe, +stanbul, Türkiye Doruk Ouz SPSS, Zümrütevler Atatürk Cd. Nazmi +lker Sk. No: Maltepe, +stanbul, Türkiye doguz@spss.com.tr Özet Verinin büyük boyutlara ula$mas ve bilgisayar donanmlarnn bu büyük boyuttaki veriyi depolayarak yüksek kapasitede analiz yapabilecek seviyelere gelmeleri ile birlikte analistler karma$k ko$ullar ile kar$ kar$ya kalmaktadrlar. Bu karma$k ko$ullarn çou yapsal olmayan verinin etkin bir $ekilde saklanmas ve analizi ile ili$kilidir. Merrill Lynch, potansiyel olarak kullanlan bütün verilerin yakla$k %80 inin yapsal olmayan türde olduunu ifade etmi$tir. Bu büyük ve karma$k yapdaki yapsal olmayan veri analistlere yeni frsatlar açmaktadr. Bu çal$mada, yapsal olmayan verinin metin ve web madencilii yöntemleri ile yapsal hale dönü$türülmesi sonucu modele dahil edilmesinin, model ba$arsna yapaca katk analiz edilmi$tir. Karar aac yöntemlerinden C5.0 algoritmas kullanlarak elde edilen modeller birbirleri ile kar$la$trlm$ ve en iyi model tespit edilmi$tir. Anahtar sözcükler: Veri madencili1i; Metin madencili1i; Web madencili1i; Model kar45la4t5rma; Churn analizi. Abstract Unstructured data analysis in data mining: Text and web mining As data becomes large-scale, as megabytes become cheaper, as CPU speed becomes faster, we as analysts will be faced with more complex requirements. Many of these requirements will depend on the efficient storage and analysis of unstructured data. Merrill Lynch has recently estimated that over 80% of all potentially usable business information exists as unstructured data. The huge amount and complexity of unstructured data opens up many new opportunities for the analyst. In this study, we analyzed the improvement in the model success, which is a result of a extraction process of the useful information from unstructured data, using the text and the web mining methods. All models that are generated by using C5.0 algorithm are compared each other and then discovered which one is the best. Keywords: Data mining; Text mining; Web mining; Model comparison; Churn analysis. 1. Giri Son yllarda bilgi sistemleri ve teknolojinin geli$mesi sonucunda; kamu kurum ve kurulu$lar, i$letmeler ve dier kurulu$lar veritabanlarnda kurulu$un amacna ve yapsna bal olarak çe$itli türlerde veri toplamaktadr. Fakat bu veriler i$lenmedii sürece anlamsz bir yn olarak veritabanlarnda depolanmaktadr [2, 3].
2 M. Ö. Dolgun v.d. / statistikçiler Dergisi 2 (2009) Uygun yazlmlarn geli$imi ve firmalarn toplad veriyi kullanlabilir bilgiye çevirme istei toplanan bu veriyi i$leyerek, verinin içerisindeki kullanlabilir ve ilginç ili$kilerin, birlikteliklerin ve örüntülerin (patterns) ortaya çkarlmasn gerekli hale getirmi$tir. Günümüzde pek çok kurum verilerini mü$teri nitelikleri ve mü$terilerin satn alma örüntülerine ili$kin yararl, kullan$l bilgiler elde edecek yöntemler ile i$lemeye ba$lamam$tr. Ham veri zengini, nitelikli bilgi (knowledge) fakiri durumunda olan kurumlarn rekabetçi piyasada ba$arl olmalar ve ba$arlarn sürdürmeleri her geçen gün daha da zorla$maktadr. Veri toplamann önemini kavram$ olan ve geçmi$e yönelik veri taban sorgularyla sadece sorgu bazl bilginin elde edileceini, veriden en üst düzeyde fayda salayamayacan görmeye ba$layan bütün kurumlarn en büyük yardmcs veri madenciliidir [7]. Veri madencilii mevcut veriden anlaml bilgileri, ili$kileri çkarmada kullanlan tekniklere verilen genel isimdir. Veri madencilii yapsal veriyi analiz edebilmekte iken; metin ve web madencilii yapsal olmayan verinin, veri madenciliinde kullanlmak üzere, yapsal hale dönü$türülmesinde kullanlmaktadr. Farkl birçok alanda kullanlabilen veri madenciliinin alt alanlarndan Metin ve Web Madencilii bu çal$mada bir uygulama üzerinden incelenecek ve yapsal olmayan verinin metin ve web madencilii yöntemleri ile yapsal hale dönü$türülmesi sonucu modele dahil edilmesinin model ba$arsna yapaca katk ortaya konulacaktr. 2. Veri, metin ve web madencili%i Yapsal veri, bir yap içerisinde organize edilebilen ve bundan dolay tanmlanabilen veri için kullanlan bir terimdir. En yaygn kullanlan yapsal veri kaynaklar SQL (Structured Query Language) ve Access gibi veri kaynaklardr. Örnein SQL, kolon (dei$ken) ve satr (kayt) bazl bilginin seçimine imkan vermektedir. Yapsal veri, içerikteki veri tipine göre organize edilebilen ve arama yaplabilen veridir. Buna kar$n yapsal olmayan verinin tanmlanabilir bir yaps yoktur. En çok bilinen yapsal olmayan veri türleri; resim dosyalar, pdf, word ve text gibi metin dosyalar, web üzerinde tutulan log dosyalar ve e- postalardr. E-postalar veritabanlarnda Microsoft Outlook gibi araçlar ile organize edilebilmesine ramen bu tür veriler herhangi bir yapsal veri türü ile e$le$mediklerinden ham veri olarak dü$ünülür. Excel gibi hücre yapsna sahip veri türleri yapsal olmasna ramen halen yapsal olma ve olmama konusundaki yeri tart$lmaktadr. Birçok kurumun verisinin çou yapsal olmayan veri olarak veritabanlarnda tutulmaktadr. Merrill Lynch, potansiyel olarak kullanlan bütün verilerin yakla$k %80 inin yapsal olmayan türde olduunu ifade etmi$tir. [4, 10, 11]. Veri madencilii büyük veri ynlarnda gizli olan örüntüleri ve ili$kileri ortaya çkarmak için istatistik ve yapay zeka kökenli çok sayda ileri veri çözümleme yönteminin tercihen görsel bir programlama ara yüzü üzerinden kullanld bir süreçtir. Veri madencilii algoritmalar; istatistiksel algoritmalar, matematiksel algoritmalar ve yapay zeka algoritmalarn (sinir alar, karar aaçlar, kohonen alar, birliktelik kurallar vb.) bir arada içerir [7]. Veri madencilii çözümleri ve algoritmalar metin veya web verisindeki kalplar bulmadan veya model olu$turmadan önce metin veya web verisinin yapsal olmas gerekmektedir. Metin ve Web madencilii i$lemleri, veri madenciliinde kullanlacak yapsal veriye ula$mak için kullanlan araçlar olarak tanmlanabilir. Metin ve web madencilii son yllarda oldukça fazla çal$lan birbiri ile ili$kili alanlardr. Metin madencilii, çok büyük belgelerin analizi ve metin tabanl verinin içerisindeki gizli kalplarn elde edilmesidir. Web madencilii ise, web içerikleri, sayfa yaplar ve web balant istatistiklerinin de içinde olduu web ile ili$kili olan verinin analizini içermektedir [10].
3 M. Ö. Dolgun v.d. / statistikçiler Dergisi 2 (2009) Metin madencili1i Veri farkl $ekillerde bulunabilir. Bazlar otomatik veri analizi için üstesinden gelinebilir ve uygun iken bazlarn analizi çok daha zordur. Klasik veri analiz yöntemleri verinin dei$ken ve kayt bazl düzenlendii varsaym ile i$lem yapmaktadr. Buradaki soru, eer veri metin formatnda yani kaytlarn ve dei$kenlerin olmad bir yapda ise ne yapmamz gerektiidir. Metin verisindeki anlamn ortaya çkarlabilmesi için kullanlan yöntem metin madenciliidir. Metin yazmnda standart kurallar olmadndan dolay bilgisayar bunlar anlayamamaktadr. Her bir metnin dili ve içerdii anlam amaca bal olarak çe$itlilik göstermektedir. Yapsal olmayan bilgiden içerik çkarmak için kullanlan geleneksel yöntemler; anahtar kelimeler veya mantksal aramalar, istatistiksel veya olaslksal algoritmalar, sinir alar ve kalp ke$fedici sistemler gibi dilbilimsel olmayan yöntemlerdir. Bu yöntemler, hem sorgudaki hem de metindeki kelimelerin karakterlerini kar$la$tran bir temele dayanr. Bundan dolay içerii açklayc sonuçlar elde edemez. Dili anlamnn temeli dilbilimsel yollara dayanr ve bu çounlukla Natural Language Processing (NLP) olarak ifade edilir. NLP yi içeren bir sistemde, karma$k yaplarn bulunduu ifadeler (örnein; du$tan akan souk su ile içilen souk su arasndaki fark gibi) akll olarak çkarabilmekte ve terimleri snflayarak; ürünler, organizasyonlar veya ki$iler gibi snflara atamaktadr. Metin madencilii doal dil metinlerinden bilgi ve nitelikli bilgi elde edilmesi sürecidir. Kki a$amada gerçekle$ir. Anahtar içerik/ifadeler metinden elde edilir, Elde edilen içerik/ifadeler, yüksek dereceden ili$kili olduu kategorilere atanr. Bu a$amalar basit bir örnek üzerinden açklamak gerekirse; 1. A$ama: CPU ve CD-ROM ifadeleri metinden elde edilir, 2. A$ama: Bu iki ifade, otomatik olarak Bilgisayar Donanm etiketli kategoriye aktarlr. Metin madencilii uygulamalar iki ana snfta ayrlabilir: Metnin anla$lmas/özetlenmesi: Metin madenciliinin amaçlarndan bir tanesi metinden anlaml nitelikli bilginin çkarlmasdr. Böylece metnin içerdii anahtar içerik anla$labilecektir. Örnein, yava$ tamir veya sipari$ gibi sorunlar yüzünden $ikayet eden mü$terilerin orann örenmek isteyebiliriz. Metin ile modelleme: Daha yaygn olarak, metin madencilii terk etme veya ürün alma gibi mü$teri davran$larnn tahmin edildii bir modelin geli$tirilmesi a$amasnn bir bölümünü olu$turmaktadr. Metinden elde edilen içerik girdi dei$keni olarak kullanlr ve dier bilgiler ile beraber öngörüsel model geli$tirilir. Veri madencilii girdi olarak sadece yapsal veriyi kullandndan dolay veri madencilii çözümleri ve algoritmalar kullanlarak metin verisinden kalplar bulunup, modeller kurulmadan önce metinden elde edilecek bilginin yapsal hale dönü$türülmesi zorunludur. Metin madencilii sonucunda, kategorilerin olu$turulmas ile yapsal olmayan veri yapsal hale dönü$mektedir [5, 9, 12]. Metin ve veri madencilii arasndaki ili$ki Pekil 1 de tanmlanm$tr;
4 M. Ö. Dolgun v.d. / statistikçiler Dergisi 2 (2009) &ekil 1. Süreçler arasndaki ili$ki Pekil 1. de de görüldüü gibi, metin ve veri madencilii arasnda interaktif bir ili$ki vardr. Metin madencilii sonucunda elde edilene yapsal veri, veri madencilii modellerinde kullanlmakta ve elde edilen sonuçlar daha sonra metnin yapsnn incelenmesinde kullanlmaktadr. Metin madenciliinin uygulama alanlarndan bazlar; Mü$teri ili$kileri yönetimi (Customer Relationship Management, CRM): Bütün mü$terilerin e- mail, i$lem, çar merkezi ve anket gibi eri$im noktalarndan elde edilen metin bilgilerinden nitelikli bilgi çkarlr. Bu nitelikli bilgi mü$terinin terk etme ve çapraz sat$larn tahmin etmek üzere kullanlr. Sahtekarlk (Fraud) tespiti: Salk, sigorta ve hükümet tarafnda toplanan büyük çaptaki metin verilerinde kalplar ve anormallikler aranarak sahtekarlklar tespit edilir. Bilimsel ve medikal ara$trmalar: Hasta raporlar, makale ba$lklar, yaynlanm$ ara$trma sonuçlar ve dier yaynlar gibi metin materyallerinden çkarm yaplr. Güvenlik/istihbarat: Organizasyonlar ve bireyler arasndaki kalplar ve balantlar, terörist tehlikeleri ve kriminal davran$lar tahmin etmek ve engelleyebilmek için büyük çaptaki metin içerisinde aranr. Pazar ara$trmas: Yaynlanm$ belgeler, basn bültenleri ve web sayfalar pazar etkisinin ölçülmesi için aranr ve izlenir. Metin madencilii kantitatif yöntemler ile açk uçlu anket sorular ve mülakatlarn deerlendirilmesinde kullanlabilmektedir [5, 12] Web madencili1i Web madencilii i$lemleri kullanlarak yapsal olmayan web verileri yapsal veriye dönü$türülür. Web madencilii uygulamalar temel olarak üç alt ba$lk altnda toplanabilir; Web yap madencilii: Web yap madencilii ile internetin temel yapsn olu$turan web siteleri, web sayfalar aras ya da web sayfasndaki balantlar arasndaki ili$kiler incelenir. Web içerik madencilii: Web içerik madencilii ile web sayfalarnn içerikleri incelenir ve kullan$l bilgi çkarm salanr. Web içerik madencilii kullanarak web sayfalarnn ba$lklar, içerisinde geçen kelimeler, resimler veya müzik dosyalar incelenir. Bulunan içeriklere göre web siteleri belirli snflara veya kümelere ayrlabilir.
5 M. Ö. Dolgun v.d. / statistikçiler Dergisi 2 (2009) Web kullanm madencilii: Web kullanm madencilii ile web sunucularnda tutulan kullanc eri$im kaytlar incelenerek anlaml ve faydal kalplar bulunabilir. Web kullanm madencilii yöntemleri uygulanarak web sitelerini ziyaret eden ki$ilerin davran$ ve tutumlar belirlenebilir. Web madenciliinin günümüzde birçok alanda kullanlmasnn en önemli sebebi; ki$ilerin web sayfalarnda göstermi$ olduklar davran$larn, hareketlerin ve yapm$ olduklar i$lem bilgilerinin var olan i$ süreçlerine entegrasyonunu salayarak mü$terinin en iyi $ekilde anla$lmasn salayan mü$teri odakl bir sistem olu$turmasdr. Web madencilii kullanm alanlar a$adaki gibidir; Web üzerinden ürün sat$ gerçekle$tiren $irketler web verilerini analiz ederek mü$teri profili ve kümeleri olu$turmaktadrlar. Google vd. arama motorlar web içerik madencilii uygulayarak aranan anahtar kelimeyi içeren web sitelerini belirlemektedirler. Web madencilii uygulanarak web sitelerinin iyile$tirilmesi ve güncel kalmas salanmaktadr [1, 6]. Web madenciliindeki süreç Pekil 2 de tanmlanm$tr. &ekil 2. Web madencilii süreci Pekil 2 de görüldüü gibi, yapsal olmayan web verisi (log dosyalar, vd) i$ bilgisi bazl bir kategori i$leminden sonra yapsal hale dönü$mekte ve i$lenebilir duruma gelmektedir. Metin ve web madencilii hakkndaki genel süreç uygulamann yer ald Üçüncü Bölümde daha detayl anlatlacaktr. 3. Uygulama Uygulamada Clementine 12.0 kullanlarak bir telekomünikasyon kurumunun 2070 mü$terisine ait 17 dei$kenden olu$an $irketi terk etme (churn) yapsal verisi kullanlarak, terk eden mü$terilere ait bir profil modeli, karar aac algoritmalarndan C5.0 kullanlarak elde edilmi$tir. Ayrca; çar merkezlerinden elde edilen mü$terilere ait metin dosyas kullanlarak elde edilen yapsal veri var olan yapsal veriye eklenerek ikinci bir veri ve ikinci bir model, mü$terilere ait internet üzerinden elde edilen web log dosyas kullanlarak elde edilen yapsal veri ikinci veriye eklenerek üçüncü bir model elde edilmi$tir. Bu bölümde, söz edilen üç model kar$la$trlm$ ve sonucu açklanm$tr.
6 M. Ö. Dolgun v.d. / statistikçiler Dergisi 2 (2009) Veri madencili1i Kurulan ilk model, 2070 mü$teriye ait 17 dei$kenden olu$an ve yapsal veri içeren veri dosyas kullanlarak elde edilmi$tir. Model, karar aac algoritmalarndan C5.0 algoritmas kullanlarak elde edilmi$tir. Pirketi terk etme dei$keni baml, $ehir içi görü$me süresi (saniye), $ehirler aras görü$me süresi (saniye), hattn kesilme says, ödeme yöntemi (nakit, kredi kart, otomatik), tarife bilgisi, kullancnn cinsiyeti, medeni durumu, ya$ gibi 17 dei$ken ise bamsz dei$ken olarak seçilerek algoritmada kullanlm$tr. Pekil 3 de karar aacnn sonucu verilmi$tir. &ekil 3. Klk veri için karar aac sonucu Pekil 3 deki sonuçlara göre, $irketi terk etmede en önemli dei$ken yurtd$ dolanm (roaming) olarak bulunmu$tur. Karar aac modelleri bu çal$mann ana amac olmadndan detayl olarak anlatlmam$tr Metin madencili1i Metin madencilii ile ilgili yaplanlar genel hatlar ile a$adaki $ekillerde anlatlmaya çal$lm$tr. &ekil 4. Metin verisinin genel görünümü
7 M. Ö. Dolgun v.d. / statistikçiler Dergisi 2 (2009) Pekil 4 de metin verisi ile ilgili genel görünüm yer almaktadr. Her bir ID ye ili$kin bir metin bilgisi (mü$terilerin yorumlarn içeren metin alan) ve $irketi terk etme dei$keni (CHURN) yer almaktadr. &ekil 5. Metin verisinin analiz a$amas Pekil 5 de metin verisinin analiz a$amas ile ilgili ekran görüntüsü yer almaktadr. Pekil 5 in sol alt ksmnda yer alan görüntüde metinden elde edilen içerikler yer almaktadr. &ekil 6. Yapsal veri-dei$ken ve kayt bazl gösterim Pekil 6 da ise her bir ID ye kar$lk gelen metin dosyalarnn, yapsal $ekle nasl dönü$tüü görülmektedir. Görüldüü gibi her bir metnin (yapsal olamayan $ekil) yannda, O metnin hangi kategoriye atand bilgisi (yapsal $ekil) yer almaktadr. Her bir metnin hangi kategoriye atand bilgisi, ilgili kategorideki T harfi, hangi kategoride yer almad bilgisi ilgili kategorideki F harfi ile kodlanm$tr. Metin verisinin metin madencilii i$lemi sonucunda yapsal $ekle dönü$türülmesi ile elde edilen verinin, birinci veri ile birle$tirilmesi ile ikinci veri elde edilmi$tir. Kkinci model, ikinci veri kullanlarak elde edilmi$tir. Bu i$lemin ve aslnda bu makalenin asl amac, yapsal olmayan veri içerisindeki bilginin modele eklenmesi durumunda model ba$arsnn arttnn gösterilmesidir.
8 M. Ö. Dolgun v.d. / statistikçiler Dergisi 2 (2009) Bir sonraki a$amada, web madenciliinden gelen yapsal veride ikinci veriye eklenecek ve elde edilen yeni veriden yeni bir model olu$turulacaktr Web madencili1i Web madencilii ile ilgili yaplanlar genel hatlar Pekil 7-9 ile anlatlmaya çal$lm$tr. &ekil 7. Log dosyasnn genel görünümü Pekil 7 deki log dosyalarnn yapsal olmad görülmektedir. Dosyada srasyla, hangi tarihte web sayfasna eri$im saland, kullancnn IP adresi, istek tipi (GET veya POST), hangi web sayfasna eri$im saland, statü (200 veya 300), boyut (gönderilmi$ olan dosyann byte cinsinden boyutu) ve hangi web taraycsnn (Mozilla, Explorer, vd) kullanld gibi bilgiler yer almaktadr. Log dosyalarnn incelenerek web sitesinin yapsnn ortaya konduu tanmlama dosyas, olay dosyas (event definition) dr. Web sunucularndan elde edilen yapsal olmayan log dosyalar olay dosyasnda yaplan tanmlamalardan yola çklarak yapsal bir hale getirilir. Web madencilii i$lemcisinin çal$mas için mecburi bir dosyadr. Standart bir olay dosyas 4 temel alandan olu$ur: 1. Olay kategorisi (event category), 2. Olay ismi (event name), 3. Olay tanm (event definition), 4. Olay nitelikleri (event attributes). Olay kategorisi: Olaylar anlaml gruplar altnda toplamak için kullanlr. Kstenilen bir ifade tanmlanabilir. Olay ismi: Olay açklayan bölümdür. Kstenilen bir ifade tanmlanabilir. Ancak olay isimleri tekil olmaldr, olay dosyasnda her olay ismi bir kere kullanlmaldr. Olay tanm: Web madencilii i$lemcisinin log dosyalarnda bulduu sayfalar ile tanmlanan olay dosyas arasnda e$le$tirme yapmas için kullanlacak alandr. Olay nitelikleri: Klgili olayla hangi özel parametrenin kullanldn gösteren bilgidir. Tek bir olay için birden fazla nitelik tanmlanabilir [1, 6, 13].
9 M. Ö. Dolgun v.d. / statistikçiler Dergisi 2 (2009) Pekil 7 de görülen log dosyalar Web Mining for Clementine 12.0 ile analiz edilmi$ ve yapsal olmayan log dosyas Pekil 8 ve 9 da görüldüü gibi kullanlabilir olan yapsal $ekle dönü$türülmü$tür. &ekil 8. Yapsal veri-grafiksel gösterim Pekil 8 de görüldüü gibi log dosyasnda yer alan veriler, olay dosyas baz alnarak çe$itli kategorilere dönü$türülmü$tür. Örnein, analiz edilen bu log dosyas içerindeki kaytlarn %0,65 inin About Us sayfasna giri$ yapan mü$terilerden olu$tuu artk bilinmektedir. &ekil 9. Yapsal veri-dei$ken ve kayt bazl gösterim Pekil 9 da ise her bir ID ye kar$lk gelen log dosyalarnn, web madencilii i$leminden sonra yapsal $ekle nasl dönü$tüü görülmektedir. Log dosyalar tanmlanan ilgili olay isimleri kategorilerine atand ( T ve F harfleri ile) görülmektedir. Hem metin hem de web madencilii i$lemlerindeki amaç daha öncede açkland gibi, yapsal olmayan verinin yapsal $ekle dönü$türülmesidir. Pekil 6 ve Pekil 9 da anlatlmak istenen bu yap açkça görülmektedir. Web verisinin web madencilii i$lemi sonucunda yapsal $ekle dönü$türülmesi ile elde edilen verinin, ikinci veri ile birle$tirilmesi ile üçüncü veri elde edilmi$tir. Üçüncü model, üçüncü veri kullanlarak elde edilmi$tir.
10 M. Ö. Dolgun v.d. / statistikçiler Dergisi 2 (2009) Ba$langçta var olan yapsal verinin kullanld Model 1, metin madencilii ile elde edilen yapsal verinin var olan yapsal veri ile birle$tirilmesinden elde edilen verinin kullanld Model 2 ve web madenciliinden elde edilen verinin de eklenmesiyle elde edilen verinin kullanld Model 3 ün kar$la$trmas Pekil 10 da verilmi$tir. Pekil 10 daki grafik, elde edilen üç karar aac modelini kazanç yüzdesi (gain) ölçütü ile kar$la$tran kazanç grafiini (gain chart) göstermektedir. Grafikte; Y ekseni kazanç, X ekseni ise eri$ilebilecek kaytlar (bu uygulamada mü$teriler) göstermektedir. &ekil 10. Modellerin kar$la$trlmas Karar aaçlar ile beraber her bir adma ili$kin kazanç (%) deerleri elde edilir. Elde edilen bu deerlerde kazanç grafii üzerinde yer alr. Kazanç, ilgili admdaki hedef kategori saysnn geneldeki hedef kategori saysna orandr. Kö$egendeki doru (krmz grafik), hiçbir modelin kullanlmad durumda tüm örneklem için beklenen olumlu cevaplar temsil eder. Uygulamada bu tür bir grafik için beklenen, ilk %20 lik dilimde (X ekseni), model kazanç deerlerinin yakla$k %50 ve üzerinde olmasdr. Yani, mevcut verinin %20 sini kullanarak, model kazancnn yüksek olmas beklenmektedir [5, 8, 13]. Model 1 için bu grafik yorumlandnda; mevcut kaytlarn %20 sine ula$ldnda model kazancnn yakla$k %30 olmas beklenmektedir. Buna göre, Model 3 ün kazancnn yakla$k %45 ile dier modellerden fazla olduu açkça görülmektedir. 4. Sonuç ve öneriler Yapsal veri kullanlarak elde edilen model ile yapsal olmayan verinin metin ve web madencilii yöntemleri kullanlarak yapsal hale getirilen ve buradan elde edilen model kar$la$trlm$tr. Metin ve web madencilii yöntemleri kullanlarak elde edilen modelin sonuçta daha ba$arl olduu görülmü$tür (Pekil 10). Yapsal olmayan verideki nitelikli bilginin çkarlp modele entegre edilebilmesi ile en son modelin daha ba$arl olduu sonucu beklenmeyen bir olgu deildir. Öngörüsel dier model algoritmalar (CHAID, C&RTree, Lojistik Regresyon, vd.) kullanlarak yeniden modelleme yaplmas ve algoritmalar arasnda hangisinin daha ba$arl olduu sonucunun tespit edilmesi dier bir çal$maya braklm$tr.
11 M. Ö. Dolgun v.d. / statistikçiler Dergisi 2 (2009) Dünya üzerindeki potansiyel olarak kullanlan bütün verilerin yakla$k %80 inin yapsal olmayan türde olduu dü$ünüldüünde, bu verilerin kullanlmas kesinlikle ara$trmalara katma deer katacaktr. Kaynaklar [1] Chakrabarti, S. (2003), Mining the Web: Discovering Knowledge from Hypertext Data, Morgan Kaufmann Publishers, San Francisco. [2] Dolgun, M.Ö. (2006), Büyük Al$veri$ Merkezleri Kçin Veri Madencilii Uygulamalar, Yüksek Lisans Tezi, Hacettepe Üniversitesi Fen Bilimleri Enstitüsü, Ankara. [3] Han, J., Kamber, M. (2001), Data Mining: Concepts and Techniques, Morgan Kaufmann Publishers, San Francisco. [4] Hearst, M. (2009), What is text mining, [5] Introduction to Text Mining (2008), SPSS Inc. [6] Liu, B. (2007), Web Data Mining: Exploring Hyperlinks, Contents and Usage Data, Springer. [7] Özdemir Güzel, T., Dolgun, M.Ö., Patr, U., Delilolu, S., Korkmaz, H.E. (2007), 2005 Yl Örenci Seçme Snav (ÖSS) Verileri Kullanlarak Örenci Profilinin Belirlenmesi, 5. +statistik Kongresi, Antalya. [8] Shapiro-Piatetsky, G., Steingold, S. (2000), Measuring Lift Quality in Database Marketing, ACM SIGKDD Explorations Newsletter, 2(2), [9] Sholom M.W., Indurkhya N., Zhang T., Damerau F. (2004), Text Mining: Predictive Methods for Analyzing Unstructured Information, Springer. [10] Tan, A.H., Yu, P.S. (2004), Guest Editorial: Text and Web Mining, Applied Intelligence 18, , Kluwer Academic Publisher. [11] Unstructured data (2009), [12] W. Fan, L. Wallace, S. Rich, Z. Zhang. (2006), Tapping into the power of text mining, Communications of ACM, 49(9), [13] Web Mining for Clementine 12.0 User s Guide (2007), SPSS Inc.
T.C KÜLTÜR VE TURZM BAKANLII Strateji Gelitirme Bakanl!"! (1. sayfa) ZEYLNAME
(1. sayfa) ZEYLNAME Türkiye Kültür Portal! Altyap!s!n!n Oluturulmas! ve Portal Uygulama Yaz!l!mlar!n!n Temin Edilmesi ihalesi 03/07/2009 Cuma gününe ertelenmitir. Teknik :artnamenin 6.(2). Maddesi Portal
Detaylıyurdugul@hacettepe.edu.tr VB de Veri Türleri 1
yurdugul@hacettepe.edu.tr 1 VB de Veri Türleri 1 Byte 1 aretsiz tamsay Integer 2 aretli Tamsay Long 4 aretli Tamsay Single 4 Gerçel say Double 8 Gerçel say Currency 8 Gerçel say Decimal 14 Gerçel say Boolean
DetaylıVeri Taban ve Visual Basic
Veri Taban ve Visual Basic Geçmite, random dosya ve yap deikenleri ile oluturulan kaytlar bugünkü veri taban uygulamalarnn temelini oluturmaktadr. Random dosya ve yap deikenleri ile oluturulan veri taban
DetaylıBölüm 8 Ön Ürün ve Hzl Uygulama Gelitirme. 8lk Kullanc Tepkileri. Dört Çeit Ön Ürün. Ana Konular. Yamal Ön Ürün. Ön Ürün Gelitirme
Bölüm 8 Ön Ürün ve Hzl Uygulama Gelitirme Sistem Analiz ve Tasarm Sedat Telçeken 8lk Kullanc Tepkileri Kullanclardan tepkiler toplanmaldr Üç tip vardr Kullanc önerileri De0iiklik tavsiyeleri Revizyon planlar
DetaylıMatematiksel denklemlerin çözüm yöntemlerini ara t r n z. 9. FORMÜLLER
ÖRENME FAALYET-9 AMAÇ ÖRENME FAALYET-9 Gerekli atölye ortam ve materyaller salandnda formülleri kullanarak sayfada düzenlemeler yapabileceksiniz. ARATIRMA Matematiksel denklemlerin çözüm yöntemlerini aratrnz.
DetaylıÖRETM UYGULAMASI. Ardk Doal Saylardan Pisagor Üçlülerine
Elementary Education Online, 7(), tp:1-5, 008. lkö"retim Online, 7(), öu:1-5, 008. [Online]: http://ilkogretim-online.org.tr ÖRETM UYGULAMASI Ardk Doal Saylardan Pisagor Üçlülerine Ar). Gör. M. Faysal
DetaylıAnketler ne zaman kullanlr? Ünite 6 Anketlerin Kullanm. Temel Konular. Soru Tipleri. Açk-uçlu ve kapal anketler. Anketler. Anketler de0erlidir, e0er;
Ünite 6 Anketlerin Kullanm Sistem Analiz ve Tasarm Sedat Telçeken Anketler ne zaman kullanlr? Anketler de0erlidir, e0er; Organizasyonun elemanlar geni/ olarak da0lm/sa Birçok eleman projede rol almaktaysa
DetaylıSIMCC - Simülasyon Kontrol Merkezi. SIMCC Genel Bak&8. Simülasyon nedir?
Elektrik Elektrnik www.sesatek.cm Slutins & Engineering Services Fr Autmatin Technlgies Cmpany SIMCC - Simülasyn Kntrl Merkezi SimCC masaüstü bilgisayarda tmasyn prjenizin saha simülasynunu yapabileceiniz
DetaylıMali Yönetim ve Denetim Dergisinin May s-haziran 2008 tarihli 50. say nda yay nlanm r.
HURDAYA AYRILAN VARLIKLARIN MUHASEBELELMELER VE YAPILAN YANLILIKLAR Ömer DA Devlet Muhasebe Uzman info@omerdag.net 1.G Kamu idarelerinin kaytlarnda bulunan tarlar ile maddi duran varlklar doalar gerei
DetaylıÖ RENME FAAL YET -1 1. DOSYALAMA LEMLER AMAÇ ARA TIRMA. 1.1. Genel Bilgiler
ÖRENME FAALYET-1 AMAÇ ÖRENME FAALYET-1 Bu faaliyette verilen bilgiler dorultusunda, sunu hazrlama programlarnda kullanlan temel dosya ilemlerini (sunu açma-kapatma-kaydetme-düzenleme) yapabileceksiniz.
DetaylıEKG Sinyallerinde Gürültü Gidermede Ayrk Dalgack Dönüümünde Farkl Ana Dalgacklarn Ve Ayrtrma Seviyelerinin Karlatrlmas
EKG Sinyallerinde Gürültü Gidermede Ayrk Dalgack Dönüümünde Farkl Ana Dalgacklarn Ve Ayrtrma Seviyelerinin Karlatrlmas Cengiz Tepe 1 Hatice Sezgin 1, Elektrik Elektronik Mühendislii Bölümü, Ondokuz May#s
DetaylıASMOLEN UYGULAMALARI
TURGUTLU TULA VE KREMT SANAYCLER DERNE ASMOLEN UYGULAMALARI Asmolen Ölçü ve Standartlar Mart 2008 Yayn No.2 1 ASMOLEN UYGULAMALARINDA DKKAT EDLMES GEREKL HUSUSLAR Döeme dolgu tulas, kil veya killi topran
Detaylı1 letme Dönü ümü ve Planlamas Hizmetleri
Hizmet Tan letme Dönüümü ve s Hizmetleri SAP letme Dönüümü ve s Hizmetleri, rekabet avantaj salamak üzere Lisans Alan inovasyonunu ve dönüümünü kolaylarmay amaçlayan danmanlk ve örnekleme hizmetleri sunar.
DetaylıKURUMSAL T BAR YÖNET M PROF. DR. HALUK GÜRGEN
KURUMSAL T BAR YÖNET M PROF. DR. HALUK GÜRGEN KURUMSAL T BAR tibar alglamalardan oluur. Kurumsal itibar, bir kuruma yönelik her türlü alglamann bütünüdür. Kurumsal itibar; sosyal ortaklarn kurulula ilgili
DetaylıProje Döngüsünde Bilgi ve. Turkey - EuropeAid/126747/D/SV/TR_ Alina Maric, Hifab 1
Proje Döngüsünde Bilgi ve letiim Turkey - EuropeAid/126747/D/SV/TR_ Alina Maric, Hifab 1 Proje Döngüsünde Bilgi ve letiim B: Ana proje yönetimi bilgi alan B: Tüm paydalara ulamak ve iletiim kurmak için
DetaylıV.A.D. Yaklamnn avantajlar. Ünite 9 Veri Ak Diagramlarnn Kullanm. Ana Konular. Temel semboller. Harici Varlklar. Veri Ak Diagramlar
V.A.D. Yaklamnn avantajlar Ünite 9 Veri Ak Diagramlarnn Kullanm Sistem Analiz ve Tasarm Sedat Telçeken Verinin hareketinin hikayeletirilmesine nazaran 4 avantaj mevcuttur. Teknik uygulamann gerçekletirilmesinden
DetaylıKare tabanl bir kutunun yükseklii 10 cm dir.taban uzunluunu gösteren X ise (2, 8) arasnda uniform (tekdüze) dalmaktadr.
SORU : Kare tabanl bir kutunun yükseklii 0 cm dir.taban uzunluunu gösteren X ise (, 8) arasnda uniform (tekdüze) dalmaktadr. Kutunun hacminin olaslk younluk fonksiyonu g(v) a%adakilerden hangisidir? v
DetaylıDOKUZ EYLÜL ÜNVERSTES MÜHENDSLK FAKÜLTES METALURJ VE MALZEME MÜHENDSL BÖLÜMÜ BTRME PROJES YÜRÜTME YÖNERGES
BTRME PROJES YÜRÜTME YÖNERGES 1. AMAÇ ve KAPSAM Madde 1: Bitirme projesi dersinde örencilerin önceki derslerde edindikleri bilgi ve becerileri kullanarak karmak bir sistemi, sistem bileenini veya süreci
DetaylıExcel Sorular? 1. Excel Sorular? 1. A Grubu
Excel Sorular? 1. A Grubu 1. A?a??dakilerden hangisi hücreye girilen yaz?n?n içeri?ini biçimlendirmek için kullan?lamaz? a. Biçim-Yaz? tipi b. Biçim-Hücreler-Yaz? tipi c. Sa? tu?-hücreleri biçimlendir
DetaylıDokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü Dergisi Cilt 8, Say: 3, 2006 OYLAMA YÖNTEMNE DAYALI AIRLIKLANDIRMA LE GRUP KARARININ OLUTURULMASI
Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü Dergisi Cilt 8, Say: 3, 2006 OYLAMA YÖNTEMNE DAYALI AIRLIKLANDIRMA LE GRUP KARARININ OLUTURULMASI Onur ÖZVER( * ÖZET Organizasyonlarda karar vericiler
DetaylıModeli OSI AA. OSI modeli. larnnn ilk günlerinde farkl firmalar kendilerine özel teknolojilerle aa. Bilgisayar (dijital) alara
OSI AA Modeli Hazrlayan: Gürhan G KUZGUN OSI modeli Bilgisayar (dijital) alara larnnn ilk günlerinde farkl firmalar kendilerine özel teknolojilerle aa sistemleri geli'tiriyorlar ve satyorlard yorlard..
DetaylıPARAMETRK OLMAYAN STATSTKSEL TEKNKLER. Prof. Dr. Ali EN ÖLÇEKLER
PARAMETRK OLMAYAN STATSTKSEL TEKNKLER Prof. Dr. Ali EN 1 Normal dalm artlarn salamayan ve parametrik istatistik tekniklerinin kullanlmasn elverisiz klan durumlarn bulunmas halinde, eldeki verilere bal
DetaylıSigorta irketlerinin Yaps ve Aktüerin Rolü. Aktüerler Derneği Nisan 2010
Sigorta irketlerinin Yaps ve Aktüerin Rolü Aktüerler Derneği Nisan 2010 Türkiye de sigortaclk ve bireysel emeklilik sektörü RKET SAYISI - NUMBER OF COMPANY 2006 2007 2008 Hayat D - Non Life (Alt adedi
DetaylıKpss 2014 E?itim Bilimleri Dvd Seti
KPSS Ö?retmen Adaylar? Görüntülü E?itim Seti 58 DVD + Rehberlik Kitab? GÜNCEL Kpss E?itim Bilimleri Dvd Seti Tüm Dersler Kpss 2014 E?itim Bilimleri Dvd Seti Kpss 2014 E?itim Bilimleri Dvd Seti 58 Dvd Derecelendirme:Henüz
DetaylıTangram Etkinlii ile Çevre ve Alan Hesab *
Elementary Education Online, 8(2), tp: 1-6, 2009. lkö!retim Online, 8(2), öu: 1-6, 2009. [Online]: http://ilkogretim-online.org.tr Tangram Etkinlii ile Çevre ve Alan Hesab * Güney HACIÖMERO0LU 1 Sezen
DetaylıKURUMSAL YÖNET M VE YATIRIMCI LER PORTALI HRAÇÇI PORTAL ÜYEL K LEMLER KILAVUZU
KURUMSAL YÖNETM VE YATIRIMCI LER PORTALI HRAÇÇI PORTAL ÜYELK LEMLER KILAVUZU 2012 çerik Bilgileri 1. HRAÇÇI RKET PORTAL KATILIM SÜREC...3 2. RKET KULLANICISI PORTAL KAYIT LEMLER...6 2 / 12 1. HRAÇÇI RKET
DetaylıMER A YLETRME ve EROZYON ÖNLEME ENTEGRE PROJES (YENMEHMETL- POLATLI)
MER A YLETRME ve EROZYON ÖNLEME ENTEGRE PROJES (YENMEHMETL- POLATLI) I- SORUN Toprak ve su kaynaklarnn canllarn yaamalar yönünden tad önem bilinmektedir. Bu önemlerine karlk hem toprak hem de su kaynaklar
DetaylıOnline Bilimsel Program Yönetici K lavuzu
Online Bilimsel Program Yönetici Klavuzu Bu belgedeki bilgiler, ekiller ve program ilevi önceden haber verilmeksizin deitirilebilir. Tersi belirtilmedikçe, burada örnek olarak ad geçen kiiler, adresler,
DetaylıKÜMELEME ANALZNDE YEN BR YAKLAIM: KENDN DÜZENLEYEN HARTALAR (KOHONEN ALARI)
KÜMELEME ANALZNDE YEN BR YAKLAIM: KENDN DÜZENLEYEN HARTALAR (KOHONEN ALARI) Aye OUZLAR (*) Özet: Kendini düzenleyen haritalar (Self-Organizing Maps-SOM) veya dier bir söyleyile Kohonen aları 1980 lerde
DetaylıHAREKETL BASINÇ YÜKLEMES ALTINDAK HDROLK SLNDRN DNAMK ANALZ
12. ULUSAL MAKNA TEORS SEMPOZYUMU Erciyes Üniversitesi, Kayseri 09-11 Haziran 2005 HAREKETL BASINÇ YÜKLEMES ALTINDAK HDROLK SLNDRN DNAMK ANALZ Kutlay AKSÖZ, Hira KARAGÜLLE ve Zeki KIRAL Dokuz Eylül Üniversitesi,
DetaylıBileenler arasndaki iletiim ise iletiim yollar ad verilen kanallar yardm ile gerçekleir: 1 Veri Yollar 2 Adres Yollar 3 Kontrol Yollar
Von Neumann Mimarisinin Bileenleri 1 Bellek 2 Merkezi lem Birimi 3 Giri/Çk Birimleri Yazmaçlar letiim Yollar Bileenler arasndaki iletiim ise iletiim yollar ad verilen kanallar yardm ile gerçekleir: 1 Veri
DetaylıBÖLÜM 7. SMB0 Durum bitleri : Özel haf za bayt' 0 (SM0.0...SM0.7) programlarda kolayl k sa layacak 8 bit' e
BÖLÜM. 1 - Özel dahili röleler (Special memory ) - SM : Özel dahili rölelere özel hafza bitleri de denilmektedir. Özel hafza bitleri, CPU ile program arasnda iletiim salayarak çeitli kontrol fonksiyonlarn
DetaylıOnüçüncü Bölüm Zaman Serisi Analizi
OnüçüncüBölüm ZamanSerisiAnalizi Hedefler Buüniteyiçalktansonra; Zaman serisine en uygun tahmin denklemini belirler, Tahmin denklemini kullanarak projeksiyon yapar, Tahminler için yaplan hatay ölçer, Belli
DetaylıT.C. YALOVA ÜNİVERSİTESİ Strateji Geliştirme Daire Başkanlığı. İÇ KONTROL ve RİSK YÖNETİMİ 1 İÇ İÇ KONTROL
T.C. YALOVA ÜNİVERSİTESİ Strateji Geliştirme Daire Başkanlğ İÇ KONTROL ve RİSK YÖNETİMİ 1 İÇ İÇ KONTROL EYLÜL 2015 1-) İç Kontrol Nedir? Üniversite varlklarnn korunmas, kurumsal ve yasal düzenlemelere
DetaylıVERİ MADENCİLİĞİNE BAKIŞ
VERİ MADENCİLİĞİNE BAKIŞ İçerik Veri Madenciliği Neden Veri Madenciliği? Veri ve Veri Madenciliğinin Önemi Günümüzde Kullanılan Veri Madenciliğinin Çeşitli İsimleri Veri Madenciliği Nedir? Neden Veri Madenciliği?
DetaylıMarmara Üniversitesi Fen Bilimleri Enstitüsü Elektrik E itimi A.B.D., Kad köy- stanbul, *nonat@marmara.edu.tr **sedatersoz1@gmail.
FOTOOLTAK SSTEMLERDE MAKSMUM GÜÇ NOKTASI ZLEYC ALGORTMALARININ KARILATIRILMASI Nevzat ONAT * Sedat ERSÖZ** Marmara Üniversitesi Fen Bilimleri Enstitüsü Elektrik Eitimi A.B.D., Kadköy-stanbul, *nonat@marmara.edu.tr
DetaylıBÖLÜM 3. A. Deneyin Amac
BÖLÜM 3 TRSTÖRLÜ DORULTUCULAR A. Deneyin Amac Tek faz ve 3 faz tristörlü dorultucularn çalmasn ve davranlarn incelemek. Bu deneyde tek faz ve 3 faz olmak üzere tüm yarm ve tam dalga tristörlü dorultucular,
DetaylıBulank kümeleme analizi ile ülkelerin turizm istatistikleri bakmndan snflandrlmas
www.istatistikciler.org statistikçiler Dergisi 4 (011) 31-38 statistikçiler Dergisi Bulank kümeleme analizi ile ülkelerin turizm istatistikleri bakmndan snflandrlmas brahim Klç Afyon Kocatepe Üniversitesi,
DetaylıSOSYAL GÜVENLK KURMUNUN YAPISI VE LEY. Sosyal Güvenlik Kurumu Bakanl Strateji Gelitirme Bakan Ahmet AÇIKGÖZ
SOSYAL GÜVENLK KURMUNUN YAPISI VE LEY Sosyal Güvenlik Kurumu Bakanl Strateji Gelitirme Bakan Ahmet AÇIKGÖZ KURUMUN AMACI ve GÖREVLER' Sosyal sigortalar ile genel salk sigortas bakmndan kiileri güvence
DetaylıL SANS YERLE T RME SINAVI 1
LSANS YERLETRME SINAVI MATEMATK TEST SORU KTAPÇII 9 HAZRAN 00. ( )( + ) + ( )( ) = 0 eitliini salayan gerçel saylarnn toplam kaçtr?. ( )( ) < 0 eitsizliinin gerçel saylardaki çözüm kümesi aadaki açk aralklarn
DetaylıBir torbada 6 beyaz 5 krmz ve 4 siyah bilye vardr. Torbadan rastgele çekilen 3 bilyenin a) Üçünün de beyaz olma olasl" b) Üçünün de ayn renkte olma
1 Bir torbada 6 beyaz 5 krmz ve 4 siyah bilye vardr. Torbadan rastgele çekilen 3 bilyenin a) Üçünün de beyaz olma olasl" b) Üçünün de ayn renkte olma olasl" c) Üçünün de farkl renkte olma olasl" d) 1.
DetaylıÖlçek Geli tirme Çal malarnda Kapsam Geçerlik ndeksinin Kullanm
Ölçek Geli tirme Çal malarnda Kapsam Geçerlik ndeksinin Kullanm Dr. Halil Yurdugül Hacettepe Üniversitesi Eitim Fakültesi yurdugul@hacettepe.edu.tr Motivasyon: Proje tabanl bir öretim sürecinde örencilerin
DetaylıKullanım kılavuzunuz SHARP AR-5631 http://tr.yourpdfguides.com/dref/3874058
Bu kullanım kılavuzunda önerileri okuyabilir, teknik kılavuz veya için kurulum kılavuzu. Bu kılavuzdaki tüm sorularınızı (bilgi, özellikler, güvenlik danışma, boyut, aksesuarlar, vb) cevaplarını bulacaksınız.
DetaylıGörsel Tasar m. KaliteOfisi.com
Görsel Tasarm KaliteOfisi.com KaliteOfisi.com un bir hizmetidir. zin alnmaksn alnt ve çoaltma yaplabilir. 2 www.kaliteofisi.com KaliteOfisi Hakknda Kalite ofisi; ülkemizde kalite bilincinin yerlemesine
DetaylıOKUL ÖNCES E M KURUMLARINDA ÇALI AN ANASINIFI ÖZET
OKUL ÖNCES EM KURUMLARINDA ÇALIAN ANASINIFI RETMENLERLE MÜZK ÖRETMENLERN MÜZK ÇALIMALARINA N TUTUM VE YETERLKLERN KARILATIRILMASI ÖZET r. Gör. Dr. lknur ÖZAL GÖNCÜ GÜMEF. ÇGEB.Okul Öncesi EABD. Okul öncesi
DetaylıUzaktan heberle#meyle pompa kontrolü çözümü
Uzaktan heberle#meyle pompa kontrolü çözümü Phoenix Contact Elektronik Tic. Ltd. #ti. K#s#kl# Mah. Han#m Seti Sok. No:38/A 34692 B. Çaml#ca - Üsküdar #stanbul/türkiye Mersis:0729002180800018 +90 216 481
DetaylıSÜREÇLERNDE RFID UYGULAMALARI. RFIDTURKEY - Türkiye'nin RFID Merkezi
SÜREÇLERNDE RFID UYGULAMALARI RFID nedir? RFID (Radio Frequency Identification): Radyo-frekans dalgalar$ üzerinden veri ta&$mas$ yaparak kontrollü bir ortamda hareket eden veya sabit duran cisimleri otomatik
Detaylı1. Sabit Noktal Say Sistemleri
2. SAYI SSTEMLER VE KODLAR Say sistemleri iki ana gruba ayrlr. 1. Sabit Noktal Say Sistemleri 2. Kayan Noktal Say Sistemleri 2.1. Sabit Noktal Say Sistemleri 2.1.1. Ondalk Say Sistemi Günlük yaantmzda
Detaylı2013 YILI II. SEVYE AKTÜERLK SINAVLARI MUHASEBE VE FNANSAL RAPORLAMA ÖRNEK SINAV SORULARI
2013 YILI II. SEVYE AKTÜERLK SINAVLARI MUHASEBE VE FNANSAL RAPORLAMA ÖRNEK SINAV SORULARI 1-Türkiye Finansal Raporlama Standartlar na (TFRS) göre deer dü"üklüü aada verilen hangi hesap kalemi için ayr(lmaz?
DetaylıKeynesyen makro ekonomik modelin geçerli oldu(u bir ekonomide aa(daki ifadelerden hangisi yanltr?
SORU 31: 3 / 4 Bir ekonomide kii ba üretim fonksiyonu y = 2k biçiminde verilmektedir. Nüfus art hz %2, teknik ilerleme hz %2 ve amortisman oran %6 iken tasarruf oran da %30 ise bu ekonomideki kii ba sermaye
DetaylıBÖLÜM 2 D YOTLU DO RULTUCULAR
BÖLÜ 2 DYOTLU DORULTUCULAR A. DENEYN AACI: Tek faz ve 3 faz diyotlu dorultucularn çalmasn ve davranlarn incelemek. Bu deneyde tek faz ve 3 faz olmak üzere tüm yarm ve tam dalga dorultucular, omik ve indüktif
DetaylıÇELK KUMA PANELLERNN ISINMA DAVRANILARI
ÇELK KUMA PANELLERNN ISINMA DAVRANILARI Ar.Gör. Ozan KAYACAN Doç.Dr. Ender Yazgan BULGUN Dokuz Eylül Üniversitesi Mühendislik Fakültesi Tekstil Müh. Böl. ÖZET Günlük ya antmzn ayrlmaz bir parças olan konfeksiyon
DetaylıEndüstri Meslek Lisesi Örencilerinin Yetenek lgi ve Deerleri le Okuduklar Bölümler Arasndaki li"ki
Eitim Fakültesi Dergisi http://kutuphane.uludag.edu.tr/univder/uufader.htm Endüstri Meslek Lisesi Örencilerinin Yetenek lgi ve Deerleri le Okuduklar Bölümler Arasndaki li"ki Salih Baatr *, Reat Peker**
DetaylıSüreci Modellerinden Kalite El Kitab Üretmek çin Bir Araç
Süreci Modellerinden Kalite El Kitab Üretmek çin Bir Araç A Tool for Generating Quality Manual from Business Process Models Elif, Aydn Biliim Sistemleri Bölümü ODTÜ, Ankara elif.aydin@ii.metu.edu.tr Ömer,
DetaylıEANLI DENKLEML MODELLERN ÇÖZÜM YÖNTEMLER I: MATRSSZ ÇÖZÜM:
EANLI DENKLEML MODELLERN ÇÖZÜM YÖNTEMLER I: MATRSSZ ÇÖZÜM: DOLAYLI EKKY AAMALI EKKY SINIRLI BLG LE EÇBY Eanl denklemli modelin her hangi bir denklemi Basi EKKY ile çözüldüünde sapmal uarsz ahminler elde
DetaylıNote: If you want to validate a page containing frames, be sure the DTD is set to "Frameset DTD". Read more about XHTML Validation.
FRAME Tagı Aynı pencere içinde birden fazla sayfa görünmesini istediğimiz zaman çerçeve (frame) kullanırız. Çerçeve tekniği, bir web sayfasını istenilen miktarda parçaya bölüp, bu sayfa üzerinde birkaç
DetaylıSnf Öretmenlerinin Kendi Mesleki Yeterliklerine likin Görüleri: Genel Bir Deerlendirme. Dr. Halil Yurdugül Ali Çakrolu Mesude Ayan
Snf Öretmenlerinin Kendi Mesleki Yeterliklerine likin Görüleri: Genel Bir Deerlendirme Dr. Halil Yurdugül Ali Çakrolu Mesude Ayan Öretmen Yeterlikleri Toplumsal geliim için, Eitimin kalitesini artrmak
DetaylıAMEL YATHANEDE KULLANILAN HASSAS C HAZ VE CERRAH ALETLER N
AMELYATHANEDE KULLANILAN HASSAS CHAZ VE CERRAH ALETLERN YENDEN KULLANIMA HAZIRLANMASINDA MERKEZ STERZASYON ÜNTES ÇALIANLARININ SORUMLULUKLARI Firdevs TABAK*, lknur NANIR** *Acbadem Kozyata Hastanesi, Merkezi
Detaylı3 1 x 2 ( ) 2 = E) f( x) ... Bir sigorta portföyünde, t poliçe yln göstermek üzere, sigortal saysnn
SORU : Aada tanm verilen f fonksiyonlarndan hangisi denklemini her R için salar? f + = f t dt integral e A) f = e B) f = e C) f D) f = E) f = e ( ) = e ( ) SORU : Bir sigorta portföyünde, t poliçe yln
DetaylıSimülasyon Modellemesi
Simülasyon Modellemesi Doç. Dr. Mustafa Yüzükrmz myuzukirmizi@meliksah.edu.tr Ders -2: Metod ve Veri Analizi Contents 1 Metod Analizi 1 1.1 Giri³.................................. 1 1.2 Metod Müh.'de Sistematik
DetaylıTÜLN OTBÇER. Seminer Raporu Olarak Hazırlanmıtır.
TÜLN OTBÇER Seminer Raporu Olarak Hazırlanmıtır. Ankara Hacettepe Üniversitesi Mayıs, 2004 ! - " $ - "%%&%$ - "%' $ - "(%' $ - "( ) (* $+,( $ - ") (',( $ - "- %./$ 0 1*&/1(2, %("%. 3/1(4""3%(/1-( /32 $$
DetaylıDöküm Yöntemleri. Dr.-Ing. Rahmi Ünal
Döküm Yöntemleri Dr.-Ing. Rahmi Ünal 1 HASSAS DÖKÜM Hassas Döküm Son derece kark parçalar temiz ve tam bir ekilde elde edilebilir. Özellikle tala kaldrlarak ilenmesi veya dövülebilmesi mümkün olmayan alamlardan
DetaylıÖ RENME FAAL YET 1. 1. ViDA VE KILAVUZLAR Ö RENME FAAL YET -1. 1.1. Vidalar. E ik Düzlem. Vida Hatt n n Profili. Ad m. E im Aç s AMAÇ ARA TIRMA
ÖRENME FAALYET-1 AMAÇ ÖRENME FAALYET 1 Uygun atölye ortam ve gereçleri salandnda, tekniine uygun olarak klavuz ile di açabileceksiniz. ARATIRMA 1. Okul kütüphanesi, ehir kütüphanesi, Internet, v.b. bilgi
DetaylıTürkiye deki Müzik Öretmenlii Anabilim Dallarnn Web Sitelerinin ncelenmesi
Türkiye deki Müzik Öretmenlii Anabilim Dallarnn Web Sitelerinin ncelenmesi M. Serkan UMUZDA 1 Serpil UMUZDA 2 1 Gazi Üniversitesi, Gazi Eitim Fakültesi Müzik Öretmenlii, m.umuzdas@gazi.edu.tr 2 Gazi Üniversitesi,
DetaylıSosyo-ekonomik göstergeler bakmndan illerin bölgesel bazda benzerliklerinin çok deikenli analizler ile incelenmesi
www.istatistikciler.org statistikçiler Dergisi 4 (2011) 57-68 statistikçiler Dergisi Sosyo-ekonomik göstergeler bakmndan illerin bölgesel bazda benzerliklerinin çok deikenli analizler ile incelenmesi brahim
Detaylı2 400 TL tutarndaki 1 yllk kredi, aylk taksitler halinde aadaki iki opsiyondan biri ile geri ödenebilmektedir:
SORU 1: 400 TL tutarndaki 1 yllk kredi, aylk taksitler halinde aadaki iki opsiyondan biri ile geri ödenebilmektedir: (i) Ayla dönütürülebilir yllk nominal %7,8 faiz oran ile her ay eit taksitler halinde
Detaylıhttp://www.suzuki-toshie.net
B Uygulama 03.03.2011 Bilinçli Örenim Yoluyla Yaama Gücüne Doru Yeni Afet Önleme Eitimi --- Proje Örenimi, Portfolyo Deerlendirme, Koçluk Yöntemi --- Afet Önleme ve Yeni Örenme Becerileri Proje Örenimi
Detaylıwww.seyfettinartan.gen.tr/dysoru.pdf
Doru-Yanl Sorular: 1. nsan ihtiyaçlarn dorudan ya da dolayl olarak karlama özelliine sahip ve bu amaçla kullanlmaya hazr olan fiziksel varlklara hizmet denir. 2. Tüketicinin ihtiyaçlarn dorudan karlayan
DetaylıPC Bu Should Windows 8 Run Ve miyim?can Your PC Run Windows 8, And Should It?
ReviverSoft Blog Tips and Tricks to Make You Love Your Computer Again http://www.reviversoft.com/tr/blog PC Bu Should Windows 8 Run Ve miyim?can Your PC Run Windows 8, And Should It? Windows 8 bir duyuru
Detaylınovasyon KalDer zmir ubesi 8. Mükemmellii Aray Sempozyomu zmir, 18 Nisan 2007 irin Elçi Technopolis Türkiye Direktörü Teknoloji Yönetim Dernei Bakan
novasyon KalDer zmir ubesi 8. Mükemmellii Aray Sempozyomu zmir, 18 Nisan 2007 irin Elçi Technopolis Türkiye Direktörü Teknoloji Yönetim Dernei Bakan novasyon Ekonomik ve toplumsal fayda yaratmak için ürünlerde,
DetaylıARTVN L GELME PLANI. Artvin l Geneli-2000. Bilinmeyen 80+ 75-79 70-74 65-69 60-64 55-59 50-54 45-49 40-44 35-39 30-34 25-29 20-24 15-19 10-14 5-9 0-4
ARTVN L GELME PLANI Artvin l Geneli-2000 Bilinmeyen Erkek 80+ 75-79 70-74 65-69 60-64 Kad n Y a Gruplar 55-59 50-54 45-49 40-44 35-39 30-34. 25-29 20-24 15-19 10-14 5-9 0-4 12 9 6 3 0 3 6 9 12 % NÜFUS
DetaylıYAPI KRED EMEKLLK A.. GELR AMAÇLI KAMU BORÇLANMA ARAÇLARI (DÖVZ) EMEKLLK YATIRIM FONU 2003 YILINA LKN YILLIK RAPOR
YAPI KRED EMEKLLK A.. GELR AMAÇLI KAMU BORÇLANMA ARAÇLARI (DÖVZ) EMEKLLK YATIRIM FONU 2003 YILINA LKN YILLIK RAPOR BU RAPOR EMEKLLK YATIRIM FONLARININ KAMUYU AYDINLATMA AMACIYLA DÜZENLENEN YÜKÜMLÜLÜKLER
DetaylıTÜRK TEKSTL SANAYNDE ENERJ KULLANIMININ GENEL DEERLENDRLMES. Emel KAPLAN ve Erdem KOÇ Ç.Ü., Tekstil Mühendislii Bölümü, Adana/Türkiye
ISSN 1019-1011 Ç.Ü.MÜH.MM.FAK.DERGS CLT.19 SAYI.2 Aral'k December 2004 Ç.Ü.J.FAC.ENG.ARCH. VOL.19 NO.2 TÜRK TEKSTL SANAYNDE ENERJ KULLANIMININ GENEL DEERLENDRLMES Emel KAPLAN ve Erdem KOÇ Ç.Ü., Tekstil
Detaylı'DARE PERFORMANS HEDEF' TABLOSU
!nsanl"n Geliimine Yönelik Katma De"eri Yüksek Ürün ve Hizmet Yaratmak 2011 ylna kadar üretilen aratrmalara, projeleri ve alnan patent saylarn % 20 arttrmak üzere laboratuvarlar kurmak ve akreditasyonlarn
DetaylıSIEMENS Siemens Sanayi ve Ticaret A..
SIEMENS Siemens Sanayi ve Ticaret A.. Deerli Tedarikçilerimiz, Türk Vergi Usul Kanunu ve ana ortamz olan Siemens AG nin kurallar gerei, firmamza gelen faturalarn muhasebeletirilmesi, takibi ve vadesinde
DetaylıSÖZLÜ BİLDİRİ TÜRKİYE DEKİ HASTANELERİN VERİ MADENCİLİĞİ YÖNTEMLERİ KULLANILARAK GRUPLANDIRILMASI
SÖZLÜ BİLDİRİ TÜRKİYE DEKİ HASTANELERİN VERİ MADENCİLİĞİ YÖNTEMLERİ KULLANILARAK GRUPLANDIRILMASI CLASSIFICATION OF TURKISH HOSPITALS BY USING DATA MINING TECHNIQUE Mehmet UĞURLU 1, M.Özgür DOLGUN 2, S.Yavuz
DetaylıBiliim ve novasyon. S. ahin Tulga Genel Müdür HP Türkiye
Biliim ve novasyon S. ahin Tulga Genel Müdür HP Türkiye novasyon page 2 DONDURMASI DONDURMASI DONDURMASI DONDURMASI DÜNYANIN NYANIN NYANIN NYANIN EN EN EN EN TAZE TAZE TAZE TAZE DONDURMA Tanm Ticari Getirisi
Detaylı#$% &'#(# Konular. Bits of Information. Binary Özellikler Superimposed Coding Signature Formation Deerlendirme
!" #$% &'#(# Konular Binary Özellikler Deerlendirme Binary Özellikler Bir binary özellik iki deer alabilir (kapalı veya açık; var veya yok gibi) Bir kiiye ait bilgiler binary olarak aaıdaki gibi gösterilebilir
DetaylıÖlçek Geli,tirme Çal.,malar.nda Kapsam Geçerlii için Kapsam Geçerlik &ndekslerinin Kullan.lmas.
XIV. Ulusal Eitim ilimleri Kongresi Pamukkale Üniversitesi Eitim Fakültesi 28 30 Eylül 2005 DEN&ZL& Ölçek Geli,tirme Çal.,malar.nda Kapsam Geçerlii için Kapsam Geçerlik &ndekslerinin Kullan.lmas. Dr. Halil
DetaylıKURULUM. Cihaz n Ba lanmas. Not Lütfen router ayarlar için yanl zca kablolu a ba lant s n kullan n z.
KURULUM Cihazn Balanmas Not Lütfen router ayarlar için yanlzca kablolu a balantsn kullannz. Kablo balantlarn yapmadan önce ellerinizin slak olmadndan emin olun. Mevcutta kullanlan bir modem varsa, bunun
DetaylıBÖLÜM 5. Gerilim Azaltan Dönü türücünün Kal Durum Devre Analizi
BÖÜM 5 DC-DC DÖNÜTÜRÜCÜER A. Deneyin Amac DC-DC erilim azaltan dönütürücü (buck converter) ve DC-DC erilim artran dönütürücü (boost converter) devrelerinin davranlar incelemek. Bu deneyde erilim azaltan
DetaylıYAZI ÝÞLERÝ VE KARARLAR DAÝRESÝ BAÞKANLIÐI YAZI LER UBE MÜDÜRLÜ Ü
YazleriveKararlarDairesiBakanl YAZI ÝÞLERÝ VE KARARLAR DAÝRESÝ BAÞKANLIÐI YAZILERUBEMÜDÜRLÜÜ Yetki,GörevveSorumluluklar Valilik yazmalarn hazrlamak, onay, teslim ilemlerini gerçekletirmek. çileribakanlgenelveözelteftiraporlarnteslimalmak,
DetaylıTEKSTLDE KULLANILAN SUYUN ÖNEM VE ÖRNEK BR LETMEDE YAPILAN SU ANALZ ÇALIMALARI
ISSN 1019-1011 Ç.Ü.MÜH.MM.FAK.DERGS C$LT.19 SAYI.2 Aral-k December 2004 Ç.Ü.J.FAC.ENG.ARCH. VOL.19 NO.2 TEKSTLDE KULLANILAN SUYUN ÖNEM VE ÖRNEK BR LETMEDE YAPILAN SU ANALZ ÇALIMALARI Serin MAVRUZ ve R.
DetaylıVE SÜRDÜRÜLEB L R YEK UYGULAMALARI
YENLENEBLR ENERJ KAYNAKLARI MALYET ANALZ VE SÜRDÜRÜLEBLR YEK UYGULAMALARI Ömer Faruk ERTURUL omerfarukertugrul@gmail.com TEA 16. letim Tesis ve letme Grup Müdürlüü, Batraman Yolu Üzeri 2. km. 72070, Batman
DetaylıAn#t#n ad#: Topkap# Saray# #ehir: Sultanahmet, #stanbul, Türkiye. Dönem / Hanedan: Osmanl# Dönemi
An#t#n ad#: Topkap# Saray# Di#er ad(lar)#: Saray-# Hümayun; Saray-# Cedide-i Amire; Yeni Saray #ehir: Sultanahmet, #stanbul, Türkiye #n#a tarihi: II. Mehmed döneminde in#a edilmeye ba#lanm##t#r, eklenen
DetaylıCHERMK: OTEL OTOMASYON SSTEM
CHERMK: OTEL OTOMASYON SSTEM M. Piri YILMAZ Ahmet ÖZMEN piri@mf.dumlupinar.edu.tr ozmen@mf.dumlupinar.edu.tr Elektrik-Elektronik Bölümü Mühendislik Fakültesi Dumlupnar Üniversitesi, 43100, Kütahya Anahtar
DetaylıT.C. BABAKANLIK Hazine Müstearl. T.C. Babakanlk Hazine Müstearl
T.C. BABAKANLIK Hazine Müstearl BLGLENDRME TOPLANTISI 10.03.2010 Sunum Plan Tarihçe Görev ve Sorumluluklar Tekilat Yaps Dier Kurumlarla likiler Kariyer Olanaklar Soru Cevap Tarihçe Osmanl Devletinde; Hazine,
DetaylıL-Moment Yöntemi le Bölgesel Ta k n Frekans Analizi ve Genelle tirilmi Lojistik Da l m le Do u Karadeniz Havzas Örne i
Takn ve Heyelan Sempozyumu / 24-26 Ekim 2013, Trabzon - 349 - L-Moment Yöntemi le Bölgesel Takn Frekans Analizi ve Genelletirilmi Lojistik Dalm le Dou Karadeniz Havzas Örnei Yrd.Doç.Dr. Fatih SAKA 1, Prof.Dr.
DetaylıKurumsal tibar. Salk Sektöründe Kurumsal tibar ve Güven. Dr. Erhan Ba Genel Müdür. Bilim laç
Kurumsal tibar Salk Sektöründe Kurumsal tibar ve Güven Dr. Erhan Ba Genel Müdür Bilim laç EFQM Mükemmellik Modeli Bilim laç 167 ilaç firmas içinde IMS 2006 sonu verilerine göre: Kutu satlarnda en büyük
DetaylıBraunsbedra at#ksu ar#tma tesisi: basit mühendislikle daha h#zl# devreye alma
Braunsbedra at#ksu ar#tma tesisi: basit mühendislikle daha h#zl# devreye alma Phoenix Contact Elektronik Tic. Ltd. #ti. K#s#kl# Mah. Han#m Seti Sok. No:38/A 34692 B. Çaml#ca - Üsküdar #stanbul/türkiye
DetaylıProgram Hakk nda Detayl bilgi. Otel nstalasyonu. Otel dare (Oda yönetim) Program. Master Kart
Otel dare (Oda yönetim) Program Bu bölümde özel baz kartlarn nasl çalt, ne için kullanldklarn ve çaltrlma ekillerini açklayacaz. Master Kart 'Master Kart' distribütör tarafndan verilir ve DORLET in anagramn
DetaylıÇMENTO SEKTÖRÜNDE GÖRECEL ETKNSZLK ALANLARININ VER ZARFLAMA ANALZ YÖNTEM LE TESPT
ÇMENTO SEKTÖRÜNDE GÖRECEL ETKNSZLK ALANLARININ VER ZARFLAMA ANALZ YÖNTEM LE TESPT Doç.Dr. Veysel KULA * Ar.Grv. Letife ÖZDEMR ** ÖZET Çalmada, stanbul Menkul Kymetler Borsas (MKB) na kote olan çimento
Detaylıkili ve Çoklu Kar³la³trmalar
kili ve Çoklu Kar³la³trmalar Birdal eno lu ükrü Acta³ çindekiler 1 Giri³ 2 3 4 5 6 7 Bu bölümde, (2.1) modelinde, H 0 : µ 1 = µ 2 = = µ a = µ (1) ³eklinde ifade edilen sfr hipotezinin reddedilmesi durumunda,
DetaylıTarihli Mikro R/J/F/ Müşavir 02a Sürümü
30.07.2018 Tarihli Mikro R/J/F/ Müavir 02a Sürümü Mikro - Programlarında Yapılan Yenilikler Stok Tanıtım Kartına Birime Göre Fiyat Tanımlama Özellii Eklenmitir Mikro - Programlarında Yapılan Yenilikler
DetaylıY = 29,6324 X 2 = 29,0871 X 3 = 28,4473 y 2 = 2,04 x 2 2 = 0,94 x 2 3 = 2,29 yx 2 = 0,19 yx 3 = 1,60 x 2 x 3 = 1,06 e 2 = 0,2554 X + 28,47 X 3-0,53
EKONOMETR DERS ÇALIMA SORULARI SORU : 1 1980-1994 y llar aras ndaki Türkiye Özel Yat r m (Y), Reel Mevduat Faiz Oran (X ) ve GSMH (X 3 ) verilerinden hareketle a*a+ daki ortalamadan farklara göre ara sonuçlar
DetaylıYavuz HEKM. Egekons Prefabrike Metal Yap San. Tic. Ltd.!ti. ve. Hekim Gemi n$a A.!. Firmalarnn Kurucusu ve Yönetim Kurulu Ba$kan.
Yavuz HEKM Egekons Prefabrike Metal Yap San. Tic. Ltd.!ti. ve Hekim Gemi n$a A.!. Firmalarnn Kurucusu ve Yönetim Kurulu Ba$kan. 8. Mükemmelli+i Aray$ Sempozyumu Ana Tema, Yerellikten Küresellie EGE Oturum
DetaylıDiscount Trke Japonca ngilizce Szck Testi Program discounted software ]
Discount Trke Japonca ngilizce Szck Testi Program discounted software ] Description: Öncelikle programn içinde yer alan parçalar sralayalm; 1-) Türkçe-Japonca-ngilizce arasnda 1300 kelimelik "sözcük testi"
DetaylıBelirli Gerilim Snrlar Dahilinde Kullanlmak Üzere Tasarlanm Elektrikli Teçhizat ile lgili Yönetmelik (73/23/AT)
Belirli Gerilim Snrlar Dahilinde Kullanlmak Üzere Tasarlanm Elektrikli Teçhizat ile lgili Yönetmelik (73/23/AT) BRNC BÖLÜM Amaç, Kapsam, Dayanak, Tanmlar Amaç : Madde 1 Bu Yönetmeliin amac; Yönetmelik
Detaylı