Sözlük Kullanarak Türkçe için Kavram Madenciliği Metotları Geliştirme

Save this PDF as:
 WORD  PNG  TXT  JPG

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Sözlük Kullanarak Türkçe için Kavram Madenciliği Metotları Geliştirme"

Transkript

1 1 Cem Rıfkı Aydın, 1 Ali Erkan, 1 Tunga Güngör, 2 Hidayet Takçı 1 Boğaziçi Üniversitesi, 2 Cumhuriyet Üniversitesi Sözlük Kullanarak Türkçe için Kavram Madenciliği Metotları Geliştirme AB 14 7 Şubat 2014

2 TASLAK Giriş İlgili Çalışmalar Geliştirilen Algoritma Deneyler Sonuç İlerki Çalışmalar

3 Giriş Kavram madenciliği: Yazılı dokümanlardan, görsel veya işitsel dosyalardan anlamlı kavramlar çıkarma işlemine kavram madenciliği denir. Kavramlar canlı veya cansız nesnelerin daha soyut, akılsal gösterimleri olarak ifade edilebilir.

4 Giriş (ii) Kavramlar genelde isim olarak düşünülebilir, o yüzden dokümandaki diğer kelime grupları başta elenebilir. İsimler dokümanlarda ekli durumda bulunabilir (kedileri gibi), bu yüzden başta biçimbirimsel çözümleyici ve biçimbirimsel muğlaklık giderici kullanılarak isimlerin kökleri elde edilmelidir. Biçimbirimsel çözümleyici aldığı kelimesini aşağıdaki gibi ayrıştırır. aldığı = al[verb]+[pos]- dhk[noun+pastpart]+[a3sg]+[pnon]+yh[acc] Kavram madenciliğinde sözlükten, WordNet ten veya başka sözlüksel veritabanlarından faydalanılabilir.

5 İlgili Çalışmalar Meryem Uzun, 2011 Türkçe derlemlerden kavram çıkarmak için kümeleme metodu izlenmiştir. H Liu, P Singh, 2004 Sağduyu bilgi veritabanı olan ConceptNet kullanılmıştır. Abdelattif Rahmoun ve diğerleri, 2008 WordNet kullanılarak özellik seçimi (feature selection) kullanılmıştır. Loulwah Al Sumait ve diğerleri, 2008 Kavram çıkarma için Latent Dirichlet Allocation algoritması kullanılmıştır.

6 Geliştirilen Algoritma Önceki çalışmalarımızda kümeleme yoluyla kavram çıkarmaya çalışılmıştır; ama sonuçlar pek başarılı olmayınca sözlük tabanlı istatistiksel bir metot izlenmiştir. Kavram çıkarmada genellikle WordNet kullanılmakta, sözlüğe pek başvurulmamıştır. Buna rağmen bizim sözlük kullanarak elde ettiğimiz sonuçlar başarılı çıkmıştır.

7 Geliştirilen Algoritma Bu çalışmada XML formatındaki sözlükten yararlanılmıştır. Burada isim olmayan kelimeler elenmiş, kelimelerin anlamı biçimbirimsel araçlar tarafından ayrıştırılarak kökleri elde edilmiş ve bunlar hesaba katılmıştır.

8 Geliştirilen Algoritma Bazı kelimelerin birden çok anlamı bulunabilmektedir, o yüzden kelimelerin doküman içindeki bağlamlarına bakarak aşağıdaki formül değeri hesaplanmakta ve hangi sözlük anlam cümlesi en yüksek değeri veriyorsa o, kelimenin kullanılmakta olduğu anlam olarak belirlenmektedir.

9 Geliştirilen Algoritma Sözlük yapısından yararlanılarak matrisler oluşturulmuştur. Bunun için 2 ve 3 seviyeli matrislerde yukarıdan aşağıya inildikçe anlamsal benzerlik azalmaktadır, bu yüzden matrise değer atarken yukarıdaki seviyede olan kelimelerin katsayısı daha fazla, aşağıdakilerin daha azdır.

10 Geliştirilen Algoritma Bu çalışmada, matris hücreleri aşağıdaki denkleme göre doldurulmuştur. Matris(j, k) = Sıklık( j) x Konum(j) x Kapsam(j)

11 Geliştirilen Algoritma (Alternatif 1) Bu ilk alternatife göre matris elemanlarının sıraları dokümanda bulunan kelimeleri, sütunları ise satır elemanlarının sözlükteki anlam cümlesi kelimelerini temsil etmektedir. Önce bahsedilen denkleme göre matris doldurulmaktadır.

12 Geliştirilen Algoritma (Alternatif 1) Matristeki sütun değerleri toplanmakta, hangisi en yüksek değeri veriyorsa o sütun kelimesi dokümanın kavramı olarak belirlenmektedir. Bir kelimenin kavramı onun sözlük anlam cümlesindeki bütün kelimelerle alakalı olmayabilir, kavram genelde bir sözcüğün genel anlamıyla (hypernym) ilgilidir, o yüzden bu metot pek başarılı sonuçlar vermemiş, yerine başka alternatifler geliştirilmiştir.

13 Geliştirilen Algoritma (Alternatif 2) Bu alternatif için 30-kelime büyüklüğünde pencereler hesaba katılmıştır, yani kelimenin 15 sağındaki ve solundaki kelimelere bakılmıştır. Sözlük anlam cümlesindeki kelimelere katsayılar atanmıştır En yüksek değerli sütun kelimesi hayvandır

14 Geliştirilen Algoritma (Alternatif 3) Bu metotta, 30 kelimelik bağlamlarda sadece en yüksek frekansa sahip kelime hesaba katılmıştır. Frekans, ilk konum ve kapsam değerleri göz önünde bulundurulmuştur En yüksek değere sahip kelime, yani dokümanın kavramı, hayvandır

15 DENEYLER Başarı değerlendirme metriği olarak kesinlik (precision) kullanılmıştır. Kesinlik = Gerçek pozitiflerin sayısı / (Gerçek pozitiflerin sayısı + Sahte pozitifler)

16 DENEYLER Dört tane Türkçe derlemden (Spor haberleri, yargıtay kararları, yargıtay haberleri, Gazi derlemi, toplam 368 doküman) kavramlar önem sırasına göre algoritma tarafından çıkarılmıştır. Ayrıyeten manüel olarak bu dokümanlardan kavramlar çıkarılmış ve bunlar kıyaslanmıştır.

17 DENEYLER Aşağıda değişik derlemlerin kıyaslanması gösterilmiştir. Görülebileceği gibi, ikinci algoritma (alternatif iii) en iyi sonuçları vermektedir. Ayrıca Yargıtay Kararları ve Yargıtay Haberleri derlemlerinin daha iyi sonuç verdiği gözlenmiştir, bunun nedeni ise bu derlemlerde konu dağılımının geniş olmamasıyken diğer derlemlerin bir sürü farklı konulara sahip dokümanları içermesidir. Başarı oranı 63.97% olarak ölçülmüştür. Precision percentage Comparison of different Corpora (window size = 3 vs unlim.) First alg. (2-levels) First alg. (3-levels) Second Second alg. (Some) alg. (Max.) Algorithms Forensic Decisions Forensic News Sports News Gazi

18 SONUÇ Bu çalışmada dokümanlardan kavram çıkarmak için TDK sözlüğü kullanılmıştır. Bağlam analizi yapılmış ve bunun etkisinin büyük olduğu gözlenmiştir. Üç tane alternatif metot geliştirilmiş, üçüncüsünün en yüksek başarı oranını verdiği gözlenmiştir. Frekans yanında Kapsam ve İlk konum özelliklerinin hesaba katılmasının başarı oranını arttırdığı gözlenmiştir.

19 İlerki Çalışmalar Sözlük tabanlı metodu geliştirmeden önce kümeleme yoluyla kavram çıkarmaya çalışılmıştır, bu kümeleme metodunu Principal Component Analysis ile geliştirmeye devam edebiliriz. Sözlük anlam cümlesindeki kelimelerde hypernym olanlara daha fazla katsayı atanarak algoritma geliştirilebilir. Geliştirdiğimiz algoritmayı başka Türkçe derlemleri üzerinde çalıştırabiliriz. Geliştirdiğimiz algoritma metin sınıflandırmada (text categorization) kullanılabilir.

20 TEŞEKKÜR Bu çalışmamız Boğaziçi Üniversitesi Araştırma Fonu ve TÜBİTAK tarafından desteklenmiştir. Cem Rıfkı Aydın Master (M.Sc.) öğrenimi süresince TÜBİTAK BİDEB bursundan yararlanmıştır. Haşim Sak tarafından geliştirilen biçimbirimsel ayrıştırma araçları kullanılmıştır.

21 DİNLEDİĞİNİZ İÇİN TEŞEKKÜRLER

Sözlük kullanarak Türkçe için Kavram Madenciliği Metotları Geliştirme: Bir Uygulama

Sözlük kullanarak Türkçe için Kavram Madenciliği Metotları Geliştirme: Bir Uygulama Sözlük kullanarak Türkçe için Kavram Madenciliği Metotları Geliştirme: Bir Uygulama Cem Rıfkı Aydın 1, Ali Erkan 1, Tunga Güngör 1, Hidayet Takçı 2 1 2 Boğaziçi Üniversitesi, Bilgisayar Mühendisliği Bölümü,

Detaylı

Sözlük Tabanlı Kavram Madenciliği: Türkçe için bir Uygulama

Sözlük Tabanlı Kavram Madenciliği: Türkçe için bir Uygulama Sözlük Tabanlı Kavram Madenciliği: Türkçe için bir Uygulama Cem Rıfkı Aydın Boğaziçi Üniversitesi, Bebek 34342, Beşiktaş, İstanbul cemrifkiaydin@gmail.com Ali Erkan Boğaziçi Üniversitesi, Bebek 34342,

Detaylı

VERİ MADENCİLİĞİ. Karar Ağacı Algoritmaları: SPRINT algoritması Öğr.Gör.İnan ÜNAL

VERİ MADENCİLİĞİ. Karar Ağacı Algoritmaları: SPRINT algoritması Öğr.Gör.İnan ÜNAL VERİ MADENCİLİĞİ Karar Ağacı Algoritmaları: SPRINT algoritması Öğr.Gör.İnan ÜNAL SPRINT Algoritması ID3,CART, ve C4.5 gibi algoritmalar önce derinlik ilkesine göre çalışırlar ve en iyi dallara ayırma kriterine

Detaylı

Bilgiye Erişim Sistemlerinde Veri Arama ve Eşleştirme

Bilgiye Erişim Sistemlerinde Veri Arama ve Eşleştirme Bilgiye Erişim Sistemlerinde Veri Arama ve Eşleştirme M. Erkan YÜKSEL 1, Özgür Can TURNA 1, M. Ali ERTÜRK 1 1 İstanbul Üniversitesi, Bilgisayar Mühendisliği Bölümü, İstanbul {eyuksel, ozcantur}@istanbul.edu.tr,

Detaylı

Üst Düzey Programlama

Üst Düzey Programlama Üst Düzey Programlama XML 1 XML XML (Extensible Markup Language) verileri belirli yapıda tutmak için kullanılan bir işaretleme dilidir. Bu yapı bilindiği için verinin istenildiğinde kullanılmasını, değiştirilmesini

Detaylı

Fen Eğitiminde Eğitsel Oyun Tabanlı Kavram Öğretiminin ve Kavram Defteri Uygulamasının Öğrenci Tutum ve Başarısına Etkisi

Fen Eğitiminde Eğitsel Oyun Tabanlı Kavram Öğretiminin ve Kavram Defteri Uygulamasının Öğrenci Tutum ve Başarısına Etkisi Đlköğretim Kongresi: Đlköğretimde Eğitim ve Öğretim Fen Eğitiminde Eğitsel Oyun Tabanlı Kavram Öğretiminin ve Kavram Defteri Uygulamasının Öğrenci Tutum ve Başarısına Etkisi Hasan Said TORTOP * ÖZET: Fen

Detaylı

Türkçe Dokümanlar Ġçin Yazar Tanıma

Türkçe Dokümanlar Ġçin Yazar Tanıma Türkçe Dokümanlar Ġçin Yazar Tanıma Özcan KOLYĠĞĠT, Rıfat AġLIYAN, Korhan GÜNEL Adnan Menderes Üniversitesi, Matematik Bölümü Bölümü, Aydın okolyigit@gmail.com, rasliyan@adu.edu.tr, kgunel@adu.edu.tr Özet:

Detaylı

LİSANS ÖĞRENCİLERİ İÇİN

LİSANS ÖĞRENCİLERİ İÇİN Süleyman Demirel Üniversitesi Ulusal ve Uluslararası Araştırma Proje Koordinatörlüğü LİSANS ÖĞRENCİLERİ İÇİN 2209/A - Araştırma Projeleri Destek Programı Bilgilendirme Semineri (2015/2. Dönem) 15 Ekim

Detaylı

bitık MOBİL TİCARET UYGULAMASI ABDULLAH ÇİÇEKCİ

bitık MOBİL TİCARET UYGULAMASI ABDULLAH ÇİÇEKCİ bitık MOBİL TİCARET UYGULAMASI ABDULLAH ÇİÇEKCİ - 150110046 İÇERİK Uygulama ve uygulamaya ilişkin temel kavramların tanıtımı Uygulamanın yapısı Ön yüz Veritabanı Web Servisler K-Means Algoritması ile kategori

Detaylı

Makine Öğrenmesi İle Duygu Analizinde Veri Seti Performansı

Makine Öğrenmesi İle Duygu Analizinde Veri Seti Performansı Makine Öğrenmesi İle Duygu Analizinde Veri Seti Performansı Hatice NİZAM İstanbul Üniversitesi Bilgisayar Mühendisliği Bölümü haticenizam@outlook.com Saliha Sıla AKIN ERS Turizm Yazılım Şirketi, Bilgisayar

Detaylı

Akış YILDIZ TEKNİK ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ

Akış YILDIZ TEKNİK ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ Akış Makine Öğrenmesi nedir? Günlük Hayatımızdaki Uygulamaları Verilerin Sayısallaştırılması Özellik Belirleme Özellik Seçim Metotları Bilgi Kazancı (Informaiton Gain-IG) Sinyalin Gürültüye Oranı: (S2N

Detaylı

Wordnet ve Bilgisayar Ağ Terimleri Sözlüğünün Oluşturulması

Wordnet ve Bilgisayar Ağ Terimleri Sözlüğünün Oluşturulması Wordnet ve Bilgisayar Ağ Terimleri Sözlüğünün Oluşturulması Yeşim Aktaş 1, Ebru Yılmaz İnce 2, Abdülkadir Çakır 3, Akif Kutlu 4 1 Süleyman Demirel Üniversitesi, Bilgisayar Mühendisliği Bölümü, Isparta

Detaylı

Veri Tabanı Yönetim Sistemleri Bölüm - 3

Veri Tabanı Yönetim Sistemleri Bölüm - 3 Veri Tabanı Yönetim Sistemleri Bölüm - 3 İçerik Web Tabanlı Veri Tabanı Sistemleri.! MySQL.! PhpMyAdmin.! Web tabanlı bir veritabanı tasarımı. R. Orçun Madran!2 Web Tabanlı Veritabanı Yönetim Sistemleri

Detaylı

MOCKUS HİDROGRAFI İLE HAVZA & TAŞKIN MODELLENMESİNE BİR ÖRNEK: KIZILCAHAMAM(ANKARA)

MOCKUS HİDROGRAFI İLE HAVZA & TAŞKIN MODELLENMESİNE BİR ÖRNEK: KIZILCAHAMAM(ANKARA) MOCKUS HİDROGRAFI İLE HAVZA & TAŞKIN MODELLENMESİNE BİR ÖRNEK: KIZILCAHAMAM(ANKARA) Tunç Emre TOPTAŞ Teknik Hizmetler ve Eğitim Müdürü, Netcad Yazılım A.Ş. Bilkent, Ankara, Öğretim Görevlisi, Gazi Üniversitesi,

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel

Detaylı

Sahne Geçişlerinin Geometrik Tabanlı olarak Saptanması

Sahne Geçişlerinin Geometrik Tabanlı olarak Saptanması Sahne Geçişlerinin Geometrik Tabanlı olarak Saptanması 1 Giriş Binnur Kurt, H. Tahsin Demiral, Muhittin Gökmen İstanbul Teknik Üniversitesi, Bilgisayar Mühendisliği Bölümü, Maslak, 80626 İstanbul {kurt,demiral,gokmen}@cs.itu.edu.tr

Detaylı

Veri ve Metin Madenciliği

Veri ve Metin Madenciliği Veri ve Metin Madenciliği Zehra Taşkın Veri Madenciliği Bir kutu toplu iğne İçine 3 boncuk düşürdünüz Nasıl alacağız? Fikirler? Veri Madenciliği Data Information Knowledge Veri madenciliği; Büyük yoğunluklu

Detaylı

Otomatik Doküman Sınıflandırma

Otomatik Doküman Sınıflandırma Otomatik Doküman Sınıflandırma Rumeysa YILMAZ, Rıfat AŞLIYAN, Korhan GÜNEL Adnan Menderes Üniversitesi, Fen Edebiyat Fakültesi Matematik Bölümü, Aydın rumeysa2903@gmailcom, rasliyan@aduedutr, kgunel@aduedutr

Detaylı

VERİ MADENCİLİĞİ (Veri Önişleme-1) Yrd.Doç.Dr. Kadriye ERGÜN

VERİ MADENCİLİĞİ (Veri Önişleme-1) Yrd.Doç.Dr. Kadriye ERGÜN VERİ MADENCİLİĞİ (Veri Önişleme-1) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr Genel İçerik Veri Madenciliğine Giriş Veri Madenciliğinin Adımları Veri Madenciliği Yöntemleri Sınıflandırma Kümeleme

Detaylı

mmcube Çokluortam Bilgi Sistemi

mmcube Çokluortam Bilgi Sistemi mmcube Çokluortam Bilgi Sistemi SeCUBE ARGE Bilişim Mühendislik Ltd.Şti. Çokluortam Bilgi Sistemi görsel, işitsel ve metinsel tarama yöntemiyle videoların taranmasına olanak sağlayan yüksek teknoloji bir

Detaylı

Web Madenciliği (Web Mining)

Web Madenciliği (Web Mining) Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Giriş Bilgi Erişiminde Temel Yaklaşımlar Bilgi Erişim Modelleri Boolean model Vector space

Detaylı

3.2. DP Modellerinin Simpleks Yöntem ile Çözümü Primal Simpleks Yöntem

3.2. DP Modellerinin Simpleks Yöntem ile Çözümü Primal Simpleks Yöntem 3.2. DP Modellerinin Simpleks Yöntem ile Çözümü 3.2.1. Primal Simpleks Yöntem Grafik çözüm yönteminde gördüğümüz gibi optimal çözüm noktası, her zaman uygun çözüm alanının bir köşe noktası ya da uç noktası

Detaylı

Veri Madenciliği Karar Ağacı Oluşturma

Veri Madenciliği Karar Ağacı Oluşturma C4.5 Algoritması Veri Madenciliği Karar Ağacı Oluşturma Murat TEZGİDER 1 C4.5 Algoritması ID3 algoritmasını geliştiren Quinlan ın geliştirdiği C4.5 karar ağacı oluşturma algoritmasıdır. ID3 algoritmasında

Detaylı

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ SAKARYA ÜNİVERSİTESİ BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ Hafta 12 Yrd. Doç. Dr. Halil İbrahim CEBECİ Bu ders içeriğinin basım, yayım ve satış hakları Sakarya Üniversitesi ne aittir. "Uzaktan

Detaylı

YÖNEYLEM ARAŞTIRMASI - III

YÖNEYLEM ARAŞTIRMASI - III YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Hessien Matris-Quadratik Form Mutlak ve Bölgesel Maksimum-Minimum Noktalar Giriş Kısıtlı ve kısıtsız fonksiyonlar için

Detaylı

*Nahsen AVCI, *Figen Altay

*Nahsen AVCI, *Figen Altay ORTAOKUL ALTINCI SINIFLARDA BEDEN EĞİTİMİ VE SPOR DERSİNDE, NESNE KONTROLÜ GEREKTİREN HAREKETLERE İLİŞKİN FİZİKSEL AKTİVİTE SEVİYELERİ *Nahsen AVCI, *Figen Altay *Hacettepe Üniversitesi, Spor Bilimleri

Detaylı

ÇARPANLAR VE KATLAR ÖĞRENİYORUM

ÇARPANLAR VE KATLAR ÖĞRENİYORUM ÖĞRENİYORUM Bir pozitif tam sayıyı birden fazla pozitif tam sayının çarpımı şeklinde yazarken kullandığımız her bir sayıya o sayının çarpanı denir. Örnek: nin çarpanları,, 3, 4, 6 ve dir. UYGULUYORUM Verilmeyen

Detaylı

Türkçe için Karşılaştırmalı bir Kelime Anlamı Belirginleştirme Uygulaması

Türkçe için Karşılaştırmalı bir Kelime Anlamı Belirginleştirme Uygulaması Türkçe için Karşılaştırmalı bir Kelime Anlamı Belirginleştirme Uygulaması Özet: Kelime anlamı belirginleştirme (KAB), bir kelimenin bulunduğu bağlamda hangi anlamı ile kullanıldığının otomatik olarak belirlenebilmesidir.

Detaylı

VERİ MADENCİLİĞİ Metin Madenciliği

VERİ MADENCİLİĞİ Metin Madenciliği VERİ MADENCİLİĞİ Metin Madenciliği Yrd. Doç. Dr. Şule Gündüz Öğüdücü 1 2 Metin için Veri Madenciliği Metin Madenciliğinde Sorunlar Metin madenciliği: Veri madenciliği teknikleri ile yazılı belgeler arasındaki

Detaylı

(AYIRIM) DENLİ. Emre KUZUGÜDENL. Doç.Dr.Serdar CARUS

(AYIRIM) DENLİ. Emre KUZUGÜDENL. Doç.Dr.Serdar CARUS DİSKRİMİNANT ANALİZİ (AYIRIM) Emre KUZUGÜDENL DENLİ Doç.Dr.Serdar CARUS Bu analiz ile; Bir bireyin hangi gruptan geldiği (p değişkeni kullanarak, bireyi uygun bir gruba atar ) Her bir değişkenin atama

Detaylı

BM208- Nesneye Dayalı Analiz ve Tasarım. Sunum 7

BM208- Nesneye Dayalı Analiz ve Tasarım. Sunum 7 BM208- Nesneye Dayalı Analiz ve Tasarım Sunum 7 Component(Bileşen) Diyagramları Sistemin fiziksel yapısını modellemede kullanılır. Bu fiziksel yapıdan kasıt gömülü kontroller, portlar, arayüzlerin yanı

Detaylı

Temel Elektronik Basic Electronic Düğüm Gerilimleri Yöntemi (Node-Voltage Method)

Temel Elektronik Basic Electronic Düğüm Gerilimleri Yöntemi (Node-Voltage Method) Temel Elektronik Basic Electronic Düğüm Gerilimleri Yöntemi (Node-Voltage Method) Konular Düğüm Gerilimleri Yöntemi o Temel Kavramlar o Yönteme Giriş o Yöntemin Uygulanışı o Yöntemin Uygulanması o Örnekler

Detaylı

Zahmetsiz örüntü tanıma: Nokta bulutlarının karşılaştırılması yoluyla veri-tabanlı ve parametresiz istatistiksel öğrenme

Zahmetsiz örüntü tanıma: Nokta bulutlarının karşılaştırılması yoluyla veri-tabanlı ve parametresiz istatistiksel öğrenme Zahmetsiz örüntü tanıma: Nokta bulutlarının karşılaştırılması yoluyla veri-tabanlı ve parametresiz istatistiksel öğrenme Doç. Dr. Bilge Karaçalı Biyomedikal Veri İşleme Laboratuvarı Elektrik-Elektronik

Detaylı

Kitle: Belirli bir özelliğe sahip bireylerin veya birimlerin tümünün oluşturduğu topluluğa kitle denir.

Kitle: Belirli bir özelliğe sahip bireylerin veya birimlerin tümünün oluşturduğu topluluğa kitle denir. BÖLÜM 1: FREKANS DAĞILIMLARI 1.1. Giriş İstatistik, rasgelelik içeren olaylar, süreçler, sistemler hakkında modeller kurmada, gözlemlere dayanarak bu modellerin geçerliliğini sınamada ve bu modellerden

Detaylı

BMT 101 Algoritma ve Programlama I 2. Hafta. Yük. Müh. Köksal GÜNDOĞDU 1

BMT 101 Algoritma ve Programlama I 2. Hafta. Yük. Müh. Köksal GÜNDOĞDU 1 BMT 0 Algoritma ve Programlama I 2. Hafta Yük. Müh. Köksal GÜNDOĞDU Algoritma ve Programlama Yük. Müh. Köksal GÜNDOĞDU 2 Algoritma Kavramı Yük. Müh. Köksal GÜNDOĞDU 3 Algoritma ve Programlama Bilgisayardaki

Detaylı

matrisleri bulunmuş olur. X A. B yardımıyla değişkenlere ulaşılır. Bu yolda A ne ulaşmak güç olduğu gibi A ni bulamama durumunda söz konusudur.

matrisleri bulunmuş olur. X A. B yardımıyla değişkenlere ulaşılır. Bu yolda A ne ulaşmak güç olduğu gibi A ni bulamama durumunda söz konusudur. PROJE RAPORU Projenin Adı: Üç bilinmeyenli Rasyonel Katsayılı Denklem Sistemi Çözümü Projenin Amacı: Üç bilinmeyenli rasyonel katsayılı denklem sisteminin Gauss indirgenme metodu ile çözümünü algoritmaya

Detaylı

İş Zekası için Dört-Katmanlı Veri Modellemesi Gerçekleştirimi. Harun Gökçe EG Yazılım, TOBB ETÜ

İş Zekası için Dört-Katmanlı Veri Modellemesi Gerçekleştirimi. Harun Gökçe EG Yazılım, TOBB ETÜ İş Zekası için Dört-Katmanlı Veri Modellemesi Gerçekleştirimi Harun Gökçe EG Yazılım, TOBB ETÜ İçerik İş Zekası Kavramı Tarihçesi İş Zekası Tanım, Kavramlar ve Gereklilik Dört-Katmanlı Veri Modellemesi

Detaylı

YAZILIM ÜRÜN HATTI DEĞĐŞKENLĐĞĐNĐN DENETĐM ÇEVRĐMĐ ĐLE ELE ALINMASI

YAZILIM ÜRÜN HATTI DEĞĐŞKENLĐĞĐNĐN DENETĐM ÇEVRĐMĐ ĐLE ELE ALINMASI YAZILIM ÜRÜN HATTI DEĞĐŞKENLĐĞĐNĐN DENETĐM ÇEVRĐMĐ ĐLE ELE ALINMASI Emra AŞKAROĞLU ASELSAN A. Ş. 1 ĐÇERĐK Yazılım Ürün Hattı nedir? Yazılım Ürün Hattı Değişkenliği Ürün Özellik Ağacı Oluşturma Uygulama

Detaylı

2.1 Gri Düzey Eş Oluşum Matrisi ( GLCM) Gri düzey eş oluşum matrisi Haralick tarafından öne sürülmüştür [1]. Đstatistiksel doku analizi yöntemidir.

2.1 Gri Düzey Eş Oluşum Matrisi ( GLCM) Gri düzey eş oluşum matrisi Haralick tarafından öne sürülmüştür [1]. Đstatistiksel doku analizi yöntemidir. ÇELĐK YÜZEYLERĐN SINIFLANDIRILMASI * Cem ÜNSALAN ** Aytül ERÇĐL * Ayşın ERTÜZÜN *Boğaziçi Üniversitesi, Elektrik-Elektronik Mühendisliği Bölümü unsalan@boun.edu.tr **Boğaziçi Üniversitesi, Endüstri Mühendisliği

Detaylı

Önsöz. İçindekiler Algoritma Algoritma Nasıl Hazırlanır? Yazılımda Algoritma Mantığı Nedir? 1.2. Algoritma Örnekleri ve Sorular

Önsöz. İçindekiler Algoritma Algoritma Nasıl Hazırlanır? Yazılımda Algoritma Mantığı Nedir? 1.2. Algoritma Örnekleri ve Sorular Önsöz Giriş İçindekiler V VII IX 1.1. Algoritma 1.1.1. Algoritma Nasıl Hazırlanır? 1.1.2. Yazılımda Algoritma Mantığı Nedir? 1.2. Algoritma Örnekleri ve Sorular 2.1. Programın Akış Yönü 19 2.2. Başlama

Detaylı

Mühendislikte İstatistik Yöntemler

Mühendislikte İstatistik Yöntemler Mühendislikte İstatistik Yöntemler Referans Kitaplar Türkçe : Mühendisler için İstatistik, Mehmetçik Bayazıt, Beyhan Oğuz, Birsen Yayınevi Mühendislikte İstatistik Metodlar, Erdem KOÇ,ÇÜ, Müh.Mim.Fak.

Detaylı

BİL-141 Bilgisayar Programlama I (Java)

BİL-141 Bilgisayar Programlama I (Java) 1 BİL-141 Bilgisayar Programlama I (Java) Hazırlayan: M.Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Not: Bu dersin sunumları, Java Bilgisayar Programlamaya Giriş, A. Yazıcı, E. Doğdu,

Detaylı

Web Madenciliği (Web Mining)

Web Madenciliği (Web Mining) Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Sınıflandırıcıların Değerlendirilmesi Skorlar Karışıklık matrisi Accuracy Precision Recall

Detaylı

VERİ MADENCİLİĞİ VE SOSYAL AĞ ANALİZİ ARAŞTIRMA LABORATUVARI

VERİ MADENCİLİĞİ VE SOSYAL AĞ ANALİZİ ARAŞTIRMA LABORATUVARI BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ VERİ MADENCİLİĞİ VE SOSYAL AĞ ANALİZİ ARAŞTIRMA LABORATUVARI 10 Aralık 2011, Cumartesi Fen ve Mühendislik Alanlarındaki Çeşitli Araştırma Projelerinden Örneklemeler İçerik

Detaylı

Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü

Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü Mühendislikte İstatistiksel Yöntemler Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü 1 Araştırma sonuçlarının açıklanmasında frekans tablosu

Detaylı

YÖNEYLEM ARAŞTIRMASI - III

YÖNEYLEM ARAŞTIRMASI - III YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Altın Oran (Golden Section Search) Arama Metodu Tek değişkenli bir f(x) fonksiyonunu ele alalım. [Bazı x ler için f

Detaylı

ÖZEL EGE LİSESİ FİBONACCİ DİZİLERİ YARDIMIYLA DEĞERİNİ HESAPLAYAN BİR FORMÜL

ÖZEL EGE LİSESİ FİBONACCİ DİZİLERİ YARDIMIYLA DEĞERİNİ HESAPLAYAN BİR FORMÜL ÖZEL EGE LİSESİ FİBONACCİ DİZİLERİ YARDIMIYLA DEĞERİNİ HESAPLAYAN BİR FORMÜL HAZIRLAYAN ÖĞRENCİ: Tilbe GÖKÇEL DANIŞMAN ÖĞRETMEN: Emel ERGÖNÜL İZMİR 2013 İÇİNDEKİLER 1. PROJENİN AMACI... 3 2. GİRİŞ... 3

Detaylı

LSI Keywords İle Sitenizin Sıralamasını Ve Trafiğini Arttırın

LSI Keywords İle Sitenizin Sıralamasını Ve Trafiğini Arttırın LSI Keywords İle Sitenizin Sıralamasını Ve Trafiğini Arttırın Giriş Her web sitesi sahibi, Seo açısından anahtar kelimelerin önemi çok iyi bilir. Fakat içeriğinizi optimize etmek için kullandığınız ana

Detaylı

ORTAOKUL ÖĞRENCİLERİ İÇİN BEDEN EĞİTİMİ VE SPOR DERSİ DEĞER ÖLÇEĞİNİN GELİŞTİRİLMESİ

ORTAOKUL ÖĞRENCİLERİ İÇİN BEDEN EĞİTİMİ VE SPOR DERSİ DEĞER ÖLÇEĞİNİN GELİŞTİRİLMESİ ORTAOKUL ÖĞRENCİLERİ İÇİN BEDEN EĞİTİMİ VE SPOR DERSİ DEĞER ÖLÇEĞİNİN GELİŞTİRİLMESİ Mehmet GÜLLÜ* Mehmet Akif YÜCEKAYA**, 1 *İnönü Üniversitesi, Spor Bilimleri Fakültesi,Türkiye **İnönü Üniversitesi,

Detaylı

Üst Düzey Programlama

Üst Düzey Programlama Üst Düzey Programlama Tasarım Şablonları Üst Düzey Programlama-ders02/ 1 FAÇADE ŞABLONU Facade bir nesnedir ve çok büyük kodları, karmaşık sınıfları basitleştirerek birleştirmek ve ortak bir arayüz sağlamak

Detaylı

Bu örnekte kullanılan veri 200 gözleme sahiptir ve örnek için özel olarak oluşturulmuştur.

Bu örnekte kullanılan veri 200 gözleme sahiptir ve örnek için özel olarak oluşturulmuştur. Değişen Varyans Örnek Bu örnekte kullanılan veri 200 gözleme sahiptir ve örnek için özel olarak oluşturulmuştur. 1 Aşağıda yer alan denklemi tahmin edelim; y i = β 0 + β 1 x 1i + β 2 x 2i + u i EViews

Detaylı

TAMSAYILI PROGRAMLAMA

TAMSAYILI PROGRAMLAMA TAMSAYILI PROGRAMLAMA Doğrusal programlama problemlerinde sık sık çözümün tamsayı olması gereken durumlar ile karşılaşılır. Örneğin ele alınan problem masa, sandalye, otomobil vb. üretimlerinin optimum

Detaylı

Üst Düzey Programlama

Üst Düzey Programlama Üst Düzey Programlama Yazılımda Günlükleme (Logging) Üst Düzey Programlama-ders07/ 1 Günlükleme -Logging Tüm büyük çaplı uygulamalarda günlükleme(logging) ihtiyaçları bulunmaktadır. Bir uygulamanın hata

Detaylı

Arş.Gör.Muhammet Çağrı Gencer Bilgisayar Mühendisliği KTO Karatay Üniversitesi 2015

Arş.Gör.Muhammet Çağrı Gencer Bilgisayar Mühendisliği KTO Karatay Üniversitesi 2015 Arş.Gör.Muhammet Çağrı Gencer Bilgisayar Mühendisliği KTO Karatay Üniversitesi 2015 KONU BAŞLIKLARI 1. Yazılım Mimarisi nedir? 2. Yazılımda Karmaşıklık 3. Üç Katmanlı Mimari nedir? 4. Üç Katmanlı Mimari

Detaylı

Yeşim AKSAN, Selma Ayşe ÖZEL, Yasin BEKTAŞ, Mustafa AKSAN, Umut Ufuk DEMİRHAN, Ümit MERSİNLİ, Hakan YILMAZER. Sunan : Yasin BEKTAŞ.

Yeşim AKSAN, Selma Ayşe ÖZEL, Yasin BEKTAŞ, Mustafa AKSAN, Umut Ufuk DEMİRHAN, Ümit MERSİNLİ, Hakan YILMAZER. Sunan : Yasin BEKTAŞ. Yeşim AKSAN, Selma Ayşe ÖZEL, Yasin BEKTAŞ, Mustafa AKSAN, Umut Ufuk DEMİRHAN, Ümit MERSİNLİ, Hakan YILMAZER Sunan : Yasin BEKTAŞ 5 Şubat 2014 1. Giriş 2. Alanyazın 3. Açık Kaynak / Ücretsiz Yazılımlarla

Detaylı

T.C. ÇANAKKALE ONSEKİZ MART ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ İLERİ VERİTABANI SİSTEMLERİ DERSİ RAPORUN SUNULDUĞU TARİH 24.05.

T.C. ÇANAKKALE ONSEKİZ MART ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ İLERİ VERİTABANI SİSTEMLERİ DERSİ RAPORUN SUNULDUĞU TARİH 24.05. T.C. ÇANAKKALE ONSEKİZ MART ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ İLERİ VERİTABANI SİSTEMLERİ DERSİ RAPORUN SUNULDUĞU TARİH 24.05.2011 PROJE KONUSU Genel Seçim Çalışmaları PROJE GRUBU Semih Erdem 080401009

Detaylı

İletim Hatları ve Elektromanyetik Alan. Mustafa KOMUT Gökhan GÜNER

İletim Hatları ve Elektromanyetik Alan. Mustafa KOMUT Gökhan GÜNER İletim Hatları ve Elektromanyetik Alan Mustafa KOMUT Gökhan GÜNER 1 Elektrik Alanı Elektrik alanı, durağan bir yüke etki eden kuvvet (itme-çekme) olarak tanımlanabilir. F parçacık tarafından hissedilen

Detaylı

TEMEL İSTATİSTİK BİLGİSİ. İstatistiksel verileri tasnif etme Verilerin grafiklerle ifade edilmesi Vasat ölçüleri Standart puanlar

TEMEL İSTATİSTİK BİLGİSİ. İstatistiksel verileri tasnif etme Verilerin grafiklerle ifade edilmesi Vasat ölçüleri Standart puanlar TEMEL İSTATİSTİK BİLGİSİ İstatistiksel verileri tasnif etme Verilerin grafiklerle ifade edilmesi Vasat ölçüleri Standart puanlar İstatistiksel Verileri Tasnif Etme Verileri daha anlamlı hale getirmek amacıyla

Detaylı

GİRİŞ. Bilimsel Araştırma: Bilimsel bilgi elde etme süreci olarak tanımlanabilir.

GİRİŞ. Bilimsel Araştırma: Bilimsel bilgi elde etme süreci olarak tanımlanabilir. VERİ ANALİZİ GİRİŞ Bilimsel Araştırma: Bilimsel bilgi elde etme süreci olarak tanımlanabilir. Bilimsel Bilgi: Kaynağı ve elde edilme süreçleri belli olan bilgidir. Sosyal İlişkiler Görgül Bulgular İşlevsel

Detaylı

YEŞİLIRMAK NEHRİ İÇİN TOPLAM ORGANİK KARBON ÖNGÖRÜ MODELLERİ

YEŞİLIRMAK NEHRİ İÇİN TOPLAM ORGANİK KARBON ÖNGÖRÜ MODELLERİ YEŞİLIRMAK NEHRİ İÇİN TOPLAM ORGANİK KARBON ÖNGÖRÜ MODELLERİ Mehmet Yüceer a*, İlknur Atasoy b, Eda Semizer c, Erdal Karadurmuş d, Kazım Yetik e, Ayla Çalımlı c, Rıdvan Berber c a İnönü Üniversitesi Mühendislik

Detaylı

https://twitter.com/farukbozan 19 Şubat 2016 Cuma

https://twitter.com/farukbozan 19 Şubat 2016 Cuma Bugünkü yazımda çok basit ve temel anlamda Spring ile XML tanım tabanlı bean okuma işlemini anlatmaya çalışacağım. Spring framework bizim yerimize nesnelerin birbirine olan bağımlılıklarını düzenleyip,

Detaylı

Korelasyon ve Regresyon

Korelasyon ve Regresyon Korelasyon ve Regresyon Korelasyon- (lineer korelasyon) Açıklayıcı (Bağımsız) Değişken x çalışma zamanı ayakkabı numarası İki değişken arasındaki ilişkidir. Günlük sigara sayısı SAT puanı boy Yanıt (Bağımlı)

Detaylı

2. SÜREKLİ DENETİME İLİŞKİN GENEL BİLGİLER

2. SÜREKLİ DENETİME İLİŞKİN GENEL BİLGİLER İÇİNDEKİLER İÇİNDEKİLER... v TABLO LİSTESİ... xi ŞEKİL LİSTESİ... xiii KISALTMALAR... xiv 2. SÜREKLİ DENETİME İLİŞKİN GENEL BİLGİLER... 4 2.1. SÜREKLİ DENETİMİN TANIMI... 4 2.2. SÜREKLİ DENETİM İLE GELENEKSEL

Detaylı

ULUDAĞ ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ OTOMOTİV MÜHENDİSLİĞİ BÖLÜMÜ

ULUDAĞ ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ OTOMOTİV MÜHENDİSLİĞİ BÖLÜMÜ ULUDAĞ ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ OTOMOTİV MÜHENDİSLİĞİ BÖLÜMÜ OTO4003 OTOMOTİV MÜHENDİSLİĞİ LABORATUVARI DENEY FÖYÜ LAB. NO:.. DENEY ADI : SES İLETİM KAYBI DENEYİ 2017 BURSA 1) AMAÇ Bir malzemenin

Detaylı

Kentsel Hava Kirliliği Riski için Enverziyon Tahmini

Kentsel Hava Kirliliği Riski için Enverziyon Tahmini DEVLET METEOROLOJİ İŞLERİ GENEL MÜDÜRLÜĞÜ ARAŞTIRMA ve BİLGİ İŞLEM DAİRESİ BAŞKANLIĞI ARAŞTIRMA ŞUBE MÜDÜRLÜĞÜ Kentsel Hava Kirliliği Riski için Enverziyon i 2008-2009 Kış Dönemi (Ekim, Kasım, Aralık,

Detaylı

Birbirine bağlı milyarlarca bilgisayar sisteminin oluşturduğu, dünya çapında bir iletişim ağıdır.

Birbirine bağlı milyarlarca bilgisayar sisteminin oluşturduğu, dünya çapında bir iletişim ağıdır. Ekim 2015 Birbirine bağlı milyarlarca bilgisayar sisteminin oluşturduğu, dünya çapında bir iletişim ağıdır. Çok miktarda bilgiye kolay, ucuz ve hızlı bir şekilde erişim sağlar. İnternet Arama Motorları

Detaylı

VERİ MADENCİLİĞİ (Karar Ağaçları ile Sınıflandırma) Yrd.Doç.Dr. Kadriye ERGÜN

VERİ MADENCİLİĞİ (Karar Ağaçları ile Sınıflandırma) Yrd.Doç.Dr. Kadriye ERGÜN VERİ MADENCİLİĞİ (Karar Ağaçları ile Sınıflandırma) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr İçerik Sınıflandırma yöntemleri Karar ağaçları ile sınıflandırma Entropi Kavramı ID3 Algoritması C4.5

Detaylı

ALTIN ORAN ARAMA (GOLDEN SECTION SEARCH) METODU

ALTIN ORAN ARAMA (GOLDEN SECTION SEARCH) METODU ALTIN ORAN ARAMA (GOLDEN SECTION SEARCH) METODU Tek değişkenli bir f(x) fonksiyonunu ele alalım. [Bazı x ler için f (x) bulunamayabilir.] Aşağıdaki DOP modelini çözmek istediğimizi var sayalım. Max f(x)

Detaylı

Web Server Sunucu Loglarının K-Komşu Algoritması ile İ ncelenmesi

Web Server Sunucu Loglarının K-Komşu Algoritması ile İ ncelenmesi Web Server Sunucu Loglarının K-Komşu Algoritması ile İ ncelenmesi İçindekiler 1 Özet... 2 2 Giriş... 3 3 Uygulama... 4 4 Sonuçlar... 6 1 1 Özet Web sunucu logları üzerinde veri madenciliği yapmanın temel

Detaylı

REGRESYON ANALİZİ VE UYGULAMA. Yrd. Doç. Dr. Hidayet Takcı

REGRESYON ANALİZİ VE UYGULAMA. Yrd. Doç. Dr. Hidayet Takcı REGRESYON ANALİZİ VE UYGULAMA Yrd. Doç. Dr. Hidayet Takcı htakci@cumhuriyet.edu.tr Sunum içeriği Bu sunumda; Lojistik regresyon konu anlatımı Basit doğrusal regresyon problem çözümleme Excel yardımıyla

Detaylı

Karaciğerde Oluşan Hastalıkların Tespitinde Makine Öğrenmesi Yöntemlerinin Kullanılması

Karaciğerde Oluşan Hastalıkların Tespitinde Makine Öğrenmesi Yöntemlerinin Kullanılması Karaciğerde Oluşan Hastalıkların Tespitinde Makine Öğrenmesi Yöntemlerinin Kullanılması 1 Emre DANDIL Bilecik Ş. Edebali Üniversitesi emre.dandil@bilecik.edu.tr +90228 214 1613 Sunum İçeriği Özet Giriş

Detaylı

2. Oracle Data Miner İle Örnek Bir Veri Madenciliği Çalışması

2. Oracle Data Miner İle Örnek Bir Veri Madenciliği Çalışması 2. Oracle Data Miner İle Örnek Bir Veri Madenciliği Çalışması Bu örnek uygulamada bir önceki yazımda Oracle SQL Developer a yüklediğim Data Miner Repository ile gelen hazır bir sigorta şirketi veri setini

Detaylı

MAPINFO PROFESSIONAL TEMEL VE İLERİ SEVİYE KURS İÇERİĞİ

MAPINFO PROFESSIONAL TEMEL VE İLERİ SEVİYE KURS İÇERİĞİ MAPINFO PROFESSIONAL TEMEL VE İLERİ SEVİYE KURS İÇERİĞİ Başar Bilgisayar Sistemleri Ve İletişim Teknolojileri San. Ve Tic. Ltd. Şti. Web site: http://www.basarsoft.com.tr Kontak mail: basar@basarsoft.com.tr

Detaylı

Görsel Programlama DERS 02. Görsel Programlama - Ders02/ 1

Görsel Programlama DERS 02. Görsel Programlama - Ders02/ 1 Görsel Programlama DERS 02 Görsel Programlama - Ders02/ 1 Kodun Tekrar Kullanımı ve Kalıtım(Inheritance) Nesneye yönelik programlamanın diğer programlama paradigmalarına karşı bir avantajı kodun yeniden

Detaylı

ÜSTEL DÜZLEŞTİRME YÖNTEMİ

ÜSTEL DÜZLEŞTİRME YÖNTEMİ ÜSEL DÜLEŞİRME YÖNEMİ ÜSEL DÜLEŞİRME YÖNEMİ Bu bölüme kadar anlatılan yöntemler zaman içinde değişmeyen parametre varsayımına uygun serilerin tahminlerinde kullanılmaktaydı. Bu tür seriler deterministik

Detaylı

Çizelge 5.1. Çeşitli yapı elemanları için uygun çökme değerleri (TS 802)

Çizelge 5.1. Çeşitli yapı elemanları için uygun çökme değerleri (TS 802) 1 5.5 Beton Karışım Hesapları 1 m 3 yerine yerleşmiş betonun içine girecek çimento, su, agrega ve çoğu zaman da ilave mineral ve/veya kimyasal katkı miktarlarının hesaplanması problemi pek çok kişi tarafından

Detaylı

2 ALGORİTMA VE AKIŞ DİYAGRAMLARI

2 ALGORİTMA VE AKIŞ DİYAGRAMLARI İÇİNDEKİLER IX İÇİNDEKİLER 1 GİRİŞ 1 Kitabın Amacı 1 Algoritmanın Önemi 2 Bilgisayarın Doğuşu ve Kullanım Amaçları 3 Programlama Dili Nedir? 3 Entegre Geliştirme Ortamı (IDE) Nedir? 4 2 ALGORİTMA VE AKIŞ

Detaylı

Merkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder.

Merkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder. Yayılma Ölçütleri Merkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder. Bir başka ifade ile, bir veri setinin,

Detaylı

UTS TRIBOMETER T10/20 TURQUOISE 2.0

UTS TRIBOMETER T10/20 TURQUOISE 2.0 UTS TRIBOMETER T10/20 TURQUOISE 2.0 TURQUOISE 2.0 UTS Tribometer T10/20 Yüksek kalite, hassas ölçüm Esnek Tasarım Akademik bakış açısı Hassas ve güvenilir ölçüm TRIBOMETER T10/20 UTS Mühendislik firması

Detaylı

ÜAS DA SUNULAN BİLDİRİLER KAPSAMINDA İMALAT İŞLETMELERİNİN ÜRETİM SORUNLARINA BAKIŞI

ÜAS DA SUNULAN BİLDİRİLER KAPSAMINDA İMALAT İŞLETMELERİNİN ÜRETİM SORUNLARINA BAKIŞI V. Ulusal Üretim Araştırmaları Sempozyumu, İstanbul Ticaret Üniversitesi, 25-27 Kasım 2005 ÜAS DA SUNULAN BİLDİRİLER KAPSAMINDA İMALAT İŞLETMELERİNİN ÜRETİM SORUNLARINA BAKIŞI Halil SAVAŞ Pamukkale Üniversitesi

Detaylı

8.Hafta. Değişkenlik Ölçüleri. Öğr.Gör.Muhsin ÇELİK. Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek,

8.Hafta. Değişkenlik Ölçüleri. Öğr.Gör.Muhsin ÇELİK. Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek, İSTATİSTİK 8.Hafta Değişkenlik Ölçüleri Hedefler Bu üniteyi çalıştıktan sonra; Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek, Serilerin birbirlerine değişkenliklerini yorumlayabileceksiniz. 2

Detaylı

HACETTEPE ÜNİVERSİTESİ BAHAR DÖNEMİ

HACETTEPE ÜNİVERSİTESİ BAHAR DÖNEMİ Öğrenci Adı Soyadı: Öğrenci Numarası: S1 S2 S3 S4 S5 Toplam HACETTEPE ÜNİVERSİTESİ 2013-2014 BAHAR DÖNEMİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ BBM202 Algoritmalar 1. Ara Sınav 18.03.2014 Sınav Süresi: 50 dakika

Detaylı

BİLİŞİM TEKNOLOJİLERİ YÜKSEK LİSANS

BİLİŞİM TEKNOLOJİLERİ YÜKSEK LİSANS BİLİŞİM TEKNOLOJİLERİ YÜKSEK LİSANS BİL503 BİLİŞİM SUÇLARI ve ADLİ BİLİŞİM İMAJ PROJESİ Hazırlayan; Nevzat Melih TÜNEK Okul No : 1403660046 1-) DrugCase.dd imajının ne tip bir adli kopya imajını olduğunu

Detaylı

DİZİN. Not: Koyu harfle yazılan sayfalar ilgili terimin yoğun olarak geçtiği sayfaları göstermektedir.

DİZİN. Not: Koyu harfle yazılan sayfalar ilgili terimin yoğun olarak geçtiği sayfaları göstermektedir. DİZİN Not: Koyu harfle yazılan sayfalar ilgili terimin yoğun olarak geçtiği sayfaları göstermektedir. A ağırlıklandırma bkz. terim ağırlıklandırma AltaVista, 6, 31, 37, 45-47, 93, 135 anahtar sözcükler,

Detaylı

Zeka Testi-1 Soru Kitapçığı

Zeka Testi-1 Soru Kitapçığı Zeka Testi-1 Soru Kitapçığı sinavonline.net Elektronik kitap formatında hazırlanan bu yayında yer alan tüm içerik sinavonline.net sitesine ait olup, izin alınmadan içeriğinin bir kısmı veya tamamı başka

Detaylı

VERİ MADENCİLİĞİ (Karar Ağaçları ile Sınıflandırma) Yrd.Doç.Dr. Kadriye ERGÜN

VERİ MADENCİLİĞİ (Karar Ağaçları ile Sınıflandırma) Yrd.Doç.Dr. Kadriye ERGÜN VERİ MADENCİLİĞİ (Karar Ağaçları ile Sınıflandırma) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr Genel İçerik Veri Madenciliğine Giriş Veri Madenciliğinin Adımları Veri Madenciliği Yöntemleri Sınıflandırma

Detaylı

DENEY 3 ÇEVRE AKIMLAR & DÜĞÜM GERİLİM METODU

DENEY 3 ÇEVRE AKIMLAR & DÜĞÜM GERİLİM METODU DENEY 3 ÇEVRE AKIMLAR & DÜĞÜM GERİLİM METODU 3.1. DENEYİN AMACI Bu deneyde, en önemli devre analiz yöntemlerinden olan çevre akımlar ve düğüm gerilim metotları incelenecek, yapılan ön çalışmalar deney

Detaylı

Mühendislik ve Fen Bilimleri Dergisi Journal of Engineering and Natural Sciences

Mühendislik ve Fen Bilimleri Dergisi Journal of Engineering and Natural Sciences Mühendislik ve Fen Bilimleri Dergisi Journal of Engineering and Natural Sciences Sigma 5 8-14, 2013 Araştırma Makalesi / Research Article METİNLERİN ANLAMSAL UZAYDAKİ TEMSİL YÖNTEMLERİNİN SINIFLANDIRMA

Detaylı

Okut. Yüksel YURTAY. İletişim : (264) Sayısal Analiz. Giriş.

Okut. Yüksel YURTAY. İletişim :  (264) Sayısal Analiz. Giriş. Okut. Yüksel YURTAY İletişim : Sayısal Analiz yyurtay@sakarya.edu.tr www.cs.sakarya.edu.tr/yyurtay (264) 295 58 99 Giriş 1 Amaç : Mühendislik problemlerinin bilgisayar ortamında çözümünü mümkün kılacak

Detaylı

Versiyon Kontrol Sistemleri

Versiyon Kontrol Sistemleri Versiyon Kontrol Sistemleri Olayımız Nedir? Versiyon Kontrolü Nedir? Neden Versiyon Kontrolüne İhtiyaç Duyarız? Merkezi Versiyon Kontrol Sistemi Nedir? Peki ya merkezi olmayan? Ayıp olmasın diye: SVN Sebeb-i

Detaylı

AKADEMİK LMS Web Tabanlı Uzaktan Eğitim Genel Bilgi ve Ders Aktivitelerine Erişim Öğrenci Kullanım Kılavuzu

AKADEMİK LMS Web Tabanlı Uzaktan Eğitim Genel Bilgi ve Ders Aktivitelerine Erişim Öğrenci Kullanım Kılavuzu AKADEMİK LMS Web Tabanlı Uzaktan Eğitim Genel Bilgi ve Ders Aktivitelerine Erişim Öğrenci Kullanım Kılavuzu ÖNSÖZ Akademik LMS (ALMS), Türkiye'deki yüksek öğrenim kurumlarının ihtiyaçlarını karşılamak

Detaylı

T.C. NAMIK KEMAL ÜNİVERSİTESİ ÇORLU MÜHENDİSLİK FAKÜLTESİ

T.C. NAMIK KEMAL ÜNİVERSİTESİ ÇORLU MÜHENDİSLİK FAKÜLTESİ T.C. NAMIK KEMAL ÜNİVERSİTESİ ÇORLU MÜHENDİSLİK FAKÜLTESİ SORU-CEVAP SİSTEMİNİN TASARIMI VE STAJ YÖNETMELİĞİ UYGULAMASI NKU STAJ YÖNETMELİĞİ SORU CEVAP SİSTEMİ Serkan YILDIRIM Yasin KAPLAN DANIŞMAN Yrd.

Detaylı

YZM 3217 YAPAY ZEKA DERS#10: KÜMELEME

YZM 3217 YAPAY ZEKA DERS#10: KÜMELEME YZM 317 YAPAY ZEKA DERS#10: KÜMELEME Sınıflandırma (Classification) Eğiticili (supervised) sınıflandırma: Sınıflandırma: Sınıf sayısı ve bir grup örneğin hangi sınıfa ait olduğunu bilinir Eğiticisiz (unsupervised)

Detaylı

olsun. Bu halde g g1 g1 g e ve g g2 g2 g e eşitlikleri olur. b G için a b b a değişme özelliği sağlanıyorsa

olsun. Bu halde g g1 g1 g e ve g g2 g2 g e eşitlikleri olur. b G için a b b a değişme özelliği sağlanıyorsa 1.GRUPLAR Tanım 1.1. G boş olmayan bir küme ve, G de bir ikili işlem olsun. (G, ) cebirsel yapısına aşağıdaki aksiyomları sağlıyorsa bir grup denir. 1), G de bir ikili işlemdir. 2) a, b, c G için a( bc)

Detaylı

VERİ YAPILARI VE PROGRAMLAMA

VERİ YAPILARI VE PROGRAMLAMA VERİ YAPILARI VE PROGRAMLAMA (BIP116) Yazar: Doç.Dr.İ.Hakkı.Cedimoğlu SAKARYA ÜNİVERSİTESİ Adapazarı Meslek Yüksekokulu Bu ders içeriğinin basım, yayım ve satış hakları Sakarya Üniversitesi ne aittir.

Detaylı

Veritabanı Tasarımı. Yapay, Birleşik ve İkincil UID ler

Veritabanı Tasarımı. Yapay, Birleşik ve İkincil UID ler Veritabanı Tasarımı Amaç UID (eşsiz tanımlayıcı), ilişkisel veritabanı için çok önemlidir. Bir varlığın elemanlarından birini diğerlerinden ayırt yarayan bir veya birkaç değerin birleşimidir. Doğru niteliği

Detaylı

Bilgi Erişim Performans Ölçüleri

Bilgi Erişim Performans Ölçüleri Bilgi Erişim Performans Ölçüleri Yaşar Tonta Hacettepe Üniversitesi tonta@hacettepe.edu.tr yunus.hacettepe.edu.tr/~tonta/ DOK324/BBY220 Bilgi Erişim İlkeleri DOK 220 Bahar 2005 2005.03.01 - SLAYT 1 Belge

Detaylı

PSİKOLOJİK YILDIRMANIN ÖNCÜLLERİ VE SONUÇLARI: HACETTEPE ÜNİVERSİTESİ ÖRNEĞİ. Hacettepe Üniversitesi Psikometri Araştırma ve Uygulama Merkezi HÜPAM

PSİKOLOJİK YILDIRMANIN ÖNCÜLLERİ VE SONUÇLARI: HACETTEPE ÜNİVERSİTESİ ÖRNEĞİ. Hacettepe Üniversitesi Psikometri Araştırma ve Uygulama Merkezi HÜPAM PSİKOLOJİK YILDIRMANIN ÖNCÜLLERİ VE SONUÇLARI: HACETTEPE ÜNİVERSİTESİ ÖRNEĞİ Hacettepe Üniversitesi Psikometri Araştırma ve Uygulama Merkezi HÜPAM PROJENİN AMACI Bu projenin temel amacı Hacettepe Üniversitesi

Detaylı

1.GRUPLAR. c (Birleşme özelliği) sağlanır. 2) a G için a e e a a olacak şekilde e G. vardır. 3) a G için denir) vardır.

1.GRUPLAR. c (Birleşme özelliği) sağlanır. 2) a G için a e e a a olacak şekilde e G. vardır. 3) a G için denir) vardır. 1.GRUPLAR Tanım 1.1. G boş olmayan bir küme ve, G de bir ikili işlem olsun. (G, ) cebirsel yapısına aşağıdaki aksiyomları sağlıyorsa bir grup denir. 1) a, b, c G için a ( b c) ( a b) c (Birleşme özelliği)

Detaylı

MADDE VE TEST ANALİZİ. instagram: sevimasiroglu

MADDE VE TEST ANALİZİ.  instagram: sevimasiroglu MADDE VE TEST ANALİZİ Sunu Sırası Madde Analizi Madde Güçlüğü Madde Ayırıcılık Gücü Test Analizi Dizi Genişliği Ortanca Ortalama Standart Sapma Testin Ortalama Güçlüğü Testin Çarpıklık Düzeyi Test Güvenirliği

Detaylı