MOBİLYA PERAKENDE SATIŞ SEKTÖRÜNDE VERİ MADENCİLİĞİ UYGULAMASI
|
|
- Nesrin Bilgili
- 8 yıl önce
- İzleme sayısı:
Transkript
1 Akademik Sosyal Araştırmalar Dergisi, Yıl: 4, Sayı: 22, Mart2016, s Yüksel YURTAY 1 Oğuz YAVUZYILMAZ 2 Nihal Zuhal BACINOĞLU 3 MOBİLYA PERAKENDE SATIŞ SEKTÖRÜNDE VERİ MADENCİLİĞİ UYGULAMASI Özet Gülşah AK 4 Günümüzde bilgisayar sistemlerinin hızlı bir şekilde gelişmesinden dolayı veriler doğrudan sayısal olarak toplanıp saklanabilmektedir. Verilerin yığınla artması ve anlamlı çıkarımlar elde etme ihtiyacı arttıkça veri madenciliği kavramı ortaya çıkmıştır. Veri madenciliğinin temel amacı, veriler arasında bulunan ilişkiler, örüntüler, değişiklikler, sapma ve eğilimler, belirli yapılar gibi bilgilerin matematiksel teoriler ve bilgisayar algoritmaları kombinasyonları ile ortaya çıkartılması ve bunların yorumlanarak değerli bilgilerin elde edilmesidir. Veri madenciliği sınıflama, kategorize etme, tahmin etme ve görüntüleme dört ana başlıktan oluşmaktadır. Veri madenciliği yöntemleriyle çok büyük verilerden, anlamlı sonuçlar elde edilmektedir. Bu anlamlı sonuçların ortaya çıkarılmasında kullanılan yöntemlerden biri de birliktelik analizidir. Bu çalışmada bir mobilya firmasının bölge bayiliğinden alınan satış verisi gerekli dönüşüm ve ayrıştırmalar yapılarak, veri madenciliğinde birliktelik analizi çıkarım algoritmalarından biri olan, apriori algoritması için uygun hale getirilmiş ve sonuçlar irdelenmiştir. Anahtar Kelimeler: Veri Madenciliği, Apriori Algoritması, Birliktelik Analizi, Perakende Satış 1 Sakarya Üniversitesi, Bilgisayar ve Bilişim Bi.Fak. Bilgisayar Müh. Böl.,Sakarya, yyurtay@sakarya.edu.tr 2 Öğr. Gör., Kocaeli Üniversitesi, Gazanfer Bilge MYO, İşletme Yönetimi Bölümü,,Kocaeli oguz.yavuzyilmaz@kocaeli.edu.tr 3 Sakarya Üniversitesi, Bilgisayar ve Bilişim Bi.Fak. Bilgisayar Müh. Böl. 4 Sakarya Üniversitesi, Bilgisayar ve Bilişim Bi.Fak. Bilgisayar Müh. Böl.
2 Oğuz Yavuzyılmaz - Yüksel Yurtay - Nihal Zuhal Bacınoğlu - Gülşah Ak 386 A DATA MINING PRACTICE ON the RETAIL FURNITURE INDUSTRY Abstract Today, due to the rapid development of computer systems, the data can be stored and collected directly as numeric. Increases of needs abaout data and meaningful inferences has emerged the concept of data mining. The main purpose of Data Mining is that; the relationships patterns between data, changes, deviations and trends, specific structures, such as with a combination of computer algorithms and the mathematical theory of informations. And also interpreting them to obtain valuable information by bringing it to light. Data mining consists of four major titles as classification, categorizing, and estimating and imaging. In recent years, data from very large data mining methods with began to discover meaningful patterns. Association analysis is a method used in the discovery of this meaningful patterns. This study was made in a furniture company data received from the sale of franchises of the necessary transformation and separation are performed in the Data Mining algorithms suitable for apriori inference algorithm, which is one of the association analysis and the results were analyzed. Keywords: Data Mining, Apriori Algorithm, Association Analysis, Retail Trade GİRİŞ Veri madenciliği tanımı itibariyle büyük ölçekli veriler arasından değeri olan bilgiyi elde etme tekniğidir. Veri ambarlarındaki gizlenmiş, potansiyel olarak faydalı bilgileri ortaya çıkarma; daha sonra bu bilgileri karar verme ve uygulama aşamasında kullanma sürecidir. Bu teknik sayesinde ileriye yönelik kestirimlerde bulunmak mümkündür. Başka bir ifade ile veri madenciliği, bir kurumda üretilen tüm verilerin belirli yöntemler kullanarak var olan; ya da gelecekte ortaya çıkabilecek gizli bilgiyi su yüzüne çıkarma süreci olarak değerlendirilir (Özkan,2008). Veri madenciliği teknikleri, tanımlayıcı ve tahmin edici teknikler olmak üzere ikiye ayrılır: Tanımlayıcı teknikler, karar vermeye yardım edecek verilerin tanımlanmasını sağlar. Birliktelik kuralları (associationrules) ve kümeleme (clustering) tanımlayıcı tekniklere örnek olarak verilebilir. Bunlar tahmin edici teknikler ise sonuçları bilinen verileri kullanarak sonuçları bilinmeyen veri kümelerinin sonuçlarının tahmin edilmesini sağlar (Küçüksille,2009). Literatürde birliktelik analizi ile ilgili birçok çalışma yapılmıştır. Koç ve diğerleri (2011), bilgisayar öğretmenliği bölümü öğrencilerinin sosyal ağları kullanma seviyeleri incelenmiş ve sosyal ağların öğrencileri ne derecede etkilediği tespit edebilmek amacıyla öğrencilere bir anket formu yöneltip elde edilen verilere birliktelik kurallarını uygulamıştır. Yurtay ve diğerleri(2013) tarafından yapılan çalışmada bilgisayar mühendisliği bölümü öğrencilerinin teknik seçmeli ders seçimlerindeki nedenlerin belirlenmesi amaçlanmıştır. Perakendecilik, üretici ve tüketici arasında malların naklini sağlayan aracılık hizmetleridir. Başka bir deyişle mal ve hizmetlerin ticari bir amaçla kullanma ve tekrar satmama, kişisel gereksinimleri için kullanma koşuluyla, doğrudan doğruya son tüketiciye pazarlanmasıyla ilgili faaliyetlerin bütünüdür (Öztürk, 2006:69).
3 387 Mobilya Perakende Satış Sektöründe Veri Madenciliği Uygulaması Perakende sektörü son tüketiciye yönelik olduğu için çok fazla sayıda kişiye hitap etmektedir. Her bireyin mevcut ya da potansiyel bir son tüketici olduğu düşünüldüğünde ; sektörün hedef kitlesinin dünya nüfusu ile orantılı olduğu görülmektedir. Özellikle 21. Yüzyılda gelişen teknolojiler ve satış teknikleri ile perakendecilikte mevcut müşteri sayısı milyarlar ile ifade edilmektedir. Bu büyüklükteki bir sektörde; satışları, müşterileri, müşteri bilgilerini v.b. verileri analiz etmek klasik yöntemler ile pek mümkün değildir. Bu sebeple çok fazla sayıda bilgi ve veri yığınlarından anlamlı bir sonuç elde etmek için kullanılan veri madenciliği ; perakende sektöründe elde bulunan veriye uygun olarak belirlenecek algoritmalar ile geniş bir uygulama alanına sahiptir. Bu çalışmada mobilya perakende satış sektörü satış verileri analizi için; gerçek veriler üzerinden tanımlayıcı tekniklerden biri olan birliktelik kuralı çıkarım algoritmalarından Apriori algoritması üzerinde durulmuştur. Apriori algoritması incelenmiş ve uygulama detayları verilmiştir. Metot Birliktelik kuralları analizi, yaygın olarak kullanılan veri madenciliği yöntemlerinden birisidir. Veriler arasındaki birlikteliklerin, ilişkilerin ve bağıntıların kurallar halinde bulunması işlemidir. Veri nesneleri arasındaki ilginç ilişkiler ve eş zamanlı gerçekleşen durumlar araştırılır. Bir birliktelik kuralına örnek olarak X ve Y ürününü satın alan müşterilerin %80 olasılıkla C ürününü de satın alması verilebilir. Bu tür birliktelik kuralları, söz konusu nesneler ile ilgili durumun sıklıkla tekrarlanması durumunda anlamlıdır. Birliktelik kuralları analizi; ticaret, finans, mühendislik, fen ve sağlık sektörlerinin birçok alanlarında kullanılmaktadır. Örneğin, pazar sepet analizlerinde sıklıkla birlikte satılan ürünleri tespit etmek, web sayfalarında ziyaretçilerin hangi sayfaları birlikte tıkladığını araştırmak, bağıntılı olarak geçirilen hastalıkları belirlemek için kullanılabilmektedir (Birand,2010). Özellikle işletme alanındaki uygulamalarda, satış analizleri uygulamalarında; mevcut satışlar üzerinden veri madenciliği tekniği ile satışları analiz edip, yeni satış stratejileri oluşturmak oldukça fayda sağlamaktadır. Bu çalışmada da Mobilya Perakende sektörü satış verileri analizi için birliktelik kuralları analizi gerçekleştirilmiştir. Birliktelik kuralının matematiksel modeli Agrawal, Imielinski ve Swami tarafından1993 yılında sunulmuştur (Agrawal vd., 1993) Birliktelik kuralı çıkarım algoritmaları içerisinde Apriori, en fazla bilinen algoritmadır. Bu algoritmada sık geçen öğe kümelerini bulmak için birçok kez veritabanını taramak gerekir. İlk taramada bir elemanlı minimum destek metriğini sağlayan sık geçen öğe kümeleri bulunur. İzleyen taramalarda bir önceki taramada bulunan sık geçen öğe kümeleri aday kümeler adı verilen; yeni potansiyel sık geçen öğe kümelerini üretmek için kullanılır. Aday kümelerin destek değerleri tarama sırasında hesaplanır ve aday kümelerinden minimum destek metriğini sağlayan kümeler o geçişte üretilen sık geçen öğe kümeleri olur. Sık geçen öğe kümeleri bir sonraki geçiş için aday küme olurlar. Bu süreç yeni bir sık geçen öğe kümesi bulunmayana kadar devam eder (Alataş,2003). Örnek Veri ve Verinin Hazırlanması Çalışmada, Marmara bölgesinde faaliyet gösteren bir mobilya perakende satış firmasının verileri incelenerek, 15 aylık satış verileri üzerindeki birliktelik kuralları araştırıldı. Veriler üzerinde çalışmanın yapılabilmesi için, öncelikle verilerdeki hata, eksik ve bozuk kayıtlar temizlenerek, işlenebilir hale getirilmiştir.
4 Oğuz Yavuzyılmaz - Yüksel Yurtay - Nihal Zuhal Bacınoğlu - Gülşah Ak Verinin Tanıtılması Bölge Bayiliğinden alınan kayıtlar Sipariş Tarihi, Sipariş No, Teslim Tarihi, Cadde, Sokak, İlçe, Bölge kodu, Tel no, Stok kodu, Stok ismi, Depo, Miktar, Birim fiyat, Net fiyat, Tutar, Kdv li Tutar, Sorumluluk merk.adı, İrsaliye no, Fatura tarihi olmak üzere 19 sütundan oluşmaktadır. 2.Verinin Temizlenmesi 15 aylık toplam verilere bakıldığında eksik, gereksiz ve ortak olmayan sütunlar çıkarılmış ve uygulamaya alınmamıştır. Ortak sütun adları belirlenerek apriori uygulamasında kullanılabilecek 7 sütuna indirgenmiştir. Bu sütunlar Ürün Adı, Ay, İl, Depo, Miktar, Bölge ve Kdv' li Tutar dır. 3.Verinin Dönüştürülmesi Daha anlamlı bir çalışma ortaya çıkarabilmek adına Ürünler sütununa göre veri seti iki bölüme ayrılmıştır. İlk bölüm ve ikinci bölümde yer alan ürünler aşağıdaki tabloda gösterildiği gibidir. İlk Bölüm Alez Banyo Ürünleri Beyaz Ev Tekstili Ev Dekorasyon Ürünü Ev Tekstil Ürünü Alez, Uyku Pedi, Yatak Pedi, Yastık Koruyucu Havlu, Bornoz Yastık, Yorgan Koltuk Örtüsü, Kırlent, Minder, Lamba Döşemelik Kumaş, Battaniye, Nevresim Takımı, Yatak Örtüsü, Çarşaf, Uyku Seti İkinci Bölüm Başlık Baza/Karyola Bebek Seti Büfe Dolap Kanepe/Koltuk Komidin/Konsol/Şifonyer Köşe Takımı/Oturma Grubu/Modül
5 389 Mobilya Perakende Satış Sektöründe Veri Madenciliği Uygulaması Masa (Yemek Masası, Çalışma Masası) Sandalye/Puf Tamamlayıcılar (Sehpa, Kitaplık, TV Ünitesi) Yatak İl : Veriler içerisinde bulunan cadde, mahalle ve ilçe sütunları birleştirilerek il sütununa dönüştürülmüştür. 1. Ankara 2. Antalya 3. Bilecik 4. Bingöl 5. Bolu 6. Bursa 7. Çanakkale 8. Düzce 9. İstanbul 10. İzmir 11. Kayseri 12. Kocaeli 13. Konya 14. Kütahya 15. Sakarya 16. Yalova 17. Zonguldak Depo :
6 Oğuz Yavuzyılmaz - Yüksel Yurtay - Nihal Zuhal Bacınoğlu - Gülşah Ak Adapazarı 2. Bölge 3. Düzce 4. Ereğli 5. Karakamış 6. Outlet 7. Plaza 8. Satış Sonrası Miktar : 1 olanlar Tekli Satışlar ve 1 den fazla olanlar Toplu Satışlar olmak üzere 2 sütuna ayrılmıştır. 1. Tekli Satışlar 2. Toplu Satışlar Bölge 1. Adapazarı 2. Bölge 3. Düzce 4. Ereğli 5. Merkez 6. Plaza 7. Satış Sonrası KDV li Tutar : 0 ile arasındaki değerler ilk veri seti için 50 lik, ikinci veri seti için 250 lik şekilde gruplandırılmıştır. Uygulama-1 Toplam 4845 kayıt içerisinde %15 Destek değeri ile 726 alt sınır olarak belirlenmiştir. Güven değeri ise %60 belirlenerek algoritma uygulanmıştır.
7 391 Mobilya Perakende Satış Sektöründe Veri Madenciliği Uygulaması Tablo 1: Birinci uygulamada elde edilen birliktelik kuralları ORTAYA ÇIKAN KURALLAR kdv_tutar değeri 100, depo değeri ADAPAZARI, urun_adi değeri Ev Tekstil Ürünü depo değeri ADAPAZARI urun_adi değeri Beyaz Ev Tekstili depo değeri ADAPAZARI urun_adi değeri Beyaz Ev Tekstili kdv_tutar değeri 100, depo değeri ADAPAZARI, kdv_tutar değeri 50,, bolge =ADAPAZARI % 99,593 depo =ADAPAZARI % 89,077 bolge =ADAPAZARI % 99,796 il =SAKARYA % 99,491 il =SAKARYA % 99,324 depo = SAKARYA % 81,369 urun_adi değeri Beyaz Ev Tekstili, depo =ADAPAZARI % 76,466 kdv_tutar değeri 100,, depo = ADAPAZARI % 65,391 kdv_tutar değeri 50,, Uygulama-2 urun_adi = Beyaz Ev Tekstili % 61,597 Toplam 5917 kayıt içerisinde %5 Destek değeri ile 296alt sınır olarak belirlenmiştir. Güven değeri ise %70 belirlenerek algoritma uygulanmıştır.
8 Oğuz Yavuzyılmaz - Yüksel Yurtay - Nihal Zuhal Bacınoğlu - Gülşah Ak 392 Tablo 2: İkinci uygulamada elde edilen birliktelik kuralları ORTAYA ÇIKAN KURALLAR urun_adi değeri Yatak kdv_tutar değeri 500 urun_adi değeri Baza kdv_tutar değeri 750 kdv_tutar değeri 1000 urun_adi değeri Koltuk bolge değeri PLAZA urun_adi değeri Yatak ay değeri Ocak İl değeri SAKARYA kdv_tutar değeri 1250 İl değeri SAKARYA ay değeri Aralık İl değeri SAKARYA il =SAKARYA % 95,512 il =SAKARYA % 94,686 il =SAKARYA % 92,92 il =SAKARYA % 92,371 il =SAKARYA % 92,241 il =SAKARYA % 91,327 il =SAKARYA % 90,439 bolge =ADAPAZARI % 75,145 bolge =ADAPAZARI % 71,768 bolge =ADAPAZARI % 70 Elde edilen birliktelik kurallarında, örnek olarak ürün adı, bölge ve depo açısında değerlendirildiğinde, aktivitenin ürün açısından o bölgedeki depo üzerinde optimize edilebilmesi açısından fikir vermektedir. Kuralların tümü incelendiğinde tahmin edilen birliktelikler olmasının yanında, farkına varılamayan birlikteliklerin de görülmesi ve ortaya çıkarılması önemlidir. Bu çalışmada da ortaya çıkan kurallar ilgili taraflar ile değerlendirilmiştir.
9 % 393 Mobilya Perakende Satış Sektöründe Veri Madenciliği Uygulaması Ürün Grupları UYGULAMA 1 99,593 89,077 99,796 99,491 99,324 81,369 76,466 65,391 61,597 UYGULAMA 2 95,512 94,686 92,92 92,371 92,241 91,327 90,439 75,145 71,768 Grafik: Ürün Grupları (Uygulama-1 ve Uygulama-2) arasındaki değişim Ürün gruplarının seçiminde, veriler arasındaki özelliklerin doğru seçimi birliktelik kuralları arasındaki oranı etkilemektedir. Sonuç Bu çalışmada, birliktelik kuralı çıkarım algoritmalarından Apriori algoritmasının kullanılmasına ilişkin bir uygulama gerçekleştirilmiştir. Apriori algoritması uygulaması, firmanın veri seti üzerinde uygulandığında farklı zaman dilimlerinde ürünler arasında birlikte satın alınma bağıntıları ortaya çıkarılıp, bayilerde satılan ürünlerin miktarı ve tutarı, satıldığı ay, satışın gerçekleştirildiği il, depo ve bölge niteliklerinin birbirleriyle ilişkileri incelenmiştir ve güven değerinin üzerinde çıkan birliktelikler kabul edilmiştir. Çalışma sadece belirli bir bölge bayiliğinden alının verilerde yer alan ürünler ile gerçekleştirilmiştir. Elde edilen sonuçlar bölge satışlarına göre müşterilerin ihtiyacı olan ürünlerin değişiklik gösterebilmesinden dolayı araştırmanın yapıldığı zaman aralığına göre de farklılık gösterebilir. Yapılan çalışma sonuçları bölge bazında yapılacak ürün satışlarında verimlilik elde edilmesine yardımcı olacaktır. Aynı zamanda analiz sonucunda elde edilen birliktelik bilgileri satış stratejilerinde kullanılabilir. Bu verilere göre birlikte satış yoğunluğu olan ürün grupları belirlenip; bunlara yönelik olarak kampanya ve tutundurma faaliyetleri gerçekleştirmek; başarılı satış sonuçları ortaya çıkarabilecektir. Gelecekte yapılacak çalışmalarda, daha fazla satış verileri ve müşteri profilleri arasındaki ilişkinin kullanılması, daha net sonuçların ortaya çıkacağı değerlendirmelerine de sebep olmuştur.
10 Oğuz Yavuzyılmaz - Yüksel Yurtay - Nihal Zuhal Bacınoğlu - Gülşah Ak 394 KAYNAKLAR AGRAWAL, R.,IMİELİNSKİ, T. ve SWAMİ, A., (1993), Mining Association Rules Between Sets of Items in Large Databases, In Proceedings of the ACM SIGMOD International Conference on Management of Data ACMSIGMOD 93), ,Washington, USA, ALATAŞB,(2003) Nicel Birliktelik Kurallarının Keşfinde Bulanık Mantık ve Genetik Algoritma Yaklaşımı Fırat Ünv. Fen Bilimleri Enstitüsü Yüksek Lisans Tezi, Elazığ, BİRANT, D., Kut, A., VENTURA, M., ALTINOK, H., ALTINOK, B., ALTINOK, E., &IHLAMUR, M. İş Zekası Çözümleri için Çok Boyutlu Birliktelik Kuralları Analizi. Akademik Bilişim 10, 256. GÜNGÖR, E.,YALÇIN, N., &YURTAY, N. (2013). Apriori Algoritması ile Teknik Seçmeli Ders Seçim Analizi. Akademik Bilişim KOÇ, M.,&KARABATAK, M. (2011). Sosyal Ağların Öğrenciler Üzerindeki Etkisinin Veri Madenciliği Kullanılarak İncelenmesi INVESTIGATION OF THE EFFECT OF SOCIAL NETWORKS ON STUDENTS BY USING DATA MINING KÜÇÜKSİLLE, E.(2009), Veri Madenciliği Süreci Kullanılarak Portföy Performansının Değerlendirilmesi ve IMKB Hisse Senetleri Piyasasında Bir Uygulama, Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü, Doktora Tezi, Isparta ÖZTÜRK, İlknur (2006), Türkiye de Perakende Sektörü, Çağ Üniversitesi Sosyal Bilimler Dergisi, Cilt:3, Sayı.1, Haziran YALÇIN Ö.(2008). Veri Madenciliği Yöntemleri, Papatya Yayıncılık.
Apriori Algoritması ile Teknik Seçmeli Ders Seçim Analizi
Apriori Algoritması ile Teknik Seçmeli Ders Seçim Analizi Emre Güngör 1,2, Nesibe Yalçın 1,2, Nilüfer Yurtay 3 1 Bilecik Şeyh Edebali Üniversitesi, Bilgisayar Mühendisliği Bölümü, 11210, Merkez, Bilecik
DetaylıAPRİORİ ALGORİTMASI İLE TEKNİK SEÇMELİ DERS SEÇİM ANALİZİ SELECTION BEHAVIOR ANALYSIS OF TECHNICAL ELECTIVE COURSES USING APRIORI ALGORITHM
APRİORİ ALGORİTMASI İLE TEKNİK SEÇMELİ DERS SEÇİM ANALİZİ Nesibe Yalçın 1 Emre Güngör 1 Nilüfer Yurtay ÖZET Bu çalışmada, Veri Madenciliği' nde Birliktelik Kuralı çıkarım algoritmalarından biri olan Apriori
DetaylıAPRIORI ALGORİTMASI İLE ÖĞRENCİ BAŞARISI ANALİZİ
APRIORI ALGORİTMASI İLE ÖĞRENCİ BAŞARISI ANALİZİ Murat KARABATAK 1, Melih Cevdet İNCE 2 1 Fırat Üniversitesi Teknik Eğitim Fakültesi Elektronik Bilgisayar Eğitimi Bölümü 2 Fırat Üniversitesi Mühendislik
DetaylıBirliktelik Kuralları Analizi. Yard. Doç. Dr. Derya BİRANT Prof. Dr. Alp KUT
İş Zekası Çözümleri için i Çok Boyutlu Birliktelik Kuralları Analizi Yard. Doç. Dr. Derya BİRANT Prof. Dr. Alp KUT İçerik 1 Veri Madenciliği 2 Birliktelik Kuralları Analizi 3 Uygulama 4 Algoritma 5 Sonuçlar
Detaylıinde Sepet Analizi Uygulamaları Market Basket Analysis for Data Mining
Veri Madenciliğ inde Sepet Analizi Uygulamaları Market Basket Analysis for Data Mining Mehmet Aydın Ula ş, Ethem Alpaydın (Boğaziçi Üniversitesi Bilgisayar Mühendisliği) Nasuhi Sönmez, Ataman Kalkan (GİMA
Detaylıİş Zekası Çözümleri için Çok Boyutlu Birliktelik Kuralları Analizi
İş Zekası Çözümleri için Çok Boyutlu Birliktelik Kuralları Analizi Derya Birant 1, Alp Kut 1, Medi Ventura 2, Hakan Altınok 2, Benal Altınok 2, Elvan Altınok 2, Murat Ihlamur 2 1 Dokuz Eylül Üniversitesi,
DetaylıSOCIAL MENTALITY AND RESEARCHER THINKERS JOURNAL
SOCIAL MENTALITY AND RESEARCHER THINKERS JOURNAL Open Access Refereed E-Journal & Refereed & Indexed ISSN: 2630-631X Social Sciences Indexed www.smartofjournal.com / editorsmartjournal@gmail.com December
DetaylıSakarya İline Ait Yangın Verilerinin Veri Madenciliği Yöntemleriyle Değerlendirilmesi. Evaluation of fire data with Data Mining Techniques in Sakarya
Sakarya İline Ait Yangın Verilerinin Veri Madenciliği Yöntemleriyle Değerlendirilmesi 1 Yüksel YURTAY, 1 Nilüfer YURTAY, 2 Numan ÇELEBİ, 1 Nihal Zuhal BACINOĞLU, 1 Gülşah AK 1 Sakarya Üniversitesi, Bilgisayar
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?
DetaylıWeb Madenciliği (Web Mining)
Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Birliktelik Kuralları Birliktelik Kurallarının Temelleri Support ve Confidence Apriori Algoritması
DetaylıÖğrencilerin Staj Verileri Üzerine Uygulanan Apriori Algoritması ile Birliktelik Kurallarının Çıkarılması ve Staj Eğiliminin Belirlenmesi
1086 Öğrencilerin Staj Verileri Üzerine Uygulanan Apriori Algoritması ile Birliktelik Kurallarının Çıkarılması ve Staj Eğiliminin Belirlenmesi *1 Mehmet Taş, 2 M. Fatih Adak, 2 Nilüfer Yurtay *1 Endüstri
DetaylıVERİ MADENCİLİĞİ önemsiz olmayan, gizli, önceden bilinmeyen, potansiyel olarak kullanışlı
Veri Madenciliği, örüntü tanıma, istatistik ve matematiksel yöntemlerin kullanımıyla devasa miktardaki güncel ya da geçmiş veri içerisinden ilgi çekici ( önemsiz olmayan, gizli, önceden bilinmeyen, potansiyel
DetaylıYÖNETİM BİLİŞİM SİSTEMLERİ BÖLÜMÜ YENİ DERS MÜFREDATI (1) FAKÜLTESİ: İŞLETME FAKÜLTESİ / BUSINESS SCHOOL
(3) SINIFI: 1. Yıl Güz Dönemi MIS101 BİLGİSAYAR PROGRAMLAMA 1 COMPUTER PROGRAMMING 1 Z 3-0 4 BUS101 BİLİM VE TEKNOLOJİ TARİHİ HISTORY OF SCIENCE AND TECHNOLOGY Z 3-0 4 BUS103 İŞLETMECİLER İÇİN MATEMATİK
DetaylıBulanık Mantık Tabanlı Uçak Modeli Tespiti
Bulanık Mantık Tabanlı Uçak Modeli Tespiti Hüseyin Fidan, Vildan Çınarlı, Muhammed Uysal, Kadriye Filiz Balbal, Ali Özdemir 1, Ayşegül Alaybeyoğlu 2 1 Celal Bayar Üniversitesi, Matematik Bölümü, Manisa
DetaylıApriori Algoritması ve Türkiye'deki Örnek Uygulamaları
Apriori Algoritması ve Türkiye'deki Örnek Uygulamaları M. Emin Eker 1, Recai Oktaş 2 1 Ondokuz Mayıs Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, Samsun 2 Ondokuz Mayıs
DetaylıVERİ MADENCİLİĞİ F A T M A İ L H A N
VERİ MADENCİLİĞİ F A T M A İ L H A N Veri Madenciliği Nedir? Veri madenciliği büyük miktarda veri içinden gelecekle ilgili tahmin yapmamızı sağlayacak bağıntı ve kuralların bilgisayar programı kullanılarak
DetaylıVERİ MADENCİLİĞİ İLE DEPREM VERİLERİNİN ANALİZİ
VERİ MADENCİLİĞİ İLE DEPREM VERİLERİNİN ANALİZİ N. Duru -1, M. Canbay -1 Posta Adresi: 1- Kocaeli Üniversitesi Müh.Fak. Bilgisayar Mühendisliği 2- Kocaeli Üniversitesi Müh.Fak. Jeofizik Mühendisliği E-posta:
Detaylı1. Oracle Data Miner 11g Release 2 Kurulumu Aşamaları
1. Oracle Data Miner 11g Release 2 Kurulumu Aşamaları Uyarı 1: Kuruluma başlamadan önce Oracle 11g Release 2 veritabanı kurulumunu eksiksiz bir şekilde gerçekleştirmiş olmanız beklenmektedir. İlgili kurulum
DetaylıYönetim Bilişim Sistemleri Alanında Metin Madenciliği ile Bilgi Haritalama
Yönetim Bilişim Sistemleri Alanında Metin Madenciliği ile Bilgi Haritalama Öğr. Gör. Dr. Ufuk ÇELİK Bandırma Onyedi Eylül Üniversitesi ucelik001@gmail.com Yrd. Doç. Dr. Deniz HERAND Türk Alman Üniversitesi
DetaylıMÜHENDİSLİK FAKÜLTESİ / ENSTİTÜSÜ / YÜKSEKOKULU BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ /ABD LİSANS PROGRAMI - 2 ( yılı öncesinde birinci
MÜHENDİSLİK FAKÜLTESİ / ENSTİTÜSÜ / YÜKSEKOKULU BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ /ABD LİSANS PROGRAMI - 2 (2016-17 yılı öncesinde birinci sınıfa başlayan öğrenciler için) BİRİNCİ YIL 1. Dönem CMPE113
DetaylıVeri madenciliği yöntemleri
Sınıflandırma ve Kümeleme Kavramları Giriş Verinin içerdiği ortak özelliklere göre ayrıştırılması işlemi sınıflandırma olarak adlandırılır, veri madenciliği tekniklerinden en çok bilinenidir; veri tabanlarındaki
DetaylıApriori Algoritması. Konu İçeriği. Giriş. Tarihçesi. Apriori Nedir? Örnekler. Algoritma. Açıklama. Weka İle Kullanımı. Kaynakça.
Apriori Algoritması Konu İçeriği Giriş Tarihçesi Apriori Nedir? Örnekler Algoritma Açıklama Weka İle Kullanımı Kaynakça Giriş Veri madenciliğinde kullanılan ve veri kümeleri veya veriler arasındaki ilişkiyi
DetaylıEĞİTİM-ÖĞRETİM YILI MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ (İNGİLİZCE) BÖLÜMÜ DERS PROGRAMINDA YAPILAN DEĞİŞİKLİKLER
BİRİNCİ SINIF GÜZ YARIYILI 2015-2016 EĞİTİM-ÖĞRETİM YILI MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ (İNGİLİZCE) BÖLÜMÜ DERS PROGRAMINDA YAPILAN DEĞİŞİKLİKLER DEĞİŞİKLİK FORMU COM101 BİLGİSAYAR PROGRAMLAMA
DetaylıEÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 5-2 Yıl: 2012 191-212
EÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 5-2 Yıl: 2012 191-212 BİRLİKTELİK KURALLARI İLE MEKÂNSAL-ZAMANSAL VERİ MADENCİLİĞİ SPATIO-TEMPORAL DATA MINING WITH ASSOCIATION RULES Muhammed Fatih
DetaylıZamansal Veri Madenciliği ve Anomali Tespiti için Bir Uygulama
Zamansal Veri Madenciliği ve Anomali Tespiti için Bir Uygulama Mehmet Yavuz ONAT Yrd.Doç.Dr.Engin YILDIZTEPE Dokuz Eylül Üniversitesi, İstatistik Bölümü Akademik Bilişim 2015, Anadolu Üniversitesi, Eskişehir
DetaylıVeritabanı, Veri Madenciliği, Veri Ambarı, Veri Pazarı
Veritabanı, Veri Madenciliği, Veri Ambarı, Veri Pazarı Başkent Üniversitesi Bilgisayar Mühendisliği Yönetim Bilişim Sistemleri (Bil 483) 20394676 - Ümit Burak USGURLU Veritabanı Veri tabanı düzenli bilgiler
DetaylıSınavlı ve Sınavsız Geçiş İçin Akademik Bir Karşılaştırma
Sınavlı ve Sınavsız Geçiş İçin Akademik Bir Karşılaştırma Öğr. Gör. Kenan KARAGÜL, Öğr. Gör. Nigar KARAGÜL, Murat DOĞAN 3 Pamukkale Üniversitesi, Honaz Meslek Yüksek Okulu, Lojistik Programı, kkaragul@pau.edu.tr
Detaylıİş Zekası Çözümleri için Çok Boyutlu Birliktelik Kuralları Analizi
Akademik Bilişim 10 - XII. Akademik Bilişim Konferansı Bildirileri 10-12 Şubat 2010 Muğla Üniversitesi İş Zekası Çözümleri için Çok Boyutlu Birliktelik Kuralları Analizi Derya Birant 1, Alp Kut 1, Medi
DetaylıThe Study of Relationship Between the Variables Influencing The Success of the Students of Music Educational Department
71 Mehmet Akif Ersoy Üniversitesi Eğitim Fakültesi Dergisi, Yıl 9, Sayı 17, Haziran 2009, 71-76 Müzik Eğitimi Anabilim Dalı Öğrencilerinin Başarılarına Etki Eden Değişkenler Arasındaki İlişkinin İncelenmesi
DetaylıBAŞAK ÇOBAN MERVE SARITAŞ AZİME AKÇAÖZ BÜŞRA AYDEMİR
VERİ MADENCİLİĞİ İSİMLER BAŞAK ÇOBAN MERVE SARITAŞ AZİME AKÇAÖZ BÜŞRA AYDEMİR MOLEKÜLER BİYOLOJİ ve GENETİK GEBZE TEKNİK ÜNİVERSİTESİ ARALIK 2015 İçindekiler ÖZET... iii 1.GİRİŞ... 1 1.1 Veri Ambarı, Veri
DetaylıTÜRKİYE DE ANTREPOLAR
DIŞ TİCARET DÜNYASI/2 TÜRKİYE DE ANTREPOLAR DIŞ TİCARET ŞUBESİ R.A.B / 01 Nisan 2010 TÜRKİYE DE ANTREPOLAR Türkiye de toplam antrepo sayısı 1326 dır. Bu antrepoların adresi belirtilmeyen az sayıda olanlar
DetaylıANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DÖNEM PROJESİ TAŞINMAZ DEĞERLEMEDE HEDONİK REGRESYON ÇÖZÜMLEMESİ. Duygu ÖZÇALIK
ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DÖNEM PROJESİ TAŞINMAZ DEĞERLEMEDE HEDONİK REGRESYON ÇÖZÜMLEMESİ Duygu ÖZÇALIK GAYRİMENKUL GELİŞTİRME VE YÖNETİMİ ANABİLİM DALI ANKARA 2018 Her hakkı saklıdır
DetaylıBİRLİKTELİK KURALI YÖNTEMİ İÇİN BİR VERİ MADENCİLİĞİ YAZILIMI TASARIMI VE UYGULAMASI
İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi Yıl: 6 Sayı:12 Güz 2007/2 s. 21-37 BİRLİKTELİK KURALI YÖNTEMİ İÇİN BİR VERİ MADENCİLİĞİ YAZILIMI TASARIMI VE UYGULAMASI Feridun Cemal ÖZÇAKIR, A. Yılmaz
Detaylı103510395 ERCİYES ÜNİVERSİTESİ (KAYSERİ) Mühendislik Fakültesi Makine Mühendisliği 15 3252 103530169 ERCİYES ÜNİVERSİTESİ (KAYSERİ) Mühendislik
PROGRAM KODU ÜNİVERSİTE FAKÜLTE PROGRAM ADI KONTENJAN ÖZEL KOŞUL VE AÇIKLAMALAR Mühendislik Alan Kodu ABANT İZZET BAYSAL ÜNİVERSİTESİ (BOLU) MÜHENDİSLİK MİMARLIK FAKÜLTESİ Mühendislik-Mimarlık Fakültesi
DetaylıT.C. BİLİM,SANAYİ VE TEKNOLOJİ BAKANLIĞI BİLİM VE TEKNOLOJİ GENEL MÜDÜRLÜĞÜ. Sanayi Tezleri Programı (San-Tez)
T.C. BİLİM,SANAYİ VE TEKNOLOJİ BAKANLIĞI BİLİM VE TEKNOLOJİ GENEL MÜDÜRLÜĞÜ Sanayi Tezleri Programı (San-Tez) 2012 1 San-Tez Programı Program; 5593 sayılı Kanun ve 7 Temmuz 2007 tarihli Sanayi Tezlerinin
DetaylıHAM VERİNİN NİTELİKLİ BİLGİYE DÖNÜŞTÜRÜLME SÜRECİ
HAM VERİNİN NİTELİKLİ BİLGİYE DÖNÜŞTÜRÜLME SÜRECİ 04.03.2013 Ajanda 1.Hafta 1.1. Veri Madenciliği Nedir? 1.1.1. Temel Kavramlar 1.2. Veri Madenciliğine Giriş 1.2.1. Veri Madenciliğindeki Gelişim Süreci
DetaylıNebim Winner Kobi/Kampanya Fiyat Listesi
Nebim Winner Kobi/Kampanya Fiyat Listesi Son Güncelleme: 28 Aralık 11 Winner Sektörel Kobi... 2 Winner Ticari Hesap Kobi... 4 Winner Tek Mağaza Kobi... Winner Üretim Yönetimi Kobi... 7 Winner Tedarik Yönetimi
DetaylıISSN : 1308-7274 mkarabatak@firat.edu.tr 2010 www.newwsa.com Elazig-Turkey
ISSN:1306-3111 e-journal of New World Sciences Academy 2012, Volume: 7, Number: 1, Article Number: 1C0482 NWSA-EDUCATION SCIENCES Meryem Koç Received: July 2011 Murat Karabatak Accepted: January 2012 Firat
DetaylıVERİ MADENCİLİĞİ (Birliktelik Kuralları) Yrd.Doç.Dr. Kadriye ERGÜN
VERİ MADENCİLİĞİ (Birliktelik Kuralları) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr İçerik Birliktelik Kurallarının Tanımı Destek ve Güven Ölçütleri Apriori Algoritması Birliktelik Kuralları (Association
DetaylıSigortacılık Sektöründe Müşteri İlişkileri Yönetimi İçin Birliktelik Kuralı Kullanılması
DOI: 10.7240/mufbed.56489 Sigortacılık Sektöründe Müşteri İlişkileri Yönetimi İçin Birliktelik Kuralı Kullanılması Buket DOĞAN 1, Bahar Erol 2, Ali Buldu 3 1,3 Marmara Üniversitesi, Teknoloji Fakültesi,
Detaylıİlişkilendirme kurallarının kullanım alanları
Bölüm 4. Birliktelik Kuralları http://ceng.gazi.edu.tr/~ozdemir İlişkilendirme/Birliktelik Kuralları - Association Rules Birliktelik kuralları olarak da bilinir İlişkilendirme kuralı madenciliği Veri kümesi
DetaylıYrd. Doç. Dr. Semra Erpolat
Anadolu Üniversitesi Sosyal Bilimler Dergisi Anadolu University Journal of Social Sciences Otomobil Yetkili Servislerinde Birliktelik Kurallarının Belirlenmesinde Apriori ve FP-Growth Algoritmalarının
DetaylıDuvar İnşa Edilmesinde Verimliliği Etkileyen Faktörlerin Apriori Veri Madenciliği Yöntemi Kullanılarak Analizi
Akademik Bilişim 14 - XVI. Akademik Bilişim Konferansı Bildirileri 5-7 Şubat 2014 Mersin Üniversitesi Duvar İnşa Edilmesinde Verimliliği Etkileyen Faktörlerin Apriori Veri Madenciliği Yöntemi Kullanılarak
DetaylıYazılım GeliĢtirme Dersleri Öğrenci Projelerinin Birliktelik Kuralı Ġle Değerlendirilmesi
Yazılım GeliĢtirme Dersleri Öğrenci Projelerinin Birliktelik Kuralı Ġle Değerlendirilmesi Pınar Cihan 1, Oya Kalıpsız 1, M. Özgür Cingiz 1 ve Mahir Doksöz 1 1 Bilgisayar Mühendisliği Bölümü, Yıldız Teknik
DetaylıApriori Algoritmasının Farklı Veri Kümelerine Uygulanması
Apriori Algoritmasının Farklı Veri Kümelerine Uygulanması M. Emin Eker 1, Recai Oktaş 2, Gökhan Kayhan 3 1 Ondokuz Mayıs Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, Samsun
DetaylıVERİ MADENCİLİĞİ (Kümeleme) Yrd.Doç.Dr. Kadriye ERGÜN
VERİ MADENCİLİĞİ (Kümeleme) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr İçerik Kümeleme İşlemleri Kümeleme Tanımı Kümeleme Uygulamaları Kümeleme Yöntemleri Kümeleme (Clustering) Kümeleme birbirine
DetaylıDokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Öğrencilerinin Devamsızlık Davranışlarını Etkileyen Faktörler
ÖZGÜN ARAŞTIRMA/ORIGINAL ARTICLE DOI: 10.5961/jhes.2017.231 Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Öğrencilerinin Devamsızlık Davranışlarını Etkileyen Faktörler The Factors Affecting
DetaylıBulanık Birliktelik Kurallarının Genetik Algoritmalarla Keşfi
Politeknik Dergisi Journal of Polytechnic Cilt: 7 Sayı: 4 s. 69-76, 004 Vol: 7 No: 4 pp. 69-76, 004 Bulanık Birliktelik Kurallarının Genetik Algoritmalarla Keşfi Bilal ALATAŞ *, Ahmet ARSLAN ** * Bilgisayar
DetaylıÖZGEÇMİŞ. Derece Alan Üniversite Yıl
1. Adı Soyadı : Atınç YILMAZ 2. Doğum Tarihi : 01/05/1983 3. Unvanı : Dr.Öğr.Üyesi 4. Öğrenim Durumu: ÖZGEÇMİŞ Derece Alan Üniversite Yıl Lisans Bilgisayar Mühendisliği Haliç Üniversitesi 2005 (Burslu)
DetaylıERP YAZILIMLARININ İŞLKETMELERDEKİ ETKİLERİNİN TANIMLAYICI VERİ MADENCİLİĞİ YÖNTEMLERİYLE İNCELENMESİ
ERP YAZILIMLARININ İŞLKETMELERDEKİ ETKİLERİNİN TANIMLAYICI VERİ MADENCİLİĞİ YÖNTEMLERİYLE İNCELENMESİ Ahmet Selman BOZKIR* Betül YAVAŞOĞLU ÖZET *Hacettepe Üniversitesi Bilgisayar Mühendisliği Bölümü, Ankara,
DetaylıİSTİHDAM İZLEME BÜLTENİ
31 12 2014 Sayı 33 Genel Değerlendirme Ağustos 2014 TEPAV İstihdam İzleme Bülteni nin, Sosyal Güvenlik Kurumu (SGK) ve Türkiye İş Kurumu (İŞKUR) Ağustos 2014 verilerinin değerlendirildiği 33. sayısında
DetaylıT.C. ERCİYES ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ EĞİTİM ÖĞRETİM YILI DERS KATALOĞU
T.C. ERCİYES ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ - EĞİTİM ÖĞRETİM YILI DERS KATALOĞU Ders Kodu Bim Kodu Ders Adı Türkçe Ders Adı İngilizce Dersin Dönemi T Snf Açıl.Dönem P
DetaylıYALOVA ÜNİVERSİTESİ BİREYSEL İSTEK VE MEMNUNİYET SİSTEMİ PERFORMANS DEĞERLENDİRME RAPORU
25/06/20 YALOVA ÜNİVERSİTESİ BİREYSEL İSTEK VE MEMNUNİYET SİSTEMİ PERFORMANS DEĞERLENDİRME RAPORU Rektörlük makamının 03.0.20 tarih ve no lu Olur u ile oluşturulan Yalova Üniversitesi Bireysel Öneri, İstek
Detaylı2014 - Teknik Öğretmenler İçin Mühendislik Tamamlama Programları Yerleştirme Sonuçlarına Göre En Küçük ve En Büyük Puanlar
100110399 ABANT İZZET BAYSAL ÜNİVERSİTESİ (BOLU) / Mühendislik-Mimarlık Fakültesi / Makine Mühendisliği 13 0 58,33333 76,66667 100110415 ABANT İZZET BAYSAL ÜNİVERSİTESİ (BOLU) / Mühendislik-Mimarlık Fakültesi
DetaylıEğitim ve Öğretim Araştırmaları Dergisi Journal of Research in Education and Teaching Haziran 2017 Cilt:6 Özel Sayı:1 Makale No: 07 ISSN:
TEKSTİL SEKTÖRÜNÜN MESLEK YÜKSEKOKULU ÖĞRENCİLERİNDEN BEKLENTİLERİ Öğr. Gör. Naci Bulur İnönü üniversitesi Yeşilyurt Meslek Yüksekokulu naci.bulur@inonu.edu.tr Öğr. Gör. Murat Ulaş İnönü üniversitesi Arapgir
DetaylıTABLO-1 Tercih Edilebilecek Mühendislik Programları ÖZEL KOŞUL VE AÇIKLAMALAR
ABANT İZZET BAYSAL ÜNİVERSİTESİ (BOLU) 100110415 Elektrik-Elektronik Mühendisliği 13 3162 100110399 Makine Mühendisliği 13 3252 AFYON KOCATEPE ÜNİVERSİTESİ (AFYONKARAHİSAR) 100410245 Malzeme Bilimi ve
DetaylıVeri 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
DetaylıT.C. SÜLEYMAN DEMİREL ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ISPARTA İLİ KİRAZ İHRACATININ ANALİZİ
T.C. SÜLEYMAN DEMİREL ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ISPARTA İLİ KİRAZ İHRACATININ ANALİZİ Danışman Doç. Dr. Tufan BAL YÜKSEK LİSANS TEZİ TARIM EKONOMİSİ ANABİLİM DALI ISPARTA - 2016 2016 [] TEZ
DetaylıBİLGİ VE BELGE YÖNETİMİ BÖLÜMÜ LİSANS EĞİTİM BAHAR DÖNEMİ PROGRAMI
ANADAL EĞİTİM PROGRAMI ZORUNLU DERSLERİ SINIF / II.YARIYIL in önceki eğitim programında eşdeğer bir dersi var mı? 3 YDİ 0 YDF 0 YDA 0 Temel Yabancı Dil (İngilizce) Temel Yabancı Dil (Fransızca) Temel Yabancı
DetaylıMÜFREDAT DERS LİSTESİ
MÜFREDAT DERS LİSTESİ MÜHENDİSLİK FAK. / BİLGİSAYAR MÜHENDİSL / 2010 BİLGİSAYAR MÜHENDİSLİĞİ Müfredatı 0504101 Matematik I Calculus I 1 GÜZ 4 5 Z 0504102 Genel Fizik I General Physics I 1 GÜZ 4 4 Z 0504103
DetaylıSAMSUN TİCARET VE SANAYİ ODASI EKONOMİK BÜLTEN
SAMSUN TİCARET VE SANAYİ ODASI EKONOMİK BÜLTEN OCAK 2015 SAMSUN TSO ÜYE İSTATİSTİKLERİ A] AÇILAN FİRMA SAYILARI (OCAK 2014/2015) Samsun Ticaret ve Sanayi Odası sicil kayıtları incelendiğinde 2015 yılının
Detaylı2001 ve 2008 Yılında Oluşan Krizlerin Faktör Analizi ile Açıklanması
2001 ve 2008 Yılında Oluşan Krizlerin Faktör Analizi ile Açıklanması Mahmut YARDIMCIOĞLU Özet Genel anlamda krizler ekonominin olağan bir parçası haline gelmiştir. Sıklıkla görülen bu krizlerin istatistiksel
DetaylıVERI TABANLARıNDA BILGI KEŞFI
1 VERİ MADENCİLİĞİ VERI TABANLARıNDA BILGI KEŞFI Veri Tabanlarında Bilgi Keşfi, veriden faydalı bilginin keşfedilmesi sürecinin tamamına atıfta bulunmakta ve veri madenciliği bu sürecin bir adımına karşılık
DetaylıMesleki Terminoloji II Veri Madenciliği
Mesleki Terminoloji II Veri Madenciliği Burak Düşün - 14011055 Akif Berkay Gürcan - 14011023 Veri Madenciliği Nedir? Veri madenciliği, büyük miktarda verinin anlamlı örüntüler bulmak amacıyla otomatik
DetaylıMARSALA KOLEKSİYON LANSMANI
MARSALA KOLEKSİYON LANSMANI mimari esinlenmeler tarihi referanslar ispanyol zerafeti abartısız lüks YILIN MODA RENGİ TASARIMLA BULUŞUYOR Adını Güney Akdeniz in gün batımından alan ve moda dünyasına damgasını
DetaylıNebim Winner Kurumsal Fiyat Listesi
Nebim Winner Kurumsal Fiyat Listesi Son güncelleme: 19 Ocak 12 Winner Merkez ve Zincir Mağaza......2 Winner Ticari ı......4 Opsiyon Fiyatlar...... Winner Üretm Yönetmi......6 Winner Tedarik Yönetmi......7
DetaylıTABLO-1 Tercih Edilebilecek Mühendislik Programları
ABANT İZZET BAYSAL ÜNİVERSİTESİ (BOLU) 100110415 Elektrik-Elektronik Mühendisliği 10 3162 100110399 Makine Mühendisliği 9 3252 AFYON KOCATEPE ÜNİVERSİTESİ (AFYONKARAHİSAR) 100410245 Malzeme Bilimi ve Mühendisliği
DetaylıBLM 4811 MESLEKİ TERMİNOLOJİ II Salı , D-109 Dr. Göksel Biricik
BLM 4811 MESLEKİ TERMİNOLOJİ II 2017-1 Salı 13.00 14.50, D-109 Dr. Göksel Biricik goksel@ce.yildiz.edu.tr Ders Planı Hafta Tarih Konu 1 19.09 Tanışma, Ders Planı, Kriterler, Giriş 2 26.09 Bilgisayarın
DetaylıKaraciğerde 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
DetaylıReplica EMEA - Mission
Replica EMEA Replica EMEA is a joint venture established between the European leading provider of WMS applications Replica Sistemi and Obase, major Turkish company specializing in IT solutions for Retail
DetaylıHEMOGLOBİNOPATİ KONTROL PROGRAMI
TALASEMİ VE HEMOGLOBİNOPATİLER T.C. Sağlık Bakanlığı AÇSAP Genel Müdürlüğü HEMOGLOBİNOPATİ KONTROL PROGRAMI Toplumların geleceği o toplumu oluşturan bireylerin nitelikleri ile doğrudan ilişkilidir. Toplumu
DetaylıVERİ 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
Detaylı2014-2015 EĞİTİM YILI M.T.O.K. BÖLÜMLERİNİN TABAN PUAN ve KONTENJAN BİLGİLERİ
Program Kodu 2014-2015 EĞİTİM YILI M.T.O.K. BÖLÜMLERİNİN TABAN PUAN ve KONTENJAN BİLGİLERİ Program Adı Türü Kontenjan Yerleşen Aday Sayısı Başarı Sırası En Küçük En Büyük OBK En Küçük 100410669 AFYON KOCATEPE
DetaylıWeb Madenciliği (Web Mining)
Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Denetimsiz Öğrenmenin Temelleri Kümeleme Uzaklık Fonksiyonları Öklid Uzaklığı Manhattan
DetaylıPARALEL VERİ MADENCİLİĞİ ALGORİTMALARI. BAŞARIM 09, 15-18 Nisan 2009, ODTÜ, Ankara
PARALEL VERİ MADENCİLİĞİ ALGORİTMALARI BAŞARIM 09, 15-18 Nisan 2009, ODTÜ, Ankara Veri Madenciliğine Genel Bir Bakış Veri Madenciliğinin Görevleri Sınıflama Seri Sınıflama Algoritmaları Paralel Sınıflama
DetaylıBilgi Sistemleri Uygulama ve Araştırma Merkezi. 2015 Faaliyet Raporu
Bilgi Sistemleri Uygulama ve Araştırma Merkezi 2015 Faaliyet Raporu I-MERKEZİN MİSYON VE VİZYONU Merkezin misyonu; küresel, dinamik ve bilgi yoğun ortamlarda organizasyonların bilişim sistemleri ile ilgili
DetaylıTHE IMPACT OF AUTONOMOUS LEARNING ON GRADUATE STUDENTS PROFICIENCY LEVEL IN FOREIGN LANGUAGE LEARNING ABSTRACT
THE IMPACT OF AUTONOMOUS LEARNING ON GRADUATE STUDENTS PROFICIENCY LEVEL IN FOREIGN LANGUAGE LEARNING ABSTRACT The purpose of the study is to investigate the impact of autonomous learning on graduate students
DetaylıYAPAY SİNİR AĞLARI. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ
YAPAY SİNİR AĞLARI Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ İÇERİK Sinir Hücreleri Yapay Sinir Ağları Yapısı Elemanları Çalışması Modelleri Yapılarına Göre Öğrenme Algoritmalarına Göre Avantaj ve
DetaylıBüyük Veri İçin İstatistiksel Öğrenme (Statistical Learning for Big Data)
Büyük Veri İçin İstatistiksel Öğrenme (Statistical Learning for Big Data) M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Bu dersin sunumları, The Elements of Statistical Learning: Data
DetaylıKOSGEB www.kosgeb.gov.tr B.T. 14.03.2016
KOSGEB www.kosgeb.gov.tr B.T. 14.03.2016 Since 1956 Since 1956 Müfit Collection; 1956 yılında Konya da yastık ve yorgan imalatı üzerine kurulmuştur. Kaliteli ve yenilikçi üretim anlayışı ile sektörünün
DetaylıCEVİZ RENGİNİN KLASİK ZARAFETİ CAMIN MODERNLİĞİYLE BULUŞUYOR
CEVİZ RENGİNİN KLASİK ZARAFETİ CAMIN MODERNLİĞİYLE BULUŞUYOR Tam 7 sene önce Exclusive Serisi ni tasarladığımızda o kadar çok sevildi ki, o kadar çok beğenildi ki, 40 yıllık Doğtaş, Doğtaş Exclusive oldu.
DetaylıDOĞRUDAN PAZARLAMA SEKTÖR ARAŞTIRMASI ÖZET RAPOR
DOĞRUDAN PAZARLAMA SEKTÖR ARAŞTIRMASI ÖZET RAPOR TEMMUZ 2009 Bu araştırma projesi Doğrudan Pazarlama İletişimcileri Derneği için tarafından hazırlanmıştır. Yazılı izin alınmadan çoğaltılamaz ve üçüncü
DetaylıVERİ MADENCİLİĞİNİN GÖREVLERİ
VERİ MADENCİLİĞİNİN GÖREVLERİ VERİ MADENCİLİĞİNİN GÖREVLERİ Classification (Sınıflandırma) Karakterizasyon (Betimleme) Regression (İlişki Çıkarımı) Clustering (Kümeleme) Association (İlişki Analizi) Forecasting
DetaylıALTI SİGMA VE BİR UYGULAMA. Six Sigma And An Application
Ç.Ü. Fen Bilimleri Enstitüsü Yıl:21 Cilt:22-1 ALTI SİGMA VE BİR UYGULAMA Six Sigma And An Application Murat YİĞİT İstatistik Anabilim Dalı Sadullah SAKALLIOĞLU İstatistik Anabilim Dalı ÖZET Bu çalışmanın
DetaylıVeri Madenciliği Süreci
Veri Madenciliği Eda Coşlu Mehmet Akif Ersoy Üniversitesi, Yönetim Bilişim Sistemleri Bölümü, BURDUR edacoslu@hotmail.com Büyük miktardaki veriler içerisinden önemli olanlarını bulup çıkarmaya Veri Madenciliği
DetaylıULUSLARARASI SCI / SCI-Expanded KAPSAMINDAKİ DERGİLERDEKİ MAKALELER. Yayın NO. Yazarlar Başlık Dergi Adı Yıl
ULUSLARARASI SCI / SCI-Expanded KAPSAMINDAKİ DERGİLERDEKİ MAKALELER Yazarlar Başlık Dergi Adı Yıl Barbaros Preveze, Aysel Şafak 2 Barbaros Preveze Effects of Routing Algorithms on Novel Throughput Improvement
DetaylıÖğrenim Bilgisi. Eskişehir Osmangazi Üniversitesi Fen Bilimleri Enstitüsü (2000) Uygulamalı İstatistik
Sema BEHDİOĞLU E-posta : sema.behdioglu@dpu.edu.tr Telefon : 0 (274) 265 20 31-2116 Öğrenim Bilgisi Eskişehir Osmangazi Üniversitesi Fen Bilimleri Enstitüsü (2000) Uygulamalı İstatistik Yüksek Anadolu
DetaylıÖZGEÇMİŞ. 1. Adı Soyadı : Kamile ŞANLI KULA İletişim Bilgileri : Ahi Evran Üniversitesi, Fen Edebiyat Fakültesi, Adres Matematik Bölümü, KIRŞEHİR
Resim ÖZGEÇMİŞ 1. Adı Soyadı : Kamile ŞANLI KULA İletişim Bilgileri : Ahi Evran Üniversitesi, Fen Edebiyat Fakültesi, Adres Matematik Bölümü, KIRŞEHİR Telefon : 386 280 45 50 Mail : kskula@ahievran.edu.tr
DetaylıSAMSUN TİCARET VE SANAYİ ODASI EKONOMİK BÜLTEN
SAMSUN TİCARET VE SANAYİ ODASI EKONOMİK BÜLTEN HAZİRAN 2015 SAMSUN TSO ÜYE İSTATİSTİKLERİ A] AÇILAN FİRMA SAYILARI (HAZİRAN 2014/2015) Samsun Ticaret ve Sanayi Odası sicil kayıtları incelendiğinde 2015
DetaylıARAŞTIRMA ÖZET SONUÇLARI 21 24 Mayıs 2015 KONYA İNŞAAT FUARI KONYA KENT 2015 KONYA DEKOR 2015 KONYA İDEAL EV 2015
ARAŞTIRMA ÖZET SONUÇLARI 21 24 Mayıs 2015 KONYA İNŞAAT FUARI 12. Yapı, İnşaat Malzemeleri, İş ve İnşaat Makineleri, Isıtma, Soğutma, Havalandırma, Tesisat ve Doğalgaz Teknolojileri Fuarı Hırdavat ve Nalburiye
DetaylıEDM SAP Business One
EDM SAP Business One SAP Business One Kobileri Dünya Standartlarına taşıyoruz.. SAP Business One Tek sistemle daha verimli ve etkin yönetim SAP Business One tüm KOBİ lerin taleplerini karşılamak üzere
DetaylıBELEDİYEDE YAPILAN CBS ÇALIŞMALARINDAN ELDE EDİLEN 2 BOYUTLU VE 3 BOYUTLU TEMATİK HARİTALARIN SUNUMU
TMMOB COĞRAFİ BİLGİ SİSTEMLERİ KONGRESİ 2011 31 Ekim - 04 Kasım 2011, Antalya BELEDİYEDE YAPILAN CBS ÇALIŞMALARINDAN ELDE EDİLEN 2 BOYUTLU VE 3 BOYUTLU TEMATİK HARİTALARIN SUNUMU Eylem Kaya 1, M. Erkan
DetaylıÖZGEÇMİŞ VE ESERLER LİSTESİ
ÖZGEÇMİŞ VE ESERLER LİSTESİ ÖZGEÇMİŞ Adı Soyadı : Ömer AKGÖBEK Doğum Tarihi : 01.01.1970 Unvanı : Yardımcı Doçent Öğrenim Durumu: Derece Bölüm/Program Üniversite Yıl Lisans Endüstri Mühendisliği İstanbul
DetaylıHURDA İŞLETMESİ MÜDÜRLÜĞÜNDEN YERİNDE SATIŞA SUNULAN MALZEMELER
HURDA İŞLETMESİ MÜDÜRLÜĞÜNDEN YERİNDE SATIŞA SUNULAN MALZEMELER İşletme Müdürlüğümüze ait aşağıda müfredatı kayıtlı mevcut teknik özellikleri, durumu ve yeri belirtilen 5 kalem (Muhtelif Yatak ve Tekstil
DetaylıSAMSUN TİCARET VE SANAYİ ODASI
SAMSUN TİCARET VE SANAYİ ODASI EKONOMİK BÜLTEN EKİM 2015 SAMSUN TSO ÜYE İSTATİSTİKLERİ A] AÇILAN FİRMA SAYILARI (EKİM 2014/2015) Samsun Ticaret ve Sanayi Odası sicil kayıtları incelendiğinde 2015 yılının
DetaylıGıda Sektöründe Bir Değişim Hikayesi
Gıda Sektöründe Bir Değişim Hikayesi İçerik Likom Yazılım Gusto Kurumsal Kaynak Planlama Yazılımı Gıda Sektörüne Yönelik Uygulamalar Uyarlama Adımları Referanslar 2 Likom Yazılım, 24 yıldır büyük ölçekli
DetaylıDerece Bölüm/Program Üniversite Yıl
DR. ALI S. NAZLIPINAR Dumlupınar Üniversitesi, Fen Ed. Fakültesi Matematik Bölümü, Kütahya, TÜRKİYE ali.nazlipinar@dpu.edu.tr Tel: +90 274 2652031 /3065 (Dahili) Öğrenim Durumu Derece Bölüm/Program Üniversite
DetaylıİSTİHDAM İZLEME BÜLTENİ
12 08 2014 Sayı 28 Genel Değerlendirme Mart 2014 TEPAV İstihdam İzleme Bülteni nin -Sosyal Güvenlik Kurumu (SGK) ve Türkiye İş Kurumu (İŞKUR) Mart 2014 verilerinin değerlendirildiği- 28. sayısında sigortalı
DetaylıEL SANATLARI TEKNOLOJİSİ DEKORATİF EV TEKSTİLİ ELEMANI MODÜLER PROGRAMI (YETERLİĞE DAYALI)
T.C. Milli Eğitim Bakanlığı Hayat Boyu Öğrenme Genel Müdürlüğü EL SANATLARI TEKNOLOJİSİ DEKORATİF EV TEKSTİLİ ELEMANI MODÜLER PROGRAMI (YETERLİĞE DAYALI) 2013 ANKARA ÖN SÖZ Günümüzde mesleklerin değişim
DetaylıILIA KÖŞE KOLTUK KOLEKSİYON COLLECTION
YENİ KOLEKSİYON ILIA Küçük Mekanlara Büyük Çözümler Stüdyo40 konsepti ile artık evinizde... Modern hayat, bazı ihtiyaçları da beraberinde getirdi. Bizde Kelebek Mobilya olarak İlia Koleksiyon u ile bu
Detaylı