FİNANSAL KARAR VERME SÜREÇLERİNDE GRAFİK-DATAMINING ANALİZİ
|
|
- Volkan Erçetin
- 8 yıl önce
- İzleme sayısı:
Transkript
1 FİNANSAL KARAR VERME SÜREÇLERİNDE GRAFİK-DATAMINING ANALİZİ FATMA ÇINAR, CAPITAL MARKET BOARD OF TURKEY Assoc. Prof. Dr. C. ÇOŞKUN KÜÇÜKÖZMEN İZMİR UNIVERSITY OF ECONOMICS TROUG Turkish Oracle User Group BI/DW SIG Day 3 April 2014
2 Presentation Outline 1. SECTION Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi Gerçek Zamanlı İnteraktif Data Analizi Effect and Response Analysis Model; CORTEX Dashboard Management Teknik; Java Tabanlı Bir SQL Query Tekniği Araç; CORTEX Grafik Datamining Programı Araç : CORTEX R Yazılımı Haberleşmesi Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi April 7, 2014
3 Presentation Outline 2. SECTION Finansal Karar Verme Süreçlerinde Grafik- Datamining Analizi Java Tabanlı bir SQL Query tekniği ile geliştirdiğimiz CORTEX Grafik Datamining programıyla finansal performansları etkileyen faktörleri çok boyutlu grafikler olarak analiz edebiliyoruz. Java Tabanlı yazılım herhangi bir veri bankasına da kolayca bağlanabilmektedir. Ayrıca SQL ile çekilen verileri R programına aktarıp analizleri buradan yapabiliyoruz. Uygulama BDDK FINTURK Excel verileri aracılığı ile gerçekleştirilecektir. Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi April 7, 2014
4 4 Kazanımınız Katılımcıların sunumdan kazanacağını düşündüğünüz en önemli üç edinim; Katılımcıların BI uygulamalarının karar verme süreçlerindeki etkinliği konusundaki anlayışları gelişecektir. Büyük veri kütlerinin grafiğe dönüşme konusundaki anlayışları değişecek. Effect ve Response analizi konusu bilgi edinebilecekler. Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi April 7, 2014
5 Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi 5 AMACIMIZ Gerçek zamanlı verilerden bir aksiyon alabiliyor muyuz? Yöneticilerin, IT dünyasının karmaşık kavram ve süreçlerinden arındıran, interaktif ve yalın görseller aracılığı ile veri bankalarının karmaşıklığını yok eden bir yaklaşımla stratejik karar verme pozisyonuna ulaştırabilmektir. Data üzerinde transformasyonlar ve filtrelemeler Yüksek ölçeklendirme ve interaktif analiz Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi April 7, 2014
6 Data Analizinde Yeni Dönem: In Memory System 6 Akan veri üzerinde karar verebiliyor muyuz! Akan veriyi nasıl yakalıyoruz? Real-time information, Gerçek zamanlı/batch, Acquire-Organize-Analysis, SQL Database, Ad-Hoc Reporting-R software Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi April 7, 2014
7 Günümüz İş Modellerinin Temel Sorunları 7 Analitik Dünya nın Ölü Diyagramları Yaşayan çok boyutlu işletmeleri kâğıt üzerindeki iki boyutlu ölü diyagramlara indirgemek faydadan çok zarara yol açmaktadır. Bu çalışma bunun alternatifini amaçlamaktadır. Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi April 7, 2014
8 İşletmelerin Yeni Gündemi? 8 Gerçek Zamanlı Risk Analizi İşletmelerin, kuruluşların etkinlik ve finansal fayda elde etmek amacıyla performansla ilgili gerekli kararları en iyi şekilde verebilmeleri ve ölçümleri yapabilmelerini sağlayacak, performansı optimize edebilmeleri için bütünleşik kuramsal uygulamalarla gerçek zamanlı risk analizleriyle firmanın yarattığı gerçek değerlerin ölçülmesini sağlayabilecek İş Zekası (BI) tekniklerin geliştirilmesi gündemdedir. Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi April 7, 2014
9 Stratejik Karalar İçin Her Kaynaktan Gelen Verilere Konsantrasyon Değişimle Müttefik Olmak! 9 MIT ve IBM İş Değ. Ens. Raporu Ocak 2014; Digital Dünyanın en büyük iki degişimi; Veri Patlaması Sosyal Medya. CMO %82 si veri patlamasına, %66 sı Sosyal Medyaya hazır olmadığını ifade ediyorlar Sosyal Medya kullanımı Küresel Şirketlerde hala %20. Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi April 7, 2014
10 Her Şey Digital, Tercihler Duygusal! 10 Gerçek Deger Data Setlerinde! Hayatı eskiden filozoflardan anlamaya çalışırdık. Şimdi digital platforma taşıyıp bir veriye dönüştürdük. Artık filozoflara degil, bilgisayarlara soruyoruz! İnsan davranışlarını anlamaya bir adım daha yaklaştıgımız sofistike bir dönem! Ancak Datalar bize hayatın anlamını hala söylemiyor. O kısım hala filozoflarda!!! Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi April 7, 2014
11 Demir tozları arasında elmas bulmak gibi! 11 Master Data Management Veri Bilimcileri sahneye çıkıyor! Bir sihirbaz edasıyla veri nin şirket için en karlı şekle dönüşümünde rol alan büyük oyuncular Tıpkı para avcıları gibi Wolf of the Wall Street Filmi Martin Scorsese
12 12 Unique Data nın Potansiyel İş Hacmi! İlk tahminler, ABD nin saglık sektörünün yıllık 300Milyar Dolarlık BIG DATA katma degerinde bir iş hacmine sahip olduğudur. Özellikle saglık ve finans sektörü ile hükümetlerin Unique Data konusuna daha çok kafa yormaları gerekecek. Çünkü hukuki olarak geriye dönük bu devasa sayısal bilgilerin saklanması, yedeklenmesi, arşivlenmesi ve gerektiğinde hızlı olarak erişilebilir olması gerekiyor. Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi April 7, 2014
13 Gerçek Zamanlı Risk Analizi Nasıl Olmalı? (Entegre Kurumsal Performans Yönetimi) 13 Yani performansın zaman metriği değişti aynı zamanda performans düzeyi de arttı. Bütünleşik kuramsal uygulamalar ve entegre raporlamalarla; Object Tabanlı Entegre Kurumsal Performans Yönetimi (Object Oriented Complexity Management) modeline geçip, gerçek zamanlı risk analizleriyle firmanın yarattığı gerçek değerlerin ölçülmesi sağlanabilecektir. Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi April 7, 2014
14 14 Yeni Algoritmalar/Yeni Toollar Veri madenciliğinde kullanan birçok algoritma var. Bunların geliştirilmesi, çalıştırılması ve yorumlanması ileri düzeyde matematik ve enformatik bilgisi gerektiriyor. Kendi tool unu yazan ve ona göre mining çalışması yapan şirket sayısı maalesef çok az Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi April 7, 2014
15 15 Unique Data Analysis Grafik Datamining ile Data kütlelerindeki kompleksiteyi yorumlanabilir hale getirmeye çalışıyoruz. SQL ile okutulan Database ler analiz edilirken, yapılan analizlerin sonuçları hem anlık olarak değerlendirilebiliyor hem de grafik üzerinde interaktif sorgulamayla, grafik revize edilebiliyor ve CORTEX Dashboard da saklanabiliyor. Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi April 7, 2014
16 Konvansiyonel istatistikten finansal entropik analize geçiyoruz. 16 Cortex BI (Cortex Business Intelligence) Analitik dünyanın analizleriyle bu yüksek veri kütlelerinden anlamlı sonuçlar çıkartmak mümkün olmuyor. Bunlar matematiğin egemen olduğu bir dünyada geliştirildiler. Düşük veri kütleleriyle başa çıkabilmek için tasarlandılar. Bugün yüksek veri kütlelerinden yorum çıkartabilecek yeni teknik ve yaklaşımlara ihtiyacımız var. Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi April 7, 2014
17 17 CORTEX Dashboard Management CDM Kompleks bir kuruluşun bütün ünitelerine, dokümanlarına ve bilgilerine yöneticinin tek bir ekrandan ulaşabilmesi ve bunlardan stratejik karar üretebilmesi amacı ile geliştirdiğimiz Java tabanlı bir İş Zekası (Business Intelligence) Yazılımıdır. Bu amaç için geliştirilen çok sayıda modülü bulunmakla birlikte bu çalışmada finansal analize yardımcı olacakları kullanacağız. Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi April 7, 2014
18 18 COMPLEXITY SYSTEM - FRAKTAL AG MODELİ
19 19 COMPLEXITY SYSTEM - FRAKTAL AG MODELİ
20 20 COMPLEXITY SYSTEM - FRAKTAL AG MODELİ
21 21 COMPLEXITY SYSTEM - FRAKTAL AG MODELİ
22 22 COMPLEXITY SYSTEM - FRAKTAL AG MODELİ
23 23 COMPLEXITY SYSTEM - FRAKTAL AG MODELİ
24 24 Excel dosyasından SQL ile çekilen verileri CORTEX verileri filtrelenebilen ve sort edilebilen bir Java Tablosuna dönüştürdük. Buradan da CORTEX in Grafik Modülene geçiyoruz.
25 yılları arasında İzmir vb. finansal yapıdaki şehirlerin Finansal Risk Haritası BDDK Finturk verilerinden derlenen bilgilerle oluşan IZMIRSET.XLS dosyasından SQL-Excel modülüyle çekilen data üzerinden İzmir ve benzeri şehirlerin finansal risk haritasını yorumlayacağız. İzmir ve Benzeri şehirleri yine CDM yardımı ile belirledik. Bu modül bize herhangi bir excel dosyasından istediğimiz sütün ve satırlar üzerinde çalışma olanağı sağlar. Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi April 7, 2014
26 26 Toplam Mevduat Karşısında Toplam Nakdi Kredi
27 CORTEX DM Grafik Modülü 27 CORTEX yazılımının grafik modülü bize seçilen iki nümerik değer arasındaki ilişkinin seçilen bir kategorik faktörün etkisi altındaki görünümünü verir. Buna göre CORTEX grafikleri 3-Boyutlu bir yoruma olanak sağlıyor. Bundan fazlası da mümkündür. Burada SEGMENT olarak adlandırılan seçilmiş faktör ŞEHİR olacaktır. İstenirse bu segmentler de interaktif olarak değiştirilebilir. CORTEX grafik modülü ayrıca interaktif olarak seçilen verilerin ve segmentlerin değiştirilebilmesine ve grafiğin seçilen segment elemanına göre filtrelenebilmesine olanak sağlar. Aşağıdaki grafik ilk grafiğin İZMİR şehrine göre filtrelenmiş halidir. Filtre Segmentin ortalamasını (magenta) sistemin ortalaması (kırmızı) ile karşılaştırabiliyorsunuz. Böylece sayısal metriğe gerek kalmadan sapmalar görsel olarak yorumlanabiliyor. Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi April 7, 2014
28 28 Toplam Mevduat Karşısında Toplam N.Kredi (Log)
29 Toplam N. Krediler Grafik Analiz 29 Grafiklerdeki ortalama çizgilerin eksenlere yakınlığı yüksek montanlı kredilerin fantezi olduğunu esas kütlenin sıfır civarında yoğunlaştığını gösteriyor. Bu grafiğe göre bankalar düşük rakamları çok sayıda müşteriye dağıtarak dosya masrafı-sigorta ve komisyon overhead den para kazanıyorlar. Aynı durumu taşıt kredilerinde de gözlemlemek mümkün Grafiklerin daha anlamlı olması için Logaritmik Eksen opsiyonunu kullanacağız. Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi April 7, 2014
30 30 Toplam Mevduat Karşısında Toplam N.Kredi (İzmir)
31 Toplam Nakdi Krediler Karşısında Takipteki Alacaklar 31
32 Toplam G.Nakdi Kredi Karşısında Takipteki Alacaklar (Log) 32
33 33 Takipteki Alacakların Toplam Nakdi Kredileri Üzerindeki Oranının İl Bazında Dağılımı Kayseri ve Muğla İhtiyatlı Ankara da gayri İktisadi saikler yoluyla verilen krediler söz konusu. İllerde aynı şartlar altında kredi verilmiyor. Ankara daki bütün bankalar aynı riskleri alıyor. Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi April 7, 2014
34 34 Toplam Mevduat Karşısında Takipteki Alacaklar
35 35 Gnakdi Krediler Karşısında Takipteki Alacaklar
36 36 Takipteki Alacak Karşısında Takipteki Enerji
37 37 Toplam Ticaret İllere Dağılımı
38 38 Takip Konut Kredilerinin İllere Dağılımı
39 Takipteki Kredi Kartının İllere Dağılımı 39 COMPLEXITY SYSTEM - FRAKTAL AG MODELİ
40 40 Finansal Entropik Analize Geçiş Finansal faktörlerin performans frekanslarını entropik analizle ortaya koyuyoruz. Entropi olasılıkların (yüzdelerin) logaritmik tabanlı bir anlamlılık metriğidir. Bir çok uygulamada varyanstan daha etkili olduğu görülmüştür. En yaygın uygulama dağılımların simetriden sapmalarının yani eşitsizliğin ölçümlenmesidir. Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi April 7, 2014
41 ENTROPİ ve VARYANS: KARŞILAŞTIRMA Varyans bir yayılma ölçüsüdür ve basit yapısı nedeniyle yoğun bir şekilde kullanılır. Tarihi olarak varyans belirsizlik ve risk analizlerinde temel bir rol oynadı. Buna karşılık ENTROPİ olgusunun varyanstan daha geçerli bir dağılım ve otokorelasyon ölçüsü olduğunu söyleyebiliriz. Ayrıca varyansın bir belirsizlik ölçüsü olabildiği de kesin değildir. Bazı dağılımların varyansı olmayabileceğine karşılık bütün dağılımların entropileri mevcuttur. Yakın bir zamanda entropi belirsizliğin temel bir ölçüsü olarak alınmaya başlamıştır. Bu çalışmada entropi, pay dilimlerini karşılaştırma ölçüsü olarak kullanılacaktır. Şimdi veri setinde dağıtılan toplam nakdi krediler karşısında Takipteki Alacakları inceleyelim! Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi April 7, 2014
42
43
44 Kredi Dağılımının Entropik Analizi
45 Kredi Dağılımının Entropik Analizi Buradaki birinci grafik Toplam Nakdi krediler içindeki Takipteki Alacakların şehirlere dağılımı gösteriyor. Entropi matematiğine girmeden hemen söyleyebiliriz ki, pay grafiklerine göre sehirlerin payı veri setinde eşit olduğu halde kredi dağılımındaki ve alacak takiplerindeki payları aynı değil. Üçüncü grafikteki renkli sütün faktör paylarını, gri çubuk x paylarını, siyah çubuk y paylarını gösterir. Renkli çubukların aynı boyda (eşit payda) oldukları görülüyor. Yeşil Ankara da dağıtılan krediler sistem payının çok üstünde olduğu halde takipteki alacak payı bunun altında. Turuncu İzmir daha düşük payda kredi dağıtıyor fakat takipteki alacakları bu payın üstünde. Buradan İzmir finansal ortamının Anlara ya göre daha riskli olduğunu söyleyebiliriz. Bu yaklaşımla diğer şehirlerin bazılarını riskli bazılarının ise başabaş olduğunu söyleyebiliriz. Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi April 7, 2014
46 46 CORTEX Tablo Verilerinin R Yazılımına Aktarılması CDM Yazılımı SQL ile Database veya excel dosyalarından çekilen verilerin R yazılımına aktarılarak bu çok güçlü yazılımın eşsiz olanaklarından yararlanmaya olanak sağlar. Aşağıdaki grafikler çekilen verilerin R yazılımına transferini ve burada grafiklenmesini göstermektedir. Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi April 7, 2014
47 47 Aynı Java Tablosundaki verileri tablo üzerindeki tek bir tuşla R programına aktardık. Ayrıca R üzerinden de yeni grafikler elde ettik.
48 48 COMPLEXITY SYSTEM - FRAKTAL AG MODELİ
49 49
50 Takipteki Alacakların Toplam Nakdi Kredileri Üzerindeki Oranının İl Bazında Dağılımı 50 COMPLEXITY SYSTEM - FRAKTAL AG MODELİ
51 51 Takipteki Alacakların Toplam Nakdi Kredileri Üzerindeki Oranının İl ve Yıl Bazında Dağılımı
52 CONCLUSION 52 Object-tabanlı İnteraktif Kontrol Sistemde bulunan veriler kullandığımız Java yazılımıyla SQL tabanlı databaseler gibi veri kaynağı objectler ile bir araya getirilmiş, CORTEX Tablosu oluşturulmuş ve istatistiksel sorgulamaların yapılabilmesine imkân tanıyan bir alt yapı kurulmuştur. Tüm veri kaynaklarını, yönetilebilir tek bir havuzda konsolide ve entegre edilen raporlarla işletme nabzını tutan özet raporların ve grafiklerin anında görüntülenmesi sağlanmış olacaktır.
53 53 Stephen HAWKING 21.th CENTURY WILL BE COMPLEX SCIENCE CENTURY
54 Contact tr.linkedin.com/in/fatmacinar/ tr.linkedin.com/in/coskunkucukozmen
55 References 55 Merih, K., ve Çınar, F., (2012). Örgüt Yapılarındaki Değişimin Modellenmesinde Kompleksite (Complexity) Yaklaşımı, 32. Ulusal Yöneylem Araştırması ve Endüstri Mühendisliği Kongresi, s.261, Haziran 2012, < İstanbul. < Merih, K., ve Çınar, F., (2013). Modelling of Corporate Performance In Multi- Dimensional Complex Structured Organizations: CBBC Approach, Submitted to the third International Conference in Economics ECON2013 to be held in Eskisehir, Turkey on June Küçüközmen, C., C., and Çınar F., (2013). Modelling of Corporate Performance In Multi-Dimensional Complex Structured Organizations CBBC Management, 2nd International Symposium on Chaos, Complexity and Leadership (ICCLS), METU, Ankara, Turkey on December 2013,
34.Operations Research&Industrial Engıneerıng National Congress 25-27 June 2014
BANKING SECTOR ANALYSIS OF IZMIR PROVINCE: A GRAPHICAL DATA-MINING ANALYSIS (R SOFTWARE APPLICATIONS) 34.Operations Research&Industrial Engıneerıng National Congress 25-27 June 2014 FATMA ÇINAR MBA, CAPITAL
DetaylıYENİ TEŞVİK SİSTEMİ VE KREDİLER: GRAFİK-DATA MINING ANALİZİ
YENİ TEŞVİK SİSTEMİ VE KREDİLER: GRAFİK-DATA MINING ANALİZİ Fatma ÇINAR[1] @fatma_cinar_ftm C. Coşkun KÜÇÜKÖZMEN[2] @ckucukozmen Özet Kalkınma planları ve yıllık programlarda öngörülen hedefler doğrultusunda
Detaylıİş Zekası Sistemi Veriyi Stratejik Bilgiye Dönüştürür
İş Zekası Sistemi İş Zekası Sistemi İş Zekâsı Sistemi kolay kullanılır, zengin raporlama ve çözümleme yeteneklerine sahip, farklı veri kaynaklarını birleştirir, yöneticilere çok boyutlu, kurumsal bir görüş
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
Detaylıiş zekası business intelligence- harita- performans göstergeleri - balanced scorecard 7 boyut da görsel tasarım LOGOBI İş Zekası Platformu
iş zekası business intelligence- harita- performans göstergeleri - balanced scorecard 7 boyut da görsel tasarım LOGOBI İş Zekası Platformu LOGOBI LOGOBI İş Zekası Platformu İnternet veya intranet ortamlarda
DetaylıLOGO İş Zekası çözümü ile kurumsal raporlama ve analizler. Cem Yılmaz Genel Müdür LOGOBI Yazılım
LOGO İş Zekası çözümü ile kurumsal raporlama ve analizler Cem Yılmaz Genel Müdür LOGOBI Yazılım Hakkımızda LOGOBI Yazılım A.Ş. iş zekası alanında faaliyet gösteren, Türkiye de sahip olduğu yüzlerce müşterinin
DetaylıQ-Biz İş Zekası Versiyon Yenilikleri
Q-Biz İş Zekası Versiyon Yenilikleri İçindekiler Q-Biz İş Zekası Versiyon Yenilikleri... 1 1. Q-Biz Viewer... 3 2. Kurumsal Karne Modülü... 4 3. Planlanmış Görevler... 7 4. Dashboard (Gösterge Paneli)...
Detaylı<Insert Picture Here> Primavera P6 Enterprise PPM
Primavera P6 Enterprise PPM Oracle Primavera 1983 ten bu yana biriken proje yönetim uzmanlığı En çok tercih edilen PPM üreticisi Farklı sektörler ve ihtiyaçlar için farklı ürünler
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
DetaylıSuistimal Riski ve Analitik Yaklaşımlar
Suistimal Riski ve Analitik Yaklaşımlar Gül Saraçoğlu Ali Tuncel 2013, İstanbul 1 Gündem Suistimal Suistimal İstatistikleri Suistimal Riskinin Yönetilmesi Suistimal Tespitinde Analitik Yaklaşımlar 2 Suistimal
Detaylıbilişim ltd İş Zekâsı Sistemi
BI İş Zekâsı Sistemi Bilişim Ltd. 1985 te kurulan Bilişim Ltd, Türkiye nin üstün başarıyla sonuçlanmış önemli projelerine imza atan öncü bir yazılımevi ve danışmanlık kurumu dur. Önemli kuruluşların bilgi
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
DetaylıCHAOS TM Dinamik Kavşak Kontrol Sistemi
CHAOS TM Dinamik Kavşak Kontrol Sistemi Sistemin yerleştirildiği kavşaklarda CHAOS ile araçların trafik ışıklarında bekleme süresini en aza indirgemektedir. Dinamik Kavşak Kontrol Sistemi Dinamik kavşak
DetaylıSmart Automation, Quality and IT Excellence Solutions - our experience, your success. Versiyon 2.5.
Versiyon 2.5 Page 1 Kapsamlı Bir Veri Denizini Temel Zekaya Dönüştürün Operasyonel verilerinizi temel KPIlar a dönüştürün, karar vermenize yardımcı olacak raporları oluşturun ve ATS Intelligence sayesinde
DetaylıİŞ ZEKASI (BI * ) Veriniz geleceğe ışık tutsun İşinizi geleceğe göre planlayın
(BI * ) Veriniz geleceğe ışık tutsun İşinizi geleceğe göre planlayın Kurumunuzun yarınını belirleyecek kararları verirken en iyi iş zekası araçlarını kullanın. *BUSINESS INTELLIGENCE İş Zekası Çözümleri
DetaylıVeri Ambarları. Erdem Alparslan
Veri Ambarları Erdem Alparslan İçerik Veri Ambarı nedir? Data Mart OLTP ve Veri Ambarı arasındaki farklar Veri Ambarının Yararları Veri Ambarı Mimarileri Ana Kavramlar Araçlar ve Teknolojiler Veri Ambarı
DetaylıYönetim Bilişim Sistemleri (Karma) - 1. yarıyıl. 380000000001101 Hukukun Temelleri Fundamentals of Law 2 0 0 2 2 5 TR
- - - - - Bölüm Seçin - - - - - Gönder Yönetim Bilişim Sistemleri (Karma) - 1. yarıyıl 141000000001101 Akademik ve Sosyal Oryantasyon Academic and Social Orientation 1 0 0 1 0 1 TR 380000000001101 Hukukun
DetaylıBORUSAN TEKNOLOJİ GELİŞTİRME VE ARGE A.Ş. BORUSAN GRUBU PROJE YÖNETİM SİSTEMATİĞİ
BORUSAN TEKNOLOJİ GELİŞTİRME VE ARGE A.Ş. BORUSAN GRUBU PROJE YÖNETİM SİSTEMATİĞİ Irmak KOÇKAN ERSOLMAZ 08.11.2018 1 BORUSAN HOLDİNG 08.11.2018 2 BORUSAN GRUBU 08.11.2018 3 BORUSAN GRUBU ÇELİK LOJİSTİK
DetaylıKredi Limit Optimizasyonu:
Kredi Limit Optimizasyonu: «Teorik Değil Pratik" Simge Danışman Analitik Direktörü, Experian EMEA Kar Gelişimi Kredi Limit Optimizasyonu Optimizasyona Genel Bakış Profilleme Modelleme Karar Matrisleri
DetaylıİÇİNDEKİLER ÖN SÖZ...
İÇİNDEKİLER ÖN SÖZ... v GİRİŞ... 1 1. İSTATİSTİK İN TARİHÇESİ... 1 2. İSTATİSTİK NEDİR?... 3 3. SAYISAL BİLGİDEN ANLAM ÇIKARILMASI... 4 4. BELİRSİZLİĞİN ELE ALINMASI... 4 5. ÖRNEKLEME... 5 6. İLİŞKİLERİN
Detaylıİş Zekâsı Sistemi Projesi
BI İş Zekâsı Sistemi Projesi Ulaş Kula, Bilişim Ltd. Esinkap 5. Ar-Ge Proje Pazarı 31 Mayıs 2012 Bilişim Ltd. 1985 te kurulan Bilişim Ltd, Türkiye nin üstün başarıyla sonuçlanmış önemli projelerine imza
DetaylıSık kullanılan istatistiksel yöntemler ve yorumlama. Doç. Dr. Seval KUL Gaziantep Üniversitesi Tıp Fakültesi
Sık kullanılan istatistiksel yöntemler ve yorumlama Doç. Dr. Seval KUL Gaziantep Üniversitesi Tıp Fakültesi Biyoistatistik AD Bşk. 1 Hakkımda 2 Hedef: Katılımcılar modülün sonunda temel istatistiksel yöntemler
DetaylıKentsel Bilgi Modelleme (CIM) ve Veri Madenciliği
Kentsel Bilgi Modelleme (CIM) ve Veri Madenciliği Elif Ensari İyi Proje Uygulama, Bits n Bricks, İstanbul Teknik Üniversitesi, Lisbon Üniversitesi (PhD Candidate) İstanbul Bilgi Üniversitesi Can Sucuoglu
DetaylıSAP Analitik & İnovasyon Forum İstanbul Oyun Devam Ediyor. SAP Hazine ve Finansal Risk Yönetimi Konuşmacı Adı : Oya SARI Firma Adı : ŞİŞECAM
SAP Analitik & İnovasyon Forum İstanbul Oyun Devam Ediyor SAP Hazine ve Finansal Risk Yönetimi Konuşmacı Adı : Oya SARI Firma Adı : ŞİŞECAM Gündem Neden SAP TRM? SAP TRM Ürün ihtiyacı ve Danışman seçim
DetaylıTANIMLAYICI İSTATİSTİKLER
TANIMLAYICI İSTATİSTİKLER Tanımlayıcı İstatistikler ve Grafikle Gösterim Grafik ve bir ölçüde tablolar değişkenlerin görsel bir özetini verirler. İdeal olarak burada değişkenlerin merkezi (ortalama) değerlerinin
DetaylıİSTATİSTİK MHN3120 Malzeme Mühendisliği
İSTATİSTİK MHN3120 Malzeme Mühendisliği CBÜ - Malzeme Mühendisliği Bölümü Ofis: Mühendislik Fakültesi A Blok Ofis no:311 Tel: 0 236 2012404 E-posta :emre.yalamac@cbu.edu.tr YARDIMCI KAYNAKLAR Mühendiler
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 8: Prof. Dr. İrfan KAYMAZ Tanım Tahmin (kestirim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmaktır. Bu anlamda, anakütleden çekilen
DetaylıPower BI. Neler Öğreneceksiniz?
Power BI Kendi kendinize iş zekasını keşfedin. Verilerinizi analiz edin, etkileşimli raporlar oluşturun ve bulgularınızı firmanız genelinde paylaşın. Neler Öğreneceksiniz? Bu iki günlük eğitim, güçlü görseller
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık -II Prof. Dr. İrfan KAYMAZ İki Ortalama Farkının Güven Aralığı Anakütle Varyansı Biliniyorsa İki ortalama arasındaki farkın dağılımına ilişkin Z değişkeni: Güven aralığı ifadesinde
DetaylıEndüstri Mühendisliği - 1. yarıyıl. Academic and Social Orientation. 441000000001101 Fizik I Physics I 3 0 1 4 4 6 TR
- - - - - Bölüm Seçin - - - - - Gönder Endüstri Mühendisliği - 1. yarıyıl 141000000001101 Akademik ve Sosyal Oryantasyon Academic and Social Orientation 1 0 0 1 0 1 TR 441000000001101 Fizik I Physics I
DetaylıBüyük veriye genel bakış, mimari ve çözümler
Büyük veriye genel bakış, mimari ve çözümler Tansel Okay Kurumsal Mimar Gündem Neden Büyük Veri? Farkı nedir? Nasıl? Oracle ın önerdiği mimari yol haritası nedir? Ne sağlıyorsunuz? Örnek(ler) 2 Gündem
DetaylıAKADEMEDYA YAZILIM BİLGİSAYAR EĞİTİM VE DANIŞMANLIK TİC. SAN. LTD. ŞTİ Kocaeli Üniversitesi Yeniköy Teknopark Yerleşkesi Başiskele / Kocaeli Tel Faks
IRONIC İşyeri Sağlık ve Güvenlik Birimi Bilgi Sistemi IRONIC Nedir? IRONIC, iş sağlığı ve güvenliği alanında bilişim alt yapısı oluşturmak amacıyla 6331 sayılı İş Sağlığı ve Güvenliği Kanunu, ISO14001,
DetaylıBilgisayarla tümleşik maden sistemleri
Bilgisayarla Tümleşik Maden Sistemleri Doç. Dr. Sean DESSUREAULT Arizona Üniversitesi sdessure@email.arizona.edu M. Mustafa KAHRAMAN Arizona Üniversitesi Tercüme / Yayına Hazırlayan kahraman@email.arizona.edu
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
Detaylıİş Analitiği'ne Netezza ile Yüksek Performans Katın
İş Analitiği'ne Netezza ile Yüksek Performans Katın Umut ŞATIR İleri Analitik Çözüm Mimarı 2012 IBM Corporation Netezza and IBM Business Analytics Baştan sona bir İş Analitiği çözümü Performans Kolaylık
DetaylıProje Adı : MATLAB Real-Time Windows Target toolbox kullanımı ve ilişkili bir uygulama geliştirilmesi
Proje Yöneticisi: Doç.Dr. Cihan KARAKUZU Proje Adı : MATLAB Real-Time Windows Target toolbox kullanımı ve ilişkili bir uygulama geliştirilmesi MATLAB Real-Time Windows Target toolbox kullanımının basit
DetaylıCHAOS TM Dinamik Kavşak Kontrol Sistemi
CHAOS TM Dinamik Kavşak Kontrol Sistemi CHAOS, araçların trafik ışıklarında bekleme süresini en aza indirir. Dinamik Kavşak Kontrol Sistemi Dinamik kavşak kontrol sistemi olarak adlandırılan CHAOS TM,
Detaylıİş Zekası çözümleri doğru zamanda, doğru kişiye doğru bilginin ulaşmasına olanak tanır.
İş Zekası çözümleri doğru zamanda, doğru kişiye doğru bilginin ulaşmasına olanak tanır. İş zekası karar verme, rapor alma ve analiz çözümlerinde firmalara destek olur. İş zekası çözümleri gerçeğe dayalı
DetaylıExcel de Pivot Tablolar Tasarım ve Kullanımı
FARUK ÇUBUKÇU EXCEL AKADEMİ Excel de Pivot Tablolar Tasarım ve Kullanımı Pivot tablolar; satışlar, siparişler gibi verileri gruplamayı, alt toplamlarını almayı ve filtreleme işlemleri yapmayı sağlayan
DetaylıBİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ
SAKARYA ÜNİVERSİTESİ BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ Hafta 11 Yrd. Doç. Dr. Halil İbrahim CEBECİ Bu ders içeriğinin basım, yayım ve satış hakları Sakarya Üniversitesi ne aittir. "Uzaktan
Detaylı2.1 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
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
DetaylıDers 8: Verilerin Düzenlenmesi ve Analizi
Ders 8: Verilerin Düzenlenmesi ve Analizi Betimsel İstatistik Merkezsel Eğilim Ölçüleri Dağılım Ölçüleri Grafiksel Gösterimler Bir kitlenin tamamını, ya da kitleden alınan bir örneklemi özetlemekle (betimlemekle)
DetaylıBÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ
1 BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel
DetaylıDijital Dönüşümde BT Maliyet Yönetimi
www.pwc.com Dijital Dönüşümde BT Maliyet Yönetimi Dijital dönüşümü anlamak İÇERİK Dönüşüm Nedir? Dijital Nedir? Dijital Dönüşüm Nedir? Dijital Dönüşümde BT Maliyetleri BT Maliyetlerinin İzlenmesi ve Şeffaflık
DetaylıİKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ İŞLETME BÖLÜMÜ DERS PROGRAMI
İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ ETME BÖLÜMÜ DERS PROGRAMI BİRİNCİ YIL 1.YARIYIL DERS LİSTESİ 101 Genel Muhasebeye Giriş I Zorunlu 3+0 3 4 105 Hukukun Temel Kavramları Zorunlu 3+0 3 4 İKT 101 İktisada
DetaylıLisans 3,41 Endüstri Mühendisliği İstanbul Üniversitesi 2004 Yükseklisans 3,69 İşletme Mühendisliği İstanbul Teknik Üniversitesi 2008
ÖZGEÇMİŞ 1. Adı Soyadı: Gülin İdil SÖNMEZTÜRK BOLATAN 2. 01.06.1982 3. Unvanı: Yrd. Doç. Dr. 4. İletişim Bilgileri: gulin. bolatan@alanya.edu.tr 5. Öğrenim Durumu: Derece / Ortalama Alan Üniversite Yıl
DetaylıIBM Big Data. Emre Uzuncakara emre@tr.ibm.com Big Data Sales. 2009 IBM Corporation
IBM Big Data Emre Uzuncakara emre@tr.ibm.com Big Data Sales Büyük Veri Nedir? Hız Hacim 12 terabyte Günlük Tweet verisi Ürün Analizi 350 5 Çeşitlilik milyon Ticari hareket - saniyede Potansiyel suistimal
Detaylı1 ÇALIŞMANIN NASIL SUNULACAĞINI İŞARETLEYİNİZ
ÇALIŞMAYA DAİR BİLGİLER 1 ÇALIŞMANIN NASIL SUNULACAĞINI İŞARETLEYİNİZ SUNUM:(X) ATÖLYE ÇALIŞMASI: ( ) 2 UYGULAMADA YER ALAN DİĞER PAYDAŞLAR(DERSLER/KURUMLAR) Tüm derslerde uygulanabilecek bir çalışmadır.
DetaylıNeden Endüstri Mühendisliği Bölümünde Yapmalısınız?
Lisansüstü Eğitiminizi Neden Endüstri Mühendisliği Bölümünde Yapmalısınız? Uludağ Üniversitesi Mühendislik-Mimarlık Fakültesi Endüstri Mühendisliği Bölümü, 1990 yılında kurulmuş ve ilk mezunlarını 1994
DetaylıVeri Ambarından Veri Madenciliğine
Veri Ambarından Veri Madenciliğine Yrd. Doç. Dr. Ömer Utku Erzengin 1, Uzman Emine Çetin Teke 2, İstatistikçi Nurzen Üzümcü 3 1 Süleyman Demirel Üniversitesi Fen Edebiyat Fakültesi İstatistik Bölümü 2
DetaylıIBM Güvenlik Sistemleri Yeni Nesil Güvenlik Bilgisi Toplama ve Olay Yönetimi
Yeni Nesil Güvenlik Bilgisi Toplama ve Olay Yönetimi 6 Aralık 2012 1 2012 IBM Corporation Gündem 2 Günümüzde BT güvenliği gereksinimi IBM güvenlik çerçevesi QRadar: Yeni Nesil Güvenlik Bilgisi Toplama
DetaylıBakNET İstatistiksel Kalite Kontrol Sistemi KULLANIM KILAVUZU
BakNET İstatistiksel Kalite Kontrol Sistemi KULLANIM KILAVUZU ÇALIŞMA PROSESİ: 1) Öncelikle veri tabanındaki ürün listesinden ürün seçmek için ÜRÜN butonuna basılır. Ekranda, tartım istasyonuna atanmış
DetaylıPlanla, Tahmin Et, Yönet IBM Perakende Planlama Çözümleri
Planla, Tahmin Et, Yönet IBM Perakende Planlama Çözümleri Ajanda Perakende Sektöründe Planlama IBM Planlama Çözümleri Merchandise Planlama Çeşitlilik Planlama Kurumsal Karneleme Mağaza Bazında Planlama
DetaylıSAP Çözümleri ile Üniversitelerde Kurumsal Dönüşüm. Cihat ONBAŞI / Çözüm Yöneticisi 03 Şubat 2012
SAP Çözümleri ile Üniversitelerde Kurumsal Dönüşüm Cihat ONBAŞI / Çözüm Yöneticisi 03 Şubat 2012 Gündem SAP Kurumsal Profil SAP Entegre Çözümü Sorular 2011 SAP AG. All rights reserved. 2 SAP, Lider Kurumsal
DetaylıOLASILIK ve KURAMSAL DAĞILIMLAR
OLASILIK ve KURAMSAL DAĞILIMLAR Kuramsal Dağılımlar İstatistiksel çözümlemelerde; değişkenlerimizin dağılma özellikleri, çözümleme yönteminin seçimi ve sonuçlarının yorumlanmasında önemlidir. Dağılma özelliklerine
DetaylıKANTİTATİF TEKNİKLER - Temel İstatistik -
KANTİTATİF TEKNİKLER - Temel İstatistik - 1 İstatistik Nedir? Belirli bir amaçla verilerin toplanması, düzenlenmesi, analiz edilerek yorumlanmasını sağlayan yöntemler topluluğudur. 2 İstatistik Kullanım
DetaylıVerilerin Özetlenmesinde Kullanılan Sayısal Yöntemler
Verilerin Özetlenmesinde Kullanılan Sayısal Yöntemler Merkezi Eğilim Ölçüleri Merkezi eğilim ölçüsü, bir veri setindeki merkezi, yada tipik, tek bir değeri ifade eder. Nicel veriler için, reel sayı çizgisindeki
DetaylıDERS BİLGİLERİ. Uygulamalı İşletme İstatistiği BBA 282 Bahar 3+0+0 3 5
DERS BİLGİLERİ Ders Kodu Yarıyıl T+U+L Saat Kredi AKTS Uygulamalı İşletme İstatistiği BBA 282 Bahar 3+0+0 3 5 Ön Koşul Dersleri - Dersin Dili Dersin Seviyesi Dersin Türü İngilizce Lisans Zorunlu Dersin
DetaylıVERİ KÜMELERİNİ BETİMLEME
BETİMLEYİCİ İSTATİSTİK VERİ KÜMELERİNİ BETİMLEME Bir amaç için derlenen verilerin tamamının olduğu, veri kümesindeki birimlerin sayısal değerlerinden faydalanarak açık ve net bir şekilde ilgilenilen özellik
Detaylı2017 MÜFREDATI MÜHENDİSLİK FAKÜLTESİ / ENDÜSTRİ MÜHENDİSLİĞİ EĞİTİM PLANI. Ders Kodu Ders Adı (Türkçe) Müf.No T P K AKTS Tip Op.
2017 MÜFREDATI MÜHENDİSLİK FAKÜLTESİ / ENDÜSTRİ MÜHENDİSLİĞİ EĞİTİM PLANI SINIF: 1 DÖNEM: GÜZ Aİ 101 ATATÜRK İLKELERİ VE İNKILAP TARİHİ-I 2017 2 0 2 2 Z ENM 101 MATEMATİK-I 2017 4 0 6 6 Z ENM 103 FİZİK-I
DetaylıMasterFi. İş Analitiği Çözümleri. Müşteri portföy analizlerinde yeni bir devir!
MasterFi İş Analitiği Çözümleri Müşteri portföy analizlerinde yeni bir devir! Hiç Bir Şey Tesadüf Değildir! MasterFi Mobil IntelliFi MasterFi Web MasterFi, pazar araştırması yapmak isteyen şirketlerinin
DetaylıUlaştırma ve Lojistik Üniversitesi
1.Adı Soyadı: GÖZDE YANGINLAR 2. Doğum Tarihi: 19.08.1985.Unvanı: Yrd.Doç.Dr. 4.Öğrenim Durumu: Doktora 5. Çalıştığı Kurum: Beykent Derece Alan Üniversite Yıl Lisans Yüksek lisans Ulaştırma ve Lojistik
DetaylıZekeriya Beşiroğlu TURKISH ORACLE USER GROUP. Oracle Cloud G nin GİDİŞİ. C nin GELİŞİ. Bilginc IT Academy /Oracle University Istanbul
TURKISH ORACLE USER GROUP Zekeriya Beşiroğlu Oracle Cloud G nin GİDİŞİ C nin GELİŞİ Bilginc IT Academy /Oracle University Istanbul Kıdemli Oracle Eğitmeni ve Danışmanı http://zekeriyabesiroglu.blogspot.com
DetaylıEntbus Web Tabanlı Enerji İzleme
Entbus Web Tabanlı Enerji İzleme ENTBUS PRO WEB TABANLI ENERJİ İZLEME YAZILIMI Entbus Pro kompanzasyon ve enerji kalitesini analiz etmeyi sağlayan bir Enerji Yönetimi yazılımıdır. İşletmelerde yer alan
DetaylıNORMAL DAĞILIM VE ÖNEMLİLİK TESTLERİ İLE İLGİLİ PROBLEMLER
NORMAL DAĞILIM VE ÖNEMLİLİK TESTLERİ İLE İLGİLİ PROBLEMLER A) Normal Dağılım ile İlgili Sorular Sayfa /4 Hamileler ile ilgili bir araştırmada, bu grubun hemoglobin değerlerinin normal dağılım gösterdiği
DetaylıNakit Akışı Yönetimi ELE K T RON- SENK RON YA ZI LIM LTD.ŞTI.
Nakit Akışı Yönetimi ELE K T RON- SENK RON YA ZI LIM LTD.ŞTI. Nakit Akışı Yönetimi Sunum İçeriği Şirket Profili Nakit Akış Yönetimi Nedir? İhtiyaçlar Yazılımın Özellikleri Sağlanan Faydalar Gereksinimler
DetaylıORTALAMA ÖLÇÜLERİ. Ünite 6. Öğr. Gör. Ali Onur CERRAH
ORTALAMA ÖLÇÜLERİ Ünite 6 Öğr. Gör. Ali Onur CERRAH Araştırma sonucunda elde edilen nitelik değişkenler hakkında tablo ve grafikle bilgi sahibi olunurken, sayısal değişkenler hakkında bilgi sahibi olmanın
DetaylıCOĞRAFİ BİLGİ SİSTEMLERİ İLERİ SEVİYE EĞİTİMLERİ ARCGIS SCHEMATİCS EĞİTİMİ
COĞRAFİ BİLGİ SİSTEMLERİ İLERİ SEVİYE EĞİTİMLERİ ARCGIS SCHEMATİCS EĞİTİMİ http://facebook.com/esriturkey https://twitter.com/esriturkiye egitim@esriturkey.com.tr Kursun Süresi: 3 Gün 18 Saat COĞRAFİ BİLGİ
DetaylıVERİ KAYNAKLARI. Bilgi sisteminin öğelerinden biride veri
VERİ KAYNAKLARI YÖNETİMİ İ İ 5. ÜNİTE GİRİŞ Bilgi sisteminin öğelerinden biride veri yönetimidir. Geleneksel yada çağdaş, birinci yada ikinci elden derlenen veriler amaca uygun veri formlarında tutulur.
DetaylıİKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ İŞLETME BÖLÜMÜ BÖLÜM KODU: 0207
İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ İŞLETME BÖLÜMÜ BÖLÜM KODU: 0207 01.Yarıyıl Dersleri Ders Kodu Ders Adı İngilizce Ders Adı TE PR KR AKTS IKT105 İktisada Giriş Introduction to Economics 3 0 3 4 ISL101
DetaylıBir Taşla Çok Kuş SAP İş Analitikleri Baştan Sona Paket Çözüm. Muzaffer YÖNTEM / Ülke Yöneticisi 9 Aralık 2014, Salı
Bir Taşla Çok Kuş SAP İş Analitikleri Baştan Sona Paket Çözüm Muzaffer YÖNTEM / Ülke Yöneticisi 9 Aralık 2014, Salı Midis Group 45+ 100+ 100+ 3500+ 3+ Yıl Bilişim Dünyası Tecrübesi Grup Şirketi Global
DetaylıBütçelemenin En Kolay Hali!
Bütçelemenin En Kolay Hali! LOGO MIND BUDGET, GELİŞMİŞ YAZILIM MİMARİSİ İLE BÜTÇE HAZIRLAYAN KULLANICILARA ESNEK VE GÜVENLİ BİR ÇALIŞMA PLATFORMU SUNUYOR. GÜÇLÜ KONTROL MEKANİZMALARI VE HATAYA YER BIRAKMAYAN
DetaylıMONTE CARLO BENZETİMİ
MONTE CARLO BENZETİMİ U(0,1) rassal değişkenler kullanılarak (zamanın önemli bir rolü olmadığı) stokastik ya da deterministik problemlerin çözümünde kullanılan bir tekniktir. Monte Carlo simülasyonu, genellikle
DetaylıVeritabanı Uygulamaları Tasarımı
Veritabanı Uygulamaları Tasarımı Veri Tabanı Veritabanı yada ingilizce database kavramı, verilerin belirli bir düzene göre depolandığı sistemlere verilen genel bir isimdir. Günümüzde özel veya kamu kuruluşların
DetaylıProje Yönetimi Profesyonellerinin Yetenekleri LinkedIn üzerinden incelemeler. 25.10.2014 www.erdemseherler.com Erdem Seherler, MBA, PMP
Proje Yönetimi Profesyonellerinin Yetenekleri LinkedIn üzerinden incelemeler 25.10.2014 www.erdemseherler.com Erdem Seherler, MBA, PMP Okuyucu Özeti Proje yönetimi ile ilgileniyorsanız veya profesyonel
DetaylıTEMEL 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
DetaylıIBM CLM Çözümleriyle Çevik Yazılım Süreçleri. Canberk Akduygu & Koray Okşar
IBM CLM Çözümleriyle Çevik Yazılım Süreçleri Canberk Akduygu & Koray Okşar Günümüzde Yazılım Geliştirme Proje takımları farklı bölgelerde çalışabilir ve iletişim eksikliği doğabilir Gebze Maltepe Odakule
DetaylıMerkezi Eğilim ve Dağılım Ölçüleri
Merkezi Eğilim ve Dağılım Ölçüleri Soru Öğrencilerin derse katılım düzeylerini ölçmek amacıyla geliştirilen 16 soruluk bir test için öğrencilerin ilk 8 ve son 8 soruluk yarılardan aldıkları puanlar arasındaki
DetaylıTanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN
Tanımlayıcı İstatistikler Yrd. Doç. Dr. Emre ATILGAN 1 Tanımlayıcı İstatistikler Yer Gösteren Ölçüler Yaygınlık Ölçüleri Merkezi Eğilim Ölçüleri Konum Ölçüleri 2 3 Aritmetik Ortalama Aritmetik ortalama,
DetaylıOPERASYONEL ÜSTÜNLÜK VE TÜKETİCİ YAKINLAŞMASINI SAĞLAMAK ve KURUMSAL UYGULAMALAR
OPERASYONEL ÜSTÜNLÜK VE TÜKETİCİ YAKINLAŞMASINI SAĞLAMAK ve KURUMSAL UYGULAMALAR Dünya üzerinde işletmeler giderek artan şekilde daha fazla hem içerideki şirketlere hem de diğer şirketlerle bağlanmaktadır.
DetaylıORACLE ORACLE BIG DATA DISCOVERY + ORACLE BIG DATA APPLIANCE + ORACLE BIG DATA CONNECTORS + ORACLE EXADATA RÖPORTAJ. Büyük Veri. Mevcut Kurumsal Veri
59 ORACLE + ORACLE BIG DATA APPLIANCE + ORACLE BIG DATA CONNECTORS + ORACLE EXADATA ORACLE BIG DATA DISCOVERY Büyük Veri Mevcut Kurumsal Veri RÖPORTAJ + 59 ORACLE 04 05 06 08 14 16 18 20 22 28 34 36 38
DetaylıŞimdi Çok Daha Yetenekli
Şimdi Çok Daha Yetenekli Müşterinizi daha yakından tanıyın, müşteri odaklı süreçlerinizle Türkiye nin modern kurumları arasındaki yerinizi alın. Microsoft un Silver Partner seviyesindeki iş ortağı İnnova,
Detaylıİçerik üretimi için çözüm yolları
Benzersiz eğitim ihtiyaçlarınızı karşılamak için elektronik ortamda çeşitli geniş kapsamlı çözüm yollarımızı sunmaktayız İçerik üretimi için çözüm yolları Uygun Çözüm Yolu Seçimi Çeşitli alanlarda başarılı
Detaylı16,85 14,61 6,74 1,12 2,25
Hakan Aytekin KPMG Türkiye Risk Yönetimi Danışmanlığı Bölüm Başkanı, Şirket Ortağı 2016 Akis Bağımsız Denetim ve Serbest Muhasebeci Mali Müşavirlik A.Ş., KPMG International Cooperative'in üyesi bir Türk
DetaylıTEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ
TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ 1 İstatistik İstatistik, belirsizliğin veya eksik bilginin söz konusu olduğu durumlarda çıkarımlar yapmak ve karar vermek için sayısal verilerin
Detaylıtarih ve 163 sayılı Eğitim Komisyonu Kararı Eki-2
.11.16 tarih ve 163 sayılı Eğitim Komisyonu Kararı Eki- HACETTEPE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ KİMYA MÜHENDİSLİĞİ BÖLÜMÜ BOLOGNA LİSANS EĞİTİM PROGRAMI GÜZ 1. YARIYIL. YARIYIL BAHAR Dersin Kodu Dersin
DetaylıBİLİŞİM SİSTEMLERİNİN PRENSİPLERİ
BİLİŞİM SİSTEMLERİNİN PRENSİPLERİ Derleyen: Prof. Dr. Güngör BAL Bölüm 09 Bilişim ve Karar Destek Sistemleri Prensipler ve Öğrenme Hedefleri İyi karar-verme ve problem çözme yetenekleri etkin bilişim ve
DetaylıEĞĠTĠM-ÖĞRETĠM PLANI
T.C. ERCĠYES ÜNĠVERSĠTESĠ Mühendislik Fakültesi Endüstri Mühendisliği Bölümü 2015-2016 EĞĠTĠM-ÖĞRETĠM PLANI I. YARIYIL II. YARIYIL Ders Kodu Ders Adı T P K ECTS Ön şart* Ders Kodu Ders Adı T P K ECTS Ön
DetaylıSekreterlik ve Büro Hizmetleri. Ders-4 Bürolarda Otomasyon ve Bilgi Sistemleri
Sekreterlik ve Büro Hizmetleri Ders-4 Bürolarda Otomasyon ve Bilgi Sistemleri Otomasyon Otomasyon, iş verimini artırmak amacıyla başvurulan, insan müdahalesiyle gerçekleştirilen işlemlerde, bu müdahalenin
DetaylıAV YÖNETİMİ DİNAMİK RAPOR TASARIM ve SONUÇLARI
AV YÖNETİMİ DİNAMİK RAPOR TASARIM ve SONUÇLARI Sürüm 1.0 STRATEJİ GELİŞTİRME BAŞKANLIĞI VERİ YÖNETİMİ VE BİLGİ SİSTEMLERİ DAİRESİ BAŞKANLIĞI 26 Haziran 2015 Orman ve Su İşleri Bakanlığı, 2015 5846 Sayılı
DetaylıEĞĠTĠM-ÖĞRETĠM PLANI
T.C. ERCĠYES ÜNĠVERSĠTESĠ Mühendislik Fakültesi Endüstri Mühendisliği Bölümü 2014-2015 EĞĠTĠM-ÖĞRETĠM PLANI I. YARIYIL II. YARIYIL ENM 101 Matematik I 4 0 4 6 ENM 102 Matematik II 4 0 4 6 ENM 103 Fizik
DetaylıKOMPASS KULLANIM KILAVUZU
KOMPASS KULLANIM KILAVUZU 2018 1 Kompass Nedir? Kompass, firmaların ürün ve hizmetlerini ön plana çıkararak, uluslararası ticarette yeni pazarlara açılmalarına destek olan ve firmalara tüm dünyada bilinirliklerini
DetaylıFinansal Hesaplar İstatistik Genel Müdürlüğü
Finansal Hesaplar İstatistik Genel Müdürlüğü Parasal ve Finansal Veriler Müdürlüğü İçindekiler I-Giriş... 2 II- Mali Kuruluşlar... 3 III. Genel Yönetim... 6 1 I-Giriş Son yıllarda uluslararası kuruluşlar
DetaylıKonut Kredisi Piyasasına Bakış
Konut Kredisi Piyasasına Bakış Türkiye Konut Kredisi İstatistikleri (Ocak 2012 - Aralık 2012) 2012 Yıl Sonu Uyarı: Bu raporda sunulan istatistiklerin önemli bir kısmı Konutkredisi.com.tr web sitesinin
DetaylıMÜHENDİSLİK FAKÜLTESİ / ENSTİTÜSÜ / YÜKSEKOKULU BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ /ABD LİSANS PROGRAMI - 1 ( yılı ve sonrasında birinci
MÜHENDİSLİK FAKÜLTESİ / ENSTİTÜSÜ / YÜKSEKOKULU BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ /ABD LİSANS PROGRAMI - 1 (2016-17 yılı ve sonrasında birinci sınıfa başlayan öğrenciler için) BİRİNCİ YIL 1. Dönem
DetaylıBÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ
1 BÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel sayma
Detaylı2. 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
Detaylıİstatistik ve Olasılığa Giriş. İstatistik ve Olasılığa Giriş. Ders 3 Verileri Sayısal Ölçütlerle İfade Etme. Verileri Sayısal Ölçütlerle İfade Etme
İstatistik ve Olasılığa Giriş Robert J. Beaver Barbara M. Beaver William Mendenhall Presentation designed and written by: Barbara M. Beaver İstatistik ve Olasılığa Giriş Ders 3 Verileri Sayısal Ölçütlerle
DetaylıFırat Üniversitesi Personel Otomasyonu
Fırat Üniversitesi Personel Otomasyonu Fırat Üniversitesi, Enformatik Bölümü, 23119, Elazığ fatihtalu@firat.edu.tr, rdas@firat.edu.tr Özet: Bu çalışmada, Fırat Üniversitesi Personel Daire Başkanlığı için
Detaylı