KURUMSAL VERİLERİN YAPAY ZEKÂ MODELLERİ İLE İŞLENMESİ İÇİN MODELLEME ARACI ALT YAPI TASARIM VE GERÇEKLEŞTİRİMİ

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "KURUMSAL VERİLERİN YAPAY ZEKÂ MODELLERİ İLE İŞLENMESİ İÇİN MODELLEME ARACI ALT YAPI TASARIM VE GERÇEKLEŞTİRİMİ"

Transkript

1 KURUMSAL VERİLERİN YAPAY ZEKÂ MODELLERİ İLE İŞLENMESİ İÇİN MODELLEME ARACI ALT YAPI TASARIM VE GERÇEKLEŞTİRİMİ DESIGN AND IMPLEMENTATION OF MODELLING TOOL FOR PROCESSING ENTERPRISE DATA BY ARTIFICIAL INTELLIGENCE MODELS FATİH MEHMET GÜLEÇ Hacettepe Üniversitesi Fen Bilimleri Enstitüsü Yönetmeliğinin BİLGİSAYAR MÜHENDİSLİĞİ Anabilim Dalı İçin Öngördüğü YÜKSEK LİSANS TEZİ olarak hazırlanmıştır 2007

2 Fen Bilimleri Enstitüsü Müdürlüğü'ne, Bu çalışma jürimiz tarafından BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI'nda YÜKSEK LİSANS TEZİ olarak kabul edilmiştir. Başkan :... Prof. Dr. Ünal YARIMAĞAN Üye (Danışman) :.... Yrd. Doç. Dr. Harun ARTUNER Üye :... Yrd. Doç. Dr. İbrahim ZOR ONAY Bu tez.../.../... tarihinde Enstitü Yönetim Kurulunca belirlenen yukarıdaki jüri üyeleri tarafından kabul edilmiştir..../.../... Prof.Dr. Erdem YAZGAN FEN BİLİMLERİ ENSTİTÜSÜ MÜDÜRÜ

3 KURUMSAL VERİLERİN YAPAY ZEKÂ MODELLERİ İLE İŞLENMESİ İÇİN MODELLEME KÜTÜPHANESİ ALT YAPI TASARIM VE GERÇEKLEŞTİRİMİ FATİH MEHMET GÜLEÇ ÖZ Anahtar Sözcükler: Yöneylem Araştırması, İş Zekâsı, Veri Madenciliği Danışman : Yrd. Doç. Dr. Harun ARTUNER, Hacettepe Üniversitesi, Bilgisayar Mühendisliği Bölümü i

4 DESIGN AND IMPLEMENTATION OF MODELLING LIBRARY FOR PROCESSING ENTERPRISE DATA BY ARTIFICIAL INTELLIGENCE MODELS FATİH MEHMET GÜLEÇ ABSTRACT Key Words: Operational Research, Business Intelligence, Data Mining Advisor : Yrd. Doç. Dr. Harun ARTUNER, Hacettepe Üniversitesi, Bilgisayar Mühendisliği Bölümü ii

5 TEŞEKKÜR Yazar, bu çalışmasının gerçekleşmesinde katkılarından dolayı, aşağıda adı geçen kişi ve kuruluşlara içtenlikle teşekkür eder. Sayın Prof. Dr. Ünal Yarımağan, tez metnini inceleyerek biçim ve içerik bakımından son şeklini almasını sağlamıştır. Sayın Yrd. Doç Dr. Harun Artuner (tez danışmanı), çalışmanın sonuca ulaştırılmasında ve karşılaşılan güçlüklerin aşılmasında yön gösterici olmuştur. Sayın Dr. İbrahim Sinir, tez metnini inceleyerek biçim ve içerik bakımından son şeklini almasını sağlamıştır. Sayın Dr. Ebru Sezer, tez metnini inceleyerek biçim ve içerik bakımından son şeklini almasını sağlamştır. Bilgisayar Mühendisliği Bölümü, tez çalışmasının ortaya konmasında gerekli kaynakları sağlamıştır. Desteklerini her zaman hissettiğim aileme teşekkür ederim. iii

6 İÇİNDEKİLER DİZİNİ ÖZ... 1 ABSTRACT... 2 TEŞEKKÜR... 3 İÇİNDEKİLER DİZİNİ... 4 SİMGELER VE KISALTMALAR... 7 ŞEKİLLER DİZİNİ... 8 ÇİZELGELER DİZİNİ GİRİŞ KURUMSAL VERİLERİN İNCELENMESİNDE KAVRAMLAR İş Zekâsı Karar Destek Sistemleri Yöneylem Araştırmaları Temel doğrusal programlama teknikleri ve uygulama alanları Veri Madenciliği Veri madenciliğinde karşılaşılan sorunlar Veri Ambarı Veri ambarı mimarisi Genel veri ambarı mimarisi Bağımsız veri pazarı mimarisi Bağlantılı veri pazarı mimarisi Çevirimiçi Analitik İşleme İŞ ZEKÂSI UYGULAMA TEKNİKLERİ Doğrusal Programlama Duyarlılık Analizi Genetik Algoritma Evrimsel metotlar GA Parametreleri Algoritmalar iv

7 3.3. İstatistiksel Öngörü (Zaman Serileri) Durağan modeller Mevsimsellik Eğilim (Trend) Modelleri Bayes Algoritması Support Vector Machine Diğer Teknikler VERİ İNCELEMEDE KULLANILAN MODELLER Eniyileme Modelleri Örnekler Şebeke Modeli Proje Yönetimi Kritik yol metodu Program değerlendirme ve irdeleme tekniği PERT ve maliyet analizi Projenin hızlandırılması Stok Yönetimi Ekonomik sipariş miktarı ESM Diğer Modeller Kuyruk Teorisi Öngörü Sınıflandırma ve Kümeleme Modeller ve Tekniklerin Eşleştirilmesi TİCARİ İŞ ZEKÂSI UYGULAMALARI Cognos Pentaho SAP BW Oracle Veri hazırlama Microsoft Business Intelligence Diğer Uygulamalar v

8 5.7. Ticari Uygulamaların Genel Olarak Değerlendirilmesi UYGULAMA Tanım ve Amaç Tasarım Değişkenler Parametreler Sabitler Gerçekleştirim Model Yönetim Modülü Veri Tabanı Yönetim Modülü Model İşletim Modülü Ekran Görünümleri Uygulama Örnekleri Etkileşimli modelleme örneği... Error! Bookmark not defined SVM modelinin sınanması... Error! Bookmark not defined. 7. SONUÇ VE ÖNERİLER Sonuç Öneriler KAYNAKLAR vi

9 SİMGELER VE KISALTMALAR vii

10 ŞEKİLLER DİZİNİ viii

11 ÇİZELGELER DİZİNİ ix

12 1. GİRİŞ İşletmelerde kurumsal kaynak yönetimi (enterprise resource planning) uygulamalarının daha geniş yer bulması ile diğer bir ifadeyle günlük süreçlerin elektronik ortamda takip edilmesi sonucu işletimsel veriler çoğalmış ve yapısal kaliteleri artmıştır. Bu gelişme verilerden anlamlı bilgilerin çekilmesine yönelik çalışmaların ticari işletmelere uyarlanmasını beraberinde getirmiştir. Hemen hepsi askeri ihtiyaçlardan ortaya çıkan birçok uygulama alanı, işletmelerin mevcut verilerden alınacak kararlara destek olacak bilgilerin elde edilmesine yönelik uyarlanmaya başlanmıştır. Değişik disiplinlerin ilgilendiği ve genel olarak iş zekâsı olarak adlandırabileceğimiz bu sektörde, yakın zamanda birçok büyük firma (örn: HP) çalışmalar başlatmıştır. İş zekâsı, alınacak kararlara destek olmak üzere iş dinamikleri üzerinde kesin ve belirgin bir anlayış geliştirmek üzere kullanılan yöntem ve süreçler bütünüdür. İş zekâsı uygulamalarının karar destek sistemlerinde ayıran temel özellik ise, iş zekâsının tüm paydaşlara yönelik bilgi aktarımı sağlayabilmesidir. Böylelikle karar destek sistemleri sadece işletme içerisindeki yöneticilere yönelik geliştirilirken, iş zekâsı uygulamalarında müşteriler ve tedraik zincirindeki diğer firmalar da sürece eklenmiştir. Günümüz iş zekâsı uygulamaları veri madenciliği tekniklerinin kurumsal kaynak planlama verilerine uyarlanmasından öteye geçmediği düşünülmektedir. Genel olarak mevcut ürünler incelendiğinde, hemen hepsinin ortak özelliği veri madenciliği ve gelişmiş raporlama özelliklerini destekledikleri görülmüştür. Ancak yaptığımız incelemelerde ortaya çıkan bir diğer gözlem ise işletme ve endüstri mühendisliği bilim dallarının da ilgi alanına giren yöneylem araştırması (operational research) tekniklerine gereken önemin verilmiyor olmasıdır. Yöneylem araştırmasının, eğitimli birçok yönetici tarafından az çok biliniyor olması, daha çabuk kavrayabilecekleri gerçeğini de beraberinde getirmektedir. Yöneylem araştırmasının ticari işletmeler üzerine veri madenciliği uygulamalarından daha önce uyarlanmış olması ve lisans seviyesi yönetici eğitiminde yöneylem araştırması derslerinin verilmesi, yöneticilerin yöneylem araştırmalarına yakınlığı açıklayan temel 1

13 etkendir. Konuya kullanıcıların bakış açısından yaklaşıldığı zaman, yöneylem araştırması teknikleri veri madenciliği tekniklerinden daha yakın, daha tanıdıktır. İş zekâsı uygulamalarının gelişmiş raporlama ve veri madenciliği uygulamaları olarak ortaya çıkmaları, diğer bir ifade ile yöneylem araştırmasına gereken önemi vermemeleri ve işletmede karar alma yetkisine sahip kullanıcıların/yöneticilerin yöneylem araştırması tekniklerine daha yatkın olmaları, yaptığımız çalışmanın temelini oluşturan iş zekâsında yöneylem araştırması tekniklerinin uyarlanması fikrini ortaya çıkarmıştır. İş zekâsı uygulamalarının yöneylem araştırması tekniklerini içermesi, yöneylem araştırması teknikleri ile veri madenciliği tekniklerinin bir arada işletilmesi gerekliliğini doğurduğu düşünülmektedir. Modellerin bir arada işletilmesi ile modellerin etkileşimli çalışabilmesi ifade edilmektedir. Bir başka değişle veri girişlerinde bir modelin diğerine veri kaynağı olabilmesini anlatılmaktadır. Yapılan çalışmada, işletmelerin yönetimsel problemlerinin değişik disiplinlerle çözümü üzerine yoğunlaşılmıştır. Uygulamanın yetenekleri bir örnek ile açıklanabilir. Eniyileme problemlerinde karşılaşılan en sık sorun, sabit olarak görülen değerlerin bulunamamasıdır. Bu durumda sabitlerin değerleri için tahmin modelleri öngörülmeli, modelin kurulmasında bu sabitleri tahmin edecek alt modellerin de kurulması gerekmektedir[7, s9]. Tahmin modellerinde ise çözüm için, yöneylem araştırması teknikleri kullanılabileceği gibi tez çalışmasında hedeflendiği gibi veri madenciliği yöntemleri ile istatistiksel yöntemlerde kullanılabilmektedir. Uygulamanın disiplinler arası yapısı, modellerin karmaşıklığı, kullanılan tekniklerin birbirlerinden çok farklı oluşları, geliştirilen uygulama çatısının tamamen dinamik ve genişleyebilir özellikte olması gerekliliğini doğurmuştur. Uygulama çatısı temel olarak iki farklı alanda tanımlama yapmaktadır. Model tabanı ile tüm problemler için temel bir yapı oluşturulmuştur. Teknik algoritma yapısı ile tüm teknikler için temel bir diğer yapı hazırlanmıştır. Uygulama çatısına yeni eklenecek tüm modeller ve teknikler bu iki temel yapıdan kalıtılmaktadır. 2

14 Tez metni çalışmasının bağlamına uygun olarak öncelikle bölüm 2 de iş zekâsı ile ilgili temel kavramlar açıklanmıştır. Bölüm 3 te verilerden bilgi çıkarılmasına yönelik kullanılabilecek teknikler anlatılmıştır. Bölüm 3 te anlatılan teknikler, veri madenciliğinde ve yöneylem araştırmalarında kullanılan tekniklerin bir listesi ve açıklaması biçimindedir. Bölüm 4 te işletmelerde karar verme sürecinde karşılaşılan problemler tanımlanmıştır. Bu bölümde karşılaşılan problemler modellenerek biçimsel tanımları verilmiş ve kurulan modellerin bölüm 3 te anlatılan tekniklerden hangileri ile çözülebileceği üzerinde durulmuştur. Bu kesimde amaçlanan, işletmelerde ortaya çıkan problemlerin biçimsel tanımlarının oluşturulabilmesi ve biçimsel tanımı verilen problemlerin çözüm matrislerinin oluşturulmasıdır. Bölüm 5 te ticari iş zekâsı uygulamaları incelenmiştir. Bu uygulamaların incelenmesinde, uygulamaların işlevsel kısıtları ve yetenekleri belirtilmeye çalışılmıştır. Böylelikle ortaya çıkarılacak çalışmanın başarımı ve karşılaması gereken işlevler belirlenmiştir. Bu bölümün çalışmaya kattığı bir diğer anlam ise, iş zekâsı uygulamaların eksik kalan yönlerinin ortaya çıkarılması ve bu eksiklikler üzerine bir uygulama çatısının geliştirilmesi olmuştur. Bölüm 6 da modelleme kütüphanesi alt yapısının tasarımı ve geliştirilmesi anlatılmıştır. Tezde, yöneylem araştırması, veri madenciği ve veri ambarı uygulamalarını birbirleri ile etkileşimli çalışabilecekleri, karar destek sistemi aracı tasarlanmış, eksileri, artıları ve teknikler arası etkileşimler incelenmiştir. Yapılan çalışma, uygulama geliştirme süreci öncesinde yapılmış araştırmaları temel alsa da, uygulama geliştirme süresinde de devam ettiğimiz araştırmalar sonucu ilk başta tanımlanmayan yeni gereksinimlerin olabileceği görülmüştür. Bu gereksinimler bölüm 7 de, sonuçlar ve öneriler başlığı altında detayları ile anlatılmıştır. 3

15 2. KURUMSAL VERİLERİN İNCELENMESİNDE KAVRAMLAR Veri Madenciliği tanımının ortaya atıldığı günden bu güne verilerden bir bakışta anlaşılmayan ancak işletme için kimi durumlarda hayati öneme sahip bilgilerin çıkartılmasına ilişkin değişik tanımlar ve algoritmalar geliştirilmiştir. Örneğin Karar Destek Sistemleri, İş Zekâsı gibi kavramları birbirinden kesin sınırlarla ayırmak pek mümkün olmamaktadır. Veri Madenciliği, Karar Destek Sistemleri gibi kavramlar bilişim dünyasında tartışılırken, İşletme biliminde Yöneylem Araştırması bilimi de verilerden anlam çıkarmanın ötesinde, verilerle karar verme sürecine destek olma görevini üstleniyordu. Amaç açısından her iki ilerleme de işletmelere karar verme süreçlerinde yardımcı olmaya çalışmaktadır. Diğer terimlere göre yakın zamanda ortaya atılmış İş Zekâsı kavramı, çalışmamızda Veri Madenciliği ve Yöneylem Araştırmasını kapsayan bir terim olarak kullanılmıştır. Terimlerin anlamları üzerine ayrıntılı bilgi vermeden önce, genel bir görünümü şu şekilde ortaya koyabiliriz: Şekil İş Zekâsı Genel Görünüm 4

16 Kurumsal sistemler birden çok farklı amaçlı ürünün bir araya gelmesinden oluşurlar. Yukarıdaki şekilde veri ambarı, kurumsal kaynak yönetimi uygulamalarının ve iş zekâsı modüllerinin bir arada çalışması modellenmiştir. Yaptığımız çalışma kapsamında iş zekâsı modülleri incelenmiştir. Bu açıdan yukarıdaki çizimde verilen iş zekâsı kesimini ayrıntılarıyla incelemeliyiz. Model Değişkenleri Model Sabitleri Variable Variable Variable Variable Variable Variable Database Parameter Database Parameter User Parameter Model Parameter Model Parameter Variable Variable Variable Variable Constant Constant Constant Temel Model Yapısı Database Parameter Model Model Model Tabanı DataBase Query DataBase Query İş Zekası Motoru Yapay Sinir Ağları Doğrusal Programlama Regresyon Analizi SVM Genetik Algoritma Bayes Veri Ambarı Yukarıdaki çizimde ayrıntılandırılan kesim, İş Zekasının genel görünümü, veri ambarı üzerinden alınan verileri işlemek amacıyla tanımlanmış modellerin iş zekası motoru üzerinden işletilmelerini anlatmaktadır. 5

17 2.1. İş Zekâsı İş zekâsı, alınacak kararlara destek olmak üzere iş dinamikleri üzerinde kesin ve belirgin bir anlayış geliştirmek için kullanılan metod ve süreçler bütünüdür. Diğer bir ifade ile dağıtık verilerden stratejik ve taktiksel karar alma durumunda olan kişilere bilgi üretilmesidir [1]. Veri analizi bakış açısı ile, kişilere kararlarını belirlemek ve varsayımlarda bulunmalarına yardımcı olabilmek amacıyla anlamlı bilgilerin toplanması sürecidir[2]. Bilgi bakış açısı ile, verinin incelenmesi, keşfedilmesi ve dönüştürülmesi ile bilginin elde edilmesidir[3]. Temel olarak iş zekâsı, kurumların karar verme ve yönetim kabiliyetlerinin artırılmasına yardımcı olan; çok sayıda verinin kurumsal bilgiye dönüştürülmesini ve böylelikle kurumların rekabet ortamında avantaj sağlamasına yönelik kavramlar, metotlar, süreçler ve yazılımlar bütünüdür. Kurumsal Bilgi Sistemleri (Enterprise Information Systems) ve Karar Destek Sistemleri (Decision Support System) ile İş Zekâsının temel ayrım noktası, iş zekâsının sadece yöneticilere yönelik olmayıp, süreç içerisine tüm paydaşların (üst-alt düzey yöneticilerin, sistem dışı müşteri ve tedarik zincirinin) dâhil edilmesini sağlamasıdır [3]. İş zekâsının yetenekleri aşağıda verildiği gibi sıralanabilir[4]: 1. Veri Yönetimi: veri kazanımları, veri üretimi, veri dönüşümleri, veri tümleşimi; mevcut verilerden bilgi keşfedilmesi, büyük çaplı verilerin yönetimi ve bakımı 2. Veri Analizi: OLAP (Online Analytical Processing) ve OLTP (Online Transaction Processing) gibi veri işleme yetenekleri, veri sorgulama ve raporlama yetenekleri 3. Karar Destek: Eğilim (trend) tahminleri, karşılaştırmalı analizler 4. Kurumsal Eniyileme: modelleme yetenekleri İş zekâsı yukarıda verilen yetenekleri ile, süreçlere destek veren kullanıcı kümelerinin genişletilmesinin yanında karar destek sistemleri ve veri madenciliği konuları üzerine eniyilemeye yönelik modelleme yeteneklerini eklemektedir. 6

18 İş zekâsı Müşteri İlişkileri Yönetiminde (Customer Relationship Management - CRM), müşteri değerlerinin ve verilen değerin oluşum sebeplerinin belirlenmesine ve böylelikle işletme açısından belirli bir eşik değeri üstünde değer ifade eden müşterilerden elde edilen faydanın artırılmasına yönelik çalışmalara destek verecek araçları içermektedir[5]. Bu araçlar, daha önce de belirtildiği üzere kullanıcı gruplarının genişlemesine örnek olarak, işletmenin arka planında bulunanlar, ön planda müşteri ile etkileşimde bulunan kişilerin bir araya gelerek iş zekâsından hizmet almasını sağlamaktadır. Yapılan çalışma dâhilinde eniyileme yetenekleri ön plana çıkarılmaya çalışılmıştır. Ancak eniyileme modelleri için yapılacak veri dönüşümlerinin yapısal veri dönüşümlerinin yanı sıra, sezgisel veri dönüşümlerine de yer verilmesi gerekliliği, çalışma dâhilinde mümkün olduğunca veri madenciliği metotlarına bu bakış açısı ile yer verilmiştir Karar Destek Sistemleri Karar verme süreci, iş dünyasında birçok etmenin incelenerek ileriye dönük üretim, pazarlama, personel istihdamı gibi birçok konuda öngörüde bulunmayı gerektirir. Karar, geçmişteki işletme tecrübelerine dayanılarak, günümüzün verileri incelenerek verilmektedir. Bu sürecin başarılı bir karara dönüşmesinde, geçmişteki tecrübelerin bulunması ve anlamlandırılması büyük önem taşımaktadır. İşletmenin tecrübesi bireysel tecrübelerin bir bütünü gibi düşünülebileceği gibi, kurumsal kaynak yönetimi yazılımları ile işletmenin günlük faaliyetlerinden toplanmış verilerinin içerisinde de düşünülebilir. İşletmelerin KKY verilerinin içerisinde gizli kalmış bilgilerin, alınacak karar sürecine faydalı hale getirilmesi, incelenmesi ve işlenmesi süreci Karar Destek Sistemleri tarafından ele alınmaktadır. Karar destek sistemleri, basit birçok yöntemi içerdiği gibi, karışık algoritmalarla çalışmak durumundadır. Veri tabanı sorguları ile üretilen ilk aşama raporları, ilk akla gelen karar destek yöntemi olarak düşünülebilir. Bununla beraber, veri üzerinde matematiksel, istatistiksel ve sezgisel yöntemlerin kullanımını, karar destek 7

19 sistemlerinin karar sürecinde, insan zekâsının kavrama yeteneğinin ötesine geçmesini sağlamaktadır Yöneylem Araştırmaları Yöneylem araştırmasını Dr. İlker Topçu şu şekilde tanımlamaktadır: Yöneylem Araştırması (Yönetim Bilimi) genellikle kıt kaynakların tahsis edilmesi gereken durumlarda en iyi şekilde bir sistemi tasarlamaya ve işletmeye yönelik karar verme sürecine bilimsel bir yaklaşımdır. [6] Yapılacak bir yöneylem araştırmasında şu adımlar izlenmelidir: 1. Problemin Tanımlanması: Bu aşamada problemin tanımı, ve çözüm ile ulaşılacak amaç tanımlanmalıdır. 2. Sistemin İncelenmesi: Sistemin incelenmesi ile problemin girdileri tanımlanmalıdır. 3. Matematiksel Modelin Kurulması: Problemin biçimsel tanımının yapılması sürecidir. 4. Modelin Doğrulanması: Kurulan modelin, problemin tanımı ve ulaşılmak istenen sonuç ile ne derece uyumlu olduğu incelenmelidir. 5. Çözümün Belirlenmesi: Yöneylem araştırmasından birden çok çözüm yöntemi bulunmaktadır. Problemin ve modelin doğasına uygun çözüm yöntemi belirlenmelidir. 6. Çözümün Doğrulanması: Hazırlanan modelin çözümü ile istenen amaca ulaşılıp ulaşılmadığı kontrol edilmeli, model üzerinde gerekli düzeltmeler yapılmalıdır. Yöneylem araştırması modelleri, eniyilenecek (min, max) amaç işlevinden, kısıtlardan ve problemin doğasında bulunan değişkenlerden oluşmaktadır. Değişkenlerin işletmeye uygun değerler alması kısıtlarla sağlanırken, ulaşılmak istenen amaç, amaç fonksiyon olarak ifade edilir ve verilen değişkenlerin aldığı değerlere göre en büyük ya da en küçük sonuca ulaşılmak istenir. 8

20 Temel doğrusal programlama teknikleri ve uygulama alanları Yöneylem araştırmasında kullanılan teknikler çalışmamızın ilerleyen bölümlerinde ayrıntılarıyla incelenmesine karşın, yöneylem araştırmasının mahiyetinin anlaşılması amacıyla bu aşamada bir liste verilmesi uygun görülmüştür. Temel yöneylem araştırması teknikleri aşağıda listelenmiştir[7]: 1. Doğrusal Programlama Doğrusal programlama yaklaşımı, doğrusal bir yapıdaki kısıtları ihlal etmeden, doğrusal formdaki amaç fonksiyonunu en iyilemeyi (maksimize ya da minimize etmeyi) sağlayan, bu eniyileme sonucunda karar değişkenlerinin aldıkları değerleri bulan yaklaşımdır. 2. Tamsayılı Programlama Doğrusal programlama kısıtlarına, değişkenlerin değer aralıklarının tamsayı olması kısıtının eklenmesi ile oluşturulan modeller, tamsayılı programlama teknikleri işe çözülmektedir. 3. Şebeke Eniyilemesi Bir şebeke bir malın gittiği nokta ya da geldiği nokta olarak tanımlanabilecek düğümlerden ve otobanlara ya da benzer fiziksel akışa karşılık gelecek yaylardan oluşmaktadır. 5. Doğrusal Olmayan Programlama Amaç fonksiyonun ya da kısıtların matematiksel ifadesinin doğrusal olmaması durumunda kullanılan tekniklerdir. 6. Proje Yönetimi Teknikleri Proje yönetimi teknikleri ile, proje planlamacısına aşağıdaki sorularda cevap arama imkânı verilmektedir[7]: Projenin tamamlanabileceği minimum beklenen süre Projeyi oluşturan faaliyetlerden kritik olanlar ve olmayanlar Projeyi oluşturan tüm faaliyetlerin en erken ve en geç başlangıç ve bitiş tarihleri Faaliyetler üzerinde serbestlik miktarı 9

21 Projeyi en düşük maliyetle tamamlama seçeneği Proje süresini kısaltmak için harcanması gereken ek maliyet düzeyi Projenin istenen bir tarihte bitirilebilme olasılığı 7. Karar Analizi Teknikleri Karar analizi yaklaşımında, geleceğe ilişkin belirsizliklerin ortaya çıkması durumunda, olası değişik kararlar arasından bir kararın seçilmesine yardımcı olmak hedeflenmektedir. 8. Öngörü Teknikleri Bir değişkenin zaman içerisinde aldığı değerlere zaman serisi denmektedir. Zaman serileri değişkenin geçmişteki seyrini ifade etmeleri sebebiyle, geleceğe ilişkin öngörülerde bulunulmasında faydalı olmaktadır. Verinin t+1 zamanında alacağı değer, geçmiş değerlerine bakılarak şu şekilde ifade edilebilir:,,, Bu noktadan sonra verinin dağılımına uygun şekilde bir çözüm yolu öngörülerek, f fonksiyonu belirlenmektedir. Olası çözüm yöntemleri şu şekilde listelenebilir: Hareketli Ortalama Ağırlıklı Hareketli Ortalama Üstsel Düzleme Doğrusal Regresyon Kuadratik Regresyon Holt Metodu Holt-Winter Metodu 9. Stok Yönetimi Modelleri İşletmeler anlık arzı karşılayabilmek için belirli stok seviyeleri ile çalışmaktadırlar. Stok seviyesinin belirlenmesi, stok maliyetleri ile doğrudan işletmenin karlılığını etkilemesi sebebiyle oldukça önemli bir problem olarak karşımıza çıkmaktadır. ULUCAN [7], stok 10

22 yönetiminin matematiksel olarak modellenmesinin faydalarını şu şekilde sıralamaktadır : İşletmelerdeki operasyonların birbirlerinden bağımsız yürümesini sağlarlar. Örneğin üretim ve dağıtım yapan bir işletmede, üretim hattında bir duraklama meydana geldiğinde, eğer yeterli stok bulunuyorsa, dağıtım devam edecektir. Ürün talebindeki dalgalanmaları absorbe eder. Üretim planlamasında esneklik sağlar. Hammadde tesliminde meydana gelebilecek gecikmelere karşı güvence sağlar. Sabit maliyetlerde etkinliği artırır. Miktar ıskontoları avantajı yaratır. Fiyat artışlarına karşı korur. 10. Kuyruk Teorisi Modelleri Kuyruk teorisi, bekleme hatlarının analizi ve yönetimi ile ilgilenmektedir. Kuyruk teorisi, sistemlerinin davranışlarının tanımlanması diğer bir ifade modellenmesini ve servis birimlerinin sayılarının, müşterilerin bekleme olasılıklarının, ortalama bekleme süresinin, sırada bekleyen ortalama müşteri sayısının ve hizmet veren birimlerin boşta kalması olasılıklarının belirlenmesidir Veri Madenciliği Günümüzde Kurumsal Kaynak Yönetimi sistemlerinin yaygınlaşması, işletmelerin sistemlerinde mevcut veri üzerinde oldukça büyük artışlara sebep olmuştur. İşletmelerin günlük işleyişlerini düzenleme amacıyla kullanılmakta olan kurumsal kaynak yönetimi sistemleri, verileri günlük işlemlere uygun şekilde veri tabanlarında depolamaktan sorumludur. Depolana verilerin günlük işlemler dışında, işletmenin durumunun gözlemlenmesi, geleceğe ilişkin analizlerin yapılması kısacası işletmeye ilişkin kararların alınmasında kullanılabilmesi için değişik araçlarla ve algoritmalarla işlenmesi gerekmektedir. Veri madenciliği, veri içerisinde gömülü bilginin elde edilmesine ilişkin yolları tanımlamaktadır[14]. Veri madenciliği projeleri genelde oldukça büyük verilerle 11

23 çalışmaktadır, ve bu verilerde çalışma öncesi ve sonrası bazı düzenlemeler ve değişiklikler yapılması gerekir[15]. Aydoğan [8] ın ifadesi ile, Veri Madenciliği büyük miktarda veri içinden gelecekle ilgili tahmin yapmamızı sağlayacak bağıntı ve kuralların bilgisayar programları kullanarak aranmasıdır. Veri Madenciliği yapılan diğer tanımlardan bazıları ise şu şekildedir [8]: 1. Holsheimer, büyük veri kümesi içinde saklı olan örüntülerin bulunması olarak tanımlamaktadır [9]. 2. Frawlet, önceden bilinmeyen ve potansiyel olarak faydalı olabilecek, veri içindeki gizli bilgilerin çıkarılması olarak ifade etmektedir [10] Veri madenciliğinde karşılaşılan sorunlar Veri madenciliğinde karşılaşılan sorunlar şu şekilde sıralanabilir: Gürültülü Veri Verilerin toparlanması, işletmenin günlük işlemlerinden sorumlu uygulama yazılımı ERP modüllerinin görevidir. Ancak ERP modüllerinin kullanıcı kaynaklı yanlış veri girişlerine karşı koyma yeteneği, tüm ticari yazılımlar için aynı seviyede olmadığı gibi, net bir şekilde hatalı veri girişine de karşı koymak mümkün değildir. Söz gelimi, kullanıcı herhangi bir değer için 100 yerine yanlışlıkla 1000 girmesi durumunda, verinin dağılımı bozulacağından, bu veri kümesinden çıkarılacak bilgide de anlam kayması olacaktır. Değişik sebeplerden kaynaklı veride ortaya çıkan gürültü, verinin ilgili algoritmalarla incelenmesinden önce düzenlenmeli ve düzeltilmelidir. Gürültülü verilerin düzenlenmesinde temelde şu yöntemler kullanılmaktadır: 1. Uç değerlerde budama ya da en yakın değere benzetme işlemi yapılabilir. Budamada, dağılımda uçta kalan değerler yok varsayılması esas alınmaktadır. 12

24 Diğerlerine benzetme ise, uç dağılımdaki değerlerin, uç dağılım olarak görülmeyen en yakın değere eşitlenmesi sağlamaktadır. 2. Özellikle kümelemede birbirinden çok uzak değerler anlamsız ve küçük örneklere sahip sınıfların oluşmasına sebep olabilmektedir. Bu durumda iki algoritma kullanılmaktadır[14]: Top N most frequent algoritması: Algoritmanın temel mantığı küme sayısının azaltılmasını sağlamaktır. En kalabalık N adet kümenin elemanları alınırken, diğerleri N+1 kümesine aktarılır. Equi-Width Bining algoritması: Sayısal değerlerde kullanılan bu algoritma, veri sayısının azaltılmasında kullanılır. Bu amaca yönelik N adet veri isteniyorsa, veriler N küme olacak şekilde baştan sona doğru bölünürler, her kümenin problem uygun olarak ortalaması alınır ve küme tek bir değerle olmak üzere bu ortalamayla temsil edilir. 3. Değerler tahmini bir normalizasyona göre düzenlenebilir. Böylelikle istenen standart sapmaya uygun şekilde, verilen aralığa değerler alınarak veriler düzenlenmektedir Null Değerler Verilerin null ifadesiyle tanımlanması içeriğinin bilinmemesi anlamını taşımaktadır. Null değerler SQL sorgularında da ele alınması gereken özel değerlerdir. Örneğin aşağıda verilen mantıksal işlemin sonucu, (NULL VE DOĞRU) beklenenin tersine doğru ya da yanlış değil, null olacaktır. Veri madenciliğinde null değerler iki yolla ele alınabilir: 1. Null değerli veriler yok varsayılır, algoritma içinde ihmal edilirler. 2. Null değerler diğer verilere göreli olarak en uygun değerle değiştirilirler. a. Veri kümesinde en sık karşılaşılan değer seçilebilir. b. Problemin doğasında bulunan varsayılan bir değer seçilebilir. 13

25 c. Null değerin bulunduğu kayıdın, diğer özelliklerine bakılarak seçilecek o kayda en yakın değerin ilgili özelliği seçilebilir Eksik Veri Eksik veri genelde verilerden alınan örneklemlerin yanlış seçilmesi sonucu ortaya çıkar. Örnek alınırken, izdüşümü uygulanabileceği gibi, satır seçme işlemi de yapılabilmektedir. Bu açıdan izdüşümü alınırken, problemin doğasında küme belirlemede etken olan bir alanın izdüşümüne dâhil edilmemesi durumu doğru sonuca ulaşılması engelleyecektir. Satır seçiminde ise, örneklemde bilinmeyen kümelerin çıkarılmasında, kümelenmelerin yanlış oluşmasına sebep olabilir Artık Veri Artık veri, problemin sonuca ulaşmasında kullanılacak verilerde kullanılmaması gereken nitelikleri ifade etmektedir. Artık niteliklerin elenmesi, problemin çözümünde daha kesin bilgi edilmesini sağlayacağı gibi, çalışma zamanında gözle görünür farklar oluşturur Dinamik Veri Modelin çalıştırılması sırasında veriler genelde veri tabanından elde edilmektedir. Ancak veri tabanından elde edilen veriler, gün içerisinde sürekli günleniyor olması sebebiyle güncellik sıkıntıları yaşanabilmektedir. Güncelleme sıkıntısı veri tabanı ile veri madenciliği uygulamasının aynı üreticiden olduğu durumlarda, veride oluşan değişiklikler eş anlı olarak modelin sonucuna da yansıtılmaktadır. (Bkz. Microsoft BI ve Oracle DM). Diğer bir çözüm yolu ise modelin gerektiği zamanlarda yeniden çalıştırılmasıdır. Dinamik verinin ortaya çıkardığı bir diğer problem ise, modelin çalışması esnasında veri tabanında ilgili satırların kilitlenmesi gerekliliğidir. Modellerin çalışma süreleri alışıldık SQL sorgularına göreli olarak çok daha uzun sürdüğü düşünüldüğünde, modelin çalıştırılması işletmenin günlük işlemlerinde ERP sistemlerinin başarımında gözle görünür bir düşüşün ortaya çıkmasına sebep olabilir. 14

26 2.5. Veri Ambarı Bir işletme içerisinde değişik amaçlara yönelik farklı uygulamalar çalıştırılabilmektedir. Müşteri hizmetleri için gelişmiş bir Müşteri İlişkileri Yönetimi (Customer Relationship Management) uygulamasına ihtiyaç duyan bir firma, muhasebe otomasyonunu farklı bir üreticinin ürününü kullanıyor olabilir. Bu her iki gereksinimin veri kümeleri Data Mart olarak adlandırılır[16]. Data Mart üzerine örnekleri artırabiliriz. Örneğin LDAP sunucusunda saklanan kullanıcı bilgisi ve organizasyon şeması Data Mart olarak adlandırabilir. LDAP üzerinde saklanan bu veriler, bir başka Data Mart olarak tarif edilebilecek Evrak Yönetim Otomasyonuna veri girişi sağlayabilir. Veri ambarı, data martların birleşimi olarak ifade edilir. Diğer bir ifade ile veri ambarı, işletimsel sistemlerin günlük işlemleri ele alırken ürettiği verilerin yönetildiği ve kalıcılığının sağlandığı ortamlardır Veri ambarı mimarisi Veri ambarı olarak ifade edilen sistemler çok sayıda farklı mimari seçeneği uygulamasının yanında, bir sistemin veri ambarı olarak ifade edilebilmesi için mutlaka taşıması gereken özellikler vardır. Bu açıdan tek bir veri ambarı mimari tanımı vermek mümkün olmasa da, veri ambarlarının mutlaka sahip olması beklenen mimari özellikleri sıralanabilir. Veri ambarı mimarisi ifadesi ile uç kullanıcıya sunulmak üzere hazırlanan bilgilerin geçtiği sürecin, yani veriler ile verileri üreten ya da kullanılan sistemler arasındaki iletişim ve gerçekleştirilen işlemlerin tamamının yapısı anlatılmaktadır. Bu yapı, birbiriyle ilişkili birkaç bölümden oluşmaktadır. Bu yapıları AYDOĞAN [8] şu şekilde tanımlamaktadır: Bilgi Erişim Katmanı : Uç kullanıcıyla doğrudan iletişime geçen katmandır. Uç kullanıcının her gün kullandığı Excel, Lotus, Focus, Access,... gibi araçlar bilgi erişim katmanında yer almakla birlikte çözümleme ya da sunum amacıyla kullanılacak olan rapor, çizelge, grafik ya da tabloların görüntülenmesi ya da çıktıların alınması gibi işlemler için kullanılan yazılım ve donanım da bu katmanda bulunmaktadır. 15

KURUMSAL VERİLERİN YAPAY ZEKÂ MODELLERİ İLE İŞLENMESİ İÇİN MODELLEME ARACI ALT YAPI TASARIM VE GERÇEKLEŞTİRİMİ

KURUMSAL VERİLERİN YAPAY ZEKÂ MODELLERİ İLE İŞLENMESİ İÇİN MODELLEME ARACI ALT YAPI TASARIM VE GERÇEKLEŞTİRİMİ KURUMSAL VERİLERİN YAPAY ZEKÂ MODELLERİ İLE İŞLENMESİ İÇİN MODELLEME ARACI ALT YAPI TASARIM VE GERÇEKLEŞTİRİMİ DESIGN AND IMPLEMENTATION OF MODELLING TOOL FOR PROCESSING ENTERPRISE DATA BY ARTIFICIAL INTELLIGENCE

Detaylı

ZAMAN SERİLERİNDE AYRIŞTIRMA YÖNTEMLERİ

ZAMAN SERİLERİNDE AYRIŞTIRMA YÖNTEMLERİ ZAMAN SERİLERİNDE AYRIŞTIRMA YÖNTEMLERİ 1 A. GİRİŞ Gözlemlerin belirli bir dönem için gün, hafta, ay, üç ay, altı ay, yıl gibi birbirini izleyen eşit aralıklarla yapılması ile elde edilen seriler zaman

Detaylı

GENETİK ALGORİTMALAR. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ

GENETİK ALGORİTMALAR. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ GENETİK ALGORİTMALAR Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ GENETİK ALGORİTMALAR Genetik algoritmalar, Darwin in doğal seçim ve evrim teorisi ilkelerine dayanan bir arama ve optimizasyon yöntemidir.

Detaylı

Web Madenciliği (Web Mining)

Web 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

Detaylı

Tedarik Zinciri Yönetiminde Yapay Zeka Teknikler

Tedarik Zinciri Yönetiminde Yapay Zeka Teknikler Tedarik Zinciri Yönetiminde Yapay Zeka Teknikler Doç.Dr.Mehmet Hakan Satman mhsatman@istanbul.edu.tr İstanbul Üniversitesi 2014.10.22 Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr Tedarik Zinciri

Detaylı

ZAMAN SERİLERİNDE REGRESYON ANALİZİ

ZAMAN SERİLERİNDE REGRESYON ANALİZİ ZAMAN SERİLERİNDE REGRESYON ANALİZİ 1 1. GİRİŞ Trent, serinin genelinde yukarıya ya da aşağıya doğru olan hareketlere denmektedir. Bu hareket bazen düz bir doğru şeklinde olmaktadır. Bu tür harekete sahip

Detaylı

Gezgin Satıcı Probleminin İkili Kodlanmış Genetik Algoritmalarla Çözümünde Yeni Bir Yaklaşım. Mehmet Ali Aytekin Tahir Emre Kalaycı

Gezgin Satıcı Probleminin İkili Kodlanmış Genetik Algoritmalarla Çözümünde Yeni Bir Yaklaşım. Mehmet Ali Aytekin Tahir Emre Kalaycı Gezgin Satıcı Probleminin İkili Kodlanmış Genetik Algoritmalarla Çözümünde Yeni Bir Yaklaşım Mehmet Ali Aytekin Tahir Emre Kalaycı Gündem Gezgin Satıcı Problemi GSP'yi Çözen Algoritmalar Genetik Algoritmalar

Detaylı

Zaman Serileri. IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören

Zaman Serileri. IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören Zaman Serileri IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören Zaman Serisi nedir? Kronolojik sırayla elde edilen verilere sahip değișkenlere zaman serisi adı verilmektedir. Genel olarak zaman serisi,

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

Endüstri Mühendisliğine Giriş

Endüstri Mühendisliğine Giriş Endüstri Mühendisliğine Giriş 5 ve 19 Aralık 2012, Şişli-Ayazağa, İstanbul, Türkiye. Yard. Doç. Dr. Kamil Erkan Kabak Endüstri Mühendisliği Bölümü,, Şişli-Ayazağa, İstanbul, Türkiye erkankabak@beykent.edu.tr

Detaylı

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37 İÇİNDEKİLER BÖLÜM 1 Değişkenler ve Grafikler 1 İstatistik 1 Yığın ve Örnek; Tümevarımcı ve Betimleyici İstatistik 1 Değişkenler: Kesikli ve Sürekli 1 Verilerin Yuvarlanması Bilimsel Gösterim Anlamlı Rakamlar

Detaylı

SİSTEM VE YAZILIM. o Bilgisayar sistemleri donanım, yazılım ve bunları işletmek üzere gerekli işlemlerden oluşur.

SİSTEM VE YAZILIM. o Bilgisayar sistemleri donanım, yazılım ve bunları işletmek üzere gerekli işlemlerden oluşur. SİSTEM VE YAZILIM o Bilgisayar sistemleri donanım, yazılım ve bunları işletmek üzere gerekli işlemlerden oluşur. o Yazılım, bilgisayar sistemlerinin bir bileşeni olarak ele alınmalıdır. o Yazılım yalnızca

Detaylı

Web Madenciliği (Web Mining)

Web Madenciliği (Web Mining) Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Denetimli Öğrenmenin Temelleri Karar Ağaçları Entropi ID3 Algoritması C4.5 Algoritması Twoing

Detaylı

Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ

Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ I Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ II Yayın No : 2845 Teknik Dizisi : 158 1. Baskı Şubat 2013 İSTANBUL ISBN 978-605 - 377 868-4 Copyright Bu kitabın bu basısı için Türkiye deki yayın hakları BETA

Detaylı

VERİ MADENCİLİĞİ (Sınıflandırma Yöntemleri) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr

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

Detaylı

VERİ KAYNAKLARI. Bilgi sisteminin öğelerinden biride veri

VERİ 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.

Detaylı

KALİTE SİSTEM YÖNETİCİSİ EĞİTİMİ

KALİTE SİSTEM YÖNETİCİSİ EĞİTİMİ FMEA-HATA TÜRLERİ VE ETKİ ANALİZİ Tanımlama Mevcut veya olası hataları ortaya koyan, bu hataların yaratabileceği etkileri göz önünde bulunduran ve etkilerine göre hataları önceliklendirerek oluşmalarının

Detaylı

ULUSLARARASI ANTALYA ÜNİVERSİTESİ ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ DERS KATALOĞU

ULUSLARARASI ANTALYA ÜNİVERSİTESİ ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ DERS KATALOĞU ULUSLARARASI ANTALYA ÜNİVERSİTESİ ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ DERS KATALOĞU ZORUNLU DERSLER IE 201 - Operasyon Modelleme Karar vermedeki belirsizlik rolü de dahil olmak üzere işletme kararlarının matematiksel

Detaylı

İş Zekâsı Sistemi Projesi

İş 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

Detaylı

2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics

2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics 2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics Özet: Bulanık bir denetleyici tasarlanırken karşılaşılan en önemli sıkıntı, bulanık giriş çıkış üyelik fonksiyonlarının

Detaylı

İş Zekası Sistemi Veriyi Stratejik Bilgiye Dönüştürür

İş 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

Detaylı

LOGO 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 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

Detaylı

Veritabanı Yönetim Sistemleri (Veritabanı Kavramı) Veri Modelleri

Veritabanı Yönetim Sistemleri (Veritabanı Kavramı) Veri Modelleri Veritabanı Yönetim Sistemleri (Veritabanı Kavramı) Veri Modelleri Konular Veritabanı Tasarım Aşamaları Veri Modeli Nedir? Veri Modeli Temel Bileşenleri İş Kuralları (Business Rules) İş Kurallarını Veri

Detaylı

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6

Detaylı

YAPAY SİNİR AĞLARI. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ

YAPAY 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

Detaylı

Yapay Sinir Ağları ile Web İçeriklerini Sınıflandırma. Yazarlar: Esra Nergis Güven, Hakan Onur ve Şeref Sağıroğlu. Sunan : Esra Nergis Güven

Yapay Sinir Ağları ile Web İçeriklerini Sınıflandırma. Yazarlar: Esra Nergis Güven, Hakan Onur ve Şeref Sağıroğlu. Sunan : Esra Nergis Güven Yapay Sinir Ağları ile Web İçeriklerini Sınıflandırma Yazarlar: Esra Nergis Güven, Hakan Onur ve Şeref Sağıroğlu Sunan : Esra Nergis Güven İçerik Giriş Amaç ve Kapsam Sınıflandırma Geliştirilen Sistem

Detaylı

ERCİYES ÜNİVERSİTESİ KİMYA ANABİLİM DALI

ERCİYES ÜNİVERSİTESİ KİMYA ANABİLİM DALI İlaç Tasarımında Yeni Yazılımların Geliştirilmesi: Elektron Konformasyonel-Genetik Algoritma Metodu ile Triaminotriazin Bileşiklerinde Farmakofor Belirlenmesi ve Nicel Biyoaktivite Hesabı; ERCİYES ÜNİVERSİTESİ

Detaylı

YAZILIM MÜHENDİSLİĞİ BÖLÜMÜ İNTİBAK ÇİZELGESİ 2010-2011 1.SINIF / GÜZ DÖNEMİ

YAZILIM MÜHENDİSLİĞİ BÖLÜMÜ İNTİBAK ÇİZELGESİ 2010-2011 1.SINIF / GÜZ DÖNEMİ YAZILIM MÜHENDİSLİĞİ BÖLÜMÜ İNTİBAK ÇİZELGESİ 2010-2011 1.SINIF / GÜZ DÖNEMİ Bu ders 1. Sınıf güz döneminden 2. Sınıf güz dönemine alınmıştır. gerektiği halde alamayan öğrenciler 2010-2011 öğretim yılı

Detaylı

Proje/Sipariş/İş Emri (PSI) Bazında Maliyet Analizi

Proje/Sipariş/İş Emri (PSI) Bazında Maliyet Analizi Proje/Sipariş/İş Emri (PSI) Bazında Maliyet Analizi Amaç ve Fayda Bilindiği gibi mamul maliyetleri direkt hammadde (direkt ilk madde ve ambalaj), direkt işçilik ve genel üretim giderlerinden oluşmaktadır.

Detaylı

Neden Endüstri Mühendisliği Bölümünde Yapmalısınız?

Neden 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

Detaylı

1 ÜRETİM VE ÜRETİM YÖNETİMİ

1 ÜRETİM VE ÜRETİM YÖNETİMİ İÇİNDEKİLER ÖNSÖZ III Bölüm 1 ÜRETİM VE ÜRETİM YÖNETİMİ 13 1.1. Üretim, Üretim Yönetimi Kavramları ve Önemi 14 1.2. Üretim Yönetiminin Tarihisel Gelişimi 18 1.3. Üretim Yönetiminin Amaçları ve Fonksiyonları

Detaylı

1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN. Ders No:5 Rassal Değişken Üretimi

1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN. Ders No:5 Rassal Değişken Üretimi 1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN Ders No:5 RASSAL DEĞIŞKEN ÜRETIMI Bu bölümde oldukça yaygın bir biçimde kullanılan sürekli ve kesikli dağılımlardan örneklem alma prosedürleri

Detaylı

SİSTEM ANALİZİ VE TASARIMI

SİSTEM ANALİZİ VE TASARIMI SİSTEM ANALİZİ VE TASARIMI BİLGİ SİSTEMİ GELİŞTİRME SÜRECİ Sistem Geliştirme Süreci ve Modelleri Sistem Geliştirme Yaşam Döngüsü Bilgi sistemlerinin geliştirilmesi için izlenen sürece Sistem Geliştirme

Detaylı

7. BÖLÜM İÇ ÇARPIM UZAYLARI İÇ ÇARPIM UZAYLARI İÇ ÇARPIM UZAYLARI İÇ ÇARPIM UZAYLARI .= 1 1 + + Genel: Vektörler bölümünde vektörel iç çarpım;

7. BÖLÜM İÇ ÇARPIM UZAYLARI İÇ ÇARPIM UZAYLARI İÇ ÇARPIM UZAYLARI İÇ ÇARPIM UZAYLARI .= 1 1 + + Genel: Vektörler bölümünde vektörel iç çarpım; İÇ ÇARPIM UZAYLARI 7. BÖLÜM İÇ ÇARPIM UZAYLARI Genel: Vektörler bölümünde vektörel iç çarpım;.= 1 1 + + Açıklanmış ve bu konu uzunluk ve uzaklık kavramlarını açıklamak için kullanılmıştır. Bu bölümde öklit

Detaylı

İŞLETME VE ORGANİZASYON STAJI UYGULAMA ESASLARI

İŞLETME VE ORGANİZASYON STAJI UYGULAMA ESASLARI İŞLETME VE ORGANİZASYON STAJI UYGULAMA ESASLARI ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ İŞLETME VE ORGANİZASYON STAJI UYGULAMA ESASLARI 2014 İŞLETME VE ORGANİZASYON STAJI UYGULAMA ESASLARI Açıklama Staj yapılan işletmelerde

Detaylı

DEĞER MÜHENDİSLİĞİ. Veli KOÇAK Yazılım Mühendisi. Maltepe Üniversitesi - 2014

DEĞER MÜHENDİSLİĞİ. Veli KOÇAK Yazılım Mühendisi. Maltepe Üniversitesi - 2014 DEĞER MÜHENDİSLİĞİ Veli KOÇAK Yazılım Mühendisi Maltepe Üniversitesi - 2014 GİRİŞ Günümüzün rekabetçi koşullarında varlığını sürdürmek isteyen işletmeler, düşük maliyetli, yüksek kaliteli ve müşteri isteklerine

Detaylı

yönetimi vb. lisans ve yüksek lisans programlarındaki öğrenciler için kapsamlı bilgilenme imkânı sağlamaktadır.

yönetimi vb. lisans ve yüksek lisans programlarındaki öğrenciler için kapsamlı bilgilenme imkânı sağlamaktadır. Önsöz Günümüzde, hemen hemen her tür ve boyutta organizasyonda, görevleri proje olarak organize etmek yaygınlaşmıştır. Bunun en temel nedenlerinden biri çağdaş yönetim anlayışının hiyerarşik örgüt yapısından

Detaylı

SÜREKLİ RASSAL DEĞİŞKENLER

SÜREKLİ RASSAL DEĞİŞKENLER SÜREKLİ RASSAL DEĞİŞKENLER Sürekli Rassal Değişkenler Sürekli Rassal Değişken: Değerleriölçümyadatartımla elde edilen, bir başka anlatımla sayımla elde edilemeyen, değişkene sürekli rassal değişken denir.

Detaylı

TOBB EKONOMİ VE TEKNOLOJİ ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ I. SINIF EĞİTİM - ÖĞRETİM PROGRAMI

TOBB EKONOMİ VE TEKNOLOJİ ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ I. SINIF EĞİTİM - ÖĞRETİM PROGRAMI TOBB EKONOMİ VE TEKNOLOJİ ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ I. SINIF EĞİTİM - ÖĞRETİM PROGRAMI 1. YIL 1. DÖNEM BİL 103 Bilgisayar Bilimlerine Giriş 2 0 2 3 Z BİL 113 Bilgisayar

Detaylı

İşletmenize sınırsız fırsatlar sunar

İşletmenize sınırsız fırsatlar sunar İşletmenize sınırsız fırsatlar sunar İşletmenize Modern iş çözümleri, kurum içerisindeki insanların verimliliğini arttıracak yeni perspektifler sağlayarak onların tüm potansiyellerini kullanmalarına imkan

Detaylı

FİNANSAL YÖNETİM. Finansal Planlama Nedir?

FİNANSAL YÖNETİM. Finansal Planlama Nedir? FİNANSAL YÖNETİM FİNANSAL PLANLAMA Yrd.Doç.Dr. Serkan ÇANKAYA Finansal analiz işletmenin geçmişe dönük verilerine dayanmaktaydı ancak finansal planlama ise geleceğe yönelik hareket biçimini belirlemeyi

Detaylı

Tedarik Zinciri Yönetimi

Tedarik Zinciri Yönetimi Tedarik Zinciri Yönetimi -Tedarik Zinciri Ağı Tasarımı- Yrd. Doç. Dr. Mert TOPOYAN Ağ tasarımı, tedarik zinciri açısından üç karar düzeyini de ilgilendiren ve bu düzeylerde etkisi olan bir konudur. Zincirin

Detaylı

Bil101 Bilgisayar Yazılımı I. M. Erdem ÇORAPÇIOĞLU Bilgisayar Yüksek Mühendisi

Bil101 Bilgisayar Yazılımı I. M. Erdem ÇORAPÇIOĞLU Bilgisayar Yüksek Mühendisi Bil101 Bilgisayar Yazılımı I Bilgisayar Yüksek Mühendisi Kullanıcıdan aldığı veri ya da bilgilerle kullanıcının isteği doğrultusunda işlem ve karşılaştırmalar yapabilen, veri ya da bilgileri sabit disk,

Detaylı

MÜŞTERİ İLİŞKİLERİ YÖNETİMİ (PZL208U)

MÜŞTERİ İLİŞKİLERİ YÖNETİMİ (PZL208U) DİKKATİNİZE: BURADA SADECE ÖZETİN İLK ÜNİTESİ SİZE ÖRNEK OLARAK GÖSTERİLMİŞTİR. ÖZETİN TAMAMININ KAÇ SAYFA OLDUĞUNU ÜNİTELERİ İÇİNDEKİLER BÖLÜMÜNDEN GÖREBİLİRSİNİZ. MÜŞTERİ İLİŞKİLERİ YÖNETİMİ (PZL208U)

Detaylı

DARÜŞŞAFAKA LİSESİ SALİH ZEKİ LİSE ÖĞRENCİLERİ ARASI MATEMATİK PROJELERİ YARIŞMASI

DARÜŞŞAFAKA LİSESİ SALİH ZEKİ LİSE ÖĞRENCİLERİ ARASI MATEMATİK PROJELERİ YARIŞMASI DARÜŞŞAFAKA LİSESİ SALİH ZEKİ LİSE ÖĞRENCİLERİ ARASI MATEMATİK PROJELERİ YARIŞMASI PROJE ADI: TÜRKİYE DEKİ GELECEKTEKİ DOKTOR İHTİYACINI YÖNEYLEM ARASTIRMASI İLE BELİRLEMEK MEV KOLEJİ BASINKÖY OKULLARI

Detaylı

BSM 532 KABLOSUZ AĞLARIN MODELLEMESİ VE ANALİZİ OPNET MODELER

BSM 532 KABLOSUZ AĞLARIN MODELLEMESİ VE ANALİZİ OPNET MODELER BSM 532 KABLOSUZ AĞLARIN MODELLEMESİ VE ANALİZİ OPNET MODELER Yazılımı ve Genel Özellikleri Doç.Dr. Cüneyt BAYILMIŞ Kablosuz Ağların Modellemesi ve Analizi 1 OPNET OPNET Modeler, iletişim sistemleri ve

Detaylı

PAPATYA YAYINCILIK EĞİTİM Bilgisayar Sis. San. ve Tic. A.Ş. Veri Madenciliği Yöntemleri Dr. Yalçın ÖZKAN -II-

PAPATYA YAYINCILIK EĞİTİM Bilgisayar Sis. San. ve Tic. A.Ş. Veri Madenciliği Yöntemleri Dr. Yalçın ÖZKAN -II- Dr. Yalçın ÖZKAN Dr. Yalçın ÖZKAN PAPATYA YAYINCILIK EĞİTİM Bilgisayar Sis. San. ve Tic. A.Ş. Ankara Caddesi, Prof. Fahreddin Kerim Gökay Vakfı İşhanı Girişi, No: 11/3, Cağaloğlu (Fatih)/İstanbul Tel

Detaylı

PROGRAMLAMAYA GİRİŞ. Öğr. Gör. Ayhan KOÇ. Kaynak: Algoritma Geliştirme ve Programlamaya Giriş, Dr. Fahri VATANSEVER, Seçkin Yay.

PROGRAMLAMAYA GİRİŞ. Öğr. Gör. Ayhan KOÇ. Kaynak: Algoritma Geliştirme ve Programlamaya Giriş, Dr. Fahri VATANSEVER, Seçkin Yay. PROGRAMLAMAYA GİRİŞ Öğr. Gör. Ayhan KOÇ Kaynak: Algoritma Geliştirme ve Programlamaya Giriş, Dr. Fahri VATANSEVER, Seçkin Yay., 2007 Algoritma ve Programlamaya Giriş, Ebubekir YAŞAR, Murathan Yay., 2011

Detaylı

2013-2014 Bahar Y.Y. E-Mühendislik Yönetimi Proje Dersi Danışman Listesi ve İlgi Alanları

2013-2014 Bahar Y.Y. E-Mühendislik Yönetimi Proje Dersi Danışman Listesi ve İlgi Alanları 2013-2014 Bahar Y.Y. E-Mühendislik Yönetimi Proje Dersi Danışman Listesi ve İlgi Alanları Prof. Dr. Orhan TORKUL 1. Bilişim Sistemleri Analiz ve Tasarımı 2. İş Zekası Sistemleri 3. Ortak Çalışma Sistemleri

Detaylı

1. VERİ TABANI KAVRAMLARI VE VERİ TABANI OLUŞTUMA

1. VERİ TABANI KAVRAMLARI VE VERİ TABANI OLUŞTUMA BÖLÜM15 D- VERİ TABANI PROGRAMI 1. VERİ TABANI KAVRAMLARI VE VERİ TABANI OLUŞTUMA 1.1. Veri Tabanı Kavramları Veritabanı (DataBase) : En genel tanımıyla, kullanım amacına uygun olarak düzenlenmiş veriler

Detaylı

SPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER. Abdullah Can

SPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER. Abdullah Can SPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER SPSS in üzerinde işlem yapılabilecek iki ana ekran görünümü vardır. DATA VIEW (VERİ görünümü) VARIABLE VIEW (DEĞİŞKEN görünümü) 1 DATA VIEW (VERİ görünümü) İstatistiksel

Detaylı

ÜNİT E ÜNİTE GİRİŞ. Algoritma Mantığı. Algoritma Özellikleri PROGRAMLAMA TEMELLERİ ÜNİTE 3 ALGORİTMA

ÜNİT E ÜNİTE GİRİŞ. Algoritma Mantığı. Algoritma Özellikleri PROGRAMLAMA TEMELLERİ ÜNİTE 3 ALGORİTMA PROGRAMLAMA TEMELLERİ ÜNİTE 3 ALGORİTMA GİRİŞ Bilgisayarların önemli bir kullanım amacı, veri ve bilgilerin kullanılarak var olan belirli bir problemin çözülmeye çalışılmasıdır. Bunun için, bilgisayarlar

Detaylı

İÇİNDEKİLER. Bölüm 1 YÖNEYLEM ARAŞTIRMASINA GİRİŞ 11. 1.1. Temel Kavramlar 14 1.2. Modeller 17 1.3. Diğer Kavramlar 17 Değerlendirme Soruları 19

İÇİNDEKİLER. Bölüm 1 YÖNEYLEM ARAŞTIRMASINA GİRİŞ 11. 1.1. Temel Kavramlar 14 1.2. Modeller 17 1.3. Diğer Kavramlar 17 Değerlendirme Soruları 19 İÇİNDEKİLER ÖNSÖZ III Bölüm 1 YÖNEYLEM ARAŞTIRMASINA GİRİŞ 11 1.1. Temel Kavramlar 14 1.2. Modeller 17 1.3. Diğer Kavramlar 17 Değerlendirme Soruları 19 Bölüm 2 DOĞRUSAL PROGRAMLAMA 21 2.1 Doğrusal Programlamanın

Detaylı

UNIVERSAL BİLGİ TEKNOLOJİLERİ

UNIVERSAL BİLGİ TEKNOLOJİLERİ UNIVERSAL BİLGİ TEKNOLOJİLERİ Coğrafi Bilgi Sistemleri (CBS) ile Bilgisayar Destekli Tasarım (CAD) Sistemleri Arasındaki Temel Farklar Universal Bilgi Teknolojileri Ltd. Şti. 2010. Tüm hakları saklıdır.

Detaylı

FMEA. Hata Türleri ve Etkileri Analizi

FMEA. Hata Türleri ve Etkileri Analizi FMEA Hata Türleri ve Etkileri Analizi 2007 FMEA Tanımı FMEA (HTEA), bir ürün veya prosesin potansiyel hatalarını ve bunların sonucu olabilecek etkilerini tanımlama, değerlendirme, potansiyel hatanın ortaya

Detaylı

Kısaca. Müşteri İlişkileri Yönetimi. Nedir? İçerik. Elde tutma. Doğru müşteri 01.06.2011. Genel Tanıtım

Kısaca. Müşteri İlişkileri Yönetimi. Nedir? İçerik. Elde tutma. Doğru müşteri 01.06.2011. Genel Tanıtım Kısaca Müşteri İlişkileri Yönetimi Genel Tanıtım Başar Öztayşi Öğr. Gör. Dr. oztaysib@itu.edu.tr 1 MİY Genel Tanıtım 2 MİY Genel Tanıtım İçerik Müşteri İlişkileri Yönetimi Nedir? Neden? Tipleri Nelerdir?

Detaylı

bilişim ltd İş Zekâsı Sistemi

bilişim 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

Detaylı

Ders Kodu Dersin Adı Dersin Ġntibak Durumu

Ders Kodu Dersin Adı Dersin Ġntibak Durumu ENDÜSTRĠ SĠSTEMLERĠ MÜHENDĠSLĠĞĠ BÖLÜMÜ ĠNTĠBAK ÇĠZELGESĠ 2010-2011 1.SINIF / GÜZ DÖNEMĠ IUE100 Akademik ve Sosyal Oryantasyon CS 115 Programlamaya Giriş I Bu ders 1. Sınıf güz döneminden 2. Sınıf güz

Detaylı

Sistem Geliştirme Yaşam Döngüsü (The Systems Development Life Cycle) (SDLC)

Sistem Geliştirme Yaşam Döngüsü (The Systems Development Life Cycle) (SDLC) Sistem Geliştirme Yaşam Döngüsü (The Systems Development Life Cycle) (SDLC) Sistem analistlerinin ve kullanıcı faaliyetlerinin spesifik döngüsünün kullanılmasıyla En iyi geliştirilmiş sistemin oluşmasını

Detaylı

Tahminleme Yöntemleri

Tahminleme Yöntemleri PAU ENDÜSTRİ MÜHENDİSLİĞİ IENG 318 - Üretim Planlama ve Kontrolü Tahminleme Yöntemleri 2012-2013 Bahar Yarıyılı 1 İçerik 1. Talep Tahmini Kavramı 2. Talep Tahminlerinin Kullanım Yeri 3. Talep Tahmin Modelleri

Detaylı

BENZETİM. Prof.Dr.Berna Dengiz

BENZETİM. Prof.Dr.Berna Dengiz Prof.Dr.Berna Dengiz 2. Ders Sistemin Performans.. Ölçütleri Sistem Türleri Benzetim Modelleri Statik veya Dinamik Deterministik ( belirli ) & Stokastik ( olasılıklı) Kesikli & Sürekli Sistemin Performans

Detaylı

3. sınıf. Bilgisayarla kataloglamanın doğuşu gelişimi ve bugünkü durum ele alınmaktadır. Bu derste

3. sınıf. Bilgisayarla kataloglamanın doğuşu gelişimi ve bugünkü durum ele alınmaktadır. Bu derste 3. sınıf 5. Yarıyıl (Güz Dönemi) Bilgi Kaynaklarının Tanımlanması ve Erişimi I (AKTS 5) 3 saat Bilgisayarla kataloglamanın doğuşu gelişimi ve bugünkü durum ele alınmaktadır. Bu derste Kütüphane Otomasyon

Detaylı

CETP KOMPOZİTLERİN DELİNMELERİNDEKİ İTME KUVVETİNİN ANFIS İLE MODELLENMESİ MURAT KOYUNBAKAN ALİ ÜNÜVAR OKAN DEMİR

CETP KOMPOZİTLERİN DELİNMELERİNDEKİ İTME KUVVETİNİN ANFIS İLE MODELLENMESİ MURAT KOYUNBAKAN ALİ ÜNÜVAR OKAN DEMİR CETP KOMPOZİTLERİN DELİNMELERİNDEKİ İTME KUVVETİNİN ANFIS İLE MODELLENMESİ MURAT KOYUNBAKAN ALİ ÜNÜVAR OKAN DEMİR Çalışmanın amacı. SUNUM PLANI Çalışmanın önemi. Deney numunelerinin üretimi ve özellikleri.

Detaylı

SİSTEM MÜHENDİSLİĞİ TASARIMIN SENTEZLENMESİ I

SİSTEM MÜHENDİSLİĞİ TASARIMIN SENTEZLENMESİ I SİSTEM MÜHENDİSLİĞİ TASARIMIN SENTEZLENMESİ I ÖMER ERTEKİN, PSCONSULTECH 1 FORM + FONKSİYON Aralarında etkileşimli bir birlik görülen elemanlar = Form Fonksiyonel olarak bakıldığında = Fonksiyon Bilinen

Detaylı

yöneylem araştırması Nedensellik üzerine diyaloglar I

yöneylem araştırması Nedensellik üzerine diyaloglar I yöneylem araştırması Nedensellik üzerine diyaloglar I i Yayın No : 3197 Eğitim Dizisi : 149 1. Baskı Ocak 2015 İSTANBUL ISBN 978-605 - 333-225 1 Copyright Bu kitabın bu basısı için Türkiye deki yayın hakları

Detaylı

EXCEL DE BENZETİM ÖRNEKLERİ BMÜ-422 BENZETİM VE MODELLEME

EXCEL DE BENZETİM ÖRNEKLERİ BMÜ-422 BENZETİM VE MODELLEME EXCEL DE BENZETİM ÖRNEKLERİ BMÜ-422 BENZETİM VE MODELLEME GİRİŞ Bu bölümde benzetim için excel örnekleri önerilmektedir. Örnekler excel ile yapılabileceği gibi el ile de yapılabilir. Benzetim örnekleri

Detaylı

Bu işleçlerin dışında, aşağıda belirtilen karşılaştırma işleçlerinden de yararlanılır.

Bu işleçlerin dışında, aşağıda belirtilen karşılaştırma işleçlerinden de yararlanılır. 18 SQL SORGU DİLİ SQL (Structured Query Language) yapısal sorgu dili, veritabanı yönetim sistemlerinin standart programlama dili olarak bilinmektedir. SQL dilinin Access içinde sorgu pencerelerinde veya

Detaylı

TANIMLAYICI İSTATİSTİKLER

TANIMLAYICI 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

Detaylı

Endüstri Mühendisliği Tezli Yüksek Lisans Dersler Tablosu

Endüstri Mühendisliği Tezli Yüksek Lisans Dersler Tablosu Endüstri Mühendisliği Tezli Yüksek Lisans Dersler Tablosu Zorunlu Dersler Ders Kodu Ders Adı Teorik Uygulama Toplam AKTS IENG540 Optimizasyon Modelleri ve Algoritmalar 3 0 3 8 IENG560 Olasılıksal Analiz

Detaylı

Veri Ambarından Veri Madenciliğine

Veri 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

Detaylı

DENEY 3 HAVALI KONUM KONTROL SİSTEMİ DENEY FÖYÜ

DENEY 3 HAVALI KONUM KONTROL SİSTEMİ DENEY FÖYÜ DENEY 3 HAVALI KONUM KONTROL SİSTEMİ DENEY FÖYÜ 1. Deneyin Amacı Bu deneyde, bir fiziksel sistem verildiğinde, bu sistemi kontrol etmek için temelde hangi adımların izlenmesi gerektiğinin kavranması amaçlanmaktadır.

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

KADASTRO HARİTALARININ SAYISALLAŞTIRILMASINDA KALİTE KONTROL ANALİZİ

KADASTRO HARİTALARININ SAYISALLAŞTIRILMASINDA KALİTE KONTROL ANALİZİ KADASTRO HARİTALARININ SAYISALLAŞTIRILMASINDA KALİTE KONTROL ANALİZİ Yasemin ŞİŞMAN, Ülkü KIRICI Sunum Akış Şeması 1. GİRİŞ 2. MATERYAL VE METHOD 3. AFİN KOORDİNAT DÖNÜŞÜMÜ 4. KALİTE KONTROL 5. İRDELEME

Detaylı

İş Analitiği'ne Netezza ile Yüksek Performans Katın

İş 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

Detaylı

Öğr.Gör.İnan ÜNAL Tunceli Üniversitesi Bilgisayar Mühendisliği Bölümü

Öğr.Gör.İnan ÜNAL Tunceli Üniversitesi Bilgisayar Mühendisliği Bölümü Öğr.Gör.İnan ÜNAL Tunceli Üniversitesi Bilgisayar Mühendisliği Bölümü Büyük miktardaki veriler içerisinden önemli olanlarını bulup çıkarmaya veri Madenciliği denir. Veri madenciliği bir sorgulama işlemi

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

İnternet Destekli Temel Bilgisayar Bilimleri Dersinde Anket Uygulaması

İnternet Destekli Temel Bilgisayar Bilimleri Dersinde Anket Uygulaması İnternet Destekli Temel Bilgisayar Bilimleri Dersinde Anket Uygulaması Yalçın Ezginci Selçuk Üniversitesi Elk.-Elt.Mühendisliği Konya ANKET Anket, insanlardan fikirleri, duyguları, sağlıkları, planları,

Detaylı

Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, biçiminde gösterilir. Aynca; 0! = 1 ve 1!=1 1 dir. [Bunlar kabul değildir,

Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, biçiminde gösterilir. Aynca; 0! = 1 ve 1!=1 1 dir. [Bunlar kabul değildir, 14. Binom ve Poisson olasılık dağılımları Faktöriyeller ve kombinasyonlar Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, n! denir ve n! = 1.2.3...(n-2).(n-l).n biçiminde gösterilir.

Detaylı

Bölüm 3: Vektörler. Kavrama Soruları. Konu İçeriği. Sunuş. 3-1 Koordinat Sistemleri

Bölüm 3: Vektörler. Kavrama Soruları. Konu İçeriği. Sunuş. 3-1 Koordinat Sistemleri ölüm 3: Vektörler Kavrama Soruları 1- Neden vektörlere ihtiyaç duyarız? - Vektör ve skaler arasındaki fark nedir? 3- Neden vektörel bölme işlemi yapılamaz? 4- π sayısı vektörel mi yoksa skaler bir nicelik

Detaylı

2.1 Bir Sınıfı Örneklerinden Öğrenme... 15 2.2 Vapnik-Chervonenkis (VC) Boyutu... 20 2.3 Olası Yaklaşık Doğru Öğrenme... 21

2.1 Bir Sınıfı Örneklerinden Öğrenme... 15 2.2 Vapnik-Chervonenkis (VC) Boyutu... 20 2.3 Olası Yaklaşık Doğru Öğrenme... 21 İçindekiler Önsöz İkinci Basım için Önsöz Türkçe Çeviri için Önsöz Gösterim xiii xv xvii xix 1 Giriş 1 1.1 Yapay Öğrenme Nedir?......................... 1 1.2 Yapay Öğrenme Uygulamalarına Örnekler...............

Detaylı

TMS YORUM - 32 MADDİ OLMAYAN DURAN VARLIKLAR - İNTERNET SİTESİ MALİYETLERİ

TMS YORUM - 32 MADDİ OLMAYAN DURAN VARLIKLAR - İNTERNET SİTESİ MALİYETLERİ MADDİ OLMAYAN DURAN VARLIKLAR - İNTERNET SİTESİ MALİYETLERİ GÜNCELLEMELER ve YÜRÜRLÜK TARİHLERİ TMS Yorum 32 Maddi Olmayan Duran Varlıklar - İnternet Sitesi Maliyetleri Yorumu 31/12/2005 tarihinden sonra

Detaylı

Yrd. Doç. Dr. Ayça Tarhan. Hacettepe Üniversitesi Bilgisayar Mühendisliği Bölümü atarhan@hacettepe.edu.tr

Yrd. Doç. Dr. Ayça Tarhan. Hacettepe Üniversitesi Bilgisayar Mühendisliği Bölümü atarhan@hacettepe.edu.tr Yrd. Doç. Dr. Ayça Tarhan Hacettepe Üniversitesi Bilgisayar Mühendisliği Bölümü atarhan@hacettepe.edu.tr Süreç Değerlendirme Nedir? Süreç: Girdileri çıktılara dönüştüren, ilişkili veya etkileşimli etkinlikler

Detaylı

ELN1001 BİLGİSAYAR PROGRAMLAMA I

ELN1001 BİLGİSAYAR PROGRAMLAMA I ELN1001 BİLGİSAYAR PROGRAMLAMA I DEPOLAMA SINIFLARI DEĞİŞKEN MENZİLLERİ YİNELEMELİ FONKSİYONLAR Depolama Sınıfları Tanıtıcılar için şu ana kadar görülmüş olan özellikler: Ad Tip Boyut Değer Bunlara ilave

Detaylı

ELN1002 BİLGİSAYAR PROGRAMLAMA 2

ELN1002 BİLGİSAYAR PROGRAMLAMA 2 ELN1002 BİLGİSAYAR PROGRAMLAMA 2 VERİ YAPILARI Sunu Planı Kendini-gösteren Yapılar Dinamik Bellek Tahsisi Bağlı Listeler Yığınlar Kuyruklar Ağaçlar 1 Veri Yapıları Şu ana kadar, diziler, matrisler ve yapılar

Detaylı

BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ

BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf / Y.Y. Ders Saati (T+U+L) Kredi AKTS PROGRAMLAMA BG-213 2/1 2+0+2 2+1 5 Dersin Dili : TÜRKÇE Dersin Seviyesi : LİSANS

Detaylı

Bilkent Üniversitesi Bilgisayar Mühendisliği Bölümü. Bilgisayar Mühendisliği

Bilkent Üniversitesi Bilgisayar Mühendisliği Bölümü. Bilgisayar Mühendisliği Bilkent Üniversitesi Bilgisayar Mühendisliği Bölümü Bilgisayar Mühendisliği Bilgisayar Mühendisliği Günümüzde, finans, tıp, sanat, güvenlik, enerji gibi bir çok sektör, bilgisayar mühendisliğindeki gelişimlerden

Detaylı

Excel de Pivot Tablolar Tasarım ve Kullanımı

Excel 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

Detaylı

CELAL BAYAR ÜNİVERSİTESİ ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ STAJ YÖNERGESİ

CELAL BAYAR ÜNİVERSİTESİ ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ STAJ YÖNERGESİ Bu staj yönergesi Celal Bayar Üniversitesi Endüstri Mühendisliği öğrencilerinin Üretim ve Yönetim stajları sırasında yapmaları gereken çalışmaları içermektedir. Staj, öğrencinin öğrenim hayatı boyunca

Detaylı

DGridSim Gerçek Zamanlı Veri Grid Simülatörü. Yazılım Tasarımı Dokümanı v 1.0.1 01.08.2011. Mustafa Atanak Sefai Tandoğan Doç. Dr.

DGridSim Gerçek Zamanlı Veri Grid Simülatörü. Yazılım Tasarımı Dokümanı v 1.0.1 01.08.2011. Mustafa Atanak Sefai Tandoğan Doç. Dr. DGridSim Gerçek Zamanlı Veri Grid Simülatörü Yazılım Tasarımı Dokümanı v 1.0.1 01.08.2011 Mustafa Atanak Sefai Tandoğan Doç. Dr. Atakan Doğan 1. Sistem Mimarisi DGridSim katmanlı bir yapı göz önünde bulundurularak

Detaylı

BÖLÜM-IV ÜRÜN GELİSTİRME İŞLEMİ Genel Problem Çözme İşlemi

BÖLÜM-IV ÜRÜN GELİSTİRME İŞLEMİ Genel Problem Çözme İşlemi BÖLÜM-IV ÜRÜN GELİSTİRME İŞLEMİ Genel Problem Çözme İşlemi Problem çözme yönteminin en önemli özelliği, adım adım analiz ve sentez içermesidir. Burada her yeni adımda bir öncekinden daha somut olarak nitelden

Detaylı

Ders 9 İşlem tanımları. Ders Sorumlusu: Dr. Saadettin Erhan KESEN

Ders 9 İşlem tanımları. Ders Sorumlusu: Dr. Saadettin Erhan KESEN Ders 9 İşlem tanımları Ders Sorumlusu: Dr. Saadettin Erhan KESEN GİRİŞ Önceki derslerde iki önemli sistem bileşeni olan veri akışları ve veri yapıları tanımlandı. Bu derste üçüncü sistem bileşeni olan

Detaylı

Bölüm 1: Veritabanı Yönetim Sistemlerine Giriş

Bölüm 1: Veritabanı Yönetim Sistemlerine Giriş Bölüm 1: Veritabanı Yönetim Sistemlerine Giriş -1- Dr. Serkan DİŞLİTAŞ 1.1. Veri ve Bilgi (Data & Information) Hesaplama, saklama gibi çeşitli işlemler amacıyla bilgisayara verilen sayı, yazı, resim, ses,

Detaylı

Yaşanmış Tecrübe Paylaşımı Önce Test Et Sonra Kodla XP Pratiği

Yaşanmış Tecrübe Paylaşımı Önce Test Et Sonra Kodla XP Pratiği TBD 21. Ulusal Bilişim Kurultayı Sunumu Yaşanmış Tecrübe Paylaşımı Önce Test Et Sonra Kodla XP Pratiği Hasan ÖZKESER Bimar Bilgi İşlem Hizmetleri Aş. 5 Ekim 2004 ODTÜ Kültür ve Kongre Merkezi, Ankara 2004

Detaylı

5. PROGRAMLA DİLLERİ. 5.1 Giriş

5. PROGRAMLA DİLLERİ. 5.1 Giriş 5. PROGRAMLA DİLLERİ 8.1 Giriş 8.2 Yazılım Geliştirme Süreci 8.3 Yazılım Geliştirme Sürecinde Programlama Dilinin Önemi 8.4 Programlama Dillerinin Tarihçesi 8.5 Programlama Dillerinin Sınıflandırılması

Detaylı

EM302 Yöneylem Araştırması 2. Dr. Özgür Kabak

EM302 Yöneylem Araştırması 2. Dr. Özgür Kabak EM302 Yöneylem Araştırması 2 Dr. Özgür Kabak GAMS Giriş GAMS (The General Algebraic Modeling System) matematiksel proglamlama ve optimizasyon için tasarlanan yüksek seviyeli bir dildir. Giriş dosyası:

Detaylı

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız.

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. Örnek Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. i. ii. X 1 2 3 4 1 2 3 4 Y 2 3 4 5 4 3 2 1 Örnek Aşağıdaki veri

Detaylı

C PROGRAMLAMA YRD.DOÇ.DR. BUKET DOĞAN PROGRAM - ALGORİTMA AKIŞ ŞEMASI

C PROGRAMLAMA YRD.DOÇ.DR. BUKET DOĞAN PROGRAM - ALGORİTMA AKIŞ ŞEMASI C PROGRAMLAMA DİLİ YRD.DOÇ.DR. BUKET DOĞAN 1 PROGRAM - ALGORİTMA AKIŞ ŞEMASI Program : Belirli bir problemi çözmek için bir bilgisayar dili kullanılarak yazılmış deyimler dizisi. Algoritma bir sorunun

Detaylı

Stoklarınız ile ilgili tüm hareket ve detaylara menüler arasında gezmeden ulaşabilirsiniz.

Stoklarınız ile ilgili tüm hareket ve detaylara menüler arasında gezmeden ulaşabilirsiniz. OFİS Mikro Perakende Çözümleri 1 MİKRO OFİS SERİSİ Küçük ve orta ölçekteki perakende firmaları için hazırlanan programları, perakende satış noktalarının belkemiği olan satış noktası terminalleri (POSlarla),

Detaylı

PARALEL VERİ MADENCİLİĞİ ALGORİTMALARI. BAŞARIM 09, 15-18 Nisan 2009, ODTÜ, Ankara

PARALEL 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

Detaylı

YÖNETİM BİLİŞİM SİSTEMLERİ BÖLÜMÜ YENİ DERS MÜFREDATI (1) FAKÜLTESİ: İŞLETME FAKÜLTESİ / BUSINESS SCHOOL

YÖNETİM 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

Detaylı