Sözlük Kullanarak Türkçe için Kavram Madenciliği Metotları Geliştirme
|
|
- Duygu Tuncel
- 8 yıl önce
- İzleme sayısı:
Transkript
1 1 Cem Rıfkı Aydın, 1 Ali Erkan, 1 Tunga Güngör, 2 Hidayet Takçı 1 Boğaziçi Üniversitesi, 2 Cumhuriyet Üniversitesi Sözlük Kullanarak Türkçe için Kavram Madenciliği Metotları Geliştirme AB 14 7 Şubat 2014
2 TASLAK Giriş İlgili Çalışmalar Geliştirilen Algoritma Deneyler Sonuç İlerki Çalışmalar
3 Giriş Kavram madenciliği: Yazılı dokümanlardan, görsel veya işitsel dosyalardan anlamlı kavramlar çıkarma işlemine kavram madenciliği denir. Kavramlar canlı veya cansız nesnelerin daha soyut, akılsal gösterimleri olarak ifade edilebilir.
4 Giriş (ii) Kavramlar genelde isim olarak düşünülebilir, o yüzden dokümandaki diğer kelime grupları başta elenebilir. İsimler dokümanlarda ekli durumda bulunabilir (kedileri gibi), bu yüzden başta biçimbirimsel çözümleyici ve biçimbirimsel muğlaklık giderici kullanılarak isimlerin kökleri elde edilmelidir. Biçimbirimsel çözümleyici aldığı kelimesini aşağıdaki gibi ayrıştırır. aldığı = al[verb]+[pos]- dhk[noun+pastpart]+[a3sg]+[pnon]+yh[acc] Kavram madenciliğinde sözlükten, WordNet ten veya başka sözlüksel veritabanlarından faydalanılabilir.
5 İlgili Çalışmalar Meryem Uzun, 2011 Türkçe derlemlerden kavram çıkarmak için kümeleme metodu izlenmiştir. H Liu, P Singh, 2004 Sağduyu bilgi veritabanı olan ConceptNet kullanılmıştır. Abdelattif Rahmoun ve diğerleri, 2008 WordNet kullanılarak özellik seçimi (feature selection) kullanılmıştır. Loulwah Al Sumait ve diğerleri, 2008 Kavram çıkarma için Latent Dirichlet Allocation algoritması kullanılmıştır.
6 Geliştirilen Algoritma Önceki çalışmalarımızda kümeleme yoluyla kavram çıkarmaya çalışılmıştır; ama sonuçlar pek başarılı olmayınca sözlük tabanlı istatistiksel bir metot izlenmiştir. Kavram çıkarmada genellikle WordNet kullanılmakta, sözlüğe pek başvurulmamıştır. Buna rağmen bizim sözlük kullanarak elde ettiğimiz sonuçlar başarılı çıkmıştır.
7 Geliştirilen Algoritma Bu çalışmada XML formatındaki sözlükten yararlanılmıştır. Burada isim olmayan kelimeler elenmiş, kelimelerin anlamı biçimbirimsel araçlar tarafından ayrıştırılarak kökleri elde edilmiş ve bunlar hesaba katılmıştır.
8 Geliştirilen Algoritma Bazı kelimelerin birden çok anlamı bulunabilmektedir, o yüzden kelimelerin doküman içindeki bağlamlarına bakarak aşağıdaki formül değeri hesaplanmakta ve hangi sözlük anlam cümlesi en yüksek değeri veriyorsa o, kelimenin kullanılmakta olduğu anlam olarak belirlenmektedir.
9 Geliştirilen Algoritma Sözlük yapısından yararlanılarak matrisler oluşturulmuştur. Bunun için 2 ve 3 seviyeli matrislerde yukarıdan aşağıya inildikçe anlamsal benzerlik azalmaktadır, bu yüzden matrise değer atarken yukarıdaki seviyede olan kelimelerin katsayısı daha fazla, aşağıdakilerin daha azdır.
10 Geliştirilen Algoritma Bu çalışmada, matris hücreleri aşağıdaki denkleme göre doldurulmuştur. Matris(j, k) = Sıklık( j) x Konum(j) x Kapsam(j)
11 Geliştirilen Algoritma (Alternatif 1) Bu ilk alternatife göre matris elemanlarının sıraları dokümanda bulunan kelimeleri, sütunları ise satır elemanlarının sözlükteki anlam cümlesi kelimelerini temsil etmektedir. Önce bahsedilen denkleme göre matris doldurulmaktadır.
12 Geliştirilen Algoritma (Alternatif 1) Matristeki sütun değerleri toplanmakta, hangisi en yüksek değeri veriyorsa o sütun kelimesi dokümanın kavramı olarak belirlenmektedir. Bir kelimenin kavramı onun sözlük anlam cümlesindeki bütün kelimelerle alakalı olmayabilir, kavram genelde bir sözcüğün genel anlamıyla (hypernym) ilgilidir, o yüzden bu metot pek başarılı sonuçlar vermemiş, yerine başka alternatifler geliştirilmiştir.
13 Geliştirilen Algoritma (Alternatif 2) Bu alternatif için 30-kelime büyüklüğünde pencereler hesaba katılmıştır, yani kelimenin 15 sağındaki ve solundaki kelimelere bakılmıştır. Sözlük anlam cümlesindeki kelimelere katsayılar atanmıştır En yüksek değerli sütun kelimesi hayvandır
14 Geliştirilen Algoritma (Alternatif 3) Bu metotta, 30 kelimelik bağlamlarda sadece en yüksek frekansa sahip kelime hesaba katılmıştır. Frekans, ilk konum ve kapsam değerleri göz önünde bulundurulmuştur En yüksek değere sahip kelime, yani dokümanın kavramı, hayvandır
15 DENEYLER Başarı değerlendirme metriği olarak kesinlik (precision) kullanılmıştır. Kesinlik = Gerçek pozitiflerin sayısı / (Gerçek pozitiflerin sayısı + Sahte pozitifler)
16 DENEYLER Dört tane Türkçe derlemden (Spor haberleri, yargıtay kararları, yargıtay haberleri, Gazi derlemi, toplam 368 doküman) kavramlar önem sırasına göre algoritma tarafından çıkarılmıştır. Ayrıyeten manüel olarak bu dokümanlardan kavramlar çıkarılmış ve bunlar kıyaslanmıştır.
17 DENEYLER Aşağıda değişik derlemlerin kıyaslanması gösterilmiştir. Görülebileceği gibi, ikinci algoritma (alternatif iii) en iyi sonuçları vermektedir. Ayrıca Yargıtay Kararları ve Yargıtay Haberleri derlemlerinin daha iyi sonuç verdiği gözlenmiştir, bunun nedeni ise bu derlemlerde konu dağılımının geniş olmamasıyken diğer derlemlerin bir sürü farklı konulara sahip dokümanları içermesidir. Başarı oranı 63.97% olarak ölçülmüştür. Precision percentage Comparison of different Corpora (window size = 3 vs unlim.) First alg. (2-levels) First alg. (3-levels) Second Second alg. (Some) alg. (Max.) Algorithms Forensic Decisions Forensic News Sports News Gazi
18 SONUÇ Bu çalışmada dokümanlardan kavram çıkarmak için TDK sözlüğü kullanılmıştır. Bağlam analizi yapılmış ve bunun etkisinin büyük olduğu gözlenmiştir. Üç tane alternatif metot geliştirilmiş, üçüncüsünün en yüksek başarı oranını verdiği gözlenmiştir. Frekans yanında Kapsam ve İlk konum özelliklerinin hesaba katılmasının başarı oranını arttırdığı gözlenmiştir.
19 İlerki Çalışmalar Sözlük tabanlı metodu geliştirmeden önce kümeleme yoluyla kavram çıkarmaya çalışılmıştır, bu kümeleme metodunu Principal Component Analysis ile geliştirmeye devam edebiliriz. Sözlük anlam cümlesindeki kelimelerde hypernym olanlara daha fazla katsayı atanarak algoritma geliştirilebilir. Geliştirdiğimiz algoritmayı başka Türkçe derlemleri üzerinde çalıştırabiliriz. Geliştirdiğimiz algoritma metin sınıflandırmada (text categorization) kullanılabilir.
20 TEŞEKKÜR Bu çalışmamız Boğaziçi Üniversitesi Araştırma Fonu ve TÜBİTAK tarafından desteklenmiştir. Cem Rıfkı Aydın Master (M.Sc.) öğrenimi süresince TÜBİTAK BİDEB bursundan yararlanmıştır. Haşim Sak tarafından geliştirilen biçimbirimsel ayrıştırma araçları kullanılmıştır.
21 DİNLEDİĞİNİZ İÇİN TEŞEKKÜRLER
Sözlük kullanarak Türkçe için Kavram Madenciliği Metotları Geliştirme: Bir Uygulama
Sözlük kullanarak Türkçe için Kavram Madenciliği Metotları Geliştirme: Bir Uygulama Cem Rıfkı Aydın 1, Ali Erkan 1, Tunga Güngör 1, Hidayet Takçı 2 1 2 Boğaziçi Üniversitesi, Bilgisayar Mühendisliği Bölümü,
DetaylıSözlük Tabanlı Kavram Madenciliği: Türkçe için bir Uygulama
Sözlük Tabanlı Kavram Madenciliği: Türkçe için bir Uygulama Cem Rıfkı Aydın Boğaziçi Üniversitesi, Bebek 34342, Beşiktaş, İstanbul cemrifkiaydin@gmail.com Ali Erkan Boğaziçi Üniversitesi, Bebek 34342,
DetaylıVERİ MADENCİLİĞİ. Karar Ağacı Algoritmaları: SPRINT algoritması Öğr.Gör.İnan ÜNAL
VERİ MADENCİLİĞİ Karar Ağacı Algoritmaları: SPRINT algoritması Öğr.Gör.İnan ÜNAL SPRINT Algoritması ID3,CART, ve C4.5 gibi algoritmalar önce derinlik ilkesine göre çalışırlar ve en iyi dallara ayırma kriterine
DetaylıBilgiye Erişim Sistemlerinde Veri Arama ve Eşleştirme
Bilgiye Erişim Sistemlerinde Veri Arama ve Eşleştirme M. Erkan YÜKSEL 1, Özgür Can TURNA 1, M. Ali ERTÜRK 1 1 İstanbul Üniversitesi, Bilgisayar Mühendisliği Bölümü, İstanbul {eyuksel, ozcantur}@istanbul.edu.tr,
DetaylıÜst Düzey Programlama
Üst Düzey Programlama XML 1 XML XML (Extensible Markup Language) verileri belirli yapıda tutmak için kullanılan bir işaretleme dilidir. Bu yapı bilindiği için verinin istenildiğinde kullanılmasını, değiştirilmesini
DetaylıFen Eğitiminde Eğitsel Oyun Tabanlı Kavram Öğretiminin ve Kavram Defteri Uygulamasının Öğrenci Tutum ve Başarısına Etkisi
Đlköğretim Kongresi: Đlköğretimde Eğitim ve Öğretim Fen Eğitiminde Eğitsel Oyun Tabanlı Kavram Öğretiminin ve Kavram Defteri Uygulamasının Öğrenci Tutum ve Başarısına Etkisi Hasan Said TORTOP * ÖZET: Fen
DetaylıTürkçe Dokümanlar Ġçin Yazar Tanıma
Türkçe Dokümanlar Ġçin Yazar Tanıma Özcan KOLYĠĞĠT, Rıfat AġLIYAN, Korhan GÜNEL Adnan Menderes Üniversitesi, Matematik Bölümü Bölümü, Aydın okolyigit@gmail.com, rasliyan@adu.edu.tr, kgunel@adu.edu.tr Özet:
DetaylıKelime Gösterimleri (Word Representation Word Embeddings)
Kelime Gösterimleri (Word Representation Word Embeddings) Kelime, cümlede kullanımına göre farklı anlamlar kazanabilir Anlamsal bilginin çıkarılması metinlerin işlenmesinde önemlidir Kelimelerin işlenebilir
DetaylıLİSANS ÖĞRENCİLERİ İÇİN
Süleyman Demirel Üniversitesi Ulusal ve Uluslararası Araştırma Proje Koordinatörlüğü LİSANS ÖĞRENCİLERİ İÇİN 2209/A - Araştırma Projeleri Destek Programı Bilgilendirme Semineri (2015/2. Dönem) 15 Ekim
Detaylıbitık MOBİL TİCARET UYGULAMASI ABDULLAH ÇİÇEKCİ
bitık MOBİL TİCARET UYGULAMASI ABDULLAH ÇİÇEKCİ - 150110046 İÇERİK Uygulama ve uygulamaya ilişkin temel kavramların tanıtımı Uygulamanın yapısı Ön yüz Veritabanı Web Servisler K-Means Algoritması ile kategori
DetaylıBİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ
SAKARYA ÜNİVERSİTESİ BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ Hafta 12 Yrd. Doç. Dr. Halil İbrahim CEBECİ Bu ders içeriğinin basım, yayım ve satış hakları Sakarya Üniversitesi ne aittir. "Uzaktan
DetaylıDil Modelleri. İstatistiksel Dil Modelleri*
Dil Modelleri Mehmet Fatih AMASYALI BLM 5212 Doğal Dil İşlemeye Giriş Ders Notları İstatistiksel Dil Modelleri* Bir cümlenin olasılığını bulmak Kullanım alanları Makine Çevirisi P(taze balık aldım)>p(yeni
DetaylıMakine Öğrenmesi İle Duygu Analizinde Veri Seti Performansı
Makine Öğrenmesi İle Duygu Analizinde Veri Seti Performansı Hatice NİZAM İstanbul Üniversitesi Bilgisayar Mühendisliği Bölümü haticenizam@outlook.com Saliha Sıla AKIN ERS Turizm Yazılım Şirketi, Bilgisayar
DetaylıAkış YILDIZ TEKNİK ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ
Akış Makine Öğrenmesi nedir? Günlük Hayatımızdaki Uygulamaları Verilerin Sayısallaştırılması Özellik Belirleme Özellik Seçim Metotları Bilgi Kazancı (Informaiton Gain-IG) Sinyalin Gürültüye Oranı: (S2N
DetaylıWordnet ve Bilgisayar Ağ Terimleri Sözlüğünün Oluşturulması
Wordnet ve Bilgisayar Ağ Terimleri Sözlüğünün Oluşturulması Yeşim Aktaş 1, Ebru Yılmaz İnce 2, Abdülkadir Çakır 3, Akif Kutlu 4 1 Süleyman Demirel Üniversitesi, Bilgisayar Mühendisliği Bölümü, Isparta
DetaylıVeri Tabanı Yönetim Sistemleri Bölüm - 3
Veri Tabanı Yönetim Sistemleri Bölüm - 3 İçerik Web Tabanlı Veri Tabanı Sistemleri.! MySQL.! PhpMyAdmin.! Web tabanlı bir veritabanı tasarımı. R. Orçun Madran!2 Web Tabanlı Veritabanı Yönetim Sistemleri
DetaylıVeri Madenciliği Karar Ağacı Oluşturma
C4.5 Algoritması Veri Madenciliği Karar Ağacı Oluşturma Murat TEZGİDER 1 C4.5 Algoritması ID3 algoritmasını geliştiren Quinlan ın geliştirdiği C4.5 karar ağacı oluşturma algoritmasıdır. ID3 algoritmasında
DetaylıMOCKUS HİDROGRAFI İLE HAVZA & TAŞKIN MODELLENMESİNE BİR ÖRNEK: KIZILCAHAMAM(ANKARA)
MOCKUS HİDROGRAFI İLE HAVZA & TAŞKIN MODELLENMESİNE BİR ÖRNEK: KIZILCAHAMAM(ANKARA) Tunç Emre TOPTAŞ Teknik Hizmetler ve Eğitim Müdürü, Netcad Yazılım A.Ş. Bilkent, Ankara, Öğretim Görevlisi, Gazi Üniversitesi,
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel
DetaylıSahne Geçişlerinin Geometrik Tabanlı olarak Saptanması
Sahne Geçişlerinin Geometrik Tabanlı olarak Saptanması 1 Giriş Binnur Kurt, H. Tahsin Demiral, Muhittin Gökmen İstanbul Teknik Üniversitesi, Bilgisayar Mühendisliği Bölümü, Maslak, 80626 İstanbul {kurt,demiral,gokmen}@cs.itu.edu.tr
DetaylıÖrnek 4.1: Tablo 2 de verilen ham verilerin aritmetik ortalamasını hesaplayınız.
.4. Merkezi Eğilim ve Dağılım Ölçüleri Merkezi eğilim ölçüleri kitleye ilişkin bir değişkenin bütün farklı değerlerinin çevresinde toplandığı merkezi bir değeri gösterirler. Dağılım ölçüleri ise değişkenin
DetaylıVeri ve Metin Madenciliği
Veri ve Metin Madenciliği Zehra Taşkın Veri Madenciliği Bir kutu toplu iğne İçine 3 boncuk düşürdünüz Nasıl alacağız? Fikirler? Veri Madenciliği Data Information Knowledge Veri madenciliği; Büyük yoğunluklu
DetaylıVeri ve Metin Madenciliği. Zehra
Veri ve Metin Madenciliği Zehra Taşkın @zehrataskin Büyük Veri https://www.youtube.com/watch?v=tzxmjbl-i4y Veri Madenciliği Bir kutu toplu iğne İçine 3 boncuk düşürdünüz Nasıl alacağız? Veri Madenciliği
DetaylıOtomatik Doküman Sınıflandırma
Otomatik Doküman Sınıflandırma Rumeysa YILMAZ, Rıfat AŞLIYAN, Korhan GÜNEL Adnan Menderes Üniversitesi, Fen Edebiyat Fakültesi Matematik Bölümü, Aydın rumeysa2903@gmailcom, rasliyan@aduedutr, kgunel@aduedutr
DetaylıOtomatik Doküman Sınıflandırma
Akademik Bilişim 12 - XIV Akademik Bilişim Konferansı Bildirileri Otomatik Doküman Sınıflandırma Adnan Menderes Üniversitesi, Fen Edebiyat Fakültesi Matematik Bölümü, Aydın rumeysa2903@gmailcom, rasliyan@aduedutr,
DetaylıVERİ MADENCİLİĞİ (Veri Önişleme-1) Yrd.Doç.Dr. Kadriye ERGÜN
VERİ MADENCİLİĞİ (Veri Önişleme-1) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr Genel İçerik Veri Madenciliğine Giriş Veri Madenciliğinin Adımları Veri Madenciliği Yöntemleri Sınıflandırma Kümeleme
DetaylıTemel Elektronik Basic Electronic Düğüm Gerilimleri Yöntemi (Node-Voltage Method)
Temel Elektronik Basic Electronic Düğüm Gerilimleri Yöntemi (Node-Voltage Method) Konular Düğüm Gerilimleri Yöntemi o Temel Kavramlar o Yönteme Giriş o Yöntemin Uygulanışı o Yöntemin Uygulanması o Örnekler
Detaylıİletim Hatları ve Elektromanyetik Alan. Mustafa KOMUT Gökhan GÜNER
İletim Hatları ve Elektromanyetik Alan Mustafa KOMUT Gökhan GÜNER 1 Elektrik Alanı Elektrik alanı, durağan bir yüke etki eden kuvvet (itme-çekme) olarak tanımlanabilir. F parçacık tarafından hissedilen
DetaylıTek Değişkenli Optimizasyon OPTİMİZASYON. Gradient Tabanlı Yöntemler. Bisection (İkiye Bölme) Yöntemi
OPTİMİZASYON Gerçek hayatta, çok değişkenli optimizasyon problemleri karmaşıktır ve nadir olarak problem tek değişkenli olur. Bununla birlikte, tek değişkenli optimizasyon algoritmaları çok değişkenli
Detaylımmcube Çokluortam Bilgi Sistemi
mmcube Çokluortam Bilgi Sistemi SeCUBE ARGE Bilişim Mühendislik Ltd.Şti. Çokluortam Bilgi Sistemi görsel, işitsel ve metinsel tarama yöntemiyle videoların taranmasına olanak sağlayan yüksek teknoloji bir
DetaylıKümeler arası. Küme içi. uzaklıklar. maksimize edilir. minimize edilir
Kümeleme Analizi: Temel Kavramlar ve Algoritmalar Kümeleme Analizi Nedir? Her biri bir dizi öznitelik ile, veri noktalarının bir kümesi ve noktalar arasındaki benzerliği ölçen bir benzerlik ölçümü verilmiş
DetaylıGörsel Programlama DERS 02. Görsel Programlama - Ders02/ 1
Görsel Programlama DERS 02 Görsel Programlama - Ders02/ 1 Kodun Tekrar Kullanımı ve Kalıtım(Inheritance) Nesneye yönelik programlamanın diğer programlama paradigmalarına karşı bir avantajı kodun yeniden
DetaylıWeb Madenciliği (Web Mining)
Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Giriş Bilgi Erişiminde Temel Yaklaşımlar Bilgi Erişim Modelleri Boolean model Vector space
DetaylıNÜMER IK ANAL IZ. Nuri ÖZALP L INEER S ISTEMLER IN ÇÖZÜMÜ. Bilimsel Hesaplama Matemati¼gi, Gazi Kitabevi 2012
NÜMER IK ANAL IZ Bilimsel Hesaplama Matemati¼gi, Gazi Kitabevi 0 Nuri ÖZALP L INEER S ISTEMLER IN ÇÖZÜMÜ Nuri ÖZALP (Ankara Üni.) NÜMER IK ANAL IZ BÖLÜM 6 7! L INEER S ISTEMLER IN ÇÖZÜMÜ / 9 . LU ve Cholesky
Detaylı3.2. DP Modellerinin Simpleks Yöntem ile Çözümü Primal Simpleks Yöntem
3.2. DP Modellerinin Simpleks Yöntem ile Çözümü 3.2.1. Primal Simpleks Yöntem Grafik çözüm yönteminde gördüğümüz gibi optimal çözüm noktası, her zaman uygun çözüm alanının bir köşe noktası ya da uç noktası
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Hessien Matris-Quadratik Form Mutlak ve Bölgesel Maksimum-Minimum Noktalar Giriş Kısıtlı ve kısıtsız fonksiyonlar için
DetaylıÜst Düzey Programlama
Üst Düzey Programlama Yazılımda Günlükleme (Logging) Üst Düzey Programlama-ders07/ 1 Günlükleme -Logging Tüm büyük çaplı uygulamalarda günlükleme(logging) ihtiyaçları bulunmaktadır. Bir uygulamanın hata
DetaylıYeşim AKSAN, Selma Ayşe ÖZEL, Yasin BEKTAŞ, Mustafa AKSAN, Umut Ufuk DEMİRHAN, Ümit MERSİNLİ, Hakan YILMAZER. Sunan : Yasin BEKTAŞ.
Yeşim AKSAN, Selma Ayşe ÖZEL, Yasin BEKTAŞ, Mustafa AKSAN, Umut Ufuk DEMİRHAN, Ümit MERSİNLİ, Hakan YILMAZER Sunan : Yasin BEKTAŞ 5 Şubat 2014 1. Giriş 2. Alanyazın 3. Açık Kaynak / Ücretsiz Yazılımlarla
DetaylıGİRİŞ. Bilimsel Araştırma: Bilimsel bilgi elde etme süreci olarak tanımlanabilir.
VERİ ANALİZİ GİRİŞ Bilimsel Araştırma: Bilimsel bilgi elde etme süreci olarak tanımlanabilir. Bilimsel Bilgi: Kaynağı ve elde edilme süreçleri belli olan bilgidir. Sosyal İlişkiler Görgül Bulgular İşlevsel
DetaylıTerör Olayları ve Enerji Zinciri : İstatistiksel bir İnceleme
Terör Olayları ve Enerji Zinciri : İstatistiksel bir İnceleme Giriş Dünyadaki terör olaylarının ne kadarının enerji kaynaklarına yönelik olduğu veya bu olayların temelinde kaynak kontrol etme kaygılarının
Detaylı*Nahsen AVCI, *Figen Altay
ORTAOKUL ALTINCI SINIFLARDA BEDEN EĞİTİMİ VE SPOR DERSİNDE, NESNE KONTROLÜ GEREKTİREN HAREKETLERE İLİŞKİN FİZİKSEL AKTİVİTE SEVİYELERİ *Nahsen AVCI, *Figen Altay *Hacettepe Üniversitesi, Spor Bilimleri
DetaylıÇARPANLAR VE KATLAR ÖĞRENİYORUM
ÖĞRENİYORUM Bir pozitif tam sayıyı birden fazla pozitif tam sayının çarpımı şeklinde yazarken kullandığımız her bir sayıya o sayının çarpanı denir. Örnek: nin çarpanları,, 3, 4, 6 ve dir. UYGULUYORUM Verilmeyen
DetaylıArş.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
DetaylıVERİ MADENCİLİĞİ Metin Madenciliği
VERİ MADENCİLİĞİ Metin Madenciliği Yrd. Doç. Dr. Şule Gündüz Öğüdücü 1 2 Metin için Veri Madenciliği Metin Madenciliğinde Sorunlar Metin madenciliği: Veri madenciliği teknikleri ile yazılı belgeler arasındaki
DetaylıTürkçe için Karşılaştırmalı bir Kelime Anlamı Belirginleştirme Uygulaması
Türkçe için Karşılaştırmalı bir Kelime Anlamı Belirginleştirme Uygulaması Özet: Kelime anlamı belirginleştirme (KAB), bir kelimenin bulunduğu bağlamda hangi anlamı ile kullanıldığının otomatik olarak belirlenebilmesidir.
Detaylı(AYIRIM) DENLİ. Emre KUZUGÜDENL. Doç.Dr.Serdar CARUS
DİSKRİMİNANT ANALİZİ (AYIRIM) Emre KUZUGÜDENL DENLİ Doç.Dr.Serdar CARUS Bu analiz ile; Bir bireyin hangi gruptan geldiği (p değişkeni kullanarak, bireyi uygun bir gruba atar ) Her bir değişkenin atama
DetaylıBM208- Nesneye Dayalı Analiz ve Tasarım. Sunum 7
BM208- Nesneye Dayalı Analiz ve Tasarım Sunum 7 Component(Bileşen) Diyagramları Sistemin fiziksel yapısını modellemede kullanılır. Bu fiziksel yapıdan kasıt gömülü kontroller, portlar, arayüzlerin yanı
DetaylıVERİ MADENCİLİĞİ (Veri Ön İşleme-2) Yrd.Doç.Dr. Kadriye ERGÜN
VERİ MADENCİLİĞİ (Veri Ön İşleme-2) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr Genel İçerik Veri Madenciliğine Giriş Veri Madenciliğinin Adımları Veri Madenciliği Yöntemleri Sınıflandırma Kümeleme
DetaylıZahmetsiz örüntü tanıma: Nokta bulutlarının karşılaştırılması yoluyla veri-tabanlı ve parametresiz istatistiksel öğrenme
Zahmetsiz örüntü tanıma: Nokta bulutlarının karşılaştırılması yoluyla veri-tabanlı ve parametresiz istatistiksel öğrenme Doç. Dr. Bilge Karaçalı Biyomedikal Veri İşleme Laboratuvarı Elektrik-Elektronik
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
DetaylıYAZILIM ÜRÜN HATTI DEĞĐŞKENLĐĞĐNĐN DENETĐM ÇEVRĐMĐ ĐLE ELE ALINMASI
YAZILIM ÜRÜN HATTI DEĞĐŞKENLĐĞĐNĐN DENETĐM ÇEVRĐMĐ ĐLE ELE ALINMASI Emra AŞKAROĞLU ASELSAN A. Ş. 1 ĐÇERĐK Yazılım Ürün Hattı nedir? Yazılım Ürün Hattı Değişkenliği Ürün Özellik Ağacı Oluşturma Uygulama
DetaylıKitle: Belirli bir özelliğe sahip bireylerin veya birimlerin tümünün oluşturduğu topluluğa kitle denir.
BÖLÜM 1: FREKANS DAĞILIMLARI 1.1. Giriş İstatistik, rasgelelik içeren olaylar, süreçler, sistemler hakkında modeller kurmada, gözlemlere dayanarak bu modellerin geçerliliğini sınamada ve bu modellerden
DetaylıBMT 101 Algoritma ve Programlama I 2. Hafta. Yük. Müh. Köksal GÜNDOĞDU 1
BMT 0 Algoritma ve Programlama I 2. Hafta Yük. Müh. Köksal GÜNDOĞDU Algoritma ve Programlama Yük. Müh. Köksal GÜNDOĞDU 2 Algoritma Kavramı Yük. Müh. Köksal GÜNDOĞDU 3 Algoritma ve Programlama Bilgisayardaki
DetaylıÖnsöz. İçindekiler Algoritma Algoritma Nasıl Hazırlanır? Yazılımda Algoritma Mantığı Nedir? 1.2. Algoritma Örnekleri ve Sorular
Önsöz Giriş İçindekiler V VII IX 1.1. Algoritma 1.1.1. Algoritma Nasıl Hazırlanır? 1.1.2. Yazılımda Algoritma Mantığı Nedir? 1.2. Algoritma Örnekleri ve Sorular 2.1. Programın Akış Yönü 19 2.2. Başlama
Detaylımatrisleri bulunmuş olur. X A. B yardımıyla değişkenlere ulaşılır. Bu yolda A ne ulaşmak güç olduğu gibi A ni bulamama durumunda söz konusudur.
PROJE RAPORU Projenin Adı: Üç bilinmeyenli Rasyonel Katsayılı Denklem Sistemi Çözümü Projenin Amacı: Üç bilinmeyenli rasyonel katsayılı denklem sisteminin Gauss indirgenme metodu ile çözümünü algoritmaya
Detaylıİş Zekası için Dört-Katmanlı Veri Modellemesi Gerçekleştirimi. Harun Gökçe EG Yazılım, TOBB ETÜ
İş Zekası için Dört-Katmanlı Veri Modellemesi Gerçekleştirimi Harun Gökçe EG Yazılım, TOBB ETÜ İçerik İş Zekası Kavramı Tarihçesi İş Zekası Tanım, Kavramlar ve Gereklilik Dört-Katmanlı Veri Modellemesi
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
DetaylıÜSTEL 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
DetaylıKentsel Hava Kirliliği Riski için Enverziyon Tahmini
DEVLET METEOROLOJİ İŞLERİ GENEL MÜDÜRLÜĞÜ ARAŞTIRMA ve BİLGİ İŞLEM DAİRESİ BAŞKANLIĞI ARAŞTIRMA ŞUBE MÜDÜRLÜĞÜ Kentsel Hava Kirliliği Riski için Enverziyon i 2008-2009 Kış Dönemi (Ekim, Kasım, Aralık,
DetaylıMühendislikte İstatistik Yöntemler
Mühendislikte İstatistik Yöntemler Referans Kitaplar Türkçe : Mühendisler için İstatistik, Mehmetçik Bayazıt, Beyhan Oğuz, Birsen Yayınevi Mühendislikte İstatistik Metodlar, Erdem KOÇ,ÇÜ, Müh.Mim.Fak.
DetaylıÇizelge 5.1. Çeşitli yapı elemanları için uygun çökme değerleri (TS 802)
1 5.5 Beton Karışım Hesapları 1 m 3 yerine yerleşmiş betonun içine girecek çimento, su, agrega ve çoğu zaman da ilave mineral ve/veya kimyasal katkı miktarlarının hesaplanması problemi pek çok kişi tarafından
DetaylıISK116 - Bölüm 1. Grup Teknolojisi
ISK - Bölüm Grup Teknolojisi Grup Teknolojisi (GT) Grup teknolojisi benzerliklerden faydalanarak büyük ve karmaşık bir üretim sisteminin, küçük ve kolay kontrol edilebilir sistemlere dönüştürülmesi hedeflenmektedir.
DetaylıMAPINFO PROFESSIONAL TEMEL VE İLERİ SEVİYE KURS İÇERİĞİ
MAPINFO PROFESSIONAL TEMEL VE İLERİ SEVİYE KURS İÇERİĞİ Başar Bilgisayar Sistemleri Ve İletişim Teknolojileri San. Ve Tic. Ltd. Şti. Web site: http://www.basarsoft.com.tr Kontak mail: basar@basarsoft.com.tr
DetaylıBİLİŞİM TEKNOLOJİLERİ YÜKSEK LİSANS
BİLİŞİM TEKNOLOJİLERİ YÜKSEK LİSANS BİL503 BİLİŞİM SUÇLARI ve ADLİ BİLİŞİM İMAJ PROJESİ Hazırlayan; Nevzat Melih TÜNEK Okul No : 1403660046 1-) DrugCase.dd imajının ne tip bir adli kopya imajını olduğunu
DetaylıBİL-141 Bilgisayar Programlama I (Java)
1 BİL-141 Bilgisayar Programlama I (Java) Hazırlayan: M.Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Not: Bu dersin sunumları, Java Bilgisayar Programlamaya Giriş, A. Yazıcı, E. Doğdu,
DetaylıHELİKOPTER ALT YAPILARININ DİNAMİK ANALİZİ İÇİN DÜŞÜK DERECEDE MODELLEME
VI. ULUSAL HAVACILIK VE UZAY KONFERANSI 28-30 Eylül 2016, Kocaeli Üniversitesi, Kocaeli HELİKOPTER ALT YAPILARININ DİNAMİK ANALİZİ İÇİN DÜŞÜK DERECEDE MODELLEME Uğur HAYIRLI 1 TUSAŞ Türk Havacılık ve Uzay
DetaylıWeb Madenciliği (Web Mining)
Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Sınıflandırıcıların Değerlendirilmesi Skorlar Karışıklık matrisi Accuracy Precision Recall
DetaylıVERİ MADENCİLİĞİ VE SOSYAL AĞ ANALİZİ ARAŞTIRMA LABORATUVARI
BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ VERİ MADENCİLİĞİ VE SOSYAL AĞ ANALİZİ ARAŞTIRMA LABORATUVARI 10 Aralık 2011, Cumartesi Fen ve Mühendislik Alanlarındaki Çeşitli Araştırma Projelerinden Örneklemeler İçerik
DetaylıMADDE VE TEST ANALİZİ. instagram: sevimasiroglu
MADDE VE TEST ANALİZİ Sunu Sırası Madde Analizi Madde Güçlüğü Madde Ayırıcılık Gücü Test Analizi Dizi Genişliği Ortanca Ortalama Standart Sapma Testin Ortalama Güçlüğü Testin Çarpıklık Düzeyi Test Güvenirliği
Detaylıolsun. Bu halde g g1 g1 g e ve g g2 g2 g e eşitlikleri olur. b G için a b b a değişme özelliği sağlanıyorsa
1.GRUPLAR Tanım 1.1. G boş olmayan bir küme ve, G de bir ikili işlem olsun. (G, ) cebirsel yapısına aşağıdaki aksiyomları sağlıyorsa bir grup denir. 1), G de bir ikili işlemdir. 2) a, b, c G için a( bc)
DetaylıYrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü
Mühendislikte İstatistiksel Yöntemler Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü 1 Araştırma sonuçlarının açıklanmasında frekans tablosu
DetaylıAKADEMİK LMS Web Tabanlı Uzaktan Eğitim Genel Bilgi ve Ders Aktivitelerine Erişim Öğrenci Kullanım Kılavuzu
AKADEMİK LMS Web Tabanlı Uzaktan Eğitim Genel Bilgi ve Ders Aktivitelerine Erişim Öğrenci Kullanım Kılavuzu ÖNSÖZ Akademik LMS (ALMS), Türkiye'deki yüksek öğrenim kurumlarının ihtiyaçlarını karşılamak
Detaylı1.GRUPLAR. c (Birleşme özelliği) sağlanır. 2) a G için a e e a a olacak şekilde e G. vardır. 3) a G için denir) vardır.
1.GRUPLAR Tanım 1.1. G boş olmayan bir küme ve, G de bir ikili işlem olsun. (G, ) cebirsel yapısına aşağıdaki aksiyomları sağlıyorsa bir grup denir. 1) a, b, c G için a ( b c) ( a b) c (Birleşme özelliği)
DetaylıÖZEL EGE LİSESİ FİBONACCİ DİZİLERİ YARDIMIYLA DEĞERİNİ HESAPLAYAN BİR FORMÜL
ÖZEL EGE LİSESİ FİBONACCİ DİZİLERİ YARDIMIYLA DEĞERİNİ HESAPLAYAN BİR FORMÜL HAZIRLAYAN ÖĞRENCİ: Tilbe GÖKÇEL DANIŞMAN ÖĞRETMEN: Emel ERGÖNÜL İZMİR 2013 İÇİNDEKİLER 1. PROJENİN AMACI... 3 2. GİRİŞ... 3
Detaylıe-yazışma Projesi TBD Kamu-BİB Aylık Bilgilendirme Toplantısı
e-yazışma Projesi TBD Kamu-BİB Aylık Bilgilendirme Toplantısı 19 Ocak 2012 Gündem e-yazışma Projesinin Amacı ve Kapsamı Projenin Çıktıları Projeye Katkı Sağlayanlar e-yazışma Paketi Önümüzdeki Dönemde
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Altın Oran (Golden Section Search) Arama Metodu Tek değişkenli bir f(x) fonksiyonunu ele alalım. [Bazı x ler için f
DetaylıBilgi Erişim Performans Ölçüleri
Bilgi Erişim Performans Ölçüleri Yaşar Tonta Hacettepe Üniversitesi tonta@hacettepe.edu.tr yunus.hacettepe.edu.tr/~tonta/ DOK324/BBY220 Bilgi Erişim İlkeleri DOK 220 Bahar 2005 2005.03.01 - SLAYT 1 Belge
DetaylıORTAOKUL ÖĞRENCİLERİ İÇİN BEDEN EĞİTİMİ VE SPOR DERSİ DEĞER ÖLÇEĞİNİN GELİŞTİRİLMESİ
ORTAOKUL ÖĞRENCİLERİ İÇİN BEDEN EĞİTİMİ VE SPOR DERSİ DEĞER ÖLÇEĞİNİN GELİŞTİRİLMESİ Mehmet GÜLLÜ* Mehmet Akif YÜCEKAYA**, 1 *İnönü Üniversitesi, Spor Bilimleri Fakültesi,Türkiye **İnönü Üniversitesi,
DetaylıStenografi ve Steganaliz. Hamza Duman / F.Ü. Yazılım Mühendisliği
Stenografi ve Steganaliz STEGANOGRAFİ NEDİR? Steganografi, mesajı gömme yoluyla bilgiyi saklama sanatı ve bilimidir. Yunanca «steganos» kelimesinden gelmektedir. Bir nesnenin içerisine bir verinin gizlenmesi
DetaylıLSI Keywords İle Sitenizin Sıralamasını Ve Trafiğini Arttırın
LSI Keywords İle Sitenizin Sıralamasını Ve Trafiğini Arttırın Giriş Her web sitesi sahibi, Seo açısından anahtar kelimelerin önemi çok iyi bilir. Fakat içeriğinizi optimize etmek için kullandığınız ana
DetaylıÜst Düzey Programlama
Üst Düzey Programlama Tasarım Şablonları Üst Düzey Programlama-ders02/ 1 FAÇADE ŞABLONU Facade bir nesnedir ve çok büyük kodları, karmaşık sınıfları basitleştirerek birleştirmek ve ortak bir arayüz sağlamak
DetaylıTAMSAYILI PROGRAMLAMA
TAMSAYILI PROGRAMLAMA Doğrusal programlama problemlerinde sık sık çözümün tamsayı olması gereken durumlar ile karşılaşılır. Örneğin ele alınan problem masa, sandalye, otomobil vb. üretimlerinin optimum
DetaylıBu örnekte kullanılan veri 200 gözleme sahiptir ve örnek için özel olarak oluşturulmuştur.
Değişen Varyans Örnek Bu örnekte kullanılan veri 200 gözleme sahiptir ve örnek için özel olarak oluşturulmuştur. 1 Aşağıda yer alan denklemi tahmin edelim; y i = β 0 + β 1 x 1i + β 2 x 2i + u i EViews
DetaylıBilgi Güvenliği Risk Değerlendirme Yaklaşımları www.sisbel.biz
ISO/IEC 20000-1 BİLGİ TEKNOLOJİSİ - HİZMET YÖNETİMİ BAŞ DENETÇİ EĞİTİMİ Bilgi Güvenliği Risk Değerlendirme Yaklaşımları E1-yüksek seviye bilgi güvenliği risk değerlendirmesi Yüksek seviye değerlendirme,
Detaylı2. (v+w+x+y+z) 8 ifadesinin açılımında kaç terim vardır? 3. log 5 0, 69897 olduğuna göre 50 10 sayısı kaç basamaklıdır?
Ayrık Hesaplama Yapıları A GRUBU 3.03.0 Numarası Adı Soyadı : CEVAP : ANAHTARI SINAV YÖNERGESİ İşaretlemelerinizde kurşun kalem kullanınız. Soru ve cevap kağıtlarına numaranızı ve isminizi mürekkepli kalem
DetaylıT.C. ÇANAKKALE ONSEKİZ MART ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ İLERİ VERİTABANI SİSTEMLERİ DERSİ RAPORUN SUNULDUĞU TARİH 24.05.
T.C. ÇANAKKALE ONSEKİZ MART ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ İLERİ VERİTABANI SİSTEMLERİ DERSİ RAPORUN SUNULDUĞU TARİH 24.05.2011 PROJE KONUSU Genel Seçim Çalışmaları PROJE GRUBU Semih Erdem 080401009
DetaylıK En Yakın Komşu Methodu (KNearest Neighborhood)
K En Yakın Komşu Methodu (KNearest Neighborhood) K-NN algoritması, Thomas. M. Cover ve Peter. E. Hart tarafından önerilen, örnek veri noktasının bulunduğu sınıfın ve en yakın komşunun, k değerine göre
DetaylıYEŞİLIRMAK NEHRİ İÇİN TOPLAM ORGANİK KARBON ÖNGÖRÜ MODELLERİ
YEŞİLIRMAK NEHRİ İÇİN TOPLAM ORGANİK KARBON ÖNGÖRÜ MODELLERİ Mehmet Yüceer a*, İlknur Atasoy b, Eda Semizer c, Erdal Karadurmuş d, Kazım Yetik e, Ayla Çalımlı c, Rıdvan Berber c a İnönü Üniversitesi Mühendislik
DetaylıZAMAN 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
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
Detaylı7. BÖLÜM BARA ADMİTANS VE BARA EMPEDANS MATRİSLERİ
5 7. BÖLÜM ADMİTANS E EMPEDANS MATRİSLERİ 7.. Giriş İletim sistemlerinin analizlerinde, bara sayısı arttıkça artan karmaşıklıkları yenmek için sistemin matematiksel modellenmesinde kolaylık getirici bazı
Detaylıhttps://twitter.com/farukbozan 19 Şubat 2016 Cuma
Bugünkü yazımda çok basit ve temel anlamda Spring ile XML tanım tabanlı bean okuma işlemini anlatmaya çalışacağım. Spring framework bizim yerimize nesnelerin birbirine olan bağımlılıklarını düzenleyip,
Detaylı2. SÜREKLİ DENETİME İLİŞKİN GENEL BİLGİLER
İÇİNDEKİLER İÇİNDEKİLER... v TABLO LİSTESİ... xi ŞEKİL LİSTESİ... xiii KISALTMALAR... xiv 2. SÜREKLİ DENETİME İLİŞKİN GENEL BİLGİLER... 4 2.1. SÜREKLİ DENETİMİN TANIMI... 4 2.2. SÜREKLİ DENETİM İLE GELENEKSEL
DetaylıBÖLÜM 6 LAPLACE DÖNÜŞÜMLERİ
BÖLÜM 6 LAPLACE DÖNÜŞÜMLERİ 6.2. Laplace Dönüşümü Tanımı Bir f(t) fonksiyonunun Laplace alındığında oluşan fonksiyon F(s) ya da L[f(t)] olarak gösterilir. Burada tanımlanan s; ÇÖZÜM: a) b) c) ÇÖZÜM: 6.3.
DetaylıKorelasyon ve Regresyon
Korelasyon ve Regresyon Korelasyon- (lineer korelasyon) Açıklayıcı (Bağımsız) Değişken x çalışma zamanı ayakkabı numarası İki değişken arasındaki ilişkidir. Günlük sigara sayısı SAT puanı boy Yanıt (Bağımlı)
DetaylıYZM 2105 Nesneye Yönelik Programlama
YZM 2105 Nesneye Yönelik Programlama Yrd. Doç. Dr. Deniz KILINÇ Celal Bayar Üniversitesi Hasan Ferdi Turgutlu Teknoloji Fakültesi Yazılım Mühendisliği 1 BÖLÜM - 7 Abstract (Soyut Sınıflar) Bu bölümde;
DetaylıÖzel Laboratuvar Deney Föyü
Özel Laboratvar Deney Föyü Deney Adı: Mikrokanatlı borlarda türbülanslı akış Deney Amacı: Düşey konmdaki iç yüzeyi mikrokanatlı bordaki akış karakteristiklerinin belirlenmesi 1 Mikrokanatlı Bor ile İlgili
DetaylıULUDAĞ ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ OTOMOTİV MÜHENDİSLİĞİ BÖLÜMÜ
ULUDAĞ ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ OTOMOTİV MÜHENDİSLİĞİ BÖLÜMÜ OTO4003 OTOMOTİV MÜHENDİSLİĞİ LABORATUVARI DENEY FÖYÜ LAB. NO:.. DENEY ADI : SES İLETİM KAYBI DENEYİ 2017 BURSA 1) AMAÇ Bir malzemenin
DetaylıBirbirine bağlı milyarlarca bilgisayar sisteminin oluşturduğu, dünya çapında bir iletişim ağıdır.
Ekim 2015 Birbirine bağlı milyarlarca bilgisayar sisteminin oluşturduğu, dünya çapında bir iletişim ağıdır. Çok miktarda bilgiye kolay, ucuz ve hızlı bir şekilde erişim sağlar. İnternet Arama Motorları
DetaylıÝÇÝNDEKÝLER. 1. ÜNÝTE Kümeler. 2. ÜNÝTE Bölünebilme Kurallarý ve Kesirler
ÝÇÝNDEKÝLER 1. ÜNÝTE Kümeler KÜMELER... 13 Ölçme ve Deðerlendirme... 19 Kazaným Deðerlendirme Testi - 1... 21 Kazaným Deðerlendirme Testi - 2 (Video lü)... 23 KÜMELERLE ÝÞLEMLER... 25 Ölçme ve Deðerlendirme...
Detaylı