DUYGULU Projesi Tasarım Raporu
|
|
- Si̇mge Sarper
- 8 yıl önce
- İzleme sayısı:
Transkript
1 2242 DUYGULU Projesi Tasarım Raporu
2 İçindekiler 1. Giriş Problem Tanımı Amaç Kapsam Projenin Özgünlüğü Kısaltmalar Sistem Tasarımı Genel Mimari Vektör Uzay Modeli Kosinüs Benzerliği Harvard Sözlüğü ve Yapılan Eklentiler Veri Tasarımı Ara yüz Tasarımı Araçlar ve Kütüphaneler Proje Takvimi Referanslar... 12
3 1. Giriş 1.1. Problem Tanımı İnternet hayatımıza girmeden önce medya takibi yapmak görece olarak çok daha kolaydı. Bir kişi veya bir kurum ile ilgili basılı ve görsel tüm medyayı takip etiğiniz zaman, kişi veya kurumla ilgili tüm bilgileri toplayıp analiz yapabilirdiniz. İnternet kullanımının e-ticaret ile birlikte ticaretin yönünü değiştirmesi markaların tüketiciler ile olan ilişkisini de değiştirmiştir. Tüketicilerin yaşadığı pozitif veya negatif tüm deneyimler artık bu iki taraf arasında kalmayıp, sosyal medyanın da etkisiyle tüm çevreye yayılmaya başlamıştır. Sosyal medya içerisinde olan kişilerin bu deneyimlerden yola çıkarak karar vermeye başlamaları, markaların itibar yönetimi konusunda interneti ve sosyal medyayı dikkate almaları gerekliliğini ortaya çıkarmıştır. Tam da bu noktada; markalar, ürünler, kurumlar ve kişiler hakkında internet ortamında söylenenleri yorumlayıp analiz ederek bunların pozitif veya negatif olup olmadıklarını çıkarsamaya yarayacak Sentiment (Duygu) Analiz [6] uygulamalarına ihtiyaç duyulmaktadır Amaç Twitter da paylaşılan Türkçe tweetlerin belirli anahtar kelimeler ile (marka adı, kurum adı, kişi adı vb.) filtrelenip Vektör Uzay Modelinde (VSM) saklanmasıyla oluşan veriler üzerinde Sentiment Analiz teknikleri kullanılarak, farklı türde (grafik, harita vb.) istatiksel raporlamaların yapılması ve kullanıcıların bu raporlar sayesinde yönlendirilmesi amaçlanmıştır Kapsam Proje kapsamı aşağıdaki gibi olacaktır: Türkçe Twitter verileri üzerinde analiz yapılacaktır. Analiz edilecek metin verisi bir veya daha çok kelimeden oluşabilir. Filtrelenerek bulunan metinler üzerinde ilk olarak ön işlem (pre-processing) gerçekleştirilecektir. Bu işlem sırasında noktalama işaretleri, anlamsız karakterler, iki harf uzunluğundaki kelimeler elenirler. Sonrasında kalan kelimeler Türkçe bir Stop Word listesinde aranırlar, eğer bu listede yer alıyorlarsa (Örn: birkaç, diye, defa, sanki, yani, çünkü vb.) bu kelimeler de elenirler. Elemeler sonrası tweet metininde kalan kelimeler birer doküman olarak Vektör Uzay Modelinde [2] veritabanında saklanacaklardır. Sentiment analizine [6] altyapı oluşturması için İngilizce Harvard Sözlüğü[3] kullanılacaktır. Sözlükte bulunan yaklaşık kelimenin pozitif/negatif olma durumları hali hazırda kategorize edilmiştir. Bu sözlükteki kelimeler Google Translate API leri kullanılarak Türkçe ye çevrilmiştir. Ancak İngilizce için yapılan pozitif/negatif kategorizasyon işlemi Türkçe için birebir anlamlı olmadığından yaklaşık kelime üzerinde elle işlem yapılmış ve bu kelimelerin pozitif/negatif seviyeleri 1-5 aralığında verilmiştir. Kategorize edilen kelimeler pozitif/negatif seviyeleri ve tipleri ile veritabanında saklanmıştır. İlgili tweet metninin pozitif/negatif olma durumu değerlendirilirken: Ön işlem elemeleri sonucu kalan metnin içerisindeki kelimeler ile Harvard sözlüğündeki kelimeler arasında Vektör Uzay Modeli-Kosinüs Benzerliği [1] karşılaştırması yapılarak pozitif/negatif olma durumları ve ağırlıkları belirlenecektir. Metinde olumlu ve olumsuz kelimeler birlikte yer alıyorsa ağırlığı yüksek olan taraf tercih edilecektir.
4 Pozitif/negatif olarak değerlendirilen tweetler istatiksel raporlama ve harita raporları ile kullanıcıya gösterilecektir Projenin Özgünlüğü Duygulu projesinin özgün yanları aşağıdaki gibidir: Diğer dillerde yapılmış olan Sentiment analizinin Türkçe için yapılarak bunun bir Sosyal Medya Analiz uygulaması haline getirilmesi, Sentiment analizi için Harvard sözlüğü altyapısının kullanılması ve geliştirilmesi, Elle yapılması imkânsızlaşan bir özelliğin bu proje sayesinde otomatikleştirilmesi, Kurumlara, şirketlere, markalara ve kişilere itibar yönetimi yapma imkanı sağlanması Kısaltmalar SA IR VSM Sentiment Analiz (Duygu Analizi) Information Retrieval (Bilgi Geri Getirimi) Vector Space Model (Vektör Uzay Modeli) 2. Sistem Tasarımı 2.1. Genel Mimari Şekil 1. Sistemin Genel Mimarisi
5 2.2. Vektör Uzay Modeli Vektör Uzay Modeli, bilgiye erişim alanında sıklıkla kullanılan geleneksel bir yöntemdir. Vektör Uzay Modelinde, belgelerin ve bu belgeler üzerinde arama yapılan sorguların her biri birer vektör ile ifade edilir [2]. Her bir belge, anlamlı kelimelerden oluşan ve kelimelerin her birinin ağırlığı olan birer terim vektörü şekline getirilir. Belge vektörleri bir araya getirilerek bütün belgeleri içeren bir matris oluşturulur. Bu matris, belgelerden ve belgelerdeki terimlerden oluştuğu için belge terim matrisi ( D matrisi) adını alır [1]. m belgeden ve n terimden oluşan bir belge terim matrisi örneği denklem 1 de verilmiştir. Matrisin her bir satırı bir belgeyi vektör olarak gösterirken, sütunları da terim vektörleri olarak adlandırılır. Her bir hücredeki w ij ise j. terimin i. belgedeki ağırlığıdır. Aşağıda bir belge terim matrisi örneği gösterilmiştir. w 11 w 12 w 1n w 21 w 22 w 2n D = [ ] (1) w m1 w m2 w mn Terim ağırlığı hesaplamanın birçok değişik yolu vardır. Terim sayısı modeli bunlardan biridir. Bu modelde teriminin belgedeki ağırlığı, belge içerisindeki geçiş sayısına eşittir. Vektör Uzay modeli için en çok kullanılan model ise, term sıklığı - devrik belge sıklığı ağırlık modelidir [2]. Burada her bir tweet bir D dokümanını temsil etmektedir. Filtrelenerek bulunan tweet metinler üzerinde ilk olarak ön işlem (pre-processing) gerçekleştirilecek olup, bu işlem sırasında noktalama işaretleri, anlamsız karakterler, iki harf uzunluğundaki kelimeler elenecektir. Sonrasında kalan kelimeler Türkçe bir Stop Word listesinde aranırlar, eğer bu listede yer alıyorlarsa (Örn: birkaç, diye, defa, sanki, yani, çünkü vb.) bu kelimeler de elenirler. Elemeler sonrası tweet metininde kalan kelimeler birer D dokümanı olarak Vektör Uzay Modelinde mysql veritabanında saklanacaklardır. Vestel anahtar sözcüğü ile aranıp bulunan orijinal bir tweetin Vektör Uzay Modelinde saklanması adımları Tablo 1 de gösterilmiştir. Adım 1: Orijinal Tweet Vestel teknolojsne kocaman bir alkis. Kocanz maç anında gol diye bagirırken sizde dizilerde aglayabiliceksiniz yanyana. Iki gözluk tek televizyon! Adım 2: Tweetin preprocessten (ön işlem) sonraki hali vestel teknolojsne kocaman alkis kocanz bagirır siz dizi aglayabilicek yanya gözluk televizyon Adım 3: Vektör uzay modelindeki doküman matrisi örneği Terim Dök.1 Dök.2 Vestel teknolojsne kocaman 0 0 alkis kocanz 0 0 bagirır 0 0 siz 0 0 dizi 0 0 aglayabilicek 0 0 yanya 0 0 gözluk 0 0 televizyon Tablo 1. Orijinal tweetten Vektör Uzay Modeline dönüşüm
6 2.3. Kosinüs Benzerliği Kosinüs benzerliği iki vektör arasındaki kosinüs uzaklığını bularak bu vektörlerin birbirleriyle benzerliklerini ölçmek için kullanılmaktadır [1]. Kosinüs benzerliği ile bir belge vektörü ve bu belge vektörüyle benzerliğini bulacağımız bir sorgu vektörü karşılaştırılarak aralarındaki ilişki bulunur. Bu noktada sorgu vektörü olarak Harvard sözlüğü kullanılarak ortaya çıkmış olan Pozitif/Negatif seviyeleri belirli kelimelerin oluşturduğu dokümanlar kullanılacaktır. Kosinüs benzerliğinde belge ve sorgular kendi vektör uzunluklarına bölünerek birim vektör haline getirilir [1]. Belge ve sorgunun kosinüs benzerliği 0 ile 1 arasında bir değer alır. Kosinüs benzerliği değerinin 1 e yaklaşması belge ve sorgunun birbirleriyle olan benzerliği daha fazla olduğu anlamına gelir. Benzerlik fonksiyonu aşağıda görüldüğü gibidir. cos(θ) = sim(q, D i ) (2) sim(q, D i ) = i w Q,j w i,j w 2 j Q,j w 2 i i,j (3) Burada i w Q,j w i,j 2, Q sorgusuyla ve i belgelerinin nokta çarpımları j w Q,j 2 i w i,j ise Q sorgusu ve i belge vektörlerinin uzunluklarının çarpımıdır. Kosinüs benzerliğinde, vektör uzunlukları 2 normalleştirme etkeni olarak kullanılır. j w Q,j bilinir [2]. 2 i w i,j değeri kosinüs normalleştirme etkeni olarak Şekil 2. Kosinüs Benzerliği 2.4. Harvard Sözlüğü ve Yapılan Eklentiler Harvard sözlüğü, Harvard Üniversitesinin kelimelerin anlamlarının belirlenmesi için oluşturduğu bir araştırma sonucu olarak ortaya çıkmıştır [3]. Duygulu projemizde kullanacak olma sebebimiz ise tweetlerin taşıdıkları anlamları analiz edebilmemizi sağlayacak kelimelerin anlam ve ağırlıklarının bulunduğu tabloyu oluşturmaktır. Harvard sözlüğü modüler yapısı, kullanım kolaylığı ve kelimelerin pozitif/negatif ayrımının rahatlıkla yapılabilmesi açısından Sentiment Analiz uygulamaları kullanımına oldukça uygundur. Sözlük ilk halinde oldukça karmaşık yapısının yanında oldukça fazla kelime ve ayrıntıya sahiptir. İlk halinde kelimelerin sayısı yaklaşık dür. Sözlükteki tüm kelimeler Google Translate API leri kullanılarak Türkçeye çevrilmiştir. Ancak sözlükteki bazı kelimelerin analizleri Türkçe deki anlamlarını karşılamamaktadır. Dolayısı ile sözlük üzerinde uzun bir çalışma ihtiyacı ortaya çıkmıştır. Tablo 2 de Harvard sözlüğünün orijinal hali görülmektedir.
7 Turkce Positiv Negativ Strong Bir terketmek Negativ terk Negativ azaltma feragat etmek Negativ iğrenmek Negativ yetenek Positiv Strong sefil Negativ mümkün Positiv Strong anormal Negativ gemiye ortadan kaldırmak Negativ Strong kaldırılması iğrenç Negativ Strong Tablo 2. Harvard Sözlüğü Orijinal hali Bu sözlük Positiv, Negativ, Strong, Weak, Active, Passive, Pleasur, Pain, Feel, Arousal, EMOT, Virtue, Vice, Overstated gibi kategorilerine sahiptir fakat bizim için önemli olan Pozitif ve Negatif alanlarıdır. Bu kritere uyan kelimeler isim, fiil, edat olarak ayırdıktan sonra anlamlı kelime sayısı yaklaşık olarak seviyesine inmiştir. Sonraki adım ise kelimelerin anlamlarına göre ağırlıklarının verilmesi olmuştur. Yaklaşık olarak kelimenin anlamlarına göre incelenmiş ve Pozitif/Negatif derecesi olarak 1-5 arasında ağırlıkları verilmiştir. Tablo 3 de yapılan bu değişiklikler gösterilmiştir. Id word positive negativ 68 usta sevgi uygun güzel avantaj yardim lezzet çözüm utanmaz çalma igrenç tecâvüz yetersiz sefil karsi kararsiz 0 1 Tablo 3. Harvard Sözlüğünün Proje Kapsamında Genişletilmiş Hali Sonuç olarak Harvard Üniversitesi nin İngilizce için hazırladığı yaklaşık kelimelik ayrıntılı sözlüğünden yararlanılarak, projenin ihtiyaçlarına uygun kelimeler; pozitif değerleri, negatif değerleri ve türleri ile veritabanı tablosunda saklanmış ve Vektör Uzay Modelinde Kosinüs karşılaştırması yapmak üzere hazır hale getirilmiştir.
8 3. Veri Tasarımı Tasarım aşamasında öngörülen tablolar aşağıdaki gibidir: TweetTable No İsim Tür İçerik 1 TweetID Varchar(50) Tweet in Twitter daki Id si 2 SearchId İnt Arama Id si (searchtable) 3 CreatedDate Datetime Tweet tarihi ve saati 4 GeoCode Varchar(50) Tweet in koordinatları 5 Text Text Tweet 6 Text2 Text Preprocessing den sonra 7 UserId Decimal(10,0) Tweet sahibinin Id si 8 IsRetweet Tinyint(1) Retweet mi? 9 ReTweetCount Decimal(10,0) Aldığı retweet sayısı 10 HasPhoto Varchar(512) Paylaşılan görselin linki 11 FavLike Decimal(10,0) Favorilere eklenme sayısı UserTable: No İsim Tür İçerik 1 UserId Decimal(10,0) Tweet sahibinin Id si 2 UserName Varchar(100) Tweet sahibinin ismi 3 UserScreenName Varchar(100) Tweet sahibinin nick i 4 UserProfileText Varchar(256) Profil yazısı 5 UserFollowerCount Decimal(10,0) Kullanıcının takipçi sayısı 6 UserFollowingCount Decimal(10,0) Kullanıcının takip sayısı SearchTable: No İsim Tür İçerik 1 SearchId İnt(10) Arama Id si 2 SearchDate Datetime Arama zamanı 3 SearchText Varchar(256) Aranan ifade WordTable: No İsim Tür İçerik 1 Id İnt(10) Kelime Id si 2 Word Varchar(50) Kelime 3 Positiv Tinyint(4) Olumluluk değeri 4 Negativ Tinyint(4) Olumsuzluk değeri 5 Type Tinyint(4) Tür
9 İlişkiler: No İsim 1 TweetID 2 SearchId 3 CreatedDate 4 GeoCode 5 Text 6 Text2 7 UserId 8 IsRetweet 9 ReTweetCount 10 HasPhoto 11 FavLike No İsim 1 SearchId 2 SearchDate 3 SearchText No İsim 1 UserId 2 UserName 3 UserScreenName 4 UserProfileText 5 UserFollowerCount 6 UserFollowingCount 4. Ara yüz Tasarımı Tasarım aşamasında öngörülen prototip ekranlardan bazıları aşağıdaki gibidir: Şekil 3. Grafik Raporlama Yapılan Sentiment Analizi sonucunda aranan ifadenin günlere göre Pozitif/Negatif durumlarını yüzdelik dilimde gösteren grafik (Yeşil sütun olumlu, kırmızı sütun olumsuz oranını temsil etmektedir.)
10 Şekil 3. Harita Raporlama Yapılan Sentiment Analizi sonucunda dönen tweetlerden konum paylaşılanların analiz sonucuna göre renklendirilmiş işaretler ile haritada gösterimi ( Yeşiller olumlu, kırmızılar olumsuz ve maviler analiz edilemeyen tweetleri temsil etmektedir.) 5. Araçlar ve Kütüphaneler Duygulu projesi Microsoft Visual Studio 2012 geliştirme ortamında bir sınıf kütüphanesi olarak geliştirilmek üzere planlanmış olup ARGE çalışmalarına başlanmıştır. Sınıf kütüphanesi olması sayesinde proje Windows form, web uygulaması veya diğer uygulamalara daha çabuk adapte edilebilir bir hale gelecektir. Ayrıca Visual Studio sayesinde farklı API ler kullanılarak iş yükü azaltılacak ve zamandan tasarruf edilecektir. Projenin görsel kısmında ise ASP.NET i tercih edilecektir. Böylece projenin internet üzerinden de kullanılabilir olmasının önünü açılmıştır. Projede veri tabanı olarak ise mysql in sürümü kullanılacaktır. Bu tercihteki sebepler ise mysql in hızlı olması ve son derece başarılı bir şekilde desteklediği Vektör Uzay Modellemesidir. Bu özellik sayesinde tweetler kelime tablosu üzerinde daha hızlı bir şekilde sonuç döndürmektedir. Twitter dan tweetleri çekmek için ise Linq To Twitter [4] isimli API kullanılacaktır. Yaptığımız ARGE sonuçlarına göre Linq To Twitter yapısı, kullanım kolaylığı ve özellikleri ile en uygun API dir. Tweetlerdeki kelimeleri analiz için daha uygun hale getirmek için ise her tweete bir ön hazırlık uygulamak gerekmektedir bu aşamada da Apache Lucene.Net [5] kütüphanesi kullanılacaktır. Lucene.Net C# ile yazılmış bir Arama Motoru kütüphanesidir. Birçok arama algoritmasını içerinde barındırır. Duygulu projesinde Snowball, kelimelerin köküne ulaşma algoritması ve Stopword lerin
11 atılması algoritmaları kullanılacaktır. Bu işlemlerden geçen tweetler analiz sonucunda daha etkili sonuçlar döndürmektedirler. 6. Proje Takvimi
12 7. Referanslar [1] Salton G, Wong A, Yang CS. A Vector Space Model For Automatic Indexing. Communications of ACM (11): [2] E. Garcia. The Classic Vector Space Model,10,2006. [3] Harvard Inquirer Dctionary, [4] Linq To Twitter, [5] Apache Lucene.Net, [6] Lillian L, Pang B. Opinion Mining and Sentiment Analysis. Journal Foundations and Trends in Information Retrieval (1-3): 1-135
VERİ MADENCİLİĞİ Metin Madenciliği
VERİ MADENCİLİĞİ Metin Madenciliği Yrd. Doç. Dr. Şule Gündüz Öğüdücü 1 2 Metin için Veri Madenciliği Metin Madenciliğinde Sorunlar Metin madenciliği: Veri madenciliği teknikleri ile yazılı belgeler arasındaki
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
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,
DetaylıUZAKTAN EĞİTİM MERKEZİ
ÜNİTE 2 VERİ TABANI İÇİNDEKİLER Veri Tabanı Veri Tabanı İle İlgili Temel Kavramlar Tablo Alan Sorgu Veri Tabanı Yapısı BAYBURT ÜNİVERSİTESİ UZAKTAN EĞİTİM MERKEZİ BİLGİSAYAR II HEDEFLER Veri tabanı kavramını
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
DetaylıDSİ kapsamında oluşturulan dağınık durumdaki verilerinin düzenlenmesi, yeniden tasarlanarak tek bir coğrafi veri tabanı ortamında toplanması,
Projenin Amacı DSİ Genel Müdürlüğünde, Bölge Vaziyet Planı çalışmaları kapsamında üretilen ve mevcut DSİ faaliyetlerini içeren CBS veri setleri ile CBS Veritabanının incelenerek yine mevcut CBS donanım,
DetaylıVeritabanı Uygulamaları Tasarımı
Veritabanı Uygulamaları Tasarımı Veri Tabanı Veritabanı yada ingilizce database kavramı, verilerin belirli bir düzene göre depolandığı sistemlere verilen genel bir isimdir. Günümüzde özel veya kamu kuruluşların
DetaylıICATT ÇEVİRİ UYGULAMASI SİSTEM MİMARİSİ VE VERİTABANI TASARIMI
ICATT ÇEVİRİ UYGULAMASI SİSTEM MİMARİSİ VE VERİTABANI TASARIMI İÇİNDEKİLER 1. GİRİŞ 1.1. KAPSAM 1.2. SİSTEM ÖZETİ 1.3. DOKÜMAN ÖZETİ 2. ÇALIŞMA KONSEPTİ 2.1. Yeni Kullanıcı Oluşturmak 2.2. Şirket Bilgilerini
Detaylı1. 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
DetaylıGeneration M. Monitoring
Generation M Monitoring Kriz Yönetimi Dinleme yapılıyor Marka ve kriz kelimelerinin bir arada kullanıldığı bir tweet/ler yakalandı Kriz moduna geçtikten sonra arkada çalışan bir cron job script 10 dk.
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
DetaylıYrd. Doç. Dr. A. Burak İNNER
Yrd. Doç. Dr. A. Burak İNNER Kocaeli Üniversitesi Bilgisayar Mühendisliği Yapay Zeka ve Benzetim Sistemleri Ar-Ge Lab. http://yapbenzet.kocaeli.edu.tr Ders Adı : Bilgisayar Mühendisliğinde Matematik Uygulamaları
DetaylıKÜTÜPHANE DEKİ KİTAPLARI ARAŞTIRMA KILAVUZU
KÜTÜPHANE DEKİ KİTAPLARI ARAŞTIRMA KILAVUZU Kütüphanede mevcut olan basılı ve elektronik bilgi kaynaklarını tarayabilmek için öncelikle http://kutuphane.ieu.edu.tr/ adresinden Kütüphane web sayfasına girmeniz
DetaylıAlgoritma Geliştirme ve Veri Yapıları 9 Ağaç Veri Modeli ve Uygulaması. Mustafa Kemal Üniversitesi
Algoritma Geliştirme ve Veri Yapıları 9 Ağaç Veri Modeli ve Uygulaması Ağaç, verilerin birbirine sanki bir ağaç yapısı oluşturuyormuş gibi sanal olarak bağlanmasıyla elde edilen hiyararşik yapıya sahip
DetaylıDİZİN. Not: Koyu harfle yazılan sayfalar ilgili terimin yoğun olarak geçtiği sayfaları göstermektedir.
DİZİN Not: Koyu harfle yazılan sayfalar ilgili terimin yoğun olarak geçtiği sayfaları göstermektedir. A ağırlıklandırma bkz. terim ağırlıklandırma AltaVista, 6, 31, 37, 45-47, 93, 135 anahtar sözcükler,
DetaylıYapay 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
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
DetaylıTemel Bilgi Teknolojileri - I Ayrıntılı Ders İçerikleri
Temel Bilgi Teknolojileri - I Ayrıntılı Ders İçerikleri Bilgi Teknolojileri (IT) Kavramları, Bilgisayar Kullanımı ve Dosyaların Yönetimi, Bilgi ve İletişim HAFTA 1 1. Genel Kavramlar(Bilgisayarın tanımı,bilgi
Detaylık ise bir gerçek sayı olsun. Buna göre aşağıdaki işlemler Matlab da yapılabilir.
MATRİS TRANSPOZU: Bir matrisin satırlarını sütun, sütunlarınıda satır yaparak elde edilen matrise transpoz matris denilir. Diğer bir değişle, eğer A matrisi aşağıdaki gibi tanımlandıysa bu matrisin transpoz
Detaylı1 Temel Kavramlar. Veritabanı 1
1 Temel Kavramlar Veritabanı 1 Veri Saklama Gerekliliği Bilgisayarların ilk bulunduğu yıllardan itibaren veri saklama tüm kurum ve kuruluşlarda kullanılmaktadır. Veri saklamada kullanılan yöntemler; Geleneksel
DetaylıKılavuzu ; bir ürün veya sistemin kullanımıyla ilgili açıklamaların olduğu dokümantasyon olarak tanımlayabiliriz.
DÖKÜMANTASYON HELP USER INTERFACE DOCUMENTATION Belgeleme, bir çalışma için gerekli belgeleri arama ve sağlama, belgelere dayandırma Dökümantasyon sürecini 4 kısımda inceleyebiliriz ALİCEM GÜRBOSTAN 2008638004
DetaylıAKILLI TATIL PLANLAMA SISTEMI
AKILLI TATIL PLANLAMA SISTEMI Istanbul Teknik Üniversitesi Bilgisayar ve Bilişim Fakültesi Bitirme Ödevi Ali Mert Taşkın taskinal@itu.edu.tr Doç. Dr. Feza Buzluca buzluca@itu.edu.tr Ocak 2017 İçerik Giriş
DetaylıProgramlama Dilleri II. Bilgisayar ve Öğretim Teknolojileri Öğretmenliği
Programlama Dilleri II Bilgisayar ve Öğretim Teknolojileri Öğretmenliği Ders Hakkında.NET, Ye n i Je n era syo n Inter n et in geliştirilmesi için gerekli ürün ve teknoloji platformudur. Bugün sayısal
Detaylı3 Sql Veri Tipleri. Veritabanı 1
3 Sql Veri Tipleri Veritabanı 1 Bigint: -9,223,372,036,854,775,808 ile 9,223,372,036,854,775,807 arasındaki sayıları tutar. 8 baytlık yer kaplar. Int: -2,147,483,648 ile 2,147,483,648 arasındaki sayıları
Detaylı18.034 İleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
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
Detaylı3 Sql Veri Tipleri ve Örnek Veritabanı Tasarımı. Veritabanı 1
3 Sql Veri Tipleri ve Örnek Veritabanı Tasarımı Veritabanı 1 Ms SQL Server Veri Tipleri Bigint: -9,223,372,036,854,775,808 ile 9,223,372,036,854,775,807 arasındaki sayıları tutar. 8 baytlık yer kaplar.
DetaylıARGUS Plus Version 1.0.1 ERP Sistemi
ARGUS Plus Version 1.0.1 ERP Sistemi ERP'ye Bakış ve ARGUS Plus Zaman içinde firmalar geliştikçe, iş yapış şekilleri değişmekte ve ihtiyaçları artmaktadır. Bir çok gelişen firma, gerçekleştirdikleri operasyonel
DetaylıINTERNET NEDİR? INTERNET İN TARİHÇESİ WEB SAYFALARININ UZANTILARI
INTERNET NEDİR? Dünya çapında yaygın olan ve sürekli büyüyen bir iletişim ağıdır. Üretilen bilgiyi saklama, paylaşma ve ona kolayca ulaşma istekleri sonrasında ortaya çıkmış olan bir teknelojidir. Bilgilere
DetaylıYukarıdaki fonksiyonun anlamı: Bulunulan hücreye, B2 hücresinden B17 hücresine kadar olan hücreleri toplam ve yaz.
DERS 14: FONKSİYONLAR (İŞLEVLER) Amaçlar: -Fonksiyon Sınıflamasını Tanımak. -Fonksiyonları Kullanmak. -Fonksiyon Sihirbazını Kullanmak. I. FONKSİYONLAR NE İŞE YARAR? Daha önceki haftalarda da Microsoft
DetaylıAlgoritma Geliştirme ve Veri Yapıları 3 Veri Yapıları. Mustafa Kemal Üniversitesi
Algoritma Geliştirme ve Veri Yapıları 3 Veri Yapıları Veri yapısı, bilginin anlamlı sırada bellekte veya disk, çubuk bellek gibi saklama birimlerinde tutulması veya saklanması şeklini gösterir. Bilgisayar
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
Detaylı28/04/2014 tarihli LYS-1 Matematik-Geometri Testi konu analizi SORU NO LYS 1 MATEMATİK TESTİ KAZANIM NO KAZANIMLAR 1 / 31
SORU NO LYS 1 MATEMATİK TESTİ A B KAZANIM NO KAZANIMLAR 1 1 / 31 11 32159 Rasyonel sayı kavramını açıklar. 2 12 32151 İki ya da daha çok doğal sayının en büyük ortak bölenini ve en küçük ortak katını bulur.
DetaylıBilişim Sistemleri. Modelleme, Analiz ve Tasarım. Yrd. Doç. Dr. Alper GÖKSU
Bilişim Sistemleri Modelleme, Analiz ve Tasarım Yrd. Doç. Dr. Alper GÖKSU Ders Akışı Hafta 5. İhtiyaç Analizi ve Modelleme II Haftanın Amacı Bilişim sistemleri ihtiyaç analizinin modeli oluşturulmasında,
DetaylıODTÜ KÜTÜPHANESİ YENİ WEB SAYFASININ TASARIMI VE KULLANILABİLİRLİK ÇALIŞMASI
ODTÜ KÜTÜPHANESİ YENİ WEB SAYFASININ TASARIMI VE KULLANILABİLİRLİK ÇALIŞMASI Mustafa DALCI *, Özge ALÇAM*, Yasemin Oran SAATÇİOĞLU*, Feride ERDAL* * Orta Doğu Teknik Üniversitesi, Bilgi İşlem Daire Başkanlığı,
DetaylıDemetleme Yönteminin Y 3-Katmanlı Mimari Yapı ile Gerçeklenmesi. eklenmesi. KalacakYer.com
Demetleme Yönteminin Y 3-Katmanlı Mimari Yapı ile Gerçeklenmesi eklenmesi KalacakYer.com BİTİRME ÖDEVİ Grup Elemanları: Demet NAR 040000660 Neşe e ALYÜZ 040000662 Danış ışman: Yrd. Doç Dr. Feza BUZLUCA
DetaylıBİLGİSAYAR PROGRAMLAMA DERSİ
BİLGİSAYAR PROGRAMLAMA DERSİ Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü DERS NOTU 5 KONU: Matlab de Diziler ve Matrisler İÇ İÇE FOR DÖNGÜSÜ
DetaylıGOLDMESAJ SMS API DÖKÜMANI
GOLDMESAJ SMS API DÖKÜMANI 1. GENEL 2. VERİ ALANLARI 3. LOGİN 4. ŞİFRE DEĞİŞTİRME 5. ALFANUMERİK 6. SMS GÖNDERİMİ 7. GÖNDERİ RAPORLARI 8. SMS RAPORU 9. KREDİ SORGULAMA 10. ÇOKLU GÖNDERİM 11. KULLANICI
DetaylıSosyal Web te Yeni Eğilimler: Kurumlar İçin Dışa Dönük Sosyal Yazılımlar
Sosyal Web te Yeni Eğilimler: Kurumlar İçin Dışa Dönük Sosyal Yazılımlar Yrd. Doç. Dr. Rıza Cenk Erdur, Prof.Dr. Oğuz Dikenelli Serhat Safyürek, Oğuz Uz, Ahmet Melih Özcan Ege Üniversitesi, Bilgisayar
DetaylıYazılım Nedir? 2. Yazılımın Tarihçesi 3. Yazılım Grupları 4 Sistem Yazılımları 4 Kullanıcı Yazılımları 5. Yazılımın Önemi 6
ix Yazılım Nedir? 2 Yazılımın Tarihçesi 3 Yazılım Grupları 4 Sistem Yazılımları 4 Kullanıcı Yazılımları 5 Yazılımın Önemi 6 Yazılımcı (Programcı) Kimdir? 8 Yazılımcı Olmak 9 Adım Adım Yazılımcılık 9 Uzman
DetaylıWeb Madenciliği (Web Mining)
Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Giriş Metin Ön İşlemleri Web Sayfası Ön İşlemleri Web Arama Meta-Arama ve Sonuçların Birleştirilmesi
DetaylıŞimdi de [ ] vektörünün ile gösterilen boyu veya büyüklüğü Pisagor. teoreminini iki kere kullanarak
10.Konu İç çarpım uzayları ve özellikleri 10.1. ve üzerinde uzunluk de [ ] vektörünün ile gösterilen boyu veya büyüklüğü Pisagor teoreminden dir. 1.Ö.: [ ] ise ( ) ( ) ve ( ) noktaları gözönüne alalım.
DetaylıTeamBase5 BELEDİYE İLETİŞİM MERKEZİ SIEMENS
SIEMENS TeamBase5 BELEDİYE İLETİŞİM MERKEZİ SIEMENS TEAMBASE 5 BELEDİYE İLETİŞİM MERKEZİ Her geçen gün hızla değişen ve gelişen teknoloji, kurumların ve vatandaşların birbirleriyle olan iletişimlerine
DetaylıYrd. Doç. Dr. Gökçe BECİT İŞÇİTÜRK. Gökçe BECİT İŞÇİTÜRK 1
Yrd. Doç. Dr. Gökçe BECİT İŞÇİTÜRK Gökçe BECİT İŞÇİTÜRK 1 Gökçe BECİT İŞÇİTÜRK 2 Kullanıcıların site içeriğini belirlemede rol oynadığı, Dinamik, Teknik bilgi gerektirmeyen, Çok yönlü etkileşim sağlayan,
Detaylı17 Haziran 2014 DenizBank Güncel Haber Bülteni
17 Haziran 2014 DenizBank Güncel Haber Bülteni Mobil RTB Harcamaları %459 Artış Gösterdi emarketer tahminlerine göre RTB harcamaları (tüm reklam çeşitleri dahil) 2018 yılında toplamda $12 milyar a ulaşacak.
Detaylıhttp://www.mikrobilgi.com.tr
IEEE Xplore KULLANIM KILAVUZU ieee@mikrobilgi.com.tr http://www.mikrobilgi.com.tr IEEE Xplore Ana Sayfa Login eğer gerekiyorsa kullanıcı adı ve şifre ile giriş yapınız. Alert; favori dergilerin içerik
DetaylıIEEE Xplore KULLANIM KILAVUZU
İSTANBUL MERKEZ Levent Mah. Ülgen Sok. No:52 34330 Beşiktaş İstanbul / Türkiye Telefon: +90 212 283 56 60 +90 212 283 57 25 +90 212 283 57 26 Faks: +90 212 283 57 27 ANKARA OFİS Tunus Caddesi 44/4 06680
DetaylıVERİ MADENCİLİĞİ (Kümeleme) Yrd.Doç.Dr. Kadriye ERGÜN
VERİ MADENCİLİĞİ (Kümeleme) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr İçerik Kümeleme İşlemleri Kümeleme Tanımı Kümeleme Uygulamaları Kümeleme Yöntemleri Kümeleme (Clustering) Kümeleme birbirine
DetaylıÇevirmenin Verimliliği
Çevirmenin Verimliliği Özellikler şunları içerir: Güçlü dosya sıralama Daha önceden çevirilen dosyalardan çeviri belleği yaratmak hiç bu kadar kolay olmamıştı. Sıralama aracı Studio ortamına tamamen entegre
DetaylıFIRAT ÜNİVERSİTESİ WEB TABANLI KÜTÜPHANE OTOMASYONU
FIRAT ÜNİVERSİTESİ WEB TABANLI KÜTÜPHANE OTOMASYONU Erhan Akbal Gürkan Karabatak Aytuğ Boyacı Mustafa Ulaş Ayhan Akbal Hasan H. Balık Fırat Üniversitesi Fırat Üniversitesi Fırat Üniversitesi Fırat Üniversitesi
DetaylıİNÖNÜ ÜNİVERSİTESİ MÜH. FAK. BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ MOBİL UYGULAMALAR DERSİ PROJE ÖDEV İÇERİĞİ
PROJE ADI: E-Bilet Uygulaması ÖĞRENCİ SAYISI:4 İnternet üzerinden otobüs, uçak vb. bilet rezervasyon ve satın alma işlemlerini gerçekleştiren bir uygulama geliştirilecektir. Bu uygulama için bir tane web
DetaylıKaynak: A. İŞLİER, TESİS PLANLAMASI, 1997
Mühendislik Fakültesi Endüstri Mühendisliği Bölümü Doç. Dr. Nil ARAS ENM411 Tesis Planlaması 2016-2017 Güz Dönemi Kaynak: A. İŞLİER, TESİS PLANLAMASI, 1997 2 Tesis Yer Seçimi Problemi (TYSP) TEK AMAÇLI
DetaylıNoSql ve MongoDB. Saygın Topatan
NoSql ve MongoDB Saygın Topatan NoSql ve MongoDB NoSql nedir Neden ihtiyaç duyuldu Tipleri MongoDb Kavramlar Sharding Şema Tasarımı NoSql in geleceği NoSql Nedir? Nedir 2009 başlarında ortaya çıkmış bir
DetaylıJLR EPC. Hızlı Başlangıç Kılavuzu. İçidekiler. Turkish Version 2.0. Adım Adım Kılavuz Ekran Kılavuzu
JLR EPC Hızlı Başlangıç Kılavuzu İçidekiler Adım Adım Kılavuz......2-7 Ekran Kılavuzu.....8-11 Turkish Version 2.0 JLR EPC Hızlı Başlangıç Kılavuzu 1. Uygulamaya Giriş İnternet tarayıcınızı açıp https://epc.jlr-apps.com/
DetaylıVERİ KAYNAKLARI. Bilgi sisteminin öğelerinden biride veri
VERİ KAYNAKLARI YÖNETİMİ İ İ 5. ÜNİTE GİRİŞ Bilgi sisteminin öğelerinden biride veri yönetimidir. Geleneksel yada çağdaş, birinci yada ikinci elden derlenen veriler amaca uygun veri formlarında tutulur.
DetaylıVERİ MADENCİLİĞİ (Web Madenciliği)
VERİ MADENCİLİĞİ (Web Madenciliği) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr Kaynak: M. Ali Akcayol, Gazi Üniversitesi, Bilgisayar Mühendisliği Bölümü Ders Notları İçerik İnternet World Wide Web
DetaylıTEMEL BİLGİTEKNOLOJİLERİ
TEMEL BİLGİTEKNOLOJİLERİ Bilgiyi işlemekte kullanılan araçlar ikiye ayrılır. 1- Maddi cihazlar 2-Kavramsal araçlar. Kullanıcıve bilgisayarın karşılıklıetkileşimini sağlayan birimlerin genel adıgiriş-çıkışbirimleridir.
DetaylıWeb tabanlı altyapı sayesinde her cihazdan erişilebilir ve düzenlenebilir dokümanlar oluşturulup anında paylaşılabilir.
Eğitimde Google Doküman Uygulamaları 1.1 Google Uygulamalarına Giriş Google Doküman uygulamaları, hem öğretmenler, hem öğrenciler, hem de veliler için birçok farklı özellik sağlar. Kelime işleme, elektronik
DetaylıÇÖZÜM BİLGİSAYAR KOLAY RANDEVU RANDEVU WEB SERVİSLERİ YAZILIM FİRMALARI ENTEGRASYON KILAVUZU 22.12.2006. Sürüm: 1.0
KOLAY RANDEVU RANDEVU WEB SERVİSLERİ YAZILIM FİRMALARI ENTEGRASYON KILAVUZU 22.12.2006 Sürüm: 1.0 2006-2007 Çözüm Bilgisayar www.cozumbil.com.tr cozum@cozumbil.com.tr İÇİNDEKİLER 1.GİRİŞ...3 1.1 GENEL
DetaylıODTÜ Kütüphanesi Yeni Web Sayfasının Tasarımı ve Kullanılabilirlik Çalışması
Akademik Bilişim 2008 Çanakkale Onsekiz Mart Üniversitesi, Çanakkale, 30 Ocak - 01 Şubat 2008 ODTÜ Kütüphanesi Yeni Web Sayfasının Mustafa DALCI, Özge ALÇAM, Yasemin Oran SAATÇİOĞLU, Feride ERDAL Orta
Detaylı3. 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
DetaylıEĞİTİMDE İYİ ÖRNEKLER
EĞİTİMDE İYİ ÖRNEKLER 2018 ESENLER İLÇE MİLLİ EĞİTİM MÜDÜRLÜĞÜ 1.AMAÇ VE HEDEFLER Uygulama sonucunda ortaya çıkan iyi örneklerin AR-GE altyapısından yoksun eğitim bölgelerinde (okullar-kurumlar) yaygınlaştırılarak
DetaylıVeri Tabanı Yönetim Sistemleri Bölüm - 6
Veri Tabanı Yönetim Sistemleri Bölüm - 6 İçerik Fonksiyonlar Tek Satır Fonksiyonlar Karakter Fonksiyonlar Sayısal Fonksiyonlar Tarih ve Saat Fonksiyonları Dönüştürücü Fonksiyonlar Çoklu Satır Fonksiyonlar
DetaylıİNTERNET PROGRAMCILIĞI 2 10. HAFTA MYSQL - PHPMYADMIN. Hazırlayan Fatih BALAMAN. İçindekiler. Hedefler. Mysql Nedir.
İNTERNET PROGRAMCILIĞI 2 10. HAFTA İçindekiler MYSQL - PHPMYADMIN Mysql Nedir PhpMyAdmin Nedir PhpMyAdmin Arayüzü Hedefler Mysql' in görevini söyleyebilir PhpMyAdmin' in kullanım amacını söyler Hazırlayan
DetaylıWebInstaller. 1. Kurulum Đçin Gereksinimler
WebInstaller Ürün Grubu [X] Fusion@6 [X] Fusion@6 Standard Kategori [X] Yeni Fonksiyon Versiyon Önkoşulu @6 Uygulama E-Netsis.Net uygulamasının kurulumu Netsis\ENetsis.Net\Kurulum dizininde bulunan NetsisWebInstall.exe
Detaylı13 Aralık 2007. Đlgili Versiyon/lar : ETA:SQL, ETA:V.8-SQL. Đlgili Modül/ler : Raporlar. Kullanıcı Tanımlı Raporlar Bölümünden Yapabildiklerimiz
13 Aralık 2007 Đlgili Versiyon/lar : ETA:SQL, ETA:V.8-SQL Đlgili Modül/ler : Raporlar KULLANICI TANIMLI RAPORLAR Kullanıcı Tanımlı Raporlar Bölümünden Yapabildiklerimiz Kendi isteklerinize özel rapor tasarımları
DetaylıSYS Version 1.0.1 Satış Yönetim Sistemi
SYS Version 1.0.1 Satış Yönetim Sistemi 1. Genel Bakış Değişen rekabet ortamı ve farklılaşan müşteri beklentileri, bayi ağlarının kompleks ve yönetiminin zor olması satış süreçlerini oldukça farklı bir
Detaylı3. Hafta Tablo İşlemleri BPR255 Veritabanı. Bu Derste Öğrenecekleriniz: 1. Tablo İşlemleri. 1.2. Kısıtlamalar (Constraints)
Bu Derste Öğrenecekleriniz: 1. Tablo İşlemleri 1.1. Tablo Oluşturma 1.2. Tablo Oluşturmada Kısıtlamalar Constraints 1.3. Tablo Silme a. NULL, NOT NULL b. PRIMARY KEY c. UNIQUE d. FOREIGN KEY e. CHECK f.
DetaylıVeri Tabanı Yönetim Sistemleri Bölüm - 7
Veri Tabanı Yönetim Sistemleri Bölüm - 7 İçerik Alt Sorgular Çoklu Tablolar (Tabloların Birleştirilmesi) Görünümler R. Orçun Madran 2 Alt Sorgular Uygulamada, bir sorgudan elde edilen sonuç, bir diğer
DetaylıWindows Sürüm 5.0 Standart Raporlarının NDER ile Bütünleşik Çalıştırılması
Windows Sürüm 5.0 Standart Raporlarının NDER ile Bütünleşik Çalıştırılması Ürün Grubu [X] Redcode Enterprise [X] Redcode Standart [X] Entegre.NET Kategori [X] Yeni Fonksiyon Versiyon Önkoşulu 5.0 Uygulama
DetaylıKENDĐ KENDĐNE YOL BULAN ARAÇ
KENDĐ KENDĐNE YOL BULAN ARAÇ Projeyi Yapan : Selim Göksu Proje Yöneticisi : Prof. Dr. Tülay Yıldırım GĐRĐŞ Günümüzde, kullanılan bir takım araçların (evdeki robotlardan fabrikalardaki forkliftlere, sokaktaki
DetaylıAlgoritmalar, Akış Şemaları ve O() Karmaşıklık Notasyonu
Algoritmalar, Akış Şemaları ve O() Karmaşıklık Notasyonu Öğr. Gör. M. Ozan AKI r1.0 Algoritmalar (Algorithms) Algoritma, bir problemin çözümünü sağlayan ancak deneme-yanılma ve sezgisel çözüme karşıt bir
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
DetaylıSP_RENAMEDB eski_isim, yeni_isim VEYA SP_RENAMEDB 'eski isim', 'yeni isim'
Bu Derste Öğrenecekleriniz: 1- Veri Tabanı Adı Değiştirme 2- Nesnelerin Adını Değiştirme a. Tablo Adı Değiştirme b. Alan Adı Değiştirme c. Constraint (Kısıtlama) Adı Değiştirme 3- Tablo Düzenleme Komutları
DetaylıVeritabanı Tasarımı. Kartezyen Çarpım ve Join İşlemleri
Veritabanı Tasarımı Kartezyen Çarpım ve Join İşlemleri Konular Oracle özel join işlemlerini isimlendirme ve onların ANSI/ISO SQL: 1999 karşıtları Join durumlarının amacını açıklama Kartezyen çarpımdan
DetaylıVeri Tabanı Örnekleri
Veri Tabanı Nedir? Birbiriyle ilişkisi olan verilerin tutulduğu, Kullanım amacına uygun olarak düzenlenmiş veriler topluluğunun, Mantıksal ve fiziksel olarak tanımlarının bulunduğu Bilgi depolarıdır. Veri
DetaylıT.C GAZİOSMANPAŞA ÜNİVERSİTESİ
T.C GAZİOSMANPAŞA ÜNİVERSİTESİ WEB TEMELLİ ÖĞRENME VE İÇERİK YÖNETİM SİSTEMİ Learning Management System (LMS) KULLANIM KLAVUZU OCAK-2017 TOKAT i İÇİNDEKİLER İÇİNDEKİLER... i 1. GENEL BİLGİLER... 1 2. EĞİTİMCİ
DetaylıBulanık Mantık Tabanlı Uçak Modeli Tespiti
Bulanık Mantık Tabanlı Uçak Modeli Tespiti Hüseyin Fidan, Vildan Çınarlı, Muhammed Uysal, Kadriye Filiz Balbal, Ali Özdemir 1, Ayşegül Alaybeyoğlu 2 1 Celal Bayar Üniversitesi, Matematik Bölümü, Manisa
DetaylıDers Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS
DERS BİLGİLERİ Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS İnternet Uygulamaları için Veritabanı Programlama EEE474 8 3+2 4 5 Ön Koşul Dersleri Dersin Dili Dersin Seviyesi Dersin Türü İngilizce
DetaylıPhp İle Mysql Veritabanından Bilgi Çekme
Mysql_fetch_assoc, mysql_fetch_row, mysql_fetch_object, mysql_fetch_array ve mysql_result metodları Uygulamada kullanacağımız veritabanı Veritabanı: kitaplik Tablo: kitaplar isbn adi yazari 944503382 Adım
DetaylıNEDEN DOĞULİNE. Detaylı Analiz. Doğru Planlama. Hedef Kitleye Uygunluk. Doğru İçerik Stratejisi. 7/24 Destek. Deneyimli Ekip
NEDEN DOĞULİNE Detaylı Analiz Yapılan tüm çalışmaların temeli ve ilk adımı, detaylı analizdir. Analiz adımında, ürünün teknik, anahtar kelime, UI & UX, backlink, hedef kitle ve rakip analizi yapılır. Analiz
DetaylıMOODLE UZAKTAN ÖĞRETİM SİSTEMİ
MOODLE UZAKTAN ÖĞRETİM SİSTEMİ ÖZET Genel Bilgiler Moodle nedir? Sistem Gereksinimleri Moodle Sisteminin Kurulumu Ders ve kategori eklenmesi Bir dersin sistem özellikleri İstatistikler Sonuç ve öneriler
DetaylıVERİ TABANI UYGULAMALARI
VERİ TABANI UYGULAMALARI VERİ TABANI NEDİR? Bir konuyla ilgili çok sayıda verinin tutulmasına, depolanmasına ve belli bir mantık içerisinde gruplara ayrılmasına veri tabanı denir. Veri tabanı programları;
DetaylıCite While You Write özelliği
ResearchSoftware.com 1 Cite While You Write özelliği Atıflar & Şekiller Ekleme EndNote, makalelerinizi yayımcılara elektronik olarak sunmanızı kolaylaştıran daha önceden tanımlanmış birçok Microsoft Word
DetaylıWeb Madenciliği (Web Mining)
Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Giriş Metin Ön İşlemleri Web Sayfası Ön İşlemleri Web Arama Meta-Arama ve Sonuçların Birleştirilmesi
DetaylıDetailsView. DetailsView kontrolünün GridView kontrolüyle paralel şekilde kullanımı ile ilgili örnek
DetailsView NOT: Bu yazı www.yazgelistir.com sitesinden alıntıdır. Orijinal belgeye şurada ulaşabilirsiniz: http://www.yazgelistir.com/makale/asp-net-2-0-detailsview-ve-gridview-1 DetailsView nedir? DetailsView;
DetaylıSEO ALANLARINA YAZILMASI GEREKENLER
SEO ALANLARINA YAZILMASI GEREKENLER SEO (Search Engine Optimization) yani arama motorları için optimizasyon demektir. Adından da anlışılacağı üzere, E-ticaret sitenizin arama motorlarında yükselmesi ve
Detaylı«Pek çok küçük şey, doğru reklamla devleşmiştir.» Mark Twain
Video Reklamlar «Pek çok küçük şey, doğru reklamla devleşmiştir.» Mark Twain 1 2 3 4 Türkiye deki Arama Türkiye Pazarında Arama Hacmi Türkiye de Beyazperde Nerede? Rakip Analizi, Yıllık Analiz YouTube
DetaylıDERS BİLGİ FORMU. Zorunlu Ders X. Haftalık Ders Saati Okul Eğitimi Süresi
DERSİN ADI BÖLÜM PROGRAM DÖNEMİ DERSİN DİLİ DERS KATEGORİSİ ÖN ŞARTLAR SÜRE VE DAĞILIMI KREDİ DERSİN AMACI ÖĞRENME ÇIKTILARI VE YETERLİKLER DERSİN İÇERİĞİ VE DAĞILIMI (MODÜLLER VE HAFTALARA GÖRE DAĞILIMI)
DetaylıMetin Sınıflandırma. Akış
Metin Sınıflandırma Mehmet Fatih AMASYALI BLM 5212 Doğal Dil İşlemeye Giriş Ders Notları Akış Görev Eğiticili Eğiticisiz Öğrenme Metin Özellikleri Metin Kümeleme Özellik Belirleme Çok Boyutlu Verilerle
DetaylıKullanım Kılavuzu Eylül 2018
Kullanım Kılavuzu Eylül 2018 İçindekiler 1 Giriş... 3 2 Arama Seçeneği... 3 2.1... Bazı Atıf Tarama İpuçları... 4 2.2... Atıf Arama Sonuçlarını Yazdırın... 7 2.3... Detaylar Bölümü... 7 2.4.Gelişmiş Arama
DetaylıFORMÜL ADI (FONKSİYON) FORMÜLÜN YAZILIŞI YAPTIĞI İŞLEMİN AÇIKLAMASI
1 SIKÇA KULLANILAN EXCEL FORMÜLLERİ 1 AŞAĞI YUVARLAMA =aşağıyuvarla(c7;2) 2 YUKARI YUVARLAMA =yukarıyuvarla(c7;2) 3 YUVARLAMA =yuvarla(c7;2) 4 TAVANA YUVARLAMA =tavanayuvarla(c7;5) 5 TABANA YUVARLAMA =TABANAYUVARLA(E2;5)
Detaylı2-Hafta Temel İşlemler
2-Hafta Temel İşlemler * Html Komutlarının Yapısı * Açıklamalar * Htm Sayfasının Oluşturulması * Temel Html Komutları * Html Sayfalarının Düzenlenmesi * Html Sayfalarının İncelenmesi Html Komutlarının
DetaylıVeritabanı Yönetimi Bilgisayarların. Keşfi Hedefler. Veritabanı, Veri ve Bilgi. Veritabanı, Veri ve Bilgi. Veritabanı, Veri ve Bilgi
Hedefler Veritabanı Yönetimi Bilgisayarların Discovering Keşfi 2010 Computers 2010 Living in a Digital World Dijital Dünyada Yaşamak Veritabanı terimini tanımlamak ve bir veritabanının veri ve bilgi ile
Detaylı4/5 6 7 8 9 10/14 15 İÇİNDEKİLER YEŞİL BİNA SERTİFİKA SİSTEMLERİ SERTİFİKA SİSTEMLERİNİN AMAÇLARI BİNALARIN ÇEVRESEL ETKİSİ LEED/BREEAM KRİTERLERİ
4/5 6 7 8 9 10/14 15 İÇİNDEKİLER YEŞİL BİNA SERTİFİKA SİSTEMLERİ SERTİFİKA SİSTEMLERİNİN AMAÇLARI BİNALARIN ÇEVRESEL ETKİSİ LEED/BREEAM KRİTERLERİ ÇEVRE DOSTU ÜRÜN TALEBİ CEVREDOSTU.COM HAKKINDA CEVREDOSTU.COM
DetaylıBüyük Veri Analitiği (Big Data Analytics)
Büyük Veri Analitiği (Big Data Analytics) M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Bu dersin sunumları, Mining of Massive Datasets, Jure Leskovec, Anand Rajaraman, Jeffrey David
DetaylıExcel de Düşeyara Vlookup) Fonksiyonunun Kullanımı
FARUK ÇUBUKÇU EXCEL AKADEMİ Excel de Düşeyara Vlookup) Fonksiyonunun Kullanımı Excel de arama ve veri işleme konusunda en önemli fonksiyonlardan birisi olan DÜŞEYARA (İngilizce sürümde VLOOKUP) fonksiyonu
DetaylıPERGEL YAYINLARI LYS 1 DENEME-6 KONU ANALİZİ SORU NO LYS 1 MATEMATİK TESTİ KAZANIM NO KAZANIMLAR
2013-2014 PERGEL YAYINLARI LYS 1 DENEME-6 KONU ANALİZİ SORU NO LYS 1 MATEMATİK TESTİ A B KAZANIM NO KAZANIMLAR 1 1 / 31 12 32173 Üslü İfadeler 2 13 42016 Rasyonel ifade kavramını örneklerle açıklar ve
DetaylıCOĞRAFİ BİLGİ SİSTEMLERİ ARCGIS GİRİŞ EĞİTİMİ
COĞRAFİ BİLGİ SİSTEMLERİ ARCGIS GİRİŞ EĞİTİMİ http://facebook.com/esriturkey https://twitter.com/esriturkiye egitim@esriturkey.com.tr Kursun Süresi: 5 Gün 30 Saat COĞRAFİ BİLGİ SİSTEMLERİ ARCGIS GİRİŞ
DetaylıHafta 10 - Vektör Uzay Modelleri
BGM 565 - Siber Güvenlik için Makine Öğrenme Yöntemleri Bilgi Güvenliği Mühendisliği Yüksek Lisans Programı Dr. Ferhat Özgür Çatak ozgur.catak@tubitak.gov.tr İstanbul Şehir Üniversitesi 2018 - Bahar İçindekiler
Detaylı