28 Aralık 2016 Çarşamba

Şanlıurfa / Batman Çıkmazı




Bazı insanlar vardır varlığıyla huzur bulursun. Çok klişe bir cümle ama gerçekten bu cümlenin tam da cup oturduğu insan var hayatımda. Hiç ummadığım an da güzel dilekleri güzel süprizleriyle var olan. Sevgili okurum, bu insan çok sessiz görünür. İlk tanıştığımızda tokalaşma gereği göstermişti sağolsun. Ben ise sarılma gereği fakat yüzüm kremliydi. Odamızın en masum en sessiz kızıydı. Sürekli bir çay içme telaşı içinde olur aynı zaman da kitap okurdu. Gel zaman git zaman kim bilirdi ki Nene Hatun Yurdu’nun bana en kadirşinas arkadaşı hayatımın en önemli yerine koyduracağını. Bir keresinde yurudn karşısındaki parkta oturuyordum. Bir baktım ki hem telefonla konuşup hem ağlıyor. O kadar üzüldüm ki.. Soramadım da gidemedim de o soğukta dışarıda konuşmak istediğinde vardı bir şey.. İnsan düşünmüyor değil hiç üzülmüyor değil ama benim de hatam var. Kıyamam bitanem. Ankara Kalesi, kivi, levent waffle,  bahçeli 7, emek 8, Polatlı, Malatya, ulus, aşti, kfc, vişii, metro, gazi, hukuk, öğrenci işleri, 202, 208, beşevler, leylailemecnun, çs, patatesli gözleme,Malatya zafer, baysal,… Aklımdan geçen çok şey var ama anahtar kelimeleri bunlar. Her birinin o kadar güzel anısı var ki şimdilerde o güzel anıları farklı yerlerde farklı şekillerde farklı insanlarla gerçekleştiriyoruz ama hiç biri o günkü tadı vermiyor. Ha bu arada 2 gerçekten çok güzel sayı (:  Merve’ye Mektuplar…

Şanlıurfa/ Yaylak  
28/12/2016
19:52

                        

10 Mart 2016 Perşembe

Otomatik Kişiselleştirme ve Veri Madenciliği


Otomatik kişiselleştirme, kullanıcı profilini otomatik olarak kullanıcı tarafından en az açıkla kontrollü sistem tarafından güncelleyen bir sistemdir. Veri madenciliğiyle ilgisi ise ki veri madenciliği şu demektir: veriler yıllar geçtikçe çoğalmaktadır ve doğru, kaliteli bilgiye ulaşmak ise zorlaşmıştır. O bilgi yığınının içinden belirsizlikleri de gidererek en kaliteli en saf haliyle bilgiye ulaşma sürecidir. Otomatik Kişiselleştirme de veri madenciliği yöntemiyle en doğru şekilde bu sistemi ortaya koymaktır.

Kişileştirmeyi yaparken de veri madenciliğinden 3 yaklaşımla bu sistemi uyarlayacağız. Öncelik İçerik Tabanlı Filtreleme Sistemi; büyük miktarda veriyi işlemek ve belirli kriterleri karşılayan içeriklere ilişkin işlem yapmak amacıyla kullanılan otomatik bir sistemdir. Sadece sistemimizde bulunmasını istediğimiz içerikten yola çıkarak bir filtreleme yapılır. İkincisi ise İşbirlikli Filtreleme Sistemidir. Bu sistem de ise tahmin söz konusudur. Bir çok kullanıcının profiline göre çıkarımda bulunarak onların özellikleri doğrultusunda bir tahmin yürüterek kişileştirmelerin yapılmasıdır. Üçüncüsü ise Kural Tabanlı yaklaşım aslında bunu veri tabanındaki sorgu yöntemlerine benzetebiliriz. Sorgu yöntemiyle kullanılan if-else yapısı gibi eğer şeker seviyorsa kullanıcı tatlı şeyleri ekrana getir gibi.

Uygun veriye ulaşmak için veriyi önce toplamamız gerekir. Veriler, birçok farklı ortamda depolanır. Bunları ortak bir veri ambarında toplamak için öncesinde veri toplama yaparız . Uygun verileri çekerek ardından bu veriler ön işleme den geçer yani belirli test ve analizlerden. En sonunda bir modelleme seçmemiz gerekir. Modellemeyi iyi seçebilmemiz için bu sistemi neden yaptığımızı yani problemin amacını iyi bilmemiz gerekir. Problem amacı belirlendikten sonra uygun model seçilir.

Ardından yöntemlere geçilir. hibrid farklı modellerin birleşmesiyle oluşan modellerle yöntemler oluşmuştur. İçerik özelliklerine bakılarak kullanıma dayalı modeller bunlardan biridir. Kişiselleştirme yapılırken kullanıcın özelliklerine bakılarak bir içerik oluşturup analiz etmiştik şimdi kullanımı da dikkate alınıp bir model oluşturulur. Yapılandırılmış anlamsal bilginin entegrasyonu da bir başka modeldir. Bu da kullanıcıya göre yapılandırılan bilginin içeriğe uyarlanmasıyla oluşur. Modeli öğrenmek için bağlantı yapısını kullanmak modelinde ise içeriğin bağlantılarıyla alakalı bir bütünleştirme yaparak içeriğe uyarlanması diyebiliriz.

8 Mart 2016 Salı

Veri Madenciliği ( Data Mining)

Veri Madenciliği Nedir?

Büyük ölçekli veriler arasında bilgiye ulaşma ya da büyük veri yığınlarının içerisinden gelecekle ilgili tahminde bulunabilmemizi sağlayan bağlantıların bilgisayar programı kullanarak aranmasını sağlamaktır.

En basit tanımıyla yılar geçtikçe artan veri yığınından en kaliteli, güvenli ve sağlıklısını ayıklamaktır. Neden ihtiyaç duyulmuş aşağıdaki resimde gösterebiliriz.

Birbirine benzeyen veriler, temizlenmemiş veriler, kompleks veriler, veriler veriler veriler.... Bir çok veri var ve bunlara ulaşmak oldukça kolay fakat bunların en kalitelisine ve en sağlıklısına ulaşmak ise epey zor..


Bu verilerin çoğu da Veri Madenciliği yöntemiyle Faydalı bilgiye dönüşüyor. Birçok kaynakta ise veri madenciliği ve bilgi keşfi terimlerinin aynı olduğunu söylüyor. Fakat veri madenciliği bilgi keşfi teorisinin bir aşamasıdır.

  1. Veri temizleme (gürültülü ve tutarsız verileri çıkarmak)
  2. Veri bütünleştirme (birçok veri kaynağını birleştirebilmek)
  3. Veri seçme (yapılacak olan analizle ilgili olan verileri belirlemek )
  4. Veri dönüşümü (verinin veri madenciliği tekniğinden kullanılabilecek hale dönüşümünü gerçekleştirmek)
  5. Veri madenciliği (veri örüntülerini yakalayabilmek için akıllı metotları uygulamak)
  6. Örüntü değerlendirme (bâzı ölçümlere göre elde edilmiş bilgiyi temsil eden ilginç örüntüleri tanımlamak)
  7. Bilgi sunumu (mâdenciliği yapılmış olan elde edilmiş bilginin kullanıcıya sunumunu gerçekleştirmek).
Veri madenciliği, eldeki verilerden üstü kapalı, çok net olmayan, önceden bilinmeyen ancak potansiyel olarak kullanışlı bilginin çıkarılmasıdır. Bu da; kümeleme, veri özetleme, değişikliklerin analizi, sapmaların tespiti gibi belirli sayıda teknik yaklaşımları içerir.

Veri Madenciliği konusunda az da olsa bilgi sahibi edindiysek şimdi ki asıl yansıtma yapacağımız konu olan Veri Madenciliğinde Kişiselleştirilmiş Ağ.