Books

Books:
Weka and Data Mining

Introduction to Programming and Data Structures

is_zekasi_ve_veri_madenciligi_2013_7_3_0Business Intelligence and Data Mining


dijital_isletme_2013_7_3_0Digital Firm

Programlama ve Veri Yapılarına Giriş JAVA, C, C++ dilleri ile

Yazan: Þadi Evren ÞEKER

ISBN Numarası: 978-9944-62-782-5

Basım Tarihi: Þubat 2009

Kitaptaki Kaynak Kodları indirmek için tıklayınız.

Kitaptan örnek sayfaları görmek için tıklayını.

 

İçindekiler

1       Giriş ve Kitabın Kullanılışı13

1.1         Kitabın konulara göre bölüm ve alt
bölümlere ayrılışı13

1.2         Kitabın dili ve terminoloji14

1.3         Kitaptaki örnek ve kodların kullanılması15

1.4         Konu sonu alıştırmaları16

2       Programlamaya giriş. 19

2.1         Program nedir?. 19

2.2         Bilgisayarda programlar nasıl çalışır?. 19

2.3         C dilinde programlamaya giriş. 24

2.4         C++ dilinde programlamaya giriş. 30

2.5         JAVA dilinde programlamaya giriş. 35

Sorular. 39

3       Değişkenler (Variables). 43

3.1         Değişkenler ve Hafıza Yönetimi43

3.2         C,C++ ve JAVA Dillerinde ortak değişken
kullanımı45

3.3         C dilinde değişken kullanımı47

3.4         C++ dilinde değişken kullanımı51

3.5         JAVA dilinde değişken kullanımı53

Sorular. 59

4       C, C++ ve JAVA dilleri için yazım kuralları63

4.1         Yorumlar (comments). 63

4.2         Talimatlar (Statements). 63

4.3         Bloklar (Blocks). 64

4.4         C dilinde örnek kod. 66

4.5         C++ dilinde örnek kod. 67

4.6         JAVA dilinde örnek kod. 69

5       İşlemler (Operators). 73

5.1         C dilinde işlem kullanımı77

5.2         C++ dilinde işlem kullanımı79

5.3         JAVA dilinde işlem kullanımı81

Sorular. 84

6       Akış kontrolü. 89

6.1         C dilinde akış kontrolü. 97

6.2         C++ dilinde akış kontrolü. 98

6.3         JAVA dilinde akış kontrolü. 99

Sorular. 101

7       Döngüler. 107

7.1         Basit döngüler. 107

7.2         İç içe döngüler (nested loops). 110

7.3         Örnekler. 112

Sorular. 115

8       Fonksiyonlar. 119

8.1         Özyineli fonksiyonlar (Recursive
Functions). 121

8.2         C dilinde fonksiyonlar. 125

8.3         C++ dilinde fonksiyonlar. 127

8.4         JAVA dilinde fonksiyonlar. 128

8.5         Örnekler. 130

Sorular. 135

9       Diziler. 139

9.1         Çok boyutlu diziler. 140

9.2         Örnekler. 143

Sorular. 148

10          Göstericiler ve Nesne Atıfları155

10.1      C ve C++ dillerinde gösterici155

10.2      JAVA ve C++ dillerinde nesne atfı159

10.3      Atıf ile çağırma (call by reference). 159

Sorular. 161

11          Nesne yönelimli programlama ve oluşum.. 165

11.1      C dilinde Oluşum ve Yapılar. 165

11.2      C++ ve JAVA dillerinde nesne yönelimli
programlama. 167

12          Dizgiler (Strings). 175

12.1      Dizgi parçalama (String Tokenizer). 178

12.2      Dizgilerin kopyalanması180

12.3      İlkel tiplerde dizgi tipine dönüş. 181

Sorular. 184

13          Dosyalama işlemleri189

13.1      C dilinde dosyalama. 189

13.2      C++ dilinde dosya işlemleri192

13.3      JAVA dilinde dosyalama işlemleri193

Sorular. 199

14          Veri Yapıları ve ADT. 207

14.1      C dilinde soyut veri yapıları210

14.2      C++ dilinde soyut veri tipleri215

14.3      JAVA Dilinde soyut veri tipi219

Sorular. 222

15          Bağlı Liste (Linke List). 225

15.1      C dilinde bağlı liste. 225

15.2      C++ dilinde bağlı liste. 228

15.3      JAVA dilinde bağlı liste. 231

Sorular. 236

16          Yığın (Stack). 239

16.1      C dilinde Bağlı Liste ile Yığın. 240

16.2      C++ dili ile yığın kodlanması242

Sorular. 245

17          Sıra (Queue). 249

17.1      C dilinde dizi kullanılarak sıra kodlaması249

17.2      C dilinde bağlı liste kullanarak sıra
kodlaması254

17.3      C++ dilinde dizi kullanılarna sıra kodlaması259

17.4      C++ dili ile bağlı liste üzerinde sıra
kodlaması263

17.5      JAVA dili ile dizi üzerinde sıra kodlanması269

17.6      JAVA dilinde bağlı liste kullanılarak sıra
kodlaması273

Sorular. 278

18          Graflar. 281

19          Ağaçlar. 291

19.1      ikili Ağaçlar. 293

19.2      İkili Arama Ağaçları295

19.2.1        İkili arama ağacında arama işlemi:296

19.3      Ağaç dolaşma yöntemleri298is_zekasi_ve_veri_madenciligi_2013_7_3_0

 

İş Zekası ve Veri Madenciliği (Business Intelligence and Data Mining)

kapak 1, WEKA
Bu kitap, iş zekası ve veri madenciliği konularına giriş mahiyetindedir. Kitap kapsamında temel KDD akışı takip edilmiştir. Ayrıca veri ön işleme, veri dönüşümü ve veri madenciliğinde sık kullanılan sınıflandırma, kümeleme, ilişkilendirme ve tahmin yöntemleri gibi yöntemler açıklanmıştır. WEKA yazılımı üzerinden kitapta işlenen teorik konuların uygulamaları da anlatılmıştır….

Edebiyat; 206 sayfa, 2. hamur , ISBN: 978-605-127-671-7

1 Giriş ve Kitabın Kullanılışı………………………………………………………11
1.1 Kitabın konulara göre bölüm ve
alt bölümlere ayrılışı……………………………………………………………13
1.2 Kitabın dili ve terminoloji……………………………………………………….14
1.3 Kitaptaki örnek ve kodların kullanılması…………………………………..16
1.4 Konu sonu alıştırmaları…………………………………………………………16
2 Veri Madenciliğine Giriş………………………………………………………….19
2.1 Veri Nedir? …………………………………………………………………….21
2.2 Veri Tabanı Nedir?………………………………………………………………..23
2.3 Veri Madenciliği (Data Mining) Nedir?……………………………………..25
2.4 İş Zekası (Business Intelligence) Nedir?…………………………………..26
2.5 Örnek Çalışma……………………………………………………………………..29
2.6 Sorular …………………………………………………………………….32
3 WEKA …………………………………………………………………….33
3.1 Weka’nın Ekranları……………………………………………………………….36
3.2 Weka Bilgi Akış Ekranı (Knowledge Flow)…………………………………43
3.2.1 | 1. Adım: Wekanın Çalıştırılması ve
Knowledge Flow Ekranına Erişim………………………………..44
3.2.2 | 2. Adım: ArffLoader bileşeni ile bir
arff dosyasının yüklenmesi………………………………………46
3.2.3 | 3. Adım:Yüklenen veri kümesi üzerinden
hedef sınıfın belirlenmesi……………………………………………50
3.2.4. | 4. Adım: Veri kümesinin test ve eğitim
(test and training) kümelerine ayrıştırılması…………………..53
3.2.5. | 5. Adım: Sınıflandırıcının eklenmesi………………………………56
3.2.6. | 6. Adım: Sınıflandırıcının sonuçlarının ve
hata miktarının değerlendirilmesi………………………………..60
3.2.7. | 7. Adım: Sonuçların gösterilmesi………………………………….60
3.3. Sorular …………………………………………………………………….64
4 Veri Ön İşleme (Data Pre-Processing)……………………………………..65
4.1 Veri Ön İşlemesinin Amacı……………………………………………………..67
4.2 Veri Neden Kirlenir?……………………………………………………………..68
4.3 Veri Ön İşlemesinin Önemi…………………………………………………….69
4.4 Veri Ön İşleme Yöntemleri……………………………………………………..69
4.5 Zan (Imputation) Yöntemi………………………………………………………69
4.5.1 Liste boyunca silme (listwise deletion)…………………………..71
4.5.2 Eşlerin silinmesi (Pairwise deletion)………………………………72
4.5.3 Ortalama Zan (Mean imputation)…………………………………..73
4.5.4 İlkelleme Zannı (Regression Imputation):………………………..75
4.5.5 Son Gözlemin Taşınması
(Last Observation Carried Forward):……………………………..75
4.6 Hatalı Verilerin Düzenlenmesi…………………………………………………77
4.6.1 Kutulama (Binning)…………………………………………………….77
4.6.2 Kümeleme (Clustering)………………………………………………..81
4.6.3 İlkelleme (Regression)…………………………………………………82
4.7 Weka ile Veri Ön İşlemesi………………………………………………………87
4.8 Weka ile Ayrık Veri Dönüşümü (Discretize)……………………………..100
4.9 Weka ile Eksik Verilerin Ön İşlenmesi…………………………………….104
5 Veri Dönüştürme (Data Transformation)………………………………..107
5.1 Düzleştirme (Smoothing)……………………………………………………..110
5.1.1 Rassal Yürüme (Random Walk)……………………………………111
5.1.2 Hareketli Ortalama (Moving Average)…………………………..111
5.1.3 Göreceli Güç Indeksi (Relative Strength Index)………………114
5.1.4 Momentum ve Değişim Oranı (Rate of Change)……………..115
5.1.5 Bollinger Bantı (Bollinger Bant)……………………………………117
5.1.6 İvme (Acceleration) ve Fark (Difference)………………………118
5.2 Veri Birleştirme (Data Aggregation)……………………………………….122
5.2.1 HİS ( Hareket İşlem Sistemleri, TPS,
Transaction Processing Systems)………………………………..122
5.2.2 OLTP (ÇİHİ)………………………………………………………………125
5.2.3 OLAP (ÇİAİ)……………………………………………………………..126
5.3 Normalleştirme (Normalization)…………………………………………….127
5.3.1 Asgari – Azami Normalleştirmesi
(Min-Max Normalisation)……………………………………………128
5.3.2 Standart Skor (Standard Score):………………………………….130
6 Veri Madenciliği (Data Mining)……………………………………………..133
6.1 Sınıflandırma …………………………………………………………………..138
6.2 Destekçi Vektör Makineleri
(Support Vector Machine, SVM)…………………………………………….138
6.3 Doğrusal Olmayan Destekçi Vektör Makineleri………………………..142
6.4 Naif Bayes (Naive Bayes) Sınıflandırıcısı…………………………………150
6.5 Karar Ağacı Öğrenmesi (Decision Tree Learning)……………………..155
6.5.1 Karar ağacı öğrenme algoritmaları………………………………157
6.5.2 Karar ağacı öğrenme algoritmalarının avantajları…………..158
6.5.3 Yöntemin Kısıtları……………………………………………………..160
6.6 K- En Yakın Komşu (K-Nearest Neighborhood, KNN)…………………161
6.7 Kümeleme (Clustering)………………………………………………………..165
6.7.1 K-Ortalama Kümelemesi (K-means Clustering)………………165
6.8 Hata Oranları (Error Rates)…………………………………………………..169
6.8.1 Kare Ortalamalarının Karekökü
(Root Mean Square Error)…………………………………………..169
6.8.2 Tip 1 ve Tip 2 Hata Oranları………………………………………..170
6.8.3 F Ölçümü (F-Measure)………………………………………………173
7 WEKA ile Veri Madenciliği…………………………………………………….175
7.1 WEKA ile SVM …………………………………………………………………..177
7.2 Weka İle Yapay Sinir Ağları (Artificial Neural Networks)……………..187
EK 1 WEKA’nın Kurulması………………………………………………………….197
EK 2 WEKA üzerinde yazılım geliştirilmesi…………………………………….203
Basit bir WEKA kodu…………………………………………………………………203

Dijital İşletme (Digital Firm)

kapak tam son
İbrahim Aksel, Mehmet Lütfi Arslan, Cevdet Kızıl, Mehmet Emin Okur, Şadi Evren Şeker

Günümüzde bilgi teknolojileri her alanda olduğu gibi sürekli gelişen ve değişen doğası ile işletmecilik alanını da dönüşüme yöneltmektedir. Sınırların ortadan kalkması ile belirginleşen ağır ve yıkıcı bir rekabet ortamında klasik işletme işlevleri, örgüt yapıları ve yönetim teknikleri yetersiz kalmaktadır. Bu da yeni bir işletmecilik yaklaşımının ortaya çıkmasını zorunlu kılmaktadır. Bilginin temel değer olduğu yeni ekonomik düzen içerisinde ortaya çıkan yeni işletmecilik sadece bilişim sektörünün katkıları ile ortaya çıkmış bir tür modernizasyondan daha öte işin kendisi, insan ilişkileri, iş görme biçimleri ve yaklaşımına dair köklü bir paradigma değişimi anlamına gelmektedir.

Konularında değişim ve gelişmeye açık, yeniliğin tehditlerini algılayıp, fırsatlarını öne çıkartacak, yeni bir bakış sağlama hedefi ile, bilişim ve yönetim alanlarında uzmanlık sahibi beş akademisyen tarafından kaleme alınmış, ‘Dijital İşletme’ bilişim teknolojileri ile yeni bir içerik kazanmaya başlayan işletmecilik ve yeni işletmeleri anlama noktasında temel birbaşlangıç kitabıdır…

213 sayfa, 2. hamur , ISBN: 978-605-127-675-5
İçindekiler
Dijital İşletme: Tanım ve İçerik
1. Bilgi ve Yeni Ekonomi………………………………………..17
2. Bilişim Teknolojileri ve İşletmeler……………………….25
2.1. İnternet…………………………………………………………28
2.2. İntranet…………………………………………………………36
2.3. Extranet………………………………………………………..37
2.4. Yerel Alan Ağları (LAN)……………………………………38
2.5. Geniş Alan Ağları (WAN)………………………………….38
2.6. Elektronik Veri Değişimi…………………………………..39
2.7. Elektronik Ticaret……………………………………………39
2.8. Bulut Bilişim Sistemleri……………………………………40
2.9. Mobil Uygulamalar ve SMS……………………………..41
3. Dijital İşletme…………………………………………………….43
3.1. Dijital İşletmenin Yapısı…………………………………..45
3.1.1. Kurumsal Kaynak Planlaması…………………………47
3.1.2. Müşteri İlişkileri Yönetimi……………………………….52
3.1.3. Operasyon Yönetim Sistemi………………………….53
3.1.4. Tedarik Zinciri Yönetimi…………………………………53
3.1.5. İnsan Kaynakları Bilgi Sistemleri……………………..53
3.2. Dijital İşletmelerde İş Süreçleri…………………………54
3.3. Dijital İşletmenin Stratejisi ………………………………56
3.4. Yasal Düzenlemeler………………………………………..60
3.5. Dijital İşletmenin Güvenliği………………………………63
Kaynaklarının Sakıncaları…………78
2. Dijital İnsan Kaynakları Yönetimi İşlevleri……………81
2.1. Dijital İnsan Kaynakları Planlama ……………………..82
2.2. Dijital İşe Alım ……………………………………………….85
2.2.1. İnsan Kaynağı Seçiminde
Dijital Teknolojilerin Avantajları………………………………….87
2.2.2. İnsan Kaynağı Seçiminde
Dijital Teknolojilerin Dezavantajları…………………………….89
2.3. Dijital Performans Yönetimi ……………………………….90
2.4. Dijital Ücretleme ………………………………………………91
2.5. Dijital İş Değerleme …………………………………………..94
2.6. Dijital Öğrenme…………………………………………………95
2.7. Dijital Endüstri İlişkileri ………………………………………98
2.8. Dijital İşçi Sağlığı ve İş Güvenliği…………………………99
Bölüm 3
Dijital Üretim Yönetimi
1. Üretim Ya da Operasyonun Değişen Doğası……..105
2. Üretim Yönetimi Bilgi Sistemleri……………………….111
2.1. ERP……………………………………………………………112
2.2. MRP……………………………………………………………113
2.3. MRP II…………………………………………………………118
2.3.1 MRP II Yaklaşımı………………………………………..121
2.3.2 MRPII’nin Avantaj / Dezavantajları…………………..123
2.4. Ana Üretim Planlaması………………………………….124
Bölüm 5
Dijital Muhasebe Yönetimi
1. Dijital Muhasebe Bilgi Sistemi…………………………..133
2. Dijital Muhasebe Sisteminin Tasarlanması………..137
3. Dijital Muhasebe Yönetiminin Önemi………………..143
4. Dijital Muhasebe Yönetiminin Avantajları………….147
Bölüm 6
Dijital Pazarlama
1. Pazarlama Kavramı………………………………………….153
2. Pazarlamanın Faydaları…………………………………….157
3. Pazarlama Anlayışındaki Gelişmeler…………………159
4. Pazarlama Karması………………………………………….163
5. Pazarlama Karmasındaki Gelişmeler………………..169
6. Pazar Türleri…………………………………………………….173
7. Pazar Bölümlendirme……………………………………….175
8. Pazarlama Araştırması……………………………………..179
9. Dijital Pazarlama………………………………………………183
Örnek Olay………………………………………………………….188
Sonuç Yerine……………………………………………………….195
Kaynakça…………………………………………………………….208


İÇİNDEKİLER

Önsöz
Sınıflandırma
Gözetimli ve Gözetimsiz Öğrenme(Supervised and unsupervised learning)
Sınıflandırma
Sayısal tahmin(numeric prediction)
Kural Tabanlı SınıflandırmaYöntemi
Weka-1 Giriş ve Ekranları Tanıma
Explorer
Exprerimenter
KnowledgeFlow
Command Line Interface(CLI)
Weka-2 ARFF Dosya Tipi ve Temel Filtreleme
ARFF’deki Temel Tanımlar
CSV-ARFF Dosya Dönüşümü
Bilinmeyen Değerlerin ARFF’de Tanımlanması
SparceMatrix ve ARFF Dosya Türü
Weka’da Temel Filtreleme
Weka-3 ZeroR Algoritması
Weka-4 OneR Algoritması
Naïve Bayes Algoritması
Laplace Düzeltmesi
Naïve Bayes Sınıflandırmasının Temel Özellikleri
Weka-5 Naïve Bayes Algoritması
Karar Ağaçları
Özellik Seçme Kriteri:Bilgi Kazancı
Bilgi Oranı
Aşırı Öğrenme
Budama
Ön Budama
Son Budama
Weka-6 Karar Ağaçları
Model Seçimi
Duyarlılık ve Özgüllük Değerleri
Değerlerin Ölçülmesi
Yüzdesel Bölmek
Cross Validation
Boostrap
Güven Aralığı
Maliyet Kazancı Analizi ve ROC
Bir Modelin Seçilmesi için Gereken Kriterler
Birlikte Çalışma
Bagging
Boosting
Ensemble
Weka-7 Doğrusal Ayrımcılık Analizi
Doğrusal Ayrımcılık Analizi
Weka’ya Paket Ekleme
Kovaryans Matrisi Nasıl Hesaplanır?
Korelasyon Algoritmaları
Kendall’ın Tau Çarpanı
Spearsman’ın Derece Korelasyon Katsayısı
Pearson’ın Çarpım-Moment Korelasyon Katsayısı
Goodman Kruskal Çarpanı
Weka-8 Doğrusal Regresyon
Doğrusal Regresyon Modeli
Mean Absolute Error
Root Mean Square Error
Relative Absolute Error
Root Relative Squared Error
Non-Linear Regression Model
Weka-9 Regresyon ile Tahmin
Weka-10 Lojistik Regresyon
Weka-11 KNN Algoritması
Weka-12 Yapay Sinir Ağları
Voted Perceptron
Multi Layer Perceptron
Weka-13 Destekçi Vektör Makineleri
Çekirdek Fonksiyonlarının İşlevi
Weka-14 Bölütleme-Kümeleme Yöntemleri
Bölütleme-Kümeleme Tipleri
Disjoint
Overlapping
Probabilistic
Hierarchical
Bölütleme-Kümeleme Algoritmaları
K-Means
X-Means
Expectation Maximization
Weka-15 Bölütleme-Kümeleme Yöntemleri-2
Hiyerarşik Kümeleme
Agglomerative Yöntem
Divisive Yöntem
Self Organizing Maps(Kohenen’s SOM)
Mesafe Hesaplamaları
Euclid
Manhattan
Chebyshev
Minkowski
Weka-16 Birliktelik Kural Çıkarımı
Apriori Algoritması
Kapsam
Tam İtimat
Müşterek Kuvvet
Kanaat
Leverage
Weka-17 PCA-Principal Component Analysis
Weka-18 Knowledge Flow
Weka-19 Simple CLI
Weka-20 Weka Kütüphaneleri ve Java Kodları
Weka-21 Weka ile Basit Metin Madenciliği