Books:
Weka and Data Mining
Introduction to Programming and Data Structures
Business Intelligence and Data Mining
Digital 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.
 |
İçindekiler1 Giriş ve Kitabın Kullanılışı 1.1 Kitabın konulara göre bölüm ve alt 1.2 Kitabın dili ve terminoloji 1.3 Kitaptaki örnek ve kodların kullanılması 1.4 Konu sonu alıştırmaları 2 Programlamaya giriş 2.1 Program nedir? 2.2 Bilgisayarda programlar nasıl çalışır? 2.3 C dilinde programlamaya giriş 2.4 C++ dilinde programlamaya giriş 2.5 JAVA dilinde programlamaya giriş Sorular 3 Değişkenler (Variables) 3.1 Değişkenler ve Hafıza Yönetimi 3.2 C,C++ ve JAVA Dillerinde ortak değişken 3.3 C dilinde değişken kullanımı 3.4 C++ dilinde değişken kullanımı 3.5 JAVA dilinde değişken kullanımı Sorular 4 C, C++ ve JAVA dilleri için yazım kuralları 4.1 Yorumlar (comments) 4.2 Talimatlar (Statements) 4.3 Bloklar (Blocks) 4.4 C dilinde örnek kod 4.5 C++ dilinde örnek kod 4.6 JAVA dilinde örnek kod 5 İşlemler (Operators) 5.1 C dilinde işlem kullanımı 5.2 C++ dilinde işlem kullanımı 5.3 JAVA dilinde işlem kullanımı Sorular 6 Akış kontrolü 6.1 C dilinde akış kontrolü 6.2 C++ dilinde akış kontrolü 6.3 JAVA dilinde akış kontrolü Sorular 7 Döngüler 7.1 Basit döngüler 7.2 İç içe döngüler (nested loops) 7.3 Örnekler Sorular 8 Fonksiyonlar 8.1 Özyineli fonksiyonlar (Recursive 8.2 C dilinde fonksiyonlar 8.3 C++ dilinde fonksiyonlar 8.4 JAVA dilinde fonksiyonlar 8.5 Örnekler Sorular 9 Diziler 9.1 Çok boyutlu diziler 9.2 Örnekler Sorular 10 Göstericiler ve Nesne Atıfları 10.1 C ve C++ dillerinde gösterici 10.2 JAVA ve C++ dillerinde nesne atfı 10.3 Atıf ile çağırma (call by reference) Sorular 11 Nesne yönelimli programlama ve oluşum 11.1 C dilinde Oluşum ve Yapılar 11.2 C++ ve JAVA dillerinde nesne yönelimli 12 Dizgiler (Strings) 12.1 Dizgi parçalama (String Tokenizer) 12.2 Dizgilerin kopyalanması 12.3 İlkel tiplerde dizgi tipine dönüş Sorular 13 Dosyalama işlemleri 13.1 C dilinde dosyalama 13.2 C++ dilinde dosya işlemleri 13.3 JAVA dilinde dosyalama işlemleri Sorular 14 Veri Yapıları ve ADT 14.1 C dilinde soyut veri yapıları 14.2 C++ dilinde soyut veri tipleri 14.3 JAVA Dilinde soyut veri tipi Sorular 15 Bağlı Liste (Linke List) 15.1 C dilinde bağlı liste 15.2 C++ dilinde bağlı liste 15.3 JAVA dilinde bağlı liste Sorular 16 Yığın (Stack) 16.1 C dilinde Bağlı Liste ile Yığın 16.2 C++ dili ile yığın kodlanması Sorular 17 Sıra (Queue) 17.1 C dilinde dizi kullanılarak sıra kodlaması 17.2 C dilinde bağlı liste kullanarak sıra 17.3 C++ dilinde dizi kullanılarna sıra kodlaması 17.4 C++ dili ile bağlı liste üzerinde sıra 17.5 JAVA dili ile dizi üzerinde sıra kodlanması 17.6 JAVA dilinde bağlı liste kullanılarak sıra Sorular 18 Graflar 19 Ağaçlar 19.1 ikili Ağaçlar 19.2 İkili Arama Ağaçları 19.2.1 İkili arama ağacında arama işlemi: 19.3 Ağaç dolaşma yöntemleri |
İş Zekası ve Veri Madenciliği (Business Intelligence and Data Mining)
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)
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
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