Teknoloji Haberleri
S
Gönderiler
Hakkında
0 S
10 yıl
| Merhaba Arkadaşlar Bilginç IT Academy'de çalışmaktayım. Oracle tarafından sertifika verilecek olan java android yazılım uzmanlığı eğitimi başlayacak. Ben'de şirkete söyledim DH'yi. Benim arkadaşım gibi gösterebiliyorum sizi. Buradan eğitim içeriğine göz atın. Eğer ihtiyacınız varsna . Buradanda formu doldurun. Mesaj kısmına DH üyesiyim yazarsanız. Size %20 indirimli fiyat sağlayabilirim. Eğer size uyarsa sadece önermek istedim. Herkese iyi çalışmalar. |
S
10 yıl
|
Veri madenciliği en basit şekilde büyük miktarda veri içerisinden gelecekle ilgili tahmin yapmamızı sağlayacak modellerin veya bağlantıların oluşturulmasıdır. Bu bağlantılar oluştuktan sonra aradığımız veriler mevcutsa bu verilerden çıkarabileceğimiz sonuçları anlamak için kullanırız. Örneğin ; Riski az olan tüm kredi kartı başvurularını bul(sınıflandırma) Harcama alışkanlığı benzer olan kredi kartı sahiplerini bul(demetleme) DVD birlikte sıkça satın alınan ürünü bul (ilişkilendirme kuralları) Belli bir ürünü alan insanların ortak özellikleri nelerdir ? Müşterinin bundan sonra isteyeceği ürünler neler olabilir ? Hangi müşterilermiz sadık hangisi hangi durumlarda uçup gidiyor ? ..vb bir çok sonuç odaklı sorularımıza cevap bulabiliriz Ham veriden bu bilgilere ulaşmanın bir çok yolu var.Gerekli olan bilgiye ulaşmada ilk önce, uygulama alanımızı doğru belirlememiz gerekiyor.Bu uygulama alanının amacına uygun veri kümesi oluşturmalı ve veriyi ayıklama ve önişlemlerden geçirmeliyiz.Sistemimizde kullanacağımız yapıya göre verilerin dönüşümünü ve azaltılmasını gerçekleştirebiliriz.Veri dönüşümünde gerekli boyutları seçebilir boyutlar arası ilişkileri belirleyebilir veya boyutu azaltabiliriz. Bu aşamadan sonra gerekli olacak olan veri madenciliği tekniklerinden bir tanesi seçebiliriz. Şimdi bu teknikleri inceleyelim 1- Classification: En popüler veri madenciliği görevlerinden biridir.Yeni bir nesnenin niteliklerini inceleme ve bu nesneyi önceden tanımlanmış bir sınıfa atamaktadır. Burada önemli olan bir sınıfın özelliklerinin önceden net bir şekilde belirtilmiş olması gerektiğidir. Bir malın özellikleriyle müşteri özelliklerini eşleştirebiliriz. Böylece bir müşteri için ideal ürün veya bir ürün için ideal müşteri profili çıkarılabilir. “Genç kadınlar küçük araba satın alır, yaşlı, zengin erkekler büyük, lüks araba satın alır.†Sınıflama tekniğine örnek olarak verebiliriz 2-Clustering Belli bir grubun kümelenmesi şeklinde düşünebiliriz.Belli bir yapı içindeki geçen terimlere, datalara, özelliklere ..vb göre gruplar oluşur.Bu gruplar da en çok geçen datalardan yararlanılarak bir benzerlik ölçütü geliştirilir ve buna göre demetleme yapılır.Örneğin genç –orta ve yaşlı erkeklerin aldığı kontor miktarı ayrı ayrı cluster oluşturmaktadır. Bir cluster algoritması sayısız döngü kullanıp model yakınsayınca durarak modeli oluşturur.Yani oluşan segmentlerin sınırları stabil hale gelir. Mevcut halde bir çok clustering algoritması ve yapısı vardır.Örneğin Hierarchical clustering, Partitional clustering,, Spectral clustering..vb Bunlar kendi içinlerinde k-means,fuzzy-c-means , QT algoritması ..vb algoritmaları kullanır.Bunları ilerleyen günlerde belki açıklayabiliriz ama şuan için böyle çeşitlerinin olduğu bilgisi yeterli olacaktır. 3-Association Popüler veri madenciliği görevlerinden biridir.Bir nesnenin varlığı ile diğer bir nesnenin varlığı arasında tahmin yürütülerek ilişki kurulur. Örneğin bir markette,çocuk bezi alan birisinin hemen hemen herzaman süt aldığı testpit edildikten sonra market sahibi çocuk bezi ve süt raflarının arasındaki mesafeyi kısaltabilir.Böylece müşteriye unutulan birşeyin hatırlatılması dolayısıyla kazanç sağlanmış olur.Bunun örneklerini günlük hayatımızda bir hayli görüyoruz. 4-Regsession Amaç bir ya da daha çok değişkenin başka değişkenler cinsinden tahmin edilmesini olanaklı kılan ilişkiler bulmaktır.Örneğin bilgisayar mühendisi olan 40 yaşını aşmamış evi ve arabası olan yakışıklı erkekler bir regsessiondur. 5-Forecasting Adından da anlaşılacağı gibi bizlere tahminler sunan veri ambarı tekniğidir.Örneğin 5 sene sonra barajlardaki doluluk oranları ne olacak ? gençler en çok hangi meslekleri seçecek? X şirketinin 2012 kar marjı ne olacak? Bu tip sorulara cevap bulan bir yapıdır.Burada ki en büyük yardımcımız zaman ve datanın geçmiş yıllarda zamanın içindeki dağılımıdır. Umarım faydalı olmuştur. Eğitimleri için :Bilginç IT Academy |
S
10 yıl
|
Veri madenciliği en basit şekilde büyük miktarda veri içerisinden gelecekle ilgili tahmin yapmamızı sağlayacak modellerin veya bağlantıların oluşturulmasıdır. Bu bağlantılar oluştuktan sonra aradığımız veriler mevcutsa bu verilerden çıkarabileceğimiz sonuçları anlamak için kullanırız. Örneğin ; Riski az olan tüm kredi kartı başvurularını bul(sınıflandırma) Harcama alışkanlığı benzer olan kredi kartı sahiplerini bul(demetleme) DVD birlikte sıkça satın alınan ürünü bul (ilişkilendirme kuralları) Belli bir ürünü alan insanların ortak özellikleri nelerdir ? Müşterinin bundan sonra isteyeceği ürünler neler olabilir ? Hangi müşterilermiz sadık hangisi hangi durumlarda uçup gidiyor ? ..vb bir çok sonuç odaklı sorularımıza cevap bulabiliriz Ham veriden bu bilgilere ulaşmanın bir çok yolu var.Gerekli olan bilgiye ulaşmada ilk önce, uygulama alanımızı doğru belirlememiz gerekiyor.Bu uygulama alanının amacına uygun veri kümesi oluşturmalı ve veriyi ayıklama ve önişlemlerden geçirmeliyiz.Sistemimizde kullanacağımız yapıya göre verilerin dönüşümünü ve azaltılmasını gerçekleştirebiliriz.Veri dönüşümünde gerekli boyutları seçebilir boyutlar arası ilişkileri belirleyebilir veya boyutu azaltabiliriz. Bu aşamadan sonra gerekli olacak olan veri madenciliği tekniklerinden bir tanesi seçebiliriz. Şimdi bu teknikleri inceleyelim 1- Classification: En popüler veri madenciliği görevlerinden biridir.Yeni bir nesnenin niteliklerini inceleme ve bu nesneyi önceden tanımlanmış bir sınıfa atamaktadır. Burada önemli olan bir sınıfın özelliklerinin önceden net bir şekilde belirtilmiş olması gerektiğidir. Bir malın özellikleriyle müşteri özelliklerini eşleştirebiliriz. Böylece bir müşteri için ideal ürün veya bir ürün için ideal müşteri profili çıkarılabilir. “Genç kadınlar küçük araba satın alır, yaşlı, zengin erkekler büyük, lüks araba satın alır.” Sınıflama tekniğine örnek olarak verebiliriz 2-Clustering Belli bir grubun kümelenmesi şeklinde düşünebiliriz.Belli bir yapı içindeki geçen terimlere, datalara, özelliklere ..vb göre gruplar oluşur.Bu gruplar da en çok geçen datalardan yararlanılarak bir benzerlik ölçütü geliştirilir ve buna göre demetleme yapılır.Örneğin genç –orta ve yaşlı erkeklerin aldığı kontor miktarı ayrı ayrı cluster oluşturmaktadır. Bir cluster algoritması sayısız döngü kullanıp model yakınsayınca durarak modeli oluşturur.Yani oluşan segmentlerin sınırları stabil hale gelir. Mevcut halde bir çok clustering algoritması ve yapısı vardır.Örneğin Hierarchical clustering, Partitional clustering,, Spectral clustering..vb Bunlar kendi içinlerinde k-means,fuzzy-c-means , QT algoritması ..vb algoritmaları kullanır.Bunları ilerleyen günlerde belki açıklayabiliriz ama şuan için böyle çeşitlerinin olduğu bilgisi yeterli olacaktır. 3-Association Popüler veri madenciliği görevlerinden biridir.Bir nesnenin varlığı ile diğer bir nesnenin varlığı arasında tahmin yürütülerek ilişki kurulur. Örneğin bir markette,çocuk bezi alan birisinin hemen hemen herzaman süt aldığı testpit edildikten sonra market sahibi çocuk bezi ve süt raflarının arasındaki mesafeyi kısaltabilir.Böylece müşteriye unutulan birşeyin hatırlatılması dolayısıyla kazanç sağlanmış olur.Bunun örneklerini günlük hayatımızda bir hayli görüyoruz. 4-Regsession Amaç bir ya da daha çok değişkenin başka değişkenler cinsinden tahmin edilmesini olanaklı kılan ilişkiler bulmaktır.Örneğin bilgisayar mühendisi olan 40 yaşını aşmamış evi ve arabası olan yakışıklı erkekler bir regsessiondur. 5-Forecasting Adından da anlaşılacağı gibi bizlere tahminler sunan veri ambarı tekniğidir.Örneğin 5 sene sonra barajlardaki doluluk oranları ne olacak ? gençler en çok hangi meslekleri seçecek? X şirketinin 2012 kar marjı ne olacak? Bu tip sorulara cevap bulan bir yapıdır.Burada ki en büyük yardımcımız zaman ve datanın geçmiş yıllarda zamanın içindeki dağılımıdır. Umarım faydalı olmuştur. Eğitimleri için :Bilginç IT Academy |
S
10 yıl
|
Data Scientist (Veri Bilimci) Data Scientist (Veri Bilimci) kavramını son yıllarda özellikle Facebook , Linkedin ve Twitter firmalarından ötürü daha sık duymaya başladık. İş ilanlarında bu görev için adayların arandığına daha sık rastlar olduk. Peki ama Data Scientist kimdir, ne iş yapar? Data Scientist, bağlı bulunduğu şirket yada kuruluşlar için değer yaratmak amacıyla büyük ve çeşitliliğe sahip veriyi uçtan uca analiz eder. Bu veriler bazen ilişkisel veritabanlarında olabileceği gibi, bazen de log dosyaları, sensör verileri gibi değişik kaynaklardan toplanan veriler de olabilir. Data Scientist bu verileri analiz ederek, sonuçlarını yönetim ile paylaşıp aksiyon alınmasını sağlar ve “Veri Odaklı Uygulamalar” geliştirir. Bu uygulamaların birkaç önemli karakteristiği vardır: - Verilerden faydalanarak uygulamar çıkar - Bu uygulamaların kullanımı sonucunda yeni veriler ortaya çıkacaktır - Ve bu yeni çıkan bu veriler uygulamaların iyileştirilmesi için kullanılır. Veri odaklı uygulamalar, kullanıcıların ilgisini çekebilecek ürünleri önermek, pazar analizi, talep analizi, sahtekarlıkların tespit edilmesi gibi örneklendirilebilir. Yeni bir alan ortaya çıkıyor Veri işletmelerinde bilgili ve anlayışlı uzmanlar için kamu kurumları ve kar amacı gütmeyen kuruluşlar ile birlikte önemli ve hızla büyüyen ve büyük bir talep vardır. İhtiyaç duyulan bazı mesleklerin yeni başlayanları ve profesyonelleri şöyledir; veri mühendisleri, veri bilim adamları, istatistikçiler ve veri analizcileri için hızla yükselen maaşları ile seçilecek ve gelişebilecek en ideal mesleklerdir. McKinsey Global Institute tarafından yapılan bir araştırma sonucuna, "Büyük Verileri en iyi şekilde düzenlemek için gerekli analitik ve yönetsel yetenek eksikliği önemli ve acil çözülmesi gereken bir sorunlarrdan en önemlisi olduğu sonucuna varmıştır." Raporlara göre 2018 yılına kadar veri analistleri için beceri gerektiren bir meslek olduğunu ve ABD'de beş milyon kişi bu sectörde ve alakalı pozisyonlarda çalışacağı ön görülmüştür. Çok sayıda eğitimler ile dolu olan bu mesleğe sahip insanlar kendilerini geliştirmek için yarışıyor olacaktır. Verilerin Hızlı Bir şekilde çoğalması Veriler, giderek daha ucuzlaşıyor ve artık her yerde var. Şimdi yüzyıllar boyunca oluşturulmuş ve web günlükleri verileri, mobil cihazlar, sensörler, cihazlar, işlemler ve sayısız yeni tür veri toplama analog içerik sayısallaştırma.IBM tahminine göre bugün dünyadaki verilerin yüzde 90'ı son iki yılda oluşturuldu . Aynı zamanda, yeni teknolojiler düzenlemek ve verilerin bu çığ bir anlam ortaya çıkıyor.Bu çığ gibi büyüyen verilere bir çözüm üretmek gerekiyor. Yeni teknolojiler üretmek, düzenlemek ve verilerin bu çöp yığını gibi olan gereksiz kullanılmayan verilerden kurtalmasını sağlamak gerekiyor. Sorun Tespiti Ekonominin hemen hemen her sektöründe artık bir veri erişimi ve veri işlemi vardır. Günümüzde işletmeler beklenmedik bir şekilde kendi sonuçlarını aşan veriler toplamaktadırlar. İşletmelerin bir çoğu bu kadar veriyi beklemediği için bunları ayıklması ve sorunları tespit etmesi şart olur. Her türlü veri her şirketin elinde mevcut asıl sorun sadece kendi verilerini kullanırken, ne için kullanacağı ve şirketine nasıl bir topluluğun ilgisini çekmek isteyeceğidir. Bu verilerle çalışmak kendine özgü yeni beceriler ve araçlar gerektirir.  Kaynak :http://www.bilginc.com/egitimhaber/40/data-scientist-nedir < Resime gitmek için tıklayın > |
S
10 yıl
| Hortonworks öğrenmek istiyorum ama bir kaç yerden başka bişey bulamadım. Eğitimini'de bir yer veriyor oda şu Hortonwoks Bilginç It Academy birde bir hocanın yazdıkları var ama tam olarak anlamadım onada buradan ulaşabilirsiniz bana daha detaylı bilgi verebilecek biri yada bir yer varmı ? Benim bildiğim tek şey cloudera'nın yeni yüzü interface i değişmiş hali olduğu. |
DH Mobil uygulaması ile devam edin.
Mobil tarayıcınız ile mümkün olanların yanı sıra, birçok yeni ve faydalı özelliğe erişin.
Gizle ve güncelleme çıkana kadar tekrar gösterme.
DonanımHaber Forum - Mini Sürüm
Hakkımızda | Yukarı
Tam sürüm için tıklayınız
Version: 1.2.896
Donanım Sponsoru:
Hakkımızda | Yukarı
Tam sürüm için tıklayınız
Version: 1.2.896
Donanım Sponsoru:
Arkadaşlar merhaba,
Eğitim Kurumunda Spring Framework Eğitimi vardır. İlgilenenlere duyurulur.
İletişim Kuracağınız mail adresi : info@bilginc.com Mesaj bölümüne DH üyesiyim yazarsanız. %20 İndirim Uygulanacaktır. Herkese iyi çalışmalar kolay gelsin.
Link Burada
Tıklmam diyen arkadaşlar içinde içeriği paylaştım.
Eğitim İçeriği Şu Şekilde ;
Module 1 - Inversion of Control and Containers
Module 2 - Introduction to Spring
Module 3 - Bean Configuration in Spring
Module 4 - Advanced Spring IoC Container
Module 5 - Dynamic Proxy and Classic Spring AOP
Module 6 - Spring 2.x AOP and AspectJ
Module 7 - Spring JDBC Support
Module 8 - Transaction Management in Spring
Module 9 - Spring ORM
Module 10 - Spring MVC
Module 11 - Integrating Spring with Other Web Frameworks
Module 12 - Spring Testing
Module 13 - Spring Security
Module 14 - Spring Web Flow
Module 15 - Spring Web Services
Module 16 - Spring Support for EJB and JMS