Page 96 - Neşide Dergisi 6.Sayı

DOSYA

Maren Yapay Sinir Ağı Modeli Veri Madenciliği
Yapı olarak Hopfield yapay sinir ağı modeline Birden çok verinin birbirleri ile ilişkilendiril-
oldukça çok benzemektedir. Tek fark, katman- mesi sonucu elde edilen büyük veri topluluk-
lar arası ilişkilerde, herhangi bir katmanın ken- larının saklanarak, sonradan kullanımına yö-
di ile ilişkisinin olmaması ile ilgilidir. nelik yapılan veri kümeleme işlemlerine veri
madenciliği denilmektedir (Köktürk, Ankaralı,
Bulanık Mantık & Sümbüloğlu, 2009).
Model biçimi olarak, insanın düşünme biçimine Büyük veri tabanı ve veri tabanı uygulama
oldukça çok benzer. Elde edilen veri ya da bilgi alanlarının içerisinde oldukça sık rastlanan
ne olursa olsun, bulanık mantık teorisine göre,
filtreleme, sınıflandırma, gruplama ve ilişki-
yorumlama alanı her zaman vardır. Özetlemek lendirme gibi metotlar, veri madenciliği ilke-
gerekirse, olaylar ve durumların içinde yorum- sinden yola çıkılarak yapılmıştır. Veri maden-
layabilme becerisine bulanık mantık modeli
ciliğinin asıl amacı, istenilen veri veya veri
denilebilmektedir, çünkü bulanık mantığa göre,
gruplarının hızlı bir şekilde ve spesifik bir yön-
bir ifade tamamen yanlış veya tamamen doğru temle ortaya çıkarılmasıdır (Çalış, Kayapınar,
olamaz (Tektaş, Akbaş, & Topuz, 2006).
& Çetinyokuş, 2014).
Kesin yargılardan uzak duran bir fikre sahip
olan bulanık mantık modeli, çıkarımlarda bu- Veri Madenciliği Metotları
lunarak kesin olan bilgilerin tahmin ile oluş-
Sınıflandırma, biçimlendirme, tanımlama ve
turduğu yeni bilgiler oluşturmaktadır. Netlik
tarama yöntemlerinin etkili bir şekilde kullanıl-
gibi kavramların kullanılmak istendiği akıl
yürütme işlemlerinde bulanık mantık asla masını sağlamak amacı ile çeşitli veri maden-
ciliği metotları bulunmaktadır. Bu metotlar,
kullanılmayan bir modeldir. Günümüzde bu-
lanık mantık, web ve elektronik aletler olmak parametrik modellere dayanan ve parametrik
üzere birçok araç ve gereçte kullanılmaktadır. modele dayanmayan teknikler olmak üzere
Kolayca modellenebilir olması, bulanık man- ikiye ayrılır. Parametrik teknik mantığına göre
tığın günümüzde çok kullanılmasının önemli çalışan metotlarda varsayımların önemi çok
sebeplerinden birisi olarak gösterilebilir. Bu büyüktür. Bu nedenle, öngörüde bulunma ve
sebeplerden ötürü, bulanık mantık sistemleri tahmin edebilme aktivitelerinin yeri olduk-
statik sistemler değil dinamik sistemler olarak ça fazladır (Köktürk, Ankaralı, & Sümbüloğlu,
bilinir (Caner Yağcı, 2005). 2009). Veri madenciliği mantığına göre, para-
metrik olmayan teknikler, veri madenciliği için
daha uygundur. Tahmin ve öngörülerin olma-
Sanal Gerçeklik
dığı bu teknikte, veriye göre model oluşturulur.
İnsan bilgisayar etkileşiminin en üst seviyede
işlendiği alan sanal gerçeklik alanıdır. Bu se-
beple yapay zekâ ve benzeri uygulamaların Veri Madenciliği İşleme Süreçleri
en çok ve en doğal yapıları bu alan içerisin- Veri madenciliği süreci, verilerin analizi açısın-
de kullanılmaktadır. Sanal gerçeklik alanının dan altı farklı süreç ile meydana gelmektedir.
en büyük destekçisi teknolojik donanımlardır. Bu süreçler sırası ile;
Sanal gerçeklik alnında kullanılan donanım-
larım hepsi, algılayıcı teknolojik ürünler sınıfı • Problemin tanımlanması ve açıklanması,
içerisinde yer almaktadır (Tektaş, 2010). • Verilerin tanımlanması ve açıklanması,
• Verilerin hazırlanma ve kullanıma sunulma
YAPAY ZEKÂ ların bilgisayarlar ile yapmış olduğu etkile- • Verilerin modellenme aşaması,
Sanal gerçeklik alanında kullanılan donanım-
aşaması,
şimlerde yapay zekâya büyü örnekler olarak
• Verilerin değerlendirilme aşaması,
gösterilebilir. Algılayıcı ve sensörlerin belirli
• Verilerin uygulanma aşaması.
algoritmalar aracılığı ile kullanıcının etkileşimi
sonucu hareket etmesi yapay zekâ ürünüdür
Veri madenciliği kullanılan bu süreçler, belirli
(Tektaş, 2010). olarak sıralanabilir (Albayrak & Yılmaz, 2009).

94