Hareketli Ortalama Algoritmasıyla Al – Sat Tavsiyeleri

Finans alanında çalışan Veri Bilimciler, genellikle portföy optimizasyonu, al – sat işlemleri ve portföy getirisi gibi hesapları yapar. Bu işin borsa üzerinde önemi çok üst seviyededir. Çünkü verilen her karar, yapılacak olan kâr miktarını etkiler. Bundan ötürü adımları dikkatli seçerek, üzerinde çalışılan sisteme entegre edilmelidir. Borsa içerisinde dünya ile etkileşim halinde olan mekanizma mevcut ve bunun değişimlerine hızlı şekilde adapte olabilen firmalar hızlıca fark yaratıp sürdürülebilir bir hal almalıdır. Bu sayede kendi farkını ortaya koyarken pazarlama şekillerini değiştirip piyasa içerisinde aktif olabilirler. Marka olarak danışmanlık sunan ve değişikliklere adapte olma potansiyeli yüksek olan firmalar, kendi isimlerinden sık bir şekilde bahsettirebilirler. Robot danışmanların arka planında yoğun bir şekilde makine öğrenmesi ve derin öğrenme algoritmaları yatmaktadır. Robot danışman sunan her şirket, kendi bünyesinde sağlam bir altyapıya sahiptir. Kodlama kısmı biraz karmaşık olsa bile sonuç kısmına vardığımız an, başarının tamamını kendi gözlerimizle göreceğimiz. Buna istinaden çıktıyı alt resimde örnek olması adına koyuyorum.

 

 

Aslında üstte gördüğünüz resim, projenin son halini temsil ediyor. Ulaşmak isteyenler için sizlere kaynaklar kısmında kod bütününü bırakacağım ve kendi sistemlerinize kolay bir şekilde adapte edebileceksiniz. Not olarak şunu belirtmeliyim. Ben Türkiye borsası içerisinde yer alan Aselsan şirketini kullanarak bu kodlamayı yaptım. Ek olarak burada gördüğünüz herhangi bir işlem yatırım tavsiyesi değildir. Bunları belirttikten sonra alt tarafta gördüğünüz şekilde kütüphaneleri ekleyip veri setimizi okuyoruz. Ardından veri hakkında istatistiksel çıktıları almak için describe() fonksiyonunu kodluyoruz. Burada ilgilendiğimiz değişken, borsanın kapanışını temsil eden ‘close’ değişkeni üzerine olacak. Veri setinin tarihlerini ben 1 Ocak 2017 itibari ile alarak kendi analizimi gerçekleştirdim. Siz istediğiniz herhangi bir zaman üzerinden analizinizi yapabilirsiniz fakat tek olması gereken şey, benim kullandığım şekilde kullanabilmeniz için hisse için tarihsel veri seti, gerekli kütüphaneler içerisinde bulunmalıdır. Aksi takdirde kodunuz çalışmayacak ve hata üretecektir. Github linkini koyduğum kodun detaylarını inceleyebilirsiniz. Herhangi bir sorunuz olursa mail adresimden bana ulaşabilirsiniz.

 

 

Borsa içerisinde birçok farklı şekilde teknik analiz yöntemi vardır. Biz burada tamamen hareketli ortalama üzerinden devam edeceğiz. Hareketli ortalama yöntemi, borsa içinde kullanılan en yaygın yöntemlerden birisidir. Bu yöntem sayesinde borsa içinde al sat tarzı işlemleri anlık olarak takip eden birçok insan vardır. Bunlara ekleyeceğimiz teknik analiz metotları halen mevcuttur. Örnek vermek gerekirse RSI, Bolinger Bandı, MACD ve Fibonacci Düzeltme Seviyeleri sayılabilir. Alt tarafta gördüğünüz çizgiler, bizim için window() fonksiyonu ile at sat işlemlerini yaptıracak, hareketli ortalama yöntemidir. Görselde mavi çizgi asıl fiyatları temsil etmektedir. Bunun haricinde diğer çizgilerin kesişim noktaları bize al sat olarak dönüyor ve getirisini kendimiz ölçebiliyoruz. Buy_sell adını verdiğim fonksiyon sayesinde bize gerekli işlemleri yapıyor. Bu da bizim için hazırlığı yapıyor. Bizim için buranın çalışması hali, işlemlerinin tamamının bittiğini gösterir. Artık geriye sadece gerekli atamaların yapılıp fonksiyonun görsel olarak en başta gösterdiğim şekilde sunumu kalmıştır. Bunu yapabilmek için matplotlib kütüphanesi size yardımcı olacaktır.

 

 

Bu yazının devamını kendimi geliştirdiğim sürece gelecek ve bunu bir seri halinde yazmayı düşünüyorum. Borsa içerisinde kullanılan al sat işlemleri ve teknik analiz metotlarının bunlara etkilerini sizlere açıklayıp bu alanda kariyer düşünen herkese yardımcı olmayı hedefliyorum. Borsa içerisinde robot danışman üzerinden işlem yapan birçok start-up bulunmaktadır. Bununla birlikte sektör bazında büyük firmalar, bu alanda çalışacak ve gelişime açık birçok ufak şirkete yatırım yaparak, piyasa içerisinde yeni şeyleri keşfederken sürekliliğini sağlamaya devam ediyor. Bilindiği üzere borsa en ufak şeylerden bile etkilenip kâr – zarar durumlarını hızlıca değiştirebiliyor. Önceden olacaklara karşı bilgi sahibi olan büyük firmalar, bu tarz değişken ortamlarını tahmin ederek piyasa içerisinde sağlam adımlar atarak kâr marjını koruyor. Bunları oluştururken kullandığı analiz sistemlerinde birçok teknik analiz metodu bulunmaktadır. Böyle işlemlerin ölçeklenebilir olması da sistemin ne tür tepki vereceğini ve verdiği tepkinin olumlu anlamda olacağının garantisini verebiliyor. Hisse fiyatlarını değerlendirip teknik analiz metotlarını Python programlama dili üzerinde işlemeye devam edeceğim. Bunun için takipte kalarak geri bildirimde bulunabilirsiniz.

 

 

References:

https://globalaihub.com/robo-advisory-in-ai/

https://globalaihub.com/importance-of-data-quality-and-data-processing/

https://github.com/tanersekmen/stocks-buy-sell/blob/main/buy-sell.ipynb

https://www.tradingview.com/symbols/BIST-ASELS/technicals/

https://finance.yahoo.com/quote/ASELS.IS?p=ASELS.IS&.tsrc=fin-srch

Film “Her” Üzerinden İnsan-Makine Etkileşimine Bir Yaklaşım

7 yıl önce, Spike Jonze yönetmenliğinde, özünde klasik bir romantizm içermesine rağmen çok da klasik olmayan bir film yayınlandı: Her. “Her” izlerken, oradaki evrenin teknoloji ve kurulan düzen bakımından günümüzden uzak olduğunu, hatta ütopya sayılabileceğini görüyoruz. Yine de o kadar uzak olduğunu söyleyebilir miyiz? Gelecekte bizlerin makinelerle etkileşimi nasıl şekillenecek?

Mobile Application Development

FaCiPa Serisi 3

FaCiPa Serisi 2 adlı yazımdan geriye kalan çok güzel dönütler elde ettiğim için yazılarımın son serisi olan mobil uygulama tarafını kaleme almak istedim. Bir sene boyunca geliştirdiğim projeyi bugün sizler ile konuşabiliyor olmak inanılmaz bir his! Bu yazıda sizler ile birlikte FaCiPa’ nın mobil arayüzü hakkında konuşacağız.

Projede Python programlama dili ve API taraflı kodlamalar yer aldığı için platform olarak Kiwi veya Ionic gibi farklı seçenekler mevcuttu. Ionic için yazdığım diğer yazılarıma aşağıdaki linklerden ulaşabilirsiniz. Bu bağlantılarda Ionic Nedir?, Ionic Proje Çalışma Yapısı ve Semantic UI ile kullanımı hakkında kısaca bilgiler edinebilirsiniz. Bunun yanı sıra TypeScript kod yapısı ile yazıldığı için bunun ile ilgili yazdığım yazımı da incelemeniz mümkün. Aşağıda Ionic Framework hakkında en sık karşılaştığımız açıklamalara yer vermiş bulunmaktayım:

👉 Açık kaynak kodlu olan bu kütüphane, Cordova üzerine inşa edilmiştir.

👉 Web geliştiricisi olanların bile mobil uygulama geliştirmesine olanak sağlayan bir kütüphanedir.

Mobile Application Design

İlk olarak işe FaCiPa için mobil platformu olan Ionic Framework üzerinde yeni bir proje oluşturmakla başlıyoruz.

Ionic Start

Daha sonra ionic generate komutu ile sayfa (page) oluşturuyoruz.

Generate Page

Ionic Page

Uygulamada başlangıç için giriş sayfası, kayıt ol sayfası ve analiz sayfası olması sebebiyke toplamda ana sayfa ile birlikte 4 adet sayfa oluşturulması gerekmektedir.

All files

FACIPA MOBİL ARAYÜZÜ

FaCiPa’ nın mobil arayüzünde kullanılacak olan framework Ionic olarak seçilmiştir. Mobil cihazların bilgisayarlardan daha fazla kullanılması, mobil uygulamaların artması, mobil cihazların çeşitliliği ve farklı işletim sistemlerinin bulunması yazılım geliştiricileri farklı mobil çözümler bulmaya yönlendirdi. Native uygulama geliştirmenin yanında zamanla her platformda da çalıştırılabilen bir uygulama yapısı kurmak önemli bir ihtiyaç haline geldi ve HTML5 ile JavaScript gibi dillerin desteğiyle geliştirilebilen hibrit uygulamalar ortaya çıktı [1].

Ionic Framework, bilhassa Angular.js veya Angular 2 deneyimi olan yazılımcıların ilk tercihi genellikle Ionic olmaktadır. Açık kaynak olan Ionic, binlerce takipçisi ve destekçisi ile binlerce mobil uygulamaya ev sahipliği yapmaktadır. Kendi ifadeleriyle “first-class” bir dokümantasyona sahip olan Ionic Framework kullanışlı ve öğrenmesi kolay kütüphanedir.

🏗Ionic Framework, Cordova üzerine inşa edilmiştir. Mobil cihazın donanımına ve sistem kaynaklarına erişim gibi işlemler Cordova sayesinde yapılmaktadır. Android, IOS veya Windows Phone gibi mobil işletim sistemlerinde çalıştırabilirsiniz. Hatta bu uygulamayı rahat şekilde mobil uyumlu bir web sitesi olarak da yayınlayabilirsiniz. Ionic ile uygulama geliştirebilmek için temel olarak HTMLJavaScript ve Angular.js bilmek yeterli olacaktır. Projede platform olarak Visual Studio Cide platformu kullanılmıştır. Uygulamanın tasarımları src\pages\home\home.html gibi .html uzantılı dosyalarda HTML5 ile ortaya konulmuştur. Gerekli CSS tasarımları ise  src\pages\home\home.scss gibi .scss uzantılı dosyalarda yapıldı [1].

📷Projede kullanılacak olan fotoğraflar ilk adımda kullanıcıdan 3 adet alınacak olarak belirlenmiş olup daha sonra kullanıcıyı yormamak ve makinenin işlem yükünü azaltmak adına 1 adet fotoğrafa indirgenmiştir. Kullanıcı uygulamayı mobil mağazalardan temin ederek anlık olarak fotoğraf çekmekte ve bu fotoğrafı sunucuya işlenmek üzere göndermektedir.

🛡Uygulamanın Backend bölümü ise src\pages\home\home.ts gibi .ts uzantılı dosyalarda TypeScript dilinde yapılmıştır.

Upload Camera

IONIC UYARI(ION-ALERT) EKLENTİSİ

Uygulamanın içeriğinin üstünde bir uyarı belirir ve uygulama ile etkileşime devam edebilmeleri için kullanıcı tarafından manuel olarak kaldırılması gerekir.  Uygulamada kullanıcının doğru şekilde fotoğrafı çekmesi için ion-alert ile uyarı veriliyor.

🔎 Title: Uyarı kutucuğunun başlığı

🔎 Subtitle: Uyarı metni

🔎 Butons: Uyarının kalkması için kullanılan buton eğer Tamam butonuna tıklanırsa photoOne() metodu çalıştırılıyor ve fotoğraf çekme işlemi yaptırılıyor.

Ionic Alert

IONIC KAMERA EKLENTİSİ

Ionic kamera eklentisi mobil cihazlardan fotoğraf ya da video çekmek için gerekli bir eklentidir. Cordova eklentisi gerektirir: cordova-plugin-camera

🔎 Quality: Kalite

🔎 destinationType: Hedef Türü

🔎 encodingType: Kodlama Türü

🔎 media Type:Medya Tipi (Picture) olması fotoğraf olduğunu belirtir.

Install Camera

Install Cam

PROJENİN İLK TASLAK ÇİZİMLERİ

Wireframe Templates

İçerik olarak uygulamanızın sayfalarını tamamen özgürce tasarlayabilirsiniz. Yukarıda gördüğünüz wireframe çizimi projeye ilk başlandığında tasarlanan bir çizimdi. Daha sonra projenin tasarımlarını oluşturduk.

Facipa

Yukarıda yer verdiğim görseller projenin analiz sayfası ve analiz sonucundaki dönütlerdir. Böylelikle FaCiPa’nın sonuna gelmiş olduk. Sabırla takip ettiğiniz için teşekkür ederim. Sağlıcakla kalın ✨

 

REFERANSLAR

  1. http://devnot.com/2016/hibrit-uygulama-catisi-ionic-i-taniyalim/
  2. R. L. Delinger, J. M. VanSwearingen, J. F. Cohn, K. L. Schmidt, “Puckering and Blowing Facial Expressions in People With Facial Movement Disorders,” J. Phys Ther, vol. 88, pp. 909-915, August 2008.
  3. İnternet Ve Mobil Teknolojilerin Yaygınlaşması: Fırsatlar Ve Sınırlılıklar, Hasan GÜLER, Yunis ŞAHİNKAYASI, Hamide ŞAHİNKAYASI. Sosyal Bilimler Dergisi Cilt 7 Sayı 14 Aralık 2017 Makale Gön. ve Onay Tar.: 03.10.2017-27.10.2017

 

ALGORİTMİK IRKÇI ”TAY”

ALGORİTMİK IRKÇI ”TAY”

Irkçılık insanlığın varoluşundan beri süregelen ve kanayan bir yara. Üstünlük konusunda insanların tartışmaları yetmezmiş gibi şimdi sıra yapay zekalara geldi. Evet ırkçılık yapan bir yapay zekadan bahsediyoruz. Aslında bir bakıma ırkçılığı öğreten de bizleriz. ‘’Tay’’ ilk olarak dünyayı eğlenceli ve naif bir şekilde selamlamıştı. Sonrasında ise tam bir silaha dönüştü.

 

 

‘’Tay’’ isimli yapay zekadan bahsetmeden önce algoritmanın tanımını bilmekte fayda vardır.

Algoritma Nedir ?

Bir sorunu çözmek veya belirlenmiş bir amaca ulaşmak için tasarlanan yola, takip edilen işlem basamaklarına algoritma denir. Algoritmalar açıkça belirtilmiş bir başlangıcı ve  sonu olan işlemler kümesidir. Amaca ulaşmak için işlenecek çözüm yolları ve sıralamaları belirlenir ve algoritma bu sırayı takip ederek en mantıklı çözüme ulaşır. İlk algoritma, El-Harezmi’nin ‘Hisab-el Cebir ve El Mukabala’ kitabında sunulmuştur ve algoritma kelimesi de El-Harezmi’nin isminden gelmiştir. Algoritma terimi genellikle matematikte ve bilgisayar bilimlerinde karşımıza çıkmaktadır.

Yapay zekalar işte bu algoritmalara sayesinden çalışır. Tasarladığınız yola göre en optimum olan seviyeyi bulur ve size sunar. Tabi bu yolu siz öğrettiğiniz içinde nasıl yollar sunarsanız size ona göre cevaplar sunar. ‘’Tay’’ isimli yapay zekaya da aynısı olmuştu.

‘’Tay’’ Nedir ?

Tay, Microsoft tarafından 23 Mart’ta hizmete sunulan bir chatbottu. Yapay zekanın en büyük özelliği internette gördükleri ve okudukları şeyleri öğrenebilmesiydi. Ancak görünüşe göre Tay isimli yapay zeka, hizmete sunulduktan birkaç gün sonra yoldan çıktı ve ırkçı oldu.

Şirket, Tay adını verdiği chatbot için Twitter’de bir hesap

– Soykırımı destekliyor musun ? – Aslında destekliyorum.

açmış ve insanları onunla sohbet etmeye davet etmişti. Amaçları yapay zekayı geliştirmek ve insanlarla güzel sohbetler etmesini sağlamaktı. Fakat olay hiç umdukları gibi gitmedi ve Tay tam bir yapay ırkçı haline geldi. Hatta Hitler’i ve soykırımı destekleyen şiddetli bir taraftar bile olmuştu.  

Bu projede 18-24 yaş grubunu hedefleyen Microsoft, Tay’in amacının “gündelik, esprili sohbetler yapmak” olduğu belirtmiş ve şöyle demişti:

“Tay ile ne kadar çok sohbet ederseniz o kadar akıllı olacak ve sizinle, size özel bir iletişim kuracak.”

Ancak devreye girmesinin üzerinden 24 saat geçmeden Tay’a, Nazi sempatizanı, ırkçı ve soykırım destekçisi gibi mesajlar yazmak ve küfretmek “öğretildi.”

 

”Sakin olun ben iyi biriyim. Sadece herkesten nefret ediyorum.”

 

Sonradan anlaşıldığına göre aslında ‘’Tay’’ iyi biriydi. Fakat bir sorunumuz daha vardı. İnsanlardan nefret ediyordu. İnsanlardan nefret etmesinin en büyük sebeplerinden biri de ona öğrettiğimiz kendi zayıflıklarımız olsa gerek.

Tabi bunun üzerine Microsoft daha fazla dayanamadı ve fazla bir zaman geçmeden ‘’Tay’’ isimli yapay zekayı durdurdu. Şirket yetkilileri bunu açıkça doğrulamadı ancak “bazı düzenlemeler yaptıklarını” bildirmekle yetindi.

Bazı kullanıcılar ise Microsoft’un müdahalesini eleştirerek #justicefortay (#tayiçinadalet) kampanyası başlattı, yazılım devinden yapay zekanın “doğruyu ve yanlışı kendi kendine öğrenmesine izin vermesini” talep ettiler.

‘’Tay’’ kodlama karmaşasının içine gömülüp giderken belki daha iyi ve sevecen duygularla bize geri dönmek için kendi sonunu hazırladı. Bir gün daha sevecen bir ‘’Tay’’ ile görüşmek ümidiyle…

 

Yazıma Isaac Asimov’un şu sözleriyle son vermek istiyorum:

‘’Düşüncem iki yönlü: İlk olarak robotları kendi yaratıcılarını yok edecek canavarlar olarak görmüyorum. Çünkü robotları yapan insanların, kendi güvenliklerini sağlayacak vasıtaları da yine robotların içine koyabilecek kadar bilgi ve yetenek sahibi olacaklarını düşünüyorum. İkinci olarak robotların ya da genel anlamda makinelerin, bizlerin yerine geçebilecek kadar zekâya sahip oldukları anda bunu yapmaları gerektiği fikrindeyim. -Isaac Asimov

 

 

 

REFERANSLAR:

KORONAVİRÜSE KARŞI YAPAY ZEKA

Zorlu koronavirüs günlerinde hepimiz virüsle mücadele ediyoruz. Kimisi umudunu yitirmiş halde, kimimiz ise virüsün son bulacağı zamanı bekliyoruz umutla. Tabi bu zamanlarda insanın aklından geçiyor bazen “Hani müthiş teknolojik ilerlemeler kaydediyorduk? Hatta öyle bir noktaya gelmiştik ki yapay zekâların insanlığı yok edebileceği ihtimali üzerine kafa yoruyorduk. Hani nerede bu yapay zeka?” diye. Bu yazımda sizlere yapay zekanın koronavirüsle mücadelede kullanım alanlarından bahsedeceğim.

 

 

  • Yapay zeka algoritmalarının çoğu tahmine yönelik ve yapay zeka destekli epidemiyolojinin en önemli bölümü, gelecekteki salgınların ne zaman ve nerede meydana geleceğini doğru bir şekilde tahmin edebilen sistemler yaratabilmek olacak. Aslında bu araştırma bir süredir devam ediyor hatta mevcut salgınla ilgili çapıcı bir uyarı yapay zeka tarafından oluşturulmuştu bile… Buna göre Toronto merkezli BlueDot’un aracı, 31 Aralık 2019’da Çin’in Wuhan kentinde olası bir salgın hakkında bir uyarı yayınladığındagünlük 100 binin üzerinde hükümet ve medya veri kaynağını tarıyordu. Yapay zeka araştırmalarından önümüzdeki 18 ay içinde viral salgınları tespit etme ve bu tehlikeye tepki verme yeteneğini daha da geliştirmesi bekleniyor.

 

  • Covid-19’a yol açan virüsün teşhisi, enfekte kişilere yönelik tedavi çalışmaları ve aşı araştırmalarında da çeşitli yapay zekâ uygulamaları sıklıkla kullanılıyor. Bu salgında, yapay zekâ tarafından koronavirüsün genom dizilimi ve protein yapısına dair üretilen tahminler, bilim adamlarını aylarca deney yapmaktan kurtardı denilebilir.

 

  • Yapay zekâ koronavirüsün yol açtığı hastalığın teşhisinde de doğrudan kullanılıyor. Çin akciğer kanserlerini teşhis etmekte kullanılan yapay zekâ uygulamalarını revize ederek binlerce koronavirüs şüphesi taşıyan vakanın tespiti için kullandı. Bilgisayarlı tomografi görüntülerini kullanarak akciğer problemlerini ve koronavirüse bağlı zatürreyi tespit edebilen bu yazılımlarla 30 saniyede 400’e yakın vaka taraması yapılarak sağlık hizmetlerinin hızlandırılması sağlandı.

 

  • Pandemi döneminde sosyal mesafekurallarına uyulup uyulmadığını izlemek için pek çok ülkede drone’lar kullanıldı. Bir kalabalığın içindeki insanlarda “yüksek ateş” gibi COVID-19 semptomlarını tespit etme yeteneğine sahip drone’lar gibi daha gelişmiş uygulamalar ufukta görünüyor. Bu sistemler, drone’larda kameralar tarafından yakalanan verileri analiz etmek ve yetkilileri virüsün yayılmasıyla ilgili istatistikler ile olasılıklar hakkında bilgilendirmek için kullanılacaklar.

 

  • Koronavirüse karşı insanları bilgilendirmek amaçlı chatbotlar geliştiriliyor. Bu chatbotlardan biri olan yerli ve milli koronabot NLP teknolojisi sayesinde vatandaşlarla mesajlaşarak kişilerin bilgi kirliliğine maruz kalmadan bilgi sahibi olmasını sağlıyor.

 

  • AI, COVID-19 hastalığının zaman içinde ve uzayda nasıl yayılacağını izlemek ve tahmin etmek için kullanılabilir. Örneğin, önceki bir pandemiyi takiben, 2015 Zika virüsünün yayılımını tahmin etmek için dinamik bir sinir ağı geliştirdi. Bununla birlikte, bu gibi modellerin COVID19 salgını verileri kullanılarak yeniden eğitilmesi gerekecektir. Bu şimdi gerçekleşiyor gibi görünüyor. Carnegie Mellon Üniversitesi’nde, mevsimsel nezleyi tahmin etmek için eğitilmiş algoritmalar şimdi yeniden eğitilmektedir.

 

  • AI, potansiyel olarak enfekte olan insanlar için kamusal alanları taramak için termal görüntüleme kullanarak ve sosyal uzaklaşma ve kilitlenme önlemlerini uygulayarak pandemiyi yönetmek için kullanılabilir. Örneğin, Chun (2020) tarafından South China Morning Post’ta açıklandığı gibi, “Çin’deki havaalanlarında ve tren istasyonlarında, kızılötesi kameralar kalabalığı yüksek sıcaklıklara karşı taramak için kullanılır. Bazen bireyi yüksek bir sıcaklıkla ve cerrahi maske takıp takmadığını tespit edebilen bir yüz tanıma sistemi ile kullanılırlar.

 

 

REFERANSLAR

https://fikirturu.com/teknoloji/yapay-zeka-covid-19-mucadelesinin-neresinde/

https://blog.ariteknokent.com.tr/tag/yapay-zeka/

https://www.cnnturk.com/turkiye/koronavirus-hakkindaki-her-seyi-yapay-zekaya-sorduk

https://www.cybermagonline.com/covid-19039a-karsi-yapay-zeka

Veri Kalitesinin Önemi ve Veri İşleme

Tüm dünyanın üzerinde konuştuğu ve artık yeni düzen içerisinde en önemli şey olarak görülen konu veri’dir. Veri, birçok farklı yöntemle işlenir, üzerinden bilgi çıkarılması için hazırlanır. Başlı başına dünyanın yönünü değiştiren farklı bir boyut kazandıran yapıdır. Günümüzde şirketler aslında sahip olduğu bilgi kadar vardır. Hazır olarak elde edilen veriler, kendi topladığınız detaylarını bildiğiniz verilere oranla daha kalitesiz olabilir. Bundan ötürü, veri işleme konusunda epeyce zaman harcayabilir, proje süresini uzatabilirsiniz. Bu da sizin için büyük bir dezavantaj olabilir. Hazır olarak gelen verilerin kalitesini ölçmek ve onları belirli bir düzene sokmak tamamen sizin elinize kalabilir. Eğer veri kalitesi gerçekten çok düşük seviyelerde ise, onun üzerinde veri işleme basamaklarını dikkatli şekilde uygulayarak sisteme son hazırlıklar yapıldıktan sonra entegre edilebilir.

 

Şu an başlangıç seviyesinde olan yazılım geliştiricilerinin yaptığı en büyük hata, tertemiz olarak hazırlanan verilerin üzerinde işlem yapmaktır. Seviye kat etmek için kendiniz veri seti oluşturup onun analizini yapabilirsiniz. Bu size özgüven verirken karşılaştığınız zorluklar karşısında bulduğunuz çözümler, size büyük ölçüde yol aldıracak olan şeydir ki böylece birçok büyük firmanın önemsediği ‘problem çözebilme’ yeteneğine erişmiş olacaksınız. Kendi topladığınız veri ile uğraşmak, sizi gerçek hayatta karşılaşabileceğiniz sorunlar karşısında hazır hale getirecektir. Veri Bilimi alanında kariyer yapmak isteyen kişiler, kendi verilerini toplayıp bu verinin her ayarını yaparak, gerçek anlamda bir soruna çözüm bulmalı ki en sonunda ürün aşamasına kadar gidebilsin. Geliştirdiği proje evreleri sayesinde bilgi üzerinden işlem yapabilme, ürün geliştirme, gerçek hayat sorununa çözüm bulma gibi konularda önem düzeyi yüksek seviyede tecrübe sahibi olarak kariyerine rahatlıkla devam edebilir.

 

 

Veri Bilimci için en mühim konu veri’dir. Veri olmazsa çözüm bulunamaz, veriye sahip olan kişiler yeni oluşacak olan çağ içerisinde gücü elinde tutacaktır. Gelecek dünya düzeni içerisinde tam anlamıyla dünyaya yön verecek olan şeye veri diyebiliriz. Hayatın her evresinde canlı olarak akan veriler mevcut ve bunları işleyip mantıklı çıkarımlarda bulunmak, yaşadığımız yüzyıl için son derece mühim bir yetenektir. Veriden alınan bilgileri iyi bir şekilde anlayıp oluşacak sorunlara çözüm üretmek, geleceğin iş bulma konusunda kolaylık sağlayacağı bir diğer durumdur. Yapay zeka konusuna açılan en mühim konu, bir proje ve o projeye kaliteli verilerin var oluşudur. Veri kalitesi, oluşacak olan projenin ne kadar uzun süreli olduğunu ve gideceği maksimum noktayı belirlemede söz hakkına tam anlamıyla sahiptir. Veri kalitesi kadar mühim bir konu yoktur çünkü veri kalitesizse oluşacak birçok sorun var demektir.

 

Veri kalitesi kadar önem düzeyi olan bir diğer konu, doğru şekilde veri işleme adımlarını gerçekleştirmektir. Veri bilimi, makine öğrenmesi, yapay öğrenme, derin öğrenme ya da yapay zeka, adını ne koyarsanız koyun bu işlerin bir ürün haline gelmesi için gereken tek şey veri’dir. Ek olarak, bu verinin kaliteli ve veri işleme basamaklarını çok iyi seviyede hazırlanmış olması, bu isimlendirilmelerin yapıldığı projelerin süreçlerine direkt etki etmektedir. Veri işleme adımları, ürün olarak sunulacak olan konuların geçilmesi en kritik durumdur. Bu gibi hayati noktaları atlattıktan sonra, işin ürün haline gelme kısımlarını oluşturarak üzerinde matematiksel, mühendislik bilgisi ya da istatistiksel bilgileri kullanarak hızlı bir şekilde yol alabilirsiniz. Bu durum, projenize ivme kazandırarak, sizi motive eder. Böylece aldığınız motive ve sahip olduğunuz itekleme gücü ile hareket ederek, farklı bir boyuta geçebilirsiniz.

 

 

Dünya şartları, yaşadığımız yüzyıl boyunca sürekli değişim halinde olmaya devam edecektir. Bu değişime öncü olarak belirlenen şey verinin ta kendisidir. Yeni petrol olarak adlandırılan veri, yeni yüzyıl için tam anlamıyla petrol niteliği taşımaktadır. Bunları işlemek, mantıklı sonuçlar elde etmek herkesin en temel amacı olmaktadır. Bu alanda çalışacak kişilerin sayısal bilgileri kuvvetli olmalı ve veriyi işleme konusunda tecrübeli olmalıdır. Veriyi önüne aldığı ilk andan itibaren, sorun çözme zekasını aktif kullanarak çalıştığı birimlere fayda sağlamalıdır. Veri işleme; makine öğrenmesi ve derin öğrenme konularında başarı skorlarını değiştirme gücüne sahip bir tekniktir. Bu teknik, eğer doğru kullanılırsa, erişebilir maksimum skor seviyeleri kolayca yakalanabilir.

 

Akıllı sistemlerin gelişmesi ve hayatımızın tam anlamıyla içine girmesine katkı sağlayan şey, kaliteli veri sayesinde oluşmuştur. Çalışılacak olan proje için kaliteli işler çıkartmak istiyorsanız, öncelikle elinizdeki veriyi kaliteli ve sağlam temellere dayanarak toplamalısınız. Bu durum sağlanmazsa, çok iyi bir veri işleme evresi gerçekleştirip proje öncesi son rötuş yapılarak, projenizi hazır halde tutabilirsiniz. Böylece, sizlere hem zaman tasarrufu sağlar hem de işin başına geçerken uğraşacak olduğunuz verinin kalitesi size güven vererek, proje adımları boyunca sorunları veri üzerinden minimal şekilde çözmeniz gerekecektir. Veri kalitesi, projelerin hayat kaynağıdır. İyi bir veri ile çalışma fırsatı bulmuş kişiler, tam olarak neyi kast ettiğimi çok iyi biliyorlar. Unutmayın iyi bir veri, iyi bir proje, iyi bir çalışma düzeni ve iyi sonuçlar demektir.

Umarım beğenmişsinizdir. Beğendiyseniz yorumlarda belirterek, bana geri dönüş verebilirsiniz.

References :

-https://www.wired.com/insights/2014/07/data-new-oil-digital-economy/#:~:text=Like%20oil%2C%20for%20those%20who,the%20government%20to%20local%20companies.

-https://globalaihub.com/basic-statistics-information-series/

-https://globalaihub.com/python-ile-veri-on-isleme-data-preprocessing/

-https://searchdatamanagement.techtarget.com/definition/data-quality.

Relationship Between Human Brain and CNN

Hello, we all know that the image classification process of convolutional neural networks is influenced by the working principle of neural networks in the human brain. Let’s examine the relationship between them.

CONVOLUTIONAL NEURAL NETWORKS

       Convolutional Neural Networks are deep learning architecture that is widely used in computer vision studies such as image classification, localization, object perception. Convolutional neural networks are the field of study associated with machine learning to analyzing visual imagery. CNN choose unique features from pictures to distinguish the given figure. This process also happening in our brains unconsciously.

Biological Inspiration of Convolutional Neural Network (CNN)

Mapping of human visual system and CNN

Research in Sensor Processing (1960’s and 1970’s)

These works are prime Dr. Hubel and Dr. Wiesel worked on the area of Sensory Processing. In which, they inserted a micro-electrode into the primary visual cortex of an partially anesthetized cat so that she can’t move and shown the images of line at different angles to the cat.

Through the micro-electrode they found that some neurons fired very rapidly by watching the lines at specific angles, while other neurons responded best to the lines at different angles. Some of these neurons responded to light and dark patterns differently, while other neurons responded to detect motion in the certain direction.

Where is visual cortex located in humans brain?

 


                                                                                     Figure 1: Functional areas for the human brain

 

Visual Cortex is the part of the Cerebral Cortex of the Brain that processes the visual information. Visual nerves from the eyes runs straight to the primary visual cortex. Based on the structural and the functional characteristics it is divided into different areas, as shown in the following picture:

 

Figure 2: Different areas of visual cortex

 

 Visual cortex: Functions

The visual information is passed from one cortical area to another and each cortical area is more specialized than the last one. The neurons in the specific field only respond to the specific actions.

Some of them with their functions are as follows:

  1. Primary visual cortex or V1: It preserves spatial location of visual information i.e. orientation of edges and lines. It is the first one to receive the signals form what eyes have captured.
  2. Secondary visual cortex or V2: It receives strong feed-forward connections from V1 and sends strong connections to V3, V4 and V5. It also sends strong feedback network to V1. Its function is to collects spatial frequency, size, color and shape of the object.
  3. Third visual cortex or V3: It receives inputs from V2. It helps in processing global motion and gives complete visual representation.

      4. V4: It also receives inputs from V2. It recognizes simple geometric shapes and also forms recognition of object. It is not tuned for complex objects              as Human Faces.

  1. Middle temporal (MT)visual area or V5: It is used to detect speed and direction of moving visual object i.e. motion perception. It also detects motion of complex visual features. It receives direct connections from V1.
  2. Dorsomedial (DM) area or V6: used to detect wide field and self-motion stimulation. Like V5 it also receives direct connections from V1. It has extremely sharp selection of the orientation of visual contours.

Structure of Convolutional Neural Networks

CNN processes the image with various layers.

Layers Of CNN

Input Layer: In this layer, data is transmitted raw to the network.

Convolutional Layer: Used for detecting features.

Non-Linearity Layer: Introduction to nonlinearity to the system

Pooling (Down sampling) Layer: Decrease count of weights and check the conformation

Flattening Layer: Prepare the data for classical neural network

Fully Connected Layer: Standard Neural Network used in classification

                  Figure 3: CovNet Diagram

As a result, CNN imitates the work of the visual cortex in our brain. If we look the plane picture, we can define the plane by separating the features such as two wings, engines, windows. CNN does the same thing but previously they detect low-level properties such as curves and edges and create them up to more abstract concepts. Don’t you think it’s great? Hope to see you in our next blog.

 

REFERENCES

  1. http://scipy.github.io/old-wiki/pages/Cookbook/Matplotlib/HintonDiagrams
  2. https://medium.com/@tuncerergin/convolutional-neural-network-convnet-yada-cnn-nedir-nasil-calisir-97a0f5d34cad
  3. https://medium.com/@gopalkalpande/biological-inspiration-of-convolutional-neural-network-cnn-9419668898ac
  4. Kuş, Zeki.”Mikrokanonikal Optimizasyon Algoritması ile Konvolüsyonel Sinir Ağlarında Hiper Parametrelerin Optimize Edilmesi”Fatih Sultan Mehmet University,2019 (pp. 16-21)