Browsing by Author "Gürsakal, Necmi"

Now showing 1 - 4 of 4

Biyolojik ve Biyolojik Olmayan Ağlar Üzerine
(2021) Demıral, Dılek Gonçer; Uğurlu, Erginbay; Gürsakal, Necmi
Genel bir sınıflandırmayla, dünyada iki tür ağ vardır: Biyolojik ve biyolojik olmayan ağlar. Biyolojik ağlarınyapısı değiştirilememektedir. Ancak sosyal ağlar, teknolojik ağlar ve ulaşım ağları gibi biyolojik olmayan ağlarınmimarileri tasarlanabilir ve bu ağlar insanlar tarafından değiştirilebilir. Ağlar; rassal ağlar, küçük dünya ağları veölçekten bağımsız ağlar olarak sınıflandırılabilir. Ancak küçük dünya ağları ve ölçekten bağımsız ağlar ile ilgilisorunlarımız vardır. Bazı yazarların sorduğu gibi, “Küçük dünya ağları ne kadar küçüktür ve diğer modeller ilekarşılaştırıldığında nasıldır?”. Ölçekten bağımsız ağların yaygın mı yoksa nadir mi olduğu konusu halentartışılmaktadır. Bu çalışmadaki temel amaç biyolojik ve biyolojik olmayan ağların temel tanımlayıcı özellikleresahip olup olmadığının araştırılmasıdır. Özellikle biyolojik ağların özelliklerini detaylı bir şekilde belirleyebilirsek,daha sağlam ve etkili biyolojik olmayan ağları tasarlama şansımız olabilir. Ancak bu araştırma sonuçları, biyolojikağların özelliklerine ilişkin tartışmaların henüz tamamlanmadığını göstermektedir.
Büyük Veri Şirketleri ve Açık Kaynak Hareketi Öz
(2021) Gürsakal, Necmi; Çelik, Sadullah; Gürsakal, Sevda
Bu çalışmanın amacı, açık kaynak kodlu yazılımların büyük veri şirketleri tarafından amaçları dışında kötüye kullanılabileceğini tartışmaktır. Son yıllarda bilişim ve iletişim teknolojilerinde yaşanan gelişmeler Büyük Veri ve açık kaynak kodlu yazılımların kullanımını artırmıştır. R, Python, Hadoop, Spark, MapReduce gibi açık kaynak kodlu yazılımlar çok sayıda kişi tarafından geliştirilmekte ve bunlar Büyük Veri, Veri Bilimi, Yapay Zeka, Nesnelerin İnterneti ve Blok Zincir gibi birçok teknolojide kullanılmaktadır. Makine öğrenmesi ve derin öğrenme gibi Büyük Veri’ye değer katan yaklaşımlar açısından da, açık kaynak kodlu yazılımların önemi büyüktür. Bu yazılımların kaynak kodları herkese açıktır ve bunlara herkes katkıda bulunup istediği amaç doğrultusunda ücretsiz kullanabilir. Bugün Apple, Amazon, Google, Facebook, Microsoft, Samsung, Yahoo ve Qualcomm gibi birçok büyük veri şirketi, makine öğrenmesini hızlandırmak ve yazılıma uygun donanım geliştirmek için yoğun çalışmalar yapmaktadır. Ayrıca büyük veri şirketleri, TODO Group’u kurarak açık kaynak kodlu yazılım bilgilerini birbirleriyle paylaşmaya başlamışlardır. Ne yazık
Modularity in Football Passing Networks
(2020) Çobanoğlu, Halil Orbay; Batmaz, Bülent; Gürsakal, Necmi; Cagliyor, Sandy Ipeker; Yılmaz, Fırat Melih
In recent decades, within the boundaries of complexity sciences, network science has been used to analyze many kinds ofnetworks. A complex system is formed by smaller subsystems which can be designed independently yet function together as awhole. Modules of a network can be called as groups, clusters or communities and modularity can be defined as a measure ofthe structure of networks or graphs. If it has dense connections within a network’s modules and sparse connections betweennodes in different modules, in this case networks have high modularity. At the end of each football match, successful passnetworks can be achieved. These modular structures can be thought as “independent yet function as a whole” football modules.Generally so called modules in the technical directors’ thoughts can be listed as defense, midfielders area and strikers area. Ifthey want to know how modules are generated and how their disconnection leads to functional decay they should analyze themodularity formed as a result of a football match. The aim of this study is to examine to what extent the football teams'managers have implemented their strategies in games. First, 10 matches with the e-analysis football program were analyzed.And then modularity analysis began with transforming the video of a football match into a pass network. Using this passnetwork, network metrics was to be computed and then these metrics was to be used to make a modularity analysis usingGephi. After modularity analysis using Gephi, modularity classes of these networks were found for all networks. When theresults obtained from the modularity analysis were examined, it was observed that the number of modules varied between 2and 4. Consequently, it was observed that the systems found as a result of the modularity analysis were very different than theplanned systems.
Türk Kentlerinin Fraktalite ve Lakunaritesi
(2021) İlhan, Ceyda; Gürsakal, Necmi
Bu makalede ilk defa, Türkiye'deki tüm şehirlerin fraktal boyutları ve lakunarite katsayıları açık kaynaklı bir yazılım olan ImageJ ve FracLac eklentisi kullanılarak hesaplanmıştır. Bu iki değere göre, 81 Türk kentinin 10 kümede gruplandığı görülmüştür. Normal dağılımından dolayı lakunarite katsayılarının dağılımı ki-kare uyum iyiliği testini geçerken; iki modlu bir dağılımda olduğu için fraktal boyutların dağılımı bu testi geçememiştir. Elde edilen sonuçlardan, fraktal boyut ile lakunarite arasında zayıf, negatif, anlamlı (% 5 anlamlılık düzeyinde) bir korelasyon olduğu anlaşılmıştır; fraktal boyut ile nüfus arasında zayıf, pozitif anlamlı (% 1 anlamlılık düzeyinde) bir ilişki; ayrıca fraktal boyut ile il bazında kişi başına gayri safi yurtiçi hasıla arasında orta düzeyde, pozitif anlamlı (% 1 anlamlılık düzeyinde) bir ilişki bulunmuştur. Lakunarite ve nüfus arasında anlamlı bir ilişki bulunamamıştır. “Genellikle büyük şehirlerin birbirine benzediği” belirtilmiş olsa da; fraktal boyutlar ve lakunarite katsayıları kullanılarak çok değişkenli bağlamda Türkiye şehirlerinin benzerliklerini incelediğimizde küçük şehirlerin daha benzer olduğu görülmüştür.