Yapay Zekâ Tabanlı Büyük Veri Yönetim Aracı

Yıl 2019, Cilt: 2 Sayı: 1, 8 - 21, 31.08.2019

Fatih Arslan Hamdi Tolga Kahraman

Öz

Yapay zekâ, günümüzde birçok problemin çözüme kavuşturulmasında
başrol oynamaktadır. Şu an ki konum itibariyle en değerli maden haline gelen
veri, bilginin oluşmasındaki asıl kaynaktır. Bilgiyi elde etme süreci göz önüne
alındığında, kaliteli bir bilgiyi elde etmek için ise verinin incelenmesi,
analiz edilmesi ve işlenmeye hazır hale getirilmesi gerekmektedir. Veri analiz
sürecinde karşılaşılan problemlerin başında, eksik ya da gürültülü/hatalı
verilerin tespit edilmesi ve düzeltilmesi gelmektedir. Bu çalışmada eksik ve
gürültülü verilerin tespit edilmesi ve düzeltilmesi amacıyla yapay zekâ tabanlı
çalışan, özgün ve güçlü bir veri yönetim aracı geliştirilmiştir. Bu araç
sayesinde veri setlerinin analiz edilmesi, bu veri setlerindeki eksik ve
gürültülü verilerin tespit edilmesi ve düzeltilmesi sağlanacaktır.
Geliştirilecek yazılım aracının özgünlüğü ise eksik ve gürültülü verileri
düzeltme sürecinde modern, güçlü ve melez yapay zekâ algoritmalarını kullanacak
olmasıdır.

Anahtar Kelimeler

yapay zeka, eksik veri tamamlama, Gürültü Tespiti ve Onarımı, Yapay Sinir Ağları, k-En Yakın Komşular(KNN), Sezgisel KNN

Destekleyen Kurum

KARADENİZ TEKNİK ÜNİVERSİTESİ

Artificial Intelligence Based Big Data Management Tool

Öz

Today,
artificial intelligence plays a leading role in solving many problems. Data,
which has become the most valuable mine in terms of the current location, is
the main source of information. When the process of obtaining information is
taken into consideration, in order to obtain a quality information, the data
must be examined, analyzed and made ready for processing. One of the problems
encountered during the data analysis process is the identification and
correction of missing or noisy / incorrect data. In this study, a unique and
powerful data management tool based on artificial intelligence will be
developed in order to detect and correct missing and noisy data. With this
tool, data sets will be analyzed, missing and noisy data in these data sets
will be detected and corrected. The originality of the software tool to be
developed is that it will use modern, powerful and hybrid artificial
intelligence algorithms in the process of correcting missing and noisy data.

Anahtar Kelimeler

Artificial intelligence, Missing Data Completion, Noise Detection and Repair, Artificial neural networks, K nearest neighborhood(KNN), Intuitive KNN

Kaynakça

• Deloitte. “Veri Analizi- Veri Kalitesi ve Bütünlüğü”. http://www.denetimnet.net/UserFiles/Documents/Makaleler/BT%20Denetim/Veri_Analizi_Veri_Kalitesi_ve_Bütünlüğü.pdf , 13 Ekim 2018.
• Çelik, Y., Sezgin, E., “Veri Madenciliğinde Kayıp Veriler İçin Kullanılan Yöntemlerin Karşılaştırılması”. Akdeniz Üniversitesi, http://ab.org.tr/ab13/bildiri/184.pdf , 14 Ekim 2018.
• Çüm, S., Gelbal, S. (2015). “Kayıp Veriler Yerine Yaklaşık Değer Atamada Kullanılan Farklı Yöntemlerin Model Veri Uyumu Üzerindeki Etkisi”, Mehmet Akif Ersoy Üniversitesi Eğitim Fakültesi Dergisi, 35, 87-111.
• Çüm, S., Demir, E.K., Gelbal, S., Kışla, T. (2018). “Kayıp Veriler Yerine Yaklaşık Değer Atamak İçin Kullanılan Gelişmiş Yöntemlerin Farklı Koşullar Altında Karşılaştırılması”, Mehmet Akif Ersoy Üniversitesi Eğitim Fakültesi Dergisi, 45, 230-249.
• Kahraman, H. T., Bayindir, R., & Sagiroglu, S. (2012). A new approach to predict the excitation current and parameter weightings of synchronous machines based on genetic algorithm-based k-NN estimator. Energy Conversion and Management, 64, 129-138.
• Karaboga, D., & Akay, B. (2009). A comparative study of artificial bee colony algorithm. Applied mathematics and computation, 214(1), 108-132.
• Cheng, M. Y., & Prayogo, D. (2014). Symbiotic organisms search: a new metaheuristic optimization algorithm. Computers & Structures, 139, 98-112.
• Holland, J.H., (1975). "Adaptation in natural and artificial systems: An introductory analysis with applications to biology, control, and artificial intelligence". Q. Rev. Biol. 1, 211. http://dx.doi.org/10.1086/418447.
• Kahraman, H. T. (2016). A novel and powerful hybrid classifier method: Development and testing of heuristic k-nn algorithm with fuzzy distance metric. Data & Knowledge Engineering, 103, 44-59.
• A. Tsanas, A. Xifara: 'Accurate quantitative estimation of energy performance of residential buildings using statistical machine learning tools', Energy and Buildings, Vol. 49, pp. 560-567, 2012.
• Arslan, F.,(2019),’Yapay Zekâ Tabanlı Büyük Veri Yönetim Aracının Tasarımı ve Uygulaması’, Karadeniz Teknik Üniversitesi Lisans Bitirme Tezi.