Araştırma Makalesi

Akan Verinin Makine Öğrenme Algoritmaları Kullanılarak Ölçeklenmesi

Cilt: 15 Sayı: 1 27 Haziran 2022
PDF İndir

Akan Verinin Makine Öğrenme Algoritmaları Kullanılarak Ölçeklenmesi

Öz

Teknolojinin gün geçtikçe gelişmesiyle birlikte hayatımızdaki yeri ve önemi artmaktadır. Gelişen teknoloji, birçok cihazın birbirleriyle ve insanlarla olan etkileşimini arttırmıştır. Bu etkileşimin sonucunda ortaya büyük miktarda veri çıkmaktadır. Gerçek zamanlı üretilen bu veriler, üretildiği anda değerlidir. Özellikleri gereği sıralı, değişik boyutlarda ve düzensiz periyotlarda elde edilen bu veriler, akan veri olarak tanımlanmıştır. Akan veriler, hemen işlenmezse değerini kaybedebilir veya tamamen kaybolabilir. Bu nedenle, yapılandırılmamış verileri sürekli olarak alıp analiz edebilen ölçeklenebilir sistemlerin geliştirilmesi önemlidir. Literatürdeki çalışmaların çoğu mevcut şartlarda sistemin nasıl çalışacağı konusuna yoğunlaşmıştır. Bu çalışma kapsamında, yukarıdaki problemlerden yola çıkarak, akan veriyi makine öğrenme algoritmaları kullanılarak anlık olarak analiz edebilen ölçeklenebilir bir sistem tasarımı amaçlanmıştır. Geliştirilen sistem ve algoritmalar, gerçek veri ve yapay veriler ile çalıştırılarak değerlendirme metrikleriyle sonuçlar elde edilmiş, ölçeklenme durumu anlık olarak izlenmiştir. Yapılan simülasyon çalışması sonucundaki veriler değerlendirilerek literatüre ve gelecek çalışmalara ışık tutmak amaçlanmıştır.

Anahtar Kelimeler

Kaynakça

  1. Nittel S., 2015, Real-time Sensor Data Streams, Sigspatial Special, 7(2).
  2. Kolajo T., Daramola O. and Adebiyi A., 2019, Big Data Stream Analysis: A Systematic Literature Review, Journal of Big Data, 6(1), pp. 47.
  3. Krishnaswamy S., Gaber M. M. and Zaslavsky A., 2005, Mining Dat Streams: A Review, ACM Sigmod Record, 34(2), pp. 18-26.
  4. Jing G., Clay W., Jiawei K., Nikunj C., Mohamad M., Latifur K. and Kevin W, 2011, Facing the Reality of Data Stream Classification: Coping with Scarcity of Labeled Data, Knowledge and Information Systems, 33, pp. 213-214.
  5. Bifet A., Holmes G., Kirkby R. and Pfahringer B., 2011, Data Stream Mining a Practical Approach, https://moa.cms.waikato.ac.nz/downloads/, [Ziyaret tarihi: 15 Kasım 2020].
  6. Lindburg K., Stern R., Buddhika T., Pallicara S. and Ericson K., 2017, Online Scheduling and Interface Alleviation for Low-Latency, High-Troughput Processing of Data Streams, IEEE Transactions on Parallel and Distributed Systems, 28(12), pp. 3553-3569.
  7. Meng X., Wang C., Guo Q., Weng Z. and Yang C., 2017, Automating Characterization Deployment in Distributed Data Stream Management Systems, IEEE Transactions on Knowledge and Data Engineering, 29(12), pp. 2669 - 2681.
  8. Liu X. and Buyya R., 2019, Performance-oriented deployment of streaming applications on cloud, IEEE Tr. on Big Data, 5(1), pp. 46-59.

Ayrıntılar

Birincil Dil

Türkçe

Konular

Mühendislik

Bölüm

Araştırma Makalesi

Yayımlanma Tarihi

27 Haziran 2022

Gönderilme Tarihi

30 Aralık 2021

Kabul Tarihi

25 Mart 2022

Yayımlandığı Sayı

Yıl 2022 Cilt: 15 Sayı: 1

Kaynak Göster

APA
Aykurt, Ö., & Orman, Z. (2022). Akan Verinin Makine Öğrenme Algoritmaları Kullanılarak Ölçeklenmesi. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi, 15(1), 24-32. https://doi.org/10.54525/tbbmd.1051177
AMA
1.Aykurt Ö, Orman Z. Akan Verinin Makine Öğrenme Algoritmaları Kullanılarak Ölçeklenmesi. TBV-BBMD. 2022;15(1):24-32. doi:10.54525/tbbmd.1051177
Chicago
Aykurt, Önder, ve Zeynep Orman. 2022. “Akan Verinin Makine Öğrenme Algoritmaları Kullanılarak Ölçeklenmesi”. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi 15 (1): 24-32. https://doi.org/10.54525/tbbmd.1051177.
EndNote
Aykurt Ö, Orman Z (01 Haziran 2022) Akan Verinin Makine Öğrenme Algoritmaları Kullanılarak Ölçeklenmesi. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi 15 1 24–32.
IEEE
[1]Ö. Aykurt ve Z. Orman, “Akan Verinin Makine Öğrenme Algoritmaları Kullanılarak Ölçeklenmesi”, TBV-BBMD, c. 15, sy 1, ss. 24–32, Haz. 2022, doi: 10.54525/tbbmd.1051177.
ISNAD
Aykurt, Önder - Orman, Zeynep. “Akan Verinin Makine Öğrenme Algoritmaları Kullanılarak Ölçeklenmesi”. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi 15/1 (01 Haziran 2022): 24-32. https://doi.org/10.54525/tbbmd.1051177.
JAMA
1.Aykurt Ö, Orman Z. Akan Verinin Makine Öğrenme Algoritmaları Kullanılarak Ölçeklenmesi. TBV-BBMD. 2022;15:24–32.
MLA
Aykurt, Önder, ve Zeynep Orman. “Akan Verinin Makine Öğrenme Algoritmaları Kullanılarak Ölçeklenmesi”. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi, c. 15, sy 1, Haziran 2022, ss. 24-32, doi:10.54525/tbbmd.1051177.
Vancouver
1.Önder Aykurt, Zeynep Orman. Akan Verinin Makine Öğrenme Algoritmaları Kullanılarak Ölçeklenmesi. TBV-BBMD. 01 Haziran 2022;15(1):24-32. doi:10.54525/tbbmd.1051177

https://i.creativecommons.org/l/by-nc/4.0Makale Kabulü

 

Çevrimiçi makale yüklemesi yapmak için kullanıcı kayıt/girişini kullanınız.

Dergiye gönderilen makalelerin kabul süreci şu aşamalardan oluşmaktadır:

1.       Gönderilen her makale ilk aşamada en az iki hakeme gönderilmektedir.

2.       Hakem ataması, dergi editörleri tarafından yapılmaktadır. Derginin hakem havuzunda yaklaşık 200 hakem bulunmaktadır ve bu hakemler ilgi alanlarına göre sınıflandırılmıştır. Her hakeme ilgilendiği konuda makale gönderilmektedir. Hakem seçimi menfaat çatışmasına neden olmayacak biçimde yapılmaktadır.

3.       Hakemlere gönderilen makalelerde yazar adları kapatılmaktadır.

4.       Hakemlere bir makalenin nasıl değerlendirileceği açıklanmaktadır ve aşağıda görülen değerlendirme formunu doldurmaları istenmektedir.

5.       İki hakemin olumlu görüş bildirdiği makaleler editörler tarafından benzerlik incelemesinden geçirilir. Makalelerdeki benzerliğin %25’ten küçük olması beklenir.

6.       Tüm aşamaları geçmiş olan bir bildiri dil ve sunuş açısından editör tarafından incelenir ve gerekli düzeltme ve iyileştirmeler yapılır. Gerekirse yazarlara durum bildirilir.

 88x31.png   Bu eser Creative Commons Atıf-GayriTicari 4.0 Uluslararası Lisansı ile lisanslanmıştır.