Core ML ile Cinsiyet Tahmini (CoreML Convert Model) | IOS

Merhaba, Core ML ile temel bir örnek olması amacıyla oluşturulmuştur. Örnekte GenderByName.mlmodel isimli modelle girilen isim bilgine göre tahmin yapılmaktadır.

Bu slayt gösterisi için JavaScript gerekir.

Okumaya devam et “Core ML ile Cinsiyet Tahmini (CoreML Convert Model) | IOS”

Android’de MNIST veri setiyle Önceden Eğitilmiş TensorFlow Modelini Kullanma | Android

Merhaba, uygulama ile MNIST veri seti kullanılarak basit tek katmanlı sinir ağına sahip, eğitilmiş bir model bulunmaktadır. Model basitçe oluşturulmuş hedef export edilen bir modeli Android içerisinde çalıştırmaktır.  Bu model PyCharm ile hazırlandı.

Bu slayt gösterisi için JavaScript gerekir.

Model detayı:

MNIST_Model.py

Okumaya devam et “Android’de MNIST veri setiyle Önceden Eğitilmiş TensorFlow Modelini Kullanma | Android”

Android Uygulama Geliştirme Eğitim Programı

Eğitim içeriği, en özet bilgilerle ve en hızlı şekilde Android uygulama geliştirme için oluşturulmuştur. İçerik hazırlanırken tüm gereklilikler göz önüne alınmıştır. Orta düzey bir uygulamadaki tüm beklentileri yerine getirebilecek şekilde başarıyla uygulama geliştirilmesi amaçlanmıştır.

Eğitimin tamamlanmasının ardından, “welcome aktivitye” sahip, “splash screen” bulunan, “Shared Preferences” kullanılmış, arayüzler arası animasyonlu geçişlere sahip, özelleştirilmiş “Dialog” ve “Toast” gibi kullanıcı etkileşim araçlarının da kullanıldığı, “Runtime Permission” kullanılmış olan, kullanıcı giriş, şifremi unuttum gibi “Login” ekranlarına sahip arayüz ile giriş yapılabilen, (Database – Data Caching) anket verilerin alınabildiği “Anket Doldurma” ekranı bulunan ve topladığı verileri iç veritabanına (sqlite) yazabilen, (otomatik offline mod) bu verileri kullanıcıyı etkilemeden ve uygun internet koşullarında servis yardımıyla iletebilen, geçmişte doldurulmuş anketlerin listelendiği ve detay ekranın bulunduğu bir anket uygulaması yazabilecektir.

Dökümanın Güncelleme Zamanı: 01 Aralık 2017

Eğitim PDF ni indir

PDF Önizleme

Android-Uygulama-Geli%C5%9Ftirme-E%C4%9Fitim-Program%C4%B1
Okumaya devam et “Android Uygulama Geliştirme Eğitim Programı”

Tavlama Benzetimi ve Tabu Arama Algoritmaları ile Gezgin Satıcı Problemi (C#)

Bu slayt gösterisi için JavaScript gerekir.

Gezgin Satıcı Problemi

GSP, n adet şehir arasındaki mesafelerin bilindiği durumda, şehirlerin her birine yalnız bir kez uğramak şartıyla, başlangıç noktasına geri dönülmesi esasına dayalı, tur boyunca kat edilen toplam yolun en kısa olduğu şehir sıralamasının (optimal rota) bulunmasının amaçlandığı bir problemdir. Dağıtım, rotalama, kuruluş yeri belirleme, planlama, lojistik gibi problemlerde geniş bir uygulama alanına sahip olan gezgin satıcı problemi, aynı zamanda optimizasyon alanında, araştırmacılar tarafından üzerinde uzun yıllardır çalışmalar yapılan NP-hard (çözümü zor) sınıfında yer alan bir problemdir.

Tavlama Benzetimi Algoritması (TB)

TB algoritması, ilk olarak 1983 yılında Kirkpatrick, Gelatt ve Vecchi  tarafından sunulmuş olup, optimizasyon problemlerinin çözümü için geliştirilmiş bir yerel arama algoritmasıdır.

Okumaya devam et “Tavlama Benzetimi ve Tabu Arama Algoritmaları ile Gezgin Satıcı Problemi (C#)”

Swift Application Example For Beginners: GCF and LCM Calculator | IOS

Bu slayt gösterisi için JavaScript gerekir.

Source Code: https://github.com/bulentsiyah/GCF-and-LCM-Calculator-Swift-Application
Swift 3.0.1
Xcode Version 8.1

The greatest common factor
The greatest common factor, or GCF, is the greatest factor that divides two numbers. To find the GCF of two numbers:
List the prime factors of each number. Multiply those factors both numbers have in common. If there are no common prime factors, the GCF is 1.

The Least Common Multiple
A common multiple is a number that is a multiple of two or more numbers. The common multiples of 3 and 4 are 0, 12, 24, ….
The least common multiple (LCM) of two numbers is the smallest number (not zero) that is a multiple of both.

Okumaya devam et “Swift Application Example For Beginners: GCF and LCM Calculator | IOS”

Android Jiroskop Sensörü ile Hareket Tanıma (Gesture recognition with Android (Gyroscope Sensor))

Uygulama ile jiroskop sensörü sayesinde yapılan hareketlerin birbirine benzerlikleri kıyaslanıp belirli bir eşiği aşan (Korelasyon seviyeleri her 3 boyutta göre) hareketlerin birbirinin aynısı olduğuna karar veriliyor.

Bu kıyaslama için korelasyon methodu kullanılır. Uygulamada ilk olarak eğitim hareketleri girilerek kıyas yapılacak hareketler oluşturulur. Daha sonra test hareketine başlanır, hareket tamamlandığında uygulamaki tüm eğitim hareketleri ile her düzlemde(x,y,z) korelasyon katsayıları ölçülür. En yüksek ve belirlediğimiz eşiği aşan değere sahip olan eğitim hareketi tanımı, test hareketinin tanımamızı sağlar. Bu hareket harf, şekil veya cümle gibi sözcük öbekleri olabilir. Burada hedef işlem başından sonuna yapılan hareketin daha önceden tanımlanmış bir harekete benzetmektir.

Proje teknik terimler
Korelasyon, olasılık kuramı ve istatistikte iki rassal değişken arasındaki doğrusal ilişkinin yönünü ve gücünü belirtir. Genel istatistiksel kullanımda korelasyon, bağımsızlık durumundan ne kadar uzaklaşıldığını gösterir.
Korelasyon katsayısı, bağımsız değişkenler arasındaki ilişkinin yönü ve büyüklüğünü belirten katsayıdır. Bu katsayı, (-1) ile (+1) arasında bir değer alır. Pozitif değerler direk yönlü doğrusal ilişkiyi; negatif değerler ise ters yönlü bir doğrusal ilişkiyi belirtir. Korelasyon katsayısı 0 ise söz konusu değişkenler arasında doğrusal bir ilişki yoktur.

Okumaya devam et “Android Jiroskop Sensörü ile Hareket Tanıma (Gesture recognition with Android (Gyroscope Sensor))”