Search

154

Son yıllarda bilgisayar ve bulut teknolojilerinde görülen modern gelişmeler üretilen ve saklanan bilginin miktarında ve hızında büyük artışa sebep oldu. Bilgi miktarındaki bu artış `Büyük Veri` olarak adlandırılan yeni bir kavramın hayatımıza girmesini sağladı. Büyük Veri özellikle hükûmetlerin ve işletmelerin gelecekleriyle ilgili bilinçli kararları almaları konusunda büyük avantaj sağlar. Fakat ortaya çıkan bu verinin büyüklüğü ve çeşitliliği beraberinde bazı sorunları da getirdi. Geleneksel veritabanı sistemleri bu veri formatlarını işlemekte yetersiz kaldığından, bu sorunun üstesinden gelmek için yeni araç ve tekniklere ihtiyaç duyulmaktadır. Bugün çok çeşitli teknik ve teknolojiler `Büyük Veri`yi; toplamak, işlemek, analiz etmek ve görselleştirmek için geliştirilmiştir. Bu teknik ve teknolojiler; istatistik, bilgisayar bilimi, uygulamalı matematik ve ekonomi gibi birçok alanı kapsamakta ve bunlardan yararlanmaktadır. Bu çalışmada Google'ın altyapısında bulunan BigQuery'deki GDELT veri seti kullanılarak 1979-2017 yılları arasında dünyada yaşanan çatışma olayları ile Türkiye ve Ukrayna'da yaşanan protestolar SQL yardımıyla gerçek zamanlı olarak analiz edilmiştir. Analiz sonucunda elde edilen verilerden 1979-2017 yılları arasında dünyada yaşanan çatışmalar ile Türkiye ve Ukrayna'da yaşanan protestolar grafikler şeklinde sunulmuştur. Ayrıca, analiz sonucunda elde edilen çatışma ve protesto verilerinin kuvvet yasasına uygun olup olmadığı test edilmiş ve test sonuçlarında bu verilerin kuvvet yasasına uygun bir dağılım gösterdikleri bulunmuştur. Elde edilen bu bulgulardan, çatışma ve protesto gibi toplumsal olayların kuvvet yasasına uygun bir dağılım sergiledikleri söylenebilir. Developments in computer and cloud technologies in recent years have led to a significant increase in the amount and speed of information generated and stored. This increase in the amount of information enabled a new concept called `Big Data` to enter into our lives. The Big Data gives a big advantage especially for governments and businesses to make informed decisions about their future. But the size and diversity of the resulting data also emerged some problems. Since traditional database systems are insufficient to handle these data formats, new tools and techniques are needed to overcome this problem. Today, a wide range of techniques and technologies are being developed to manipulate, analyse and visualize `Big Data`. These techniques and technologies comprise and use statistics, computer science, applied mathematics and economics. In this study, using the GDELT dataset at BigQuery in Google's infrastructure, the protesters living in Turkey and Ukraine and the conflict events in the world between 1979-2017 were analysed in real time with SQL. The data obtained as a result of the analysis are presented in the form of graphs of conflicts in the world between 1979 and 2017 and protests in Turkey and Ukraine. In addition, it was tested if the conflicts and protest data obtained as the result of the analysis were in accordance with the power law, and it was found that these data were distributed according to the power law in the test results. From these findings, it can be said that social events such as conflict and protest have a distribution compatible with power law. 191

Son yıllarda zaman serisi analizinde yapay sinir agı modellerinin kullanımına ilgiartmaktadır. Dogrusal dısı modelleme basarısı, veri setinden ögrenebilme yetenegi ve veriyaratma sürecine kısıt getirmemesi gibi özellikler yapay sinir agı modellerini çekicikılmaktadır. Diger taraftan farklı bir terminolojiye sahip olması ve parametrik olamayandogası ise bir dezavantaj olarak görülmektedir. Bu çalısmada iktisadi zaman serilerinin sahipoldugu farklı anahtar özellikler durumunda yapay sinir agı modellerinin kullanımınınuygunlugu arastırılmaktadır. Bu amaçla mevsimsellik, yapısal kırılma, volatilite ve dogrusaldısılık gibi özelliklere sahip farklı zaman serileri kullanılmıstır. lk olarak bu seriler sahipoldukları bu anahtar özellikler durumda kullanılan geleneksel modellerle modellenmistir.kinci olarak ilgili seriler yapay sinir agı modelleriyle modellenmis ve önraporlamaperformansları karsılastırılmıstır. Elde edilen sonuçlar volatilite dısında diger durumlardayapay sinir agı modellerinin kullanılabilecegini destekler yöndedir.Anahtar Sözcükler: Zaman Serileri, Yapay Sinir Agı, leri Beslemeli Ag, ARIMAModelleri, Önraporlama There is an increasing interest in time series analysis using artificial neural networks models(ANN) in recent years. ANN models are attractive because of their nonlinear modellingsuccess, learning from data capability. On the other hand it is a disadvantage that it has adifferent nomenclature and nonparametric nature. In this study it was investigated that inwhich cases it is usefull to use ANN models in economic time series analysis. For thispurpose, some economic time series which have different key features such as seasonality,structural break, volatility and nonlinearity are used. Firstly these series are modelled byusing traditional methods. Secondly same series are modelled by using ANN models andforecasting performance of those models are compared. Results are supported that except forvolatility, ANN models can be used as a time series analysis method.Key Words:Time Series, Artificial Neural Networks, Feedforward Networks, ARIMA,Forecasting 211

Mal ve hizmet üreten işletmelerde bir hizmet ya da ürünün kaliteli olaraktanımlanabilmesi için en iyi nitelikleri taşıması gerekir. Ancak böyle bir ürün ya dahizmet fiyatının düşük olması beklenmez. Tüketiciler karar verirken fiyatla birliktediğer nitelikleri de gözönünde bulundururlar. Pazarlama araştırmalarının amacı ise birürün ya da hizmetin hangi özelliklerinin tüketiciler için daha önemli olduğunubelirlemektir.Daha çok yeni ya da gözden geçirilen bir ürün ya da hizmetin niteliklerinibelirlemek, fiyatların oluşturulmasına yardımcı olmak, satış ya da kullanım düzeyinitahmin etmek ve yeni bir ürün önermek amacıyla pazarlama araştırmalarında kullanılankonjoint analizi çok değişkenli istatistik yöntemlerinden biridir.Bu çalışmada ilk önce Konjoint Analizinin temel yapısı açıklanmaya çalışılacakve sonra Türkiye'de kullanılan farklı cep telefonlarının bazı nitelikler çerçevesinde nasılbir talep yaratacağı araştırılmaya çalışılacaktır. In the companies those produce goods and serve services it is a necessity theyhave got the best attributes in order to define those goods and services of good quality.However the prices of these kinds of goods and services could not be expected to pricedat cheap. Consumers take into consideration the other properties together with theprices,too. The aim of marketing researches is to determine which properties of goodsand services are more important concerning to the consumers.The Conjoint Analysis is one of the multivariete statistic methods which is usedin marketing in order to determine the properties of mostly a new or a revolving good orservice, facilitate price adjustment,estimate the sale or usage and suggest a new product.In this article the structure of Conjoint Analysis is explained first and thenworked on the topic of what type of a demand will create the variant mobile phonesbeing used in Turkey within the certain properties. 113

103

73

84

202

145

100

156

122

120