PROGRAMLAMADA YENİ EĞİLİMLER - Deneme Sınavı - 7

Scrum’da bulunmayan etkinlik Sprint Ön Çalışma dır.

Oyunların en fazla tercih edilme nedeni eğlencedir.

Klavye oyun türü değildir.

Zaman yönetimi Dijital oyun geliştirilirken aşağıdakilerden göz ardı edilebilir.

Zamanlama dijital oyun geliştirme aşaması değildir.

Dijital bir oyunun bellek ve işlem gücünü daha az kullanması için Optimizasyon yapılmalıdır.

Çıkartmalar dijital bir oyunun arka plan yapılarından biridir.

Silüet bir nesnenin detay içermeyen yapısıdır.

Oyun döngüsü dijital bir oyunu akıcı hale getiren yapıdır.

Microsoft .NET oyun motoru değildir.

Yansıma Haritası, Nesnelere parlaklık vermek için kullanılan haritadır.

<tt> etiketi metnin daktilo fontunda yazılmasını sağlar.

Büyük veri kaynaklarının bazıları aşağıdaki gibi sıralanabilir:
• Web sunucu logları
• Bloglar
• Elektronik postalar
• Sosyal medyadaki fotoğraf, video gibi paylaşımlar
• Çeşitli sensörlerden gelen sürekli bilgiler
• GSM operatörlerindeki arama kayıtları
• Çeşitli mobil uygulamalardaki demografik bilgiler
• Meteorolojik bilgiler
• Uydu görüntüleri

Büyük veri beş temel bileşenden oluşmaktadır. Bunlar çeşitlilik (variety), değer (value), doğrulama (verification), veri büyüklüğü (volume) ve hızdır (velocity). Bu bileşenler İngilizce isimlerinin baş harflerinin aynı olmasından dolayı 5V olarak adlandırılmaktadır.

Doğrulanmamış bilgilerin kullanılması, hem kullanıcılar hem de servis sağlayıcılar açısından sorunlara neden olabilir. Bu nedenle, doğrulama bileşeni özellikle kişilerin kontrolünden geçmeyen otomatik sistemlerde veri güvenilirliğinin önemi de artmaktadır.

Bankalar kişinin bütün finans hareketlerini sistemlerinden izleyebilmektedirler. Bu veriler bankalar için değerlidir ancak kendi başlarına çok anlam ifade etmezler. Bu veriler incelenerek bir kimseye kredi verilip verilemeyeceğinin analizi yapılarak karar verilmektedir. Bu karar, banka için ham finansal hareket verisinin değerini göstermektedir.

Veriler genellikle farklı kaynaklardan geldikleri için, kullanıma hazır hale getirmek amacıyla öncelikle birleştirilmeleri gerekmektedir. Örneğin, bir araştırmacının elinde bilimsel kaynaklı bir veri seti olsun. Yine başka bir araştırmacı da benzer çalışmalarında, benzer bir veri seti kullansın. Bu iki veri setini birlikte kullanacak bir çalışma yapılmak istendiğinde, bu verileri anlamlı bir şekilde birleştirmek gerekmektedir. Verilerin boyutu çok büyük olduğunda bu işlemi hatasız bir şekilde birleştirebilecek otomatik sistemlere ihtiyaç duyulmaktadır.

Büyük veri üzerinde analiz ve sorgu yapmak, küçük örnekler üzerinde istatistik analiz yapmaktan farklıdır. Çünkü büyük veri genellikle gürültülü, dinamik olarak değişen ve homojen olmayan bir yapıya sahiptir. Ayrıca büyük veri, küçük örnek setlerinden daha değerlidir. Çeşitli veri modelleme teknikleri kullanılarak sıklıkla kullanılan örüntüler ve veriler arasındaki ilişkiler bulunabilir. Bu şekilde büyük veri üzerinden ilişkisel bilgi çıkarımı yapılır. Bu ilişkiler veri sahipleri için önemli bir bilgi kaynağıdır.

Metin analitiği, bir diğer adıyla metin madenciliği, bir metinden bilgi çıkarma tekniğidir. Metin analitiğinde çeşitli istatiksel yöntemler ve makine öğrenimi algoritmaları kullanılarak büyük veri özetlenerek karar verme sistemlerinde kullanılabilmektedir. Güven analizi ve tercih madenciliği de metin analitiği konularından biridir.

Video içerik analitiği, videodan otomatik olarak anlamlı bilgi çıkarma işlemidir. Büyük veri analiz teknikleri, binlerce saatlik videoları analiz etmek için kullanılmaktadır. Birincil kullanım alanı, güvenlik ve izleme sistemleridir. Bu sistemlerde, gizli bölgelere giren kişileri, yerinden kaldırılan ya da yeri değişen objeleri otomatik olarak ortaya çıkarmaktır. Diğer bir kullanım alanı da iş zekâsı uygulamalarıdır. Örneğin,giyim mağazalarında hangi reyonlara daha fazla müşteri uğruyor, bir ürüne hangi üründen sonra yönleniliyor veya hangi renkler ağırlıklı olarak tercih ediliyor gibi bilgiler video görüntüleri analiz edilerek toplanabilmektedir.