<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by A. Ceyda Ölmez on Medium]]></title>
        <description><![CDATA[Stories by A. Ceyda Ölmez on Medium]]></description>
        <link>https://medium.com/@ayseceydaolmez?source=rss-1ddfa730ef9e------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*7IUdQ98Scjxl69OXk24C-Q.png</url>
            <title>Stories by A. Ceyda Ölmez on Medium</title>
            <link>https://medium.com/@ayseceydaolmez?source=rss-1ddfa730ef9e------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Thu, 19 Nov 2026 16:19:27 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@ayseceydaolmez/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Keşifsel Veri Analizi: Birleşik Krallık Evcil Kedileri ve Avlanma Eğilimleri]]></title>
            <link>https://ayseceydaolmez.medium.com/ke%C5%9Fifsel-veri-analizi-birle%C5%9Fik-krall%C4%B1k-evcil-kedileri-ve-avlanma-e%C4%9Filimleri-95a0da9975b9?source=rss-1ddfa730ef9e------2</link>
            <guid isPermaLink="false">https://medium.com/p/95a0da9975b9</guid>
            <category><![CDATA[tidytuesday]]></category>
            <category><![CDATA[veri-görselleştirme]]></category>
            <category><![CDATA[eda]]></category>
            <category><![CDATA[pets]]></category>
            <category><![CDATA[data-visualization]]></category>
            <dc:creator><![CDATA[A. Ceyda Ölmez]]></dc:creator>
            <pubDate>Wed, 01 Jan 2025 11:59:57 GMT</pubDate>
            <atom:updated>2025-01-01T12:08:24.531Z</atom:updated>
            <content:encoded><![CDATA[<h3>Keşifsel Veri Analizi — Birleşik Krallık Evcil Kedileri ve Avlanma Eğilimleri</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ORMm1oEDfj4u-4vLJaKLIQ.png" /></figure><p><strong>Giriş ve Veri Seti Tanımı</strong></p><p>Kediler, yaşam koşulları ülkeden ülkeye değişiklik göstermekle birlikte, evlerimizde ya da sokaklarda gündelik yaşamın bir parçası olarak varlıklarını sürdüren sevimli dostlarımızdır. Evcil kedilerin ağırlıklı yaşam alanları ise evler olmasına karşın; farklı iç ve dış etkenlerle birlikte tetiklenebilecek sosyalleşme ihtiyaçları, onları dış dünyaya karışmaya yönlendirebilmektedir. Bu yazıda, bu yönlendirici etkilerin neler olduğu ve dış dünyaya karışma dürtüsü ile aralarındaki ilişki incelenmiştir.</p><p>İnceleme sırasında kullanılan veri setleri, 2020 tarihli <a href="https://zslpublications.onlinelibrary.wiley.com/doi/10.1111/acv.12563">makaleden </a>kökenlenmiştir. Veri setleri içerisinde, 2013–2017 yılları arasında 4 farklı ülkedeki (<em>Amerika, Birleşik Krallık, Avustralya ve Yeni Zelanda</em>) evcil kedilere, GPS sensörü takılması ile toplanmış birçok tipte veri bulunmaktadır. Keşifsel veri analizi için kullanılacak olan <a href="https://github.com/rfordatascience/tidytuesday/tree/main/data/2023/2023-01-31">kaynakta</a> ise sadece Birleşik Krallık (UK) verisi mevcuttur.</p><p>Tüm kediler, veri seti gözünden kedi cinsleri noktasında ayrışmayıp; birbirlerinden konum, zaman, hız, üreme yetisi, avlanma, cinsiyet, yaş ya da farklı mama çeşitlerinin tüketimi noktasında ayrışmaktadır.</p><p>Veri analizi sırasında kullanılacak olan kaynaklar, 2 farklı veri setinden oluşmaktadır:</p><p><strong>1. cats_uk.csv:</strong> Kedilere takılan sensörler üzerinden elde edilen zaman, konum ve hız bilgilerini içerir.</p><p><strong>2. cats_uk_reference.csv:</strong> Her bir kediye ait yaş, cinsiyet, kısırlaştırma, avlanma, beslenme gibi özelleştirilmiş bilgileri içerir.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*AqEi3zS1PX0AO9VYjB-UAA.png" /><figcaption>Değişkenlere ait Veri Tipleri</figcaption></figure><h4>Hipotez</h4><p>Bu yazıda makalenin ışığında üretilen hipotez, keşifsel veri analizi kullanılarak doğru ya da yanlışlığı noktasında kanıtlanmak istenmiştir. Sonuçlar ve tartışma kısmında çıktıları paylaşılan hipotezin 3 maddesi ise şu şekildedir:</p><ul><li>“ Evcil kedilerin az ya da fazla mesafe katetmesi, Avlanma ve Üreme Yetisi gibi karakteristiklerle olumlu bir ilişki içerisindedir. ”</li></ul><p>Dönemsel değişen hormon seviyelerine bağlı olarak kedilerde dışarıda daha fazla zaman geçirme ve mesafe katetmeye yönelik bir içgüdü oluşabilir. Buradaki dönem değişkeni, verideki 6 ay kısıtından dolayı araştırmada sadece 2 sezon ile (yaz, sonbahar) sınırlı kalmıştır.</p><p>Araştırmada yer verilmeyen kedi cinsi bilgisine bağlı olarak avlanma güdü ve alışkanlığı, dışarıda vakit geçirmeye teşvik edici bir etken olabilir. Üreme iç güdüsüne benzer şekilde, avlanma ile de aralarında dönemsel etki oluşması beklenebilir.</p><ul><li>“ Evcil kedilerin sahip oldukları ortalama hız, Yaş özelliği ile olumsuz bir ilişki içerisindedir. ”</li></ul><p>Tıpkı insanlar ve diğer canlılarda olduğu gibi, yaşın artması ile ortalama hızın düşmesini; yaşın azalması ile de ortalama hızın artmasını beklemekteyiz. Ortalama hız, veri içerisinde bulunmayan sağlık durumu gibi değişkenlerden de etkilenmeye açıktır.</p><ul><li>“ Evcil kedilerin (ev harici izlenen) hareket iz düşümleri, kıyı kesimlere doğru yoğunlaşır. ”</li></ul><p>Dışarı çıkan evcil kedilerdeki hareket yoğunluğunun, haritadaki kıyı kesimlere doğru arttığı gözlemlenmek istenmektedir. Bu yönelimde, olası kuş ya da balık avı gibi avcılık faaliyetlerinin etkili olabileceği düşünülmektedir.</p><h4>Ön İşleme Adımları</h4><p>Ön işleme ve etkileşimli keşif kodlarının tamamına <a href="https://github.com/ayseceyda/PetCatsUK_EDA">GitHub</a> üzerinden ulaşılabilir.</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/4637fcc2ca38cd2cea0ca51e36b5a090/href">https://medium.com/media/4637fcc2ca38cd2cea0ca51e36b5a090/href</a></iframe><h4>Keşifler</h4><p><strong>Keşif 1</strong></p><p>Analiz için kullanılan veri setinde, UK özelinde bir özelleşme mevcuttur. Peki UK içerisindeki bölgelerde (İngiltere, İskoçya, Wales ve Kuzey İrlanda) evcil kedilerin konum verisine dair eşit bir dağılım mevcut mudur ya da dağılım tek bir bölgede mi toplanmıştır? Kıyılara yakın noktalarda evcil kedi hareketliliğinden söz etmek mümkün müdür?</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*L50gve-qn8-0_cKti9B4Ng.png" /></figure><p>Veri seti özelindeki evcil hayvan hareketlerinin tamamı İngiltere’ nin South West bölgesinde yoğunlaşmıştır. İskoçya, Wales ve Kuzey İrlanda’ da -verisetine dahil olan- herhangi bir evcil kedi konum değiştirme aktivitesi gözlemlenmemiştir. İç kısımlardaki yer yer mevcut olan hareketliliğin yanı sıra özellikle Falmouth’ taki kıyı kesimde, evcil kedilerin konum değiştirme eğilimi olduğundan söz edilebilir.</p><p>Şekil 1&#39; deki (özellikle güney kesimde görülen) yoğunlaşma sonrası, hangi özelliklerdeki evcil kedilerin hareket eğilimlerinin fazla ya da az olduğu tespit edilmek istenmektedir. Zamana bağlı olarak en hızlı/en yavaş hareket eden kedilerin; hipotezde öne sürülen, olumlu ya da olumsuz kabul edilebilecek karakteristikler ile ilişkisi Timeseries grafiği kullanılarak detaylandırılmıştır.</p><p><strong>Keşif 2</strong></p><p>Veri seti içerisinde, 2017 yılına ait 6 aylık periyoda bağlı olarak değişen hız kolonu ile yaş (age_years) değişkenleri arasında olumlu ya da olumsuz bir ilişkiden söz edilebilir mi?</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*8WEKfsOPy7k4cKw2IylC9g.png" /><figcaption><strong>Şekil 2 : </strong>İlgili grafikte, evcil kedilerin zaman serisine bağlı olarak değişen ve her biri mevcut ay periyodu özelinde hesaplanmış ortalama hız bilgisi m/s cinsinden verilmiştir. Ek olarak isim, cinsiyet, yaş, üreme yetisi, avcılık iç güdüsü gibi bilgiler imleç ile üzerine gelindiğinde ortaya çıkacak şekilde etiketlenmiştir.</figcaption></figure><p><strong>Veri işareti:</strong> Nokta, Çizgi</p><p><strong>Kullanılan görsel kanallar:</strong></p><ul><li><strong>Şekil 2 X-pozisyonu:</strong> Her bir evcil kedi için mevcut olan zaman damgası bilgisinin yılaya dönüştürülmesi ve ardından mevcuttaki tek yıl olan 2017 için ilgili ayların x ekseninde sıralanması</li><li><strong>Şekil 2 Y-pozisyonu: </strong>Her bir evcil kedi için zaman serisine bağlı ortalama hız bilgisinin hesaplanması ve y ekseninde sıralanması</li><li><strong>Pozisyon:</strong> Hem x hem de y ekseni üzerinde pozisyon bilgisi</li><li><strong>Renk:</strong> Seçili evcil kedilerin, yılay değeri baz alınarak, en hızlı ya da en yavaş hareket eden 6; toplam 12 kedi içerisinde gösterimi</li></ul><p>Hipotezde öne sürülen: Yaş değişkeninin, ortalama hız ile olan ilişkisi grafikteki örnekler ve aykırı değerler üzerinden açıklanmıştır:</p><p><strong>Yaş:</strong> Yaş ile ortalama hızın her daim ters orantılı olacağı hipotezine, yavru (0–6 ay) ve genç yetişkin (7 ay-2 yıl) kediler aykırı örnek oluşturmaktadır. Grafiğe, 0 (12 aydan küçük)-1–2 yaşlarında olan evcil kediler de dahil edildiğinde, hızlarının sıfıra yakınsadığı gözlemlenmiştir. Bu sebeple analize sadece yetişkin (3–6 yıl) ve yaşlı (7–10 yıl) kediler dahil edilmiştir.</p><p>Fakat bu durumda da, grafikteki ‘Carrot’ ve ‘Tigger’ isimli kedilerde görülebileceği gibi, aynı yaşta (3 yıl) olan 2 kediden birisi Ağustos ayının en yavaş hareket eden hayvanı iken diğeri Eylül ayının en hızlı hareket eden hayvanı olabilmektedir. Bu nötr durumun sebebi, veri setinde bulunmayan kedi cinsi karakteristiklerinin analiz edilememesi olabilir.</p><p>Şekil 1&#39; deki (özellikle güney kesimde görülen) yoğunlaşma sonrası, hangi özelliklerdeki evcil kedilerin mesafe katetme özelliklerinin fazla ya da az olduğu tespit edilmek istenmektedir. Mesafe katetme durumunun; hipotezde öne sürülen, olumlu ya da olumsuz kabul edilebilecek karakteristikler ile ilişkisi Mekansal ve Animasyon destekli grafikler bir arada kullanılarak detaylandırılmıştır.</p><p><strong>Keşif 3</strong></p><p>Az ya da fazla mesafe katetme durumu ile avlanma iç güdüsü (hunt) ve üreme yetisi (animal_repoductive_condition) değişkenleri arasında olumlu ya da olumsuz bir ilişkiden söz edilebilir mi?</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*b_jKrfkymDBzVmvpNPm7nw.png" /></figure><p>Hipotezde öne sürülen avlanma iç güdüsü ve üreme yetisi değişkenlerinin, az ya da fazla mesafe katetme ile olan ilişkisi grafikteki örnekler üzerinden açıklanmıştır:</p><p><strong>Üreme Yetisi:</strong> Grafikte görüntülenen 12 kedinin tamamı dişi ya da erkek fark etmeksizin kısırlaştırılmıştır. Herhangi bir sağlık sorunu olmadığı kabulü ile eldeki veriye bakılarak üreme yetisini kaybetmiş olma durumunun mesafe katetmeye olumsuz etkisinden söz edilemez. Sadece en çok mesafe kateden örnekler için olumlu bir izlenim görülebilir; ancak kısırlaştırılan hayvanların hem en hızlı hem de en yavaş hareket eden olarak gözlemlendikleri unutulmamalıdır. Yaşanılan bu etkinin, dönemsel bazlı olabileceği tahmin edilip veride 1 seneye ait 12 ayın mevcut olması halinde detaylandırılarak incelenebilir.</p><p><strong>Avlanma İç Güdüsü:</strong> En çok ya da en az mesafe kateden toplam 12 evcil kediden 11&#39; inde avcılık bilgisi (hunt) ‘True’ olarak işaretlenmiştir. Bu durum avcılık güdüsü ile direkt bir ilişki kurulmasına engel olmaktadır. Buna karşın, en çok mesafe kateden evcil kedilerin av sayısı (prey_p_month) bilgisi, en az mesafe eden ve avlanan kedilerin 4.6 katıdır. Bu veri, avlanma sıklığı ve mesafe katetme isteği arasında olumlu bir ilişki ortaya koymaktadır.</p><h4>Sonuçlar ve Tartışma</h4><p>Görselleştirmeler yardımıyla detaylandırılan veri analizinin ardından hipotez, ortaya çıkan sonuçların önderliğinde yeniden incelendiğinde, evcil kedilerin fazla mesafe katetmesi ile üreme yetisi arasında anlamlı bir ilişki gözlemlenememiştir. (Şekil 3)</p><p>Hipotezde, fazla mesafe katetme durumuna olumlu etkidiği öne sürülen avlanma özelliği incelendiğinde ise avlanma iç güdüsü var olsa bile katedilen mesafenin düşük olabileceği görülmüştür. Bunun yerine avlanma sıklığı ya da bir diğer deyişle avlanma alışkanlığının, mesafe katetme noktasında teşvik edici bir özellik olduğu görülmüştür. (Şekil 3)</p><p>Hipotezdeki tek olumsuz karakteristik olduğu öne sürülen yaş ve ortalama hız arasındaki ilişki, genel kanının aksine anlamlı bir ifade taşımamaktadır. Aynı yaş ve yakın dönemlerde birisi hızlı diğeri yavaş hareket eden pek çok örnek mevcuttur. Bunun yanı sıra, yavru ve genç yetişkin kediler, hızlarının sıfıra yakınsanmasından dolayı outlier kabul edilip veri setinden elimine edilmiştir. Bu karakteristik özelinde, veri setinde bulunmayan kedi cinsi bilgisi kritik bir rol taşıyabilir. Her bir kedi cinsi kendine has özellikler taşıyacağı için ortalama hızı hızlı ya da yavaş olabilir. (Şekil 2)</p><p>Son olarak hipotezde öne sürülen tüm kedilerin hareket iz düşümlerinin kıyı kesimlerde yoğunlaşacağı bilgisi ,iç kesimlerle keskin farklar taşımamak kaydıyla, grafik yardımıyla doğrulanmıştır. (Şekil 1) Bu durumun sebebi, kedilerin İngiltere’ nin güney kıyı kesimlerindeki olası besin ve av imkanlarından faydalanmak istemesi olabilir.</p><p>Hipotez ve rapor kapsamında ele alınmayan fakat araştırmalar esnasında değerlendirilebilecek noktalar arasında: Kedinin cinsi, sağlık durumu, taşıdığı sosyal kökenli faktörler (örneğin; yabancılara karşı açıklık, enerji seviyesi, diğer kedilerle iyi anlaşabilme vb.), coğrafi konum ve bulunduğu çevredeki yaşam kültürü örnek verilebilir.</p><blockquote>Soru ve önerileriniz için ayseceydaolmez@gmail.com adresinden bana ulaşabilirsiniz. Hoşça kalın.. <em>👋</em></blockquote><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=95a0da9975b9" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Keşifsel Veri Analizi: Köpek Irkları ve Yıllara Göre Popülerlik Sıralamaları]]></title>
            <link>https://ayseceydaolmez.medium.com/ke%C5%9Fifsel-veri-analizi-k%C3%B6pek-irklar%C4%B1-ve-y%C4%B1llara-g%C3%B6re-pop%C3%BClerlik-s%C4%B1ralamalar%C4%B1-a663d214cb4a?source=rss-1ddfa730ef9e------2</link>
            <guid isPermaLink="false">https://medium.com/p/a663d214cb4a</guid>
            <category><![CDATA[keşifsel-veri-analizi]]></category>
            <category><![CDATA[dog-breeds]]></category>
            <category><![CDATA[eda]]></category>
            <category><![CDATA[veri-görselleştirme]]></category>
            <category><![CDATA[tidytuesday]]></category>
            <dc:creator><![CDATA[A. Ceyda Ölmez]]></dc:creator>
            <pubDate>Tue, 31 Dec 2024 22:14:32 GMT</pubDate>
            <atom:updated>2024-12-31T22:40:32.628Z</atom:updated>
            <content:encoded><![CDATA[<h3>Keşifsel Veri Analizi — Köpek Irkları ve Yıllara Göre Popülerlik Sıralamaları</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*7KcvVwYTa9glRdHA5Q9f9Q.png" /><figcaption>kaynak: <a href="https://smyrnapet.com/en/dog-breeds-different-breeds-and-their-characteristics/">smyrnapet</a></figcaption></figure><p><strong>Giriş ve Veri Seti Tanımı</strong></p><p>İnsan ve köpek ırklarının yaşamları, köpeklerin evcilleşme süreci devam ettiğinden bu yana birçok ortak noktada kesişerek mutualist bir yola doğru ilerlemiştir. Zaman içerisinde, insanlar gibi köpek ırklarının da evrimleşmesi sonucu; doğal ya da yapay yollarla, farklı anatomik ve karakteristik yapıya sahip alt türler ortaya çıkmıştır.</p><p>Global olarak düşünüldüğünde, dönemin ya da bulunulan konumun ihtiyaçlarına göre, sahiplenilme sıklığı daha sık olan köpek cinsleri yeni trendlerin ve nihayetinde bir popülerlik sıralamasının oluşmasına zemin hazırlamıştır. Toplumda belirli köpek cinslerine dair zaman içerisinde kalıplaşmış bazı algılar mevcuttur. Bu algılardan pozitif yönde olana örnek olarak: Golden Retriever cinsi köpeklerin çağımızdaki en popüler köpek cinsi olduğu; sebeplerinden başlıca olanının ise aile ve çocuklarla iletişiminin güçlü olması gösterilebilir. Tam tersi şekilde, negatif yönde bir algı olarak bazı uzun tüy yapısına sahip Terrier gibi köpek cinslerinin bakım zorluklarından dolayı tercih edilmemesi gerektiği ve bunun sonucunda popüler bir cins olmadıkları yönünde toplumsal bir kanı mevcuttur. Bu ve benzeri mevcut algılar, coğrafya, global trendler ve dönemin koşulları ile şekillenebilmektedir.</p><p>Bu yazıda, köpek cinslerine dair bazı kalıplaşmış algılardan yola çıkılarak üretilen hipotez, keşifsel veri analizi kullanılarak doğru ya da yanlışlığı noktasında kanıtlanmak istenmiştir. Sonuçlar ve tartışma kısmında çıktıları paylaşılan hipotez ise şu şekildedir: Halk arasında popüler/trend olarak görülen köpek türlerinin seçiminde: Aile, çocuklarla ve yabancılarla anlaşabilme ve oyuncu olma özelliklerinin gelişmiş olması özellikleri sıralamayı pozitif yönde etkilerken; havlama seviyesi, salyalanma miktarı ve tüy dökme miktarının fazla olması sıralamayı negatif yönde etkiler.</p><p>Araştırma sırasında, <a href="https://www.google.com/url?q=https%3A%2F%2Fwww.akc.org%2F">American Kennel Club köpek kayıt sistemi</a> tarafından 2013–2020 aralığı için, mevcut sisteme genel karakteristik ve popülerlik sıralaması noktasında girişi yapılmış <a href="https://github.com/rfordatascience/tidytuesday/tree/main/data/2022/2022-02-01">köpek cinsleri veri seti </a>kullanılmıştır. Keşifsel veri analizi sırasında kullanılacak olan kaynaklar, 3 farklı veri setinden oluşmaktadır:</p><ul><li><strong>breed_traits.csv: </strong>Köpek cinslerinin karakteristik özelliklerini ve bu özelliklere ait skor bilgisini içerir.</li><li><strong>breed_rank_all.csv: </strong>2013 ve 2020 yılları arasındaki, köpek türlerinin popülerliğini inceleyen AKC kayıt sistemi istatistiklerini içerir.</li><li><strong>trait_description.csv: </strong>Skor değerlerine ait detaylı açıklama ve yorumları içerir. Veri seti, analiz aşamasında kullanılmamış olup sadece domain bilgisi noktasında kullanılmıştır.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/805/1*Th3ms8Vz0VCufxoM-mTW6w.png" /><figcaption>Değişkenlere ait Veri Tipleri</figcaption></figure><h4><strong>Hipotez</strong></h4><p>Halk arasında popüler/trend olarak görülen köpek türlerinin seçiminde: Aile, çocuklarla, yabancılarla anlaşabilme ve oyuncu olma özelliklerinin gelişmiş olması özellikleri sıralamayı pozitif yönde etkilerken; havlama seviyesi, salyalanma miktarı ve tüy dökme miktarının fazla olması sıralamayı negatif yönde etkiler.</p><p><strong>Olumlu Karakteristikler:</strong></p><ul><li>Aile ile Sevecen Olma</li><li>Küçük Çocuklarla İyi Anlaşabilme</li><li>Yabancılara karşı açıklık</li><li>Oyuncu Olma</li></ul><p><strong>Olumsuz Karakteristikler:</strong></p><ul><li>Salyalanma Miktarı</li><li>Havlama Seviyesi</li><li>Tüy Dökme Miktarı</li></ul><h4><strong>Ön İşleme Adımları</strong></h4><p>Ön işleme ve keşif kodlarının tamamına <a href="https://github.com/ayseceyda/DogBreeds_EDA">GitHub</a> üzerinden ulaşılabilir.</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/cf87fd6cb0be4a39dbc358b0a7012b4b/href">https://medium.com/media/cf87fd6cb0be4a39dbc358b0a7012b4b/href</a></iframe><h4>Keşifler</h4><p><strong>Keşif 1</strong></p><p>Hipotezde popülerlik sıralamasını olumlu ya da olumsuz etkilediği öne sürülen köpek cinsi karakteristiklerinden birbiri ile korelasyonu bulunan özellikler mevcut mudur? Pozitif ya da negatif korelasyonu olan özellikler nelerdir?</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/913/1*S0LFxRuUbyWrSBzT6bYDTQ.png" /><figcaption>Şekil 1: Karakteristiklerin birbirleri ile olan korelasyonu</figcaption></figure><p><strong>Veri işareti: </strong>Alan</p><p><strong>Kullanılan görsel kanallar:</strong></p><ul><li><strong>X-pozisyonu:</strong> Köpek cinslerine ait karakteristiklerin skor değerleri</li><li><strong>Y-pozisyonu:</strong> Köpek cinslerine ait karakteristiklerin skor değerleri</li><li><strong>Renk:</strong> Renk ölçeğine göre korelasyon değeri (saturasyon)</li><li><strong>Veri Etiketi:</strong> Korelasyon değeri</li></ul><p><strong>Bazı Pozitif Korelasyonlar:</strong></p><ul><li>Zihinsel olarak uyarım ihtiyacı (Mental Stimulation Needs) özelliği ve enerji seviyesi (Energy Level) özelliği arasında 0.58 oranında pozitif korelasyon gözlemlemekteyiz.</li><li>Aile ile sevecen olma (Affectionate With Family) özelliği ile uyum sağlama özelliği (Adaptability Level) arasında 0.55 oranında pozitif korelasyon gözlemlemekteyiz.</li><li>Oyuncu olma seviyesi (Playfulness Level) özelliği ve uyum sağlama özelliği (Adaptability Level) arasında 0.50 oranında pozitif korelasyon gözlemlemekteyiz.</li><li>Yabancılara karşı açıklık (Openness To Strangers) özelliği ve oyuncu olma seviyesi (Playfulness Level) arasında 0.44 oranında pozitif korelasyon gözlemlemekteyiz.</li><li>Yabancılara karşı açıklık (Openness To Strangers) özelliği ve küçük çocuklarla iyi anlaşabilme (Good With Young Children) özelliği arasında 0.39 oranında pozitif korelasyon gözlemlemekteyiz.</li></ul><p><strong>Bazı Negatif Korelasyonlar:</strong></p><ul><li>Koruma içgüdüsü özelliği (Watchdog/Protective Nature) ile diğer köpeklerle iyi geçinme (Good With Other Dogs) özelliği arasında 0.45 oranında negatif korelasyon gözlemlenmiştir.</li><li>Salyalanma miktarı (Drooling Level) ile havlama düzeyi (Barking Level) arasında 0.25 oranında negatif korelasyon gözlemlenmiştir.</li><li>Tüy Dökme (Shedding Level) özelliği ve taranma ihtiyacı sıklığı (Coat Grooming Frequency) arasında 0.24 oranında negatif korelasyon gözlemlenmiştir.</li></ul><p>Korelasyon matrisinde birbirleri ile olan korelasyon değerleri olduğu gözlemlenen ve hipotezde olumlu ya da olumsuz olarak betimlenen bazı köpek karakteristiklerine ait analizler dağılım grafiği kullanılarak detaylandırılmıştır. Grafik yardımıyla ilgili karakteristiklerde outlier değerlerin var olup olmadığına dair inceleme yapılmıştır.</p><p><strong>Keşif 2</strong></p><ul><li>Yabancılara karşı açıklık (Openness To Strangers) ve küçük çocuklarla iyi anlaşabilme (Good With Young Children)</li><li>Koruma içgüdüsü özelliği (Watchdog/Protective Nature) ve diğer köpeklerle iyi geçinme (Good With Other Dogs)</li></ul><p>pozitif ve negatif korelasyonlu özellikleri, outlier değer içermekte midir?</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/460/1*qqr4hqns0S5yA0g-qego7Q.png" /><figcaption>Şekil 2: Yabancılara Karşı Açıklık Skoru vs Çocuklarla İyi Anlaşabilme Skoru</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/460/1*PDrN2iaDNgxo5XjDC9B3ww.png" /><figcaption>Şekil 3: Koruma İç güdüsü vs Diğer Köpeklerle İyi Anlaşabilme Skoru</figcaption></figure><p><strong>Veri işareti:</strong> Nokta, Çizgi</p><p><strong>Kullanılan görsel kanallar:</strong></p><ul><li><strong>Şekil 2 X-pozisyonu: </strong>Yabancılara Karşı Açıklık Skoru</li><li><strong>Şekil 2 Y-pozisyonu: </strong>Küçük Çocuklarla İyi Anlaşma Skoru</li><li><strong>Şekil 3 X-pozisyonu: </strong>Koruma içgüdüsü skoru</li><li><strong>Şekil 3 Y-pozisyonu: </strong>Diğer köpeklerle anlaşabilme skoru</li><li><strong>Pozisyon: </strong>Hem x hem de y değeri üzerinde</li></ul><p><strong>Şekil 2:</strong> Bu grafik ile yabancılara karşı açıklık skoru yüksek olan köpek cinslerinin, küçük çocuklara iyi anlaşma eğiliminde olduğu gözlemlenmiştir. İki değişken arasında pozitif korelasyondan söz edilebilir. Yine de veri setinde, yabancılara karşı açık olmayıp çocuklarla iyi anlaşabilen köpek cinslerinin de mevcut olduğu outlier örnekler görülmüştür.</p><p><strong>Şekil 3: </strong>Koruma içgüdüsü skoru yüksek olan köpeklerin, diğer köpeklerle iyi anlaşamama eğiliminde olduğu gözlemlenmiştir. İki değişken arasında negatif korelasyondan söz edilebilir. Veride sıradışı bir outlier değer gözlemlenmemiştir.</p><p>Outlier değerlerin gözlemlenmesinin ardından, veri setindeki tüm yıllarda (ilk ve son 4 sıralamasına girmiş) köpek cinslerine ait bazı olumlu ve birbirleri ile korelasyonu olan karakteristiklerin popülerlik sıralaması ile olan ilişkisi sütun grafiği kullanılarak araştırılmıştır.</p><p><strong>Keşif 3</strong></p><p>Hipotezde olumlu karakteristik olarak sunulan özellikler, tüm yıllardaki sıralamada ilk 4 ve son 4 köpek için fark yaratmakta mıdır? Popüler ya da popüler olmayan köpekler için, 3 ortalama değer kabul edilerek, varsa aradaki fark nasıl yorumlanabilir?</p><figure><img alt="Şekil 4: Tüm yıllarda popüler olan ilk 4 ve son 4 köpek cinsinin Aileye Karşı Sevecen Olma skor değerlerinin karşılaştırılması" src="https://cdn-images-1.medium.com/max/1009/1*y_oBCak8jn_bGQ-NfGZnOw.png" /><figcaption>Şekil 4: Tüm yıllarda popüler olan ilk 4 ve son 4 köpek cinsinin Aileye Karşı Sevecen Olma skor değerlerinin karşılaştırılması</figcaption></figure><figure><img alt="Şekil 5: Tüm yıllarda popüler olan ilk 4 ve son 4 köpek cinsinin Oyuncu Olma skor değerlerinin karşılaştırılması" src="https://cdn-images-1.medium.com/max/976/1*kjt8UqX1wUEtghI6L4qLnw.png" /><figcaption>Şekil 5: Tüm yıllarda popüler olan ilk 4 ve son 4 köpek cinsinin Oyuncu Olma skor değerlerinin karşılaştırılması</figcaption></figure><p><strong>Veri işareti:</strong> Çizgi</p><p><strong>Kullanılan görsel kanallar:</strong></p><ul><li><strong>Şekil 4 X-pozisyonu:</strong> Aileye Karşı Sevecen Olma skoru</li><li><strong>Şekil 4 Y-pozisyonu: </strong>Tüm zamanlarda popüler ilk ve son 4 köpek cinsi</li><li><strong>Şekil 5 X-pozisyonu:</strong> Oyuncu Olma skoru</li><li><strong>Şekil 5 Y-pozisyonu:</strong> Tüm zamanlarda popüler ilk ve son 4 köpek cinsi</li><li><strong>Renk:</strong> Eşik değeri ve altındaki değerler</li><li><strong>Uzunluk: </strong>Köpek cinslerine ait özellik skorları</li><li><strong>Veri Etiketi:</strong> Eşik değer</li></ul><p><strong>Şekil 4:</strong> Bu grafikler ile birlikte, popülerlik sıralamasındaki ilk ve son 4 köpek cinsinin, hipotezde olumlu olarak sunulan Aileye Karşı Sevecen Olma özelliğini nasıl yansıttığı incelenmiştir. Aileye karşı sevecen olma seviyesine baktığımızda, ilk 4 köpeğin tamamı eşik değerin üzerinde maksimum değere sahipken; son 3 köpek eşik değerine eşit ve 1 köpek ise eşik değerinin üzerinde değere sahiptir. Bu durum da, hipotezde sunulan, aileye karşı sevecen olma seviyesinin köpek cinsinin popülerlik sıralamasını olumlu etkilediğini göstermiştir.</p><p><strong>Şekil 5: </strong>Bu grafikler ile birlikte, sıralamadaki ilk ve son 4 köpek cinsinin, hipotezde olumlu olarak sunulan Oyuncu Olma özelliğini nasıl yansıttığı incelenmiştir. Oyuncu olma seviyesine baktığımızda, ilk 4 köpeğin tamamı eşik değerin üzerinde değerlere sahipken; son 4 köpeğin tamamı eşik değerine eşit değere sahiptir. Bu durum da, hipotezde sunulan, oyuncu olma seviyesinin köpek cinsinin popülerlik sıralamasını olumlu etkilediğini göstermiştir.</p><p>Veri setindeki tüm yıllarda (ilk ve son 4 sıralamasına girmiş) köpek cinslerine ait bazı olumsuz ve birbirleri ile korelasyonu olan karakteristiklerin popülerlik sıralamasıyla olan ilişkisi gruplandırılmış sütun grafiği kullanılarak araştırılmıştır.</p><p><strong>Keşif 4</strong></p><p>Hipotezde olumsuz karakteristik olarak sunulan özellikler, tüm yıllardaki sıralamada ilk 4 ve son 4 köpek için fark yaratmakta mıdır? Popüler ya da popüler olmayan köpekler için, 3 ortalama değer kabul edilerek, varsa aradaki fark nasıl yorumlanabilir?</p><figure><img alt="Şekil 6: Tüm yıllarda popüler olan ilk 4 ve son 4 köpek cinsinin Tüy Dökme, Havlama ve Salyalanma skor değerlerinin karşılaştırılması" src="https://cdn-images-1.medium.com/max/1024/1*Ah-VpiJPXSkFvVGdQfTUKg.png" /><figcaption>Şekil 6: Tüm yıllarda popüler olan ilk 4 ve son 4 köpek cinsinin Tüy Dökme, Havlama ve Salyalanma skor değerlerinin karşılaştırılması</figcaption></figure><p><strong>Veri işareti: </strong>Çizgi</p><p><strong>Kullanılan görsel kanallar:</strong></p><ul><li><strong>Şekil 6 X-pozisyonu:</strong> Tüm zamanlarda popüler ilk ve son 4 köpek cinsi</li><li><strong>Şekil 6 Y-pozisyonu: </strong>Tüy Dökme, Havlama ve Salyalanma skoru</li><li><strong>Renk: </strong>Köpek cinslerine ait karakteristik özellikler</li><li><strong>Uzunluk: </strong>Köpek cinslerine ait karakteristik skorları</li><li><strong>Veri Etiketi: </strong>Eşik değer</li></ul><p><strong>Tüy Dökme Seviyesi</strong>’ ne baktığımızda ilk 4 köpekten 3&#39; ü eşik değerinin üzerinde 4 skoruna sahipken; son 4 köpekten sadece 1&#39; i eşik değerinin üzerinde bir değere sahiptir. Bu durum da, hipotezde verilenin aksine, tüy dökme miktarının artmasının köpek cinsinin popülerlik sıralamasını olumsuz etkilemediğini göstermiştir.</p><p><strong>Havlama Seviyesi</strong>’ ne baktığımızda ilk 4 köpekten 2&#39; si eşik değerin oldukça altında ya da eşit kalmıştır. Fakat son 4 köpeğe baktığımızda, 4 köpekten 3&#39;ü eşik değerin üzerinde kalıyorken yalnızca 1&#39; ü eşik değerine eşit kalmıştır. Bu durum da, hipotezde sunulduğu gibi, havlama seviyesinin artmasının köpek cinsinin popülerlik sıralamasını olumsuz etkilediğini göstermiştir.</p><p><strong>Salyalanma Miktarı</strong>’ na oranına baktığımızda, her iki grafikte de değerler eşik değerine eşit ya da altındadır. Fakat dikkat çeken nokta, son 4 köpek cinsinin salyalanma düzeyinin minimum düzeyde olmasıdır. Bu durum da, hipotezde verilenin aksine, salyalanma miktarının artmasının köpek cinsinin popülerlik sıralamasını olumsuz etkilemediğini göstermiştir.</p><h4><strong>Sonuçlar ve Tartışma</strong></h4><p>Keşifsel veri analizinin ardından hipotez, ortaya çıkan sonuçların önderliğinde yeniden incelendiğinde, aile/çocuklarla/yabancılarla anlaşabilme ve oyuncu olma karakteristik özelliklerinin popülerlik sıralamasına orta pozitif ya da güçlü pozitif şekilde olumlu etkisinin olduğu gözlemlenmiştir.</p><p>Hipotezde popülerlik sıralamasına negatif etkidiği öne sürülen olumsuz özellikler (havlama seviyesi, salyalanma miktarı, tüy dökme miktarı) incelendiğinde ise havlama miktarının popülerlik skoruna orta ya da güçlü negatif şekilde olumsuz etkisinin olduğu gözlemlenmiştir. Fakat salyalanma ve tüy dökme miktarının popülerlik sıralamasına olumsuz bir etkisi bulunamamıştır.</p><p>Ortaya çıkan sonuçların yanı sıra, outlier olarak ele alınan köpek cinsleri de veri seti içerisinde mevcuttur. Bu durum, her bir köpek cinsinin doğal ya da yapay yollar aracılığıyla, kendine has ve ayırt edici özelliklerle evrimleşmesi ya da çevresel faktörlerle açıklanabilir.</p><blockquote><em>Soru ve önerileriniz için ayseceydaolmez@gmail.com adresinden bana ulaşabilirsiniz. Hoşça kalın.. </em>👋</blockquote><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=a663d214cb4a" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Optical Character Recognition (Optik Karakter Tanıma)/ Tesseract-OCR Engine — Part 2]]></title>
            <link>https://medium.com/analythinx-data-science/optical-character-recognition-optik-karakter-tan%C4%B1ma-tesseract-ocr-engine-part-261a592304d6?source=rss-1ddfa730ef9e------2</link>
            <guid isPermaLink="false">https://medium.com/p/261a592304d6</guid>
            <category><![CDATA[ocr]]></category>
            <category><![CDATA[engine]]></category>
            <category><![CDATA[tesseract]]></category>
            <dc:creator><![CDATA[A. Ceyda Ölmez]]></dc:creator>
            <pubDate>Wed, 09 Jun 2021 17:15:30 GMT</pubDate>
            <atom:updated>2025-01-01T12:09:56.840Z</atom:updated>
            <content:encoded><![CDATA[<h3>Optical Character Recognition (Optik Karakter Tanıma)/ Tesseract-OCR Engine — Part 2</h3><p>Merhaba, OCR serisi yazımızın birinci kısmında OCR, Tesseract-OCR mimarisi ve seçeneklerinden kısaca bahsetmiştik. İkinci ve son kısımda ise inceleyeceğimiz konu başlıkları şu şekilde:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/411/1*AfMz5vz6PkVFcqT6Tw_uAA.png" /></figure><h4>Kurulum</h4><p>Bu kısımda, Windows OS ve GNU/Linux OS’ nin Ubuntu (20.04) dağıtımı üzerinde kurulum yapacağız. MacOS kullanıcısı iseniz, kurulum detayları için <a href="https://tesseract-ocr.github.io/tessdoc/Compiling.html">buraya </a>tıklayabilirsiniz. Aşağıda, klasik yöntemler dışında farklı ihtiyaçlara da cevap verebilecek kurulum, kullanım metotları mevcut:</p><ul><li>Java üzerinde “Tess4j Java JNA” wrapper kullanarak</li><li>Python üzerinde “pytesseract” wrapper kullanarak</li><li><a href="https://github.com/tesseract-shadow/tesseract-ocr-compilation">Docker container</a> üzerinde compile ederek</li><li>Orijinal Tesseract reposu üzerinden <a href="https://tesseract-ocr.github.io/tessdoc/Compiling-%E2%80%93-GitInstallation.html">Git yoluyla kurarak</a></li></ul><p>Şimdi, kurulum notlarına göz atalım:</p><p><strong>Windows:</strong></p><ul><li><a href="https://github.com/UB-Mannheim/tesseract/wiki">Buraya </a>tıklayarak istenilen versiyondaki .exe uzantılı dosyayı indiriyoruz. (Link açılmazsa <a href="https://digi.bib.uni-mannheim.de/tesseract/">buraya</a> da tıklayabilirsiniz)</li><li>Ardından <a href="https://superuser.com/questions/284342/what-are-path-and-other-environment-variables-and-how-can-i-set-or-use-them">sistem ortam değişkenlerinde</a> indirdiğimiz tesseract.exe’ nin PATH’ ini ekliyoruz.</li><li>Bu işlemlerden sonra, test resimlerinin olduğu klasör içerisine yeni bir komut penceresi açıyoruz ve basitçe <strong>tesseract + input.uzantı + output </strong>formundaki komutu giriyoruz.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/519/1*mgp9rdjj5O26MFATqK9ceA.jpeg" /><figcaption>Resim 16. İngilizce bir metin bloğu içeren resim</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/417/1*QhG7BP-Bjk96iYl4kQc1tg.png" /><figcaption>Resim 17. Resim 16’ nın Windows üzerindeki OCR çıktısı</figcaption></figure><p><strong>GNU/Linux (Ubuntu 20.04):</strong></p><p>GNU/Linux işletim sisteminde, Ubuntu 20.04 dağıtımlı sanal makine üzerinde Tesseract v5.0.0 kuracağız. Debian dağıtımı üzerinde kurulum için <a href="https://notesalexp.org/tesseract-ocr/#tesseract_5.x">buraya </a>göz atabilirsiniz.</p><ul><li>İlk olarak sudo apt-get install tesseract-ocr -y komutunu terminale giriyoruz.</li><li>tesseract -v komutunu girdiğimizde ise gelen versiyonun 4.1.1 olduğunu görüyoruz. LSTM ya da legacy mode kullanımı için bu versiyon önem teşkil etmekte.</li><li>/usr/share/tesseract-ocr/4.00/tesddata konumuna giderseniz, dil olarak yalnızca eng.traineddata’ nın olduğunu görebilirsiniz. Bu yüzden dil yükleme işlemlerin manuel olarak yapılması gerekmekte. Ubuntu üzerinde Tesseract Türkçe dil paketi kullanımı için <a href="https://medium.com/u/310be47d0356">anıl kaynar</a>’ ın <a href="https://aanilkayy.medium.com/tesseract-ocr-ile-t%C3%BCrk%C3%A7e-dahil-ocr-38ff507e81dd">bu </a>yazısına göz atabilirsiniz.</li><li>Son adım olarak export TESSDATA_PREFIX=/usr/share/tesseract-ocr/4.00/tessdata şeklinde tessdata klasörümüze yol vererek dillerin ve config dosyalarının bulunmasını sağlıyoruz.</li><li>Eğer kendi dilinizi eğittiyseniz ve Tesseract-OCR üzerinde kullanmak istiyorsanız; tıpkı Windows üzerinde olduğu gibi x.traineddata dosyanızı tessdata klasörü içerisine taşımalısınız. Bunu (desktop to tessdata)sudo mv x.traineddata ../../../usr/share/tesseract-ocr/4.00/tessdata komutuyla yapabilirsiniz. Ardından custom diliniz kullanıma hazır olacaktır.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/355/1*UJa53h6Wn00yBWbXDxqnUA.png" /><figcaption>Resim 18. “Merhaba Dünya” metnini içeren resim</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/800/1*t5yVwQKupuesUKp6v8VNqw.png" /><figcaption>Resim 19. Resim 18’ in Ubuntu üzerindeki OCR çıktısı</figcaption></figure><p>Artık elimizdeki projenin ihtiyaçlarına göre belirlediğimiz seçenek ve parametreleri kullanarak çalışmaya başlayabiliriz.</p><blockquote><strong>Not:</strong> Her iki işletim sisteminde de terminal üzerinden tek sıra komut ile çıktı almaya çalışmak, özellikle ön hazırlık yapılması gerektiğinde (ki resimler yeterli kalitede olmadığı sürece bu bir zorunluluk) problemlere davetiye çıkarıyor. Motorun üzerinde çalışan pre-processing odaklı <a href="https://www.pyimagesearch.com/2017/07/10/using-tesseract-ocr-python/"><strong>scriptler</strong> </a>yazmak ve ihtiyaca göre config dosyalarını düzenlemek, performansı yükseltmeye yardımcı olacaktır.</blockquote><p><strong>Pytesseract:</strong></p><p><a href="https://pypi.org/project/pytesseract/">Pytesseract</a>, Tesseract-OCR Engine için bir wrapper görevi görüyor. Bu wrapper, ana fonksiyon olarak tanımlayabileceğimiz “<strong>image_to_string</strong>” in yanı sıra; image_to_boxes (box detection), image_to_data (box detection + confidence …), image_to_osd (script and orientation detection) gibi fonksiyonlar içeriyor. “image, lang, config, output_type” parametrelerine ise zaten OCR motorundan aşinayız. Şimdi image_to_data() üzerinde bir örnek deneyelim.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/945/1*ACoL1YCoH6sfPNHuQtkWaQ.png" /><figcaption>Resim 20. Kelimelerden ve 1 rakamından oluşan metni içeriyor</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/982/1*qBAotR84jaEFPs4_hJYKrg.png" /><figcaption>Resim 21. Resim 20’ nin pytesseract image_to_data() fonksiyonu ile çıktısı</figcaption></figure><p>Aşağıda, Colab üzerinde örnek bir demoya ait gistleri ve açıklamalarını görebilirsiniz.</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/27f9e28f9c59a41ab6cc10bec764eccb/href">https://medium.com/media/27f9e28f9c59a41ab6cc10bec764eccb/href</a></iframe><p>Gerekli kütüphaneleri yükledikten sonra get_languages() ve get_tesseract_version() ile versiyonumuzu ve desteklenen dilleri kontrol ediyoruz. Bu kısımdan sonrası opsiyonel. Eğer kendimiz bir x.traineddata custom dili oluşturduysak, bu dosyayı tessdata klasörü içerisine yüklemeliyiz ve ardından o dile ait PATH’ i vermeliyiz.</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/b24300f22f2072d47bd135a33009963c/href">https://medium.com/media/b24300f22f2072d47bd135a33009963c/href</a></iframe><p>Yukarıdaki kod parçacığı ise sample.png örnek resminin OCR işlemini kapsıyor. Burada, resmin ihtiyacına yönelik olarak output_type ve config parametrelerinin kullanıldığını gözlemleyebiliriz.</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/5a9242009abe7a96364f75dad01846d4/href">https://medium.com/media/5a9242009abe7a96364f75dad01846d4/href</a></iframe><p>Bu kod parçacığı, birden çok resmin OCR işlemi üzerinden geçirilmesi temasına dayanıyor. Klasörden sırasıyla çekilen girdi resimler, verilen parametrelere göre tahmin ediliyor ve sonuçlar eşlenik girdisiyle birlikte csv üzerine yazılıyor. Bu tip bir çıktı gerçek verilerle birlikte işlendiğinde, accuracy ve geliştirmeler bazında kuvvetli bir öngörü sağlayacaktır.</p><h4>Performans İyileştirmeleri</h4><p>Tesseract-OCR’ ın artılarının yanı sıra birtakım eksiklikleri de mevcut: Her şeyin başında ışık, kontrast, blur vb. gibi temel ögelere karşı oldukça hassas olduğunu söyleyebiliriz. Benzer şekilde <a href="https://www.dafont.com/theme.php?cat=603">el yazısı ile oluşturulmuş fontlarda</a> eğitimsiz olduğu için düşük performans sergiliyor. Belirtilen bu iki madde, kulağa projeyi etkilemeyecek detaylar gibi geliyor olabilir fakat yüksek çözünürlüklü resimlerdeki klasik fontlu metinleri (örn. Arial, Times New Roman,…) okutmadığınız sürece halihazırdaki sistem, projelerin geneli için yetersiz kalmakta.</p><p>Peki performansı nasıl iyileştirebiliriz? Tesseract-OCR’ ın çıktıların kalitesini arttırmak adına hazırladığı dokümanı incelediğimizde bazı önerilerle karşılaşıyoruz [6]:</p><ul><li><strong>Binarisation:</strong> Mimari kısmında binarize işleminden bir örnekle bahsetmiştik: <a href="https://www.mathworks.com/help/images/ref/imbinarize.html">MATLAB</a>, <a href="https://docs.opencv.org/master/d7/d4d/tutorial_py_thresholding.html">OpenCV</a>, <a href="https://scikit-image.org/docs/dev/auto_examples/segmentation/plot_thresholding.html">scikit-image</a>.</li><li><strong>Noise Removal (gürültü temizleme):</strong> Binarize işleminden sonra belirgin hale gelen gürültüyü, çeşitli kütüphane ve fonksiyonların yardımıyla temizlemek mümkün<strong>: </strong><a href="https://docs.opencv.org/master/d5/d69/tutorial_py_non_local_means.html">OpenCV</a><strong>, </strong><a href="https://www.mathworks.com/help/images/noise-removal.html">MATLAB</a>, <a href="https://scikit-image.org/docs/dev/auto_examples/filters/plot_denoise.html">scikit-image</a>,…</li><li><strong>Inverting the image (resmin zıttını alma): </strong>v4 ve sonrası için beyaz arkaplan üzerinde siyah metin en etkili sonucu veriyor: <a href="https://www.mathworks.com/help/images/ref/imcomplement.html">MATLAB</a>, <a href="https://docs.opencv.org/master/d0/d86/tutorial_py_image_arithmetics.html">OpenCV</a>, <a href="https://scikit-image.org/docs/dev/auto_examples/applications/plot_morphology.html">scikit-image.</a></li><li><strong>Dilation/Erosion (genişleme/aşınma)</strong>: Yine binarize gibi bir işlem sonucunda, zayıf karakter görünümünü kalınlaştırmak (dilation); ya da birbirinden ayırt edilemeyecek derecede baskın karakterleri inceltmek (erosion) isteyebiliriz. MATLAB <a href="https://www.mathworks.com/help/images/ref/imerode.html">imerode()</a>, MATLAB <a href="https://www.mathworks.com/help/images/ref/imdilate.html">imdilate()</a>.</li><li><strong>Rescaling (yeniden ölçeklendirme):</strong> Minimum 300 dpi kullanılmalı. Burada kritik nokta, “<a href="https://www.pyimagesearch.com/2021/01/19/crop-image-with-opencv/">crop</a>” ve “<a href="https://www.tutorialkart.com/opencv/python/opencv-python-resize-image/">resize</a>” işlemlerini birbirinden ayırt etmekte saklı.</li><li><strong>Deskew (eğriliği kaldırma): </strong>Resimler eğri bir açıyla çekildiğinde OCR üzerinde performans düşüşüne neden olur. Deskew işlemi ile resmi yatayda ve dikeyde yeniden hizalayabiliriz: <a href="https://github.com/sbrunner/deskew">OpenCV, scikit-image</a>.</li><li><strong>Border (resim kenarlığı): </strong>Pek sık rastlanmayan bu öneriyi en sona saklamak istedim. Resim kenarlığı OCR için olumsuz bir öge. Çünkü binarize işleminin ardından oluşacak -muhtemelen kesikli- versiyonu, sıralı karakter dizileri olarak algılanıyor. Örneğin “ABC” metinli ve kenarlık içeren bir resmin çıktısının “ABC 12 BC D45” olduğuna şahit olabilirsiniz. Girdi kalitesini arttırmak için kenarlıkları <a href="https://www.mathworks.com/help/images/ref/imcrop.html">crop </a>işlemi ile atmamız gerekir fakat burada atlanan nokta, fazlalık parçalar (kenarlık, ekstra background vb.) atılıp <em>sadece metin</em> bırakılsa bile performansın düşük gelme olasılığının olması. Doküman üzerinde belirtildiğine göre, kenarlıksız bir resim de OCR tarafından düzgün okunmayabilir. Bu durumun önüne geçmek için resmin etrafına küçük, beyaz bir kenarlık eklemek gerekiyor. Detayları “<a href="https://tesseract-ocr.github.io/tessdoc/ImproveQuality.html">bu</a>” linkten okuyabilirsiniz.</li></ul><h4>Sonuç</h4><p>Tesseract-OCR hakkında ön çalışma ve kişisel gözlemlerin bir birleşimi olarak sunulan bu yazıyı kısaca özetleyelim. Öncelikle OCR motoru seçimi, her projenin kendi ihtiyacına özgü olmalıdır. X şirketinde araç parçası hasarını tespit etmek için kullanılan prototip; Y şirketindeki eBook dönüşümü projesindeki gereklilikleri muhtemelen karşılayamaz. Ardından tabii ki her projede güdülen maliyet, performans, iş gücü vb. gibi kaygıları hesaba katmak gerekecektir. Birçok ücretli/ücretsiz yazılım barındıran sektörün <a href="https://tr.wikipedia.org/wiki/Optik_karakter_tan%C4%B1ma">bu dalında</a>, güdülen mali kaygının performans düşüşü ile doğru orantılı olduğuna inanıyorum. Nitekim yine Adrian Rosebrock’ tan alıntılayacağım bu açıklama da bu durumu doğrular nitelikte [4]. Kendisi yüksek accuracy beklentisi içerisindeyseniz -bulut üzerinde çalışmaları ve gelişmiş OCR yaklaşımları kullanmalarından dolayı- aşağıdaki uygulamalardan birisini denemenizi tavsiye ediyor:</p><ul><li><a href="https://cloud.google.com/vision/docs/ocr">Google Vision API OCR Engine</a></li><li><a href="https://docs.aws.amazon.com/rekognition/latest/dg/text-detection.html">Amazon Rekognition</a></li><li><a href="https://azure.microsoft.com/en-us/services/cognitive-services/computer-vision/">Microsoft Cognitive Services</a></li></ul><p>Tesseract-OCR özelinde düşünürsek; Google tarafından desteklenen bir proje olduğundan dolayı güncel kalacağını öngörebiliriz. Bunun yanında açık kaynak oluşu, custom dil eğitimine izin vermesi, trainer araçları desteklemesi ve kolay konfigüre edilmesi avantajları oldukça göze çarpıyor. Eğer bu motor ile ilerlemeye karar verdiysek ve yüksek çözünürlüklü girdilerimiz yoksa; pre-processing işleminin yapılacak işin 70–80%’ ini kapsayacağını hatırlamalı ve başlamadan önce resimlerin kalite arttırıcı ihtiyaçlarını listelemeliyiz. Ardından bu listeye optimize olabilecek araç setimizi seçip, fonksiyonları ve parametrelerini incelemeliyiz. Bu metodu izlersek, karşılaşacağımız zorlukları minimum seviyeye indirerek projemize başlamış oluruz.</p><blockquote>Yazının teması, üzerinde çalıştığımız karakter tanılama projesi esnasında takım arkadaşım <a href="https://medium.com/u/1329ffc9bb8e">Eylül Ertay</a> ile geliştirilmiş olup, kişisel deneyim ve gözlemlerimize dayanmaktadır. Bize kattıkları değerler için <strong>Dr. Ahmet Melih Selçuk</strong>’ a ve <strong>İmran Musavi Topuz</strong>’a sonsuz teşekkürler.</blockquote><h4>Kaynaklar</h4><p>[1] <a href="https://github.com/tesseract-ocr/tesseract"><strong><em>Tesseract repo</em></strong></a><strong><em> </em></strong><em>on Github</em></p><p>[2] <a href="https://ieeexplore.ieee.org/document/4376991"><strong><em>An Overview of the Tesseract OCR Engine</em></strong></a><strong><em>, </em></strong><a href="https://ieeexplore.ieee.org/author/37615898800">Ray Smith</a>, Google Inc., 2007</p><p>[3]<strong> </strong><a href="https://nanonets.com/blog/ocr-with-tesseract/"><strong><em>A comprehensive guide to OCR with Tesseract, OpenCV and Python</em></strong></a><em>, </em><a href="https://nanonets.com/blog/author/filip/">Filip Zelic</a>, <a href="https://nanonets.com/blog/author/anuj/">Anuj Sable</a>, nanosets article</p><p>[4] <a href="https://www.pyimagesearch.com/2018/09/17/opencv-ocr-and-text-recognition-with-tesseract/"><strong><em>OpenCV OCR and text recognition with Tesseract</em></strong></a>, <a href="https://www.pyimagesearch.com/about/">Adrian Rosebrock</a>, pyimagesearch article</p><p>[5] <a href="https://www.researchgate.net/publication/320167029_A_Study_to_Recognize_Printed_Gujarati_Characters_Using_Tesseract_OCR"><strong><em>A Study to Recognize Printed Gujarati Characters Using Tesseract OCR</em></strong></a>, <a href="https://www.researchgate.net/profile/Jatinderkumar-Saini?_sg%5B0%5D=5N97ZNt6hl6mk-1l1S9-kzGTqkyHIhSzlW_fTBJlplcN9Dy0vGHAyDY8hBAkZ8rv8ztlDEQ.P3bYi9KZnGrYRFHOiFzgxbnJGsc4E_wr6d5AsabNysKAA7FLK-hWcldUJeh1J1CY9zalcgw2Jz2mDzzGLSb59A&amp;_sg%5B1%5D=DL3XfqMnFuc79s80b_N04Iy9knhPTtj3ggK8J5pVMhjaBxlekKwGp-4inIIMZhSJBVNKpAc.4ukLv97Njn9Ja6FWzmk0Ce4MNRgp0zU9lHmanmlcoBD522_Wt4LU6sZEXSsZHMFkbmiDnyQtAfYUVtU8jRPJLQ">Jatinderkumar R. Saini</a>, <a href="https://www.researchgate.net/profile/Milind-Audichya?_sg%5B0%5D=5N97ZNt6hl6mk-1l1S9-kzGTqkyHIhSzlW_fTBJlplcN9Dy0vGHAyDY8hBAkZ8rv8ztlDEQ.P3bYi9KZnGrYRFHOiFzgxbnJGsc4E_wr6d5AsabNysKAA7FLK-hWcldUJeh1J1CY9zalcgw2Jz2mDzzGLSb59A&amp;_sg%5B1%5D=DL3XfqMnFuc79s80b_N04Iy9knhPTtj3ggK8J5pVMhjaBxlekKwGp-4inIIMZhSJBVNKpAc.4ukLv97Njn9Ja6FWzmk0Ce4MNRgp0zU9lHmanmlcoBD522_Wt4LU6sZEXSsZHMFkbmiDnyQtAfYUVtU8jRPJLQ">Milind Kumar Audichya</a>, 2017</p><p>[6] <a href="https://tesseract-ocr.github.io/tessdoc/ImproveQuality.html"><strong><em>Improving the quality of the output</em></strong></a>, tessdoc</p><p><strong>Ek olarak:</strong></p><ul><li><a href="https://tesseract-ocr.github.io/tessdoc/FAQ.html">Sıkça Sorulan Sorular</a></li><li><a href="https://docparser.com/blog/improve-ocr-accuracy/">Improve Accuracy 1</a></li><li><a href="https://ai-facets.org/tesseract-ocr-best-practices/">Improve Accuracy 2</a></li><li><a href="https://polen.itu.edu.tr/handle/11527/488">Gerçek Zamanlı Bir Optik Karakter Tanıma Sistemi</a>, ITU, 2005</li><li><a href="https://fuzzylabs.ai/blog/the-battle-of-the-ocr-engines/">Tesseract-OCR vs Google AI Vision API</a></li><li><a href="http://antimatter15.com/ocrad.js/demo.html">Ocrad.js demosu</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=261a592304d6" width="1" height="1" alt=""><hr><p><a href="https://medium.com/analythinx-data-science/optical-character-recognition-optik-karakter-tan%C4%B1ma-tesseract-ocr-engine-part-261a592304d6">Optical Character Recognition (Optik Karakter Tanıma)/ Tesseract-OCR Engine — Part 2</a> was originally published in <a href="https://medium.com/analythinx-data-science">Analythinx / Data Science Branch</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Optical Character Recognition (Optik Karakter Tanıma)/ Tesseract-OCR Engine— Part 1]]></title>
            <link>https://medium.com/analythinx-data-science/optical-character-recognition-optik-karakter-tan%C4%B1ma-tesseract-ocr-engine-part-1-33b1e7ba44d0?source=rss-1ddfa730ef9e------2</link>
            <guid isPermaLink="false">https://medium.com/p/33b1e7ba44d0</guid>
            <category><![CDATA[ocr]]></category>
            <category><![CDATA[tesseract]]></category>
            <category><![CDATA[engine]]></category>
            <dc:creator><![CDATA[A. Ceyda Ölmez]]></dc:creator>
            <pubDate>Tue, 04 May 2021 08:09:06 GMT</pubDate>
            <atom:updated>2021-06-09T17:28:09.978Z</atom:updated>
            <content:encoded><![CDATA[<p>Merhaba, bugün Analythinx Medium yazıları serimizin ilk kısmında Optik Karakter Tanıma dünyasında oldukça popüler olan ‘ Tesseract Karakter Tanıma Motoru (Tesseract-OCR Engine)’ ndan bahsedeceğiz. İnceleyeceğimiz konu başlıkları şu şekilde:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/409/1*SO7x15S4hAAgI7yAZCRE9Q.png" /></figure><h4>OCR</h4><p>OCR, yazılı veya basılı metinleri makine dilinde kullanılabilir hale getiren sistemlere verilen addır. Peki bu sistem ne işe yarar? Bunu bir örnekle açıklayalım: Resim 1&#39; de “hello world” metnini içeren örnek resmi görmektesiniz. Diyelim ki, siz bu metne bilgisayar üzerinde yapacağınız bir işlem doğrultusunda ulaşmak istiyorsunuz. O zaman bir OCR motoru kullanmak işinizi oldukça kolaylaştıracaktır. Resim 2&#39; de ise Python Pytesseract wrapper (ilerleyen paragraflarda bahsedeceğiz) kullanılarak OCR işlemi sonucunda elde edilen çıktıyı görmekteyiz. Artık optik karakter tanıma teknolojisi sayesinde bu resim, bir metin dizisine dönüştü (image-to-text) ve makine öğrenmesi, derin öğrenme, görüntü işleme gibi birçok alanda kullanılabilir hale geldi.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/273/1*77JuqdRGkfHVGUgO5qMZdw.png" /><figcaption>Resim 1. “hello world” metnini içeren resim</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/627/1*_9epnsbqk4Ux7DgbJbNpyw.png" /><figcaption>Resim 2. Pytesseract ile makine dilinde elde edilen çıktı</figcaption></figure><p>Dünya üzerinde OCR kapsamında geliştirilmiş pek çok domain-specific proje görmek mümkün. Bunlardan “Project Gutenberg” ve “Google Books” eBook dönüşümü kapsamında yer alıyor. Yine “Automatic number-plate recognition (ANPR)” otomatik plaka tanıma, “Automatic Meter Reading (AMR)” otomatik sayaç tanıma ve “Traffic-sign recognition (TSR)” trafik işareti tanıma, gündelik hayatta karşımıza çıkan OCR dallarından yalnızca birkaçı. Otomatik plaka tanıma sistemleri, ülkemizde “KGYS” yazılımı aracılığıyla kullanılıyor. TESLA araçlarında ise trafik işareti tanıma sistemleri otonomluk noktasında önemli bir yer taşıyor. Sektörde lider şirketlerin OCR temelli projelere olan ilgisini hesaba katarsak; optik karakter tanımanın geleceği uzunca bir süre parlak kalacak bir alan olduğunu söyleyebiliriz.</p><h4>Tesseract-OCR</h4><p>Piyasada OCR temalı, kendi projenize kolaylıkla adapte edebileceğiniz, açık/kapalı kaynak pek çok motor bulunmakta. Google Vision AI API, AutoML Vision, GNU Ocrad, Attention OCR, SSOCR, MATLAB OCR bunlardan birkaçı. Bu yazıda inceleyeceğimiz optik karakter tanıma motoru ise görüntü işleme oldukça popüler olan açık kaynak kodlu “<a href="https://github.com/tesseract-ocr/tesseract">Tesseract-OCR</a>”. 1985–1994&#39; te, PhD araştırma projesi olarak HP Labs tarafından geliştirilmeye başlanmış olan bu motor, 2005&#39; te kodlarının tamamını açık kaynak haline getirmiş ve 2006 yılında Google tarafından geliştirilmeye başlanmış [1].</p><p>Tesseract’ ın ilk eğitim setine 94 karakterli 4 farklı tipteki (normal, bold, italic, bold italic) 8 fontlu 20 örnek, yani toplamda 60.160 adet sample sağlanmış [2]. Rakiplerinin eğitim setlerinde milyonlara ulaştığını düşünürsek bu sayının cüzi kaldığını söyleyebiliriz. Yine de v4 ile gelen derin öğrenme tabanlı yapıdaki 4500 fontlu 400.000 eğitim dizisi, kullanıcılarına optimisttik bir bakış açısı sunuyor [3].</p><p>Tesseract-OCR ilk zamanlarında oldukça sükse yapmış olsa da, zamanla accuracy bazında rakiplerinin gerisinde kaldığını düşünenler de bulunmakta. Eğer projeniz, Tesseract tarafından az çalışma yapılmış bir alanda ilerlemenizi gerektiriyorsa, bu fikre katılmamak açıkçası pek elde değil. Yine de şu hatırı sayılır artıları mevcut:</p><ul><li>Açık kaynak,</li><li>Windows ve GNU/Linux OS destekli,</li><li>Dokümantasyonu güncel, açıklayıcı,</li><li>Direkt olarak komut satırından ya da API aracılığıyla kullanılabilir.</li><li>“<a href="https://www.geeksforgeeks.org/tesseract-ocr-with-java-with-examples/">Tess4j Java JNA</a>” wrapper ile Java üzerinde kullanılabilir. <a href="https://github.com/tesseract-ocr/tessdoc/blob/master/User-Projects-%E2%80%93-3rdParty.md">Bu linkte GUI geliştirilmiş versiyonlarını ve mobil desteklerini görebilirsiniz.</a></li><li>“pytesseract” wrapper ile Python üzerinde kullanılabilir.</li><li>Domain bazlı projelerde veri seti ve linkteki araçlar kullanılarak sadece projeye özel bir dil yaratılabilir. <a href="http://vietocr.sourceforge.net/training.html">Bu linkte Tesseract için trainer araçlarını görebilirsiniz.</a></li><li>100&#39; ün üzerinde dil hem single (örn. İsveççe) hem multiple (örn. İsveççe + Türkçe) formda işlenebilir. <a href="https://github.com/tesseract-ocr/tessdoc/blob/master/User-Projects-%E2%80%93-3rdParty.md">Bu linkte</a><a href="https://github.com/tesseract-ocr/tessdoc/blob/master/Data-Files-in-different-versions.md"> farklı versiyonlardaki dil desteğini görebilirsiniz.</a></li></ul><p>Fakat deneyimlerimizle tasdiklediğimiz ve forumlarda sıkça rastladığımız şu konuları Tesseract-OCR’ ın zorlukları olarak listeleyebiliriz:</p><ul><li>Düşük kalitedeki fotoğraflarda oldukça düşük performans göstermesi,</li><li>Resimlerde mutlaka ince işçilikli bir ön-işleme gerektirmesi,</li><li>Resimlerde foreground (text kısmı) siyah; background (text hariç her yer) beyaz olursa etkin sonuç vermesi ve bu nedenle resimlerde complement (zıttını alma) işlemi gerektirmesi,</li><li>Spesifik fontları tanımlayamaması (örn. <a href="https://www.dafont.com/seven-segment.font">seven segment font</a> vb.).</li></ul><p>Spesifik font maddesini bir örnekle gösterelim. Resim 3&#39; te Arial fontlu bir rakam dizisi görmektesiniz. Şimdi bu resmi pytesseract kullanarak OCR üzerinde işleyelim.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/459/1*9ZhbFdZ_ylUe5sNIZ4_WQw.png" /><figcaption>Resim 3. Arial fontlu “0123456789” metnini içeren resim</figcaption></figure><p>OCR çıktısına baktığımızda rakam dizisinin tamamının başarılı bir şekilde okunduğunu görüyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/457/1*IIkRnWVZ1Zc-87zs1qWBvw.png" /><figcaption>Resim 4. Pytesseract ile makine dilinde elde edilen çıktı</figcaption></figure><p>Benzer şekilde, Resim 5 içerisinde dijital rakam setini içeren (7-segment font ya da halk arasında bilinen adıyla hesap makinesi fontu :)) resmimizi de OCR üzerinde işleyelim.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/686/1*eUprzHrD19qPogDZ6UvBhw.png" /><figcaption>Resim 5. 7-segment fontlu “0123456789” metnini içeren resim</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/455/1*2KlCrgbO1wLTYHgmGNVIxA.png" /><figcaption>Resim 6. Pytesseract ile makine dilinde elde edilen çıktı</figcaption></figure><p>Görüldüğü üzere OCR, dijital fontlu rakam dizisini tanımada etkin bir performans gösteremedi. Burada bu tip bir fontun önceden eğitilmemiş olmasının yanı sıra bir negatif faktörden daha bahsedebiliriz; o da kesikli harf/rakam durumu. OCR’ ın karakterleri birbirinden ayırt etme metotlarından birisi süreklilik olduğundan (örn. elinizi kaldırmadan çizdiğiniz bir harf süreklidir denilebilir) ve bu rakamlarda bir süreklilikten bahsedemediğimizden (discontinuous), performans düşüşü söz konusu. Peki bu ve buna benzer durumlarda performansı yükseltmek adına neler yapabiliriz? İlerleyen kısımlarda bundan söz edeceğiz.</p><p>Tesseract, klasik metotlarla aşılamayan bu tip problemlerin tamamını yok edemese de; derin öğrenme tabanlı v4&#39; ü geliştirerek onları bir miktar da olsa azaltmayı hedeflemiş. Bu durum tam da Adrian Rosebrock‘ un bir sözünü kanıtlar nitelikte [4]:</p><blockquote>“ <strong><em>It’s important to understand that no OCR system is perfect! </em></strong>”</blockquote><p>Bu yüzden çalışmalarımıza başlamadan önce, sonuçlarda sihirli bir değnek etkisi beklememekte, düşük accuracy sonucu ümidimizi kaybetmemekte ve son olarak OCR performansının sizden bağımsız birçok parametre ile etkilendiğini hatırlamakta fayda var.</p><h4>Mimari</h4><p>Şimdi biraz da Tesseract-OCR mimarisinden ve karakter tanılarken gerçekleşen olaylardan bahsedelim. Resim 7&#39; de Tesseract-OCR’ a ait mimariyi görebilirsiniz [5]:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/477/1*edt-54nhiGhfeSnknvrObA.png" /><figcaption>Resim 7. Tesseract-OCR mimarisi, <a href="https://www.researchgate.net/publication/320167029_A_Study_to_Recognize_Printed_Gujarati_Characters_Using_Tesseract_OCR">kaynak</a></figcaption></figure><p>Diğer OCR mimarilerinde de olduğu gibi akış, bir resim girdisiyle (input image) başlıyor. Tercihen <a href="https://homepages.inf.ed.ac.uk/rbf/HIPR2/gryimage.htm#:~:text=The%20reason%20for%20differentiating%20such,be%20provided%20for%20each%20pixel.&amp;text=In%20addition%2C%20grayscale%20images%20are,%2Dto%2Dprocess%20color%20images.">grayscale </a>ile ön filtrelenmiş bu resimde “<a href="https://www.tutorialspoint.com/opencv/opencv_adaptive_threshold.htm#:~:text=In%20simple%20thresholding%2C%20the%20threshold,threshold%20values%20for%20different%20regions.">adaptive thresholding</a> (uyarlanmış eşikleme)” yöntemi kullanılarak ön hazırlık yapılıyor. İşlemin çıktısı olan <a href="https://en.wikipedia.org/wiki/Binary_image">binary</a> resim, artık OCR sürecinin başlaması için bir girdi haline dönüşüyor. Burada kullandığımız “binary image” kavramı, resimdeki her bir pikselin 0 ya da 1 bitte saklanmasını temsil ediyor. Resim 8&#39; in solunda, grayscale filter kullanılmış girdi resmini; sağında ise uğradığı binarize işleminin çıktısını görmekteyiz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/982/1*Wr9UdQrI0-of36Cp4VH_hA.png" /><figcaption>Resim 8. Input (grayscaled image) -&gt; binarize() -&gt; Output (binary image)</figcaption></figure><p>“Peki neden direkt olarak OCR işlemine RGB resimleri sokmuyoruz?” diye soruyorsak, şu 3 madde cevabımızı içeriyor olabilir:</p><ol><li><strong>Boyut Küçültme:</strong> 3D’ den 1D’ ye inmiş oluyoruz,</li><li><strong>Model karmaşıklığını azaltma:</strong> 10*10*10 yerine 10*10*1 maliyetini hesaplıyoruz,</li><li><strong>Algoritmalara adaptasyon:</strong> Bazı önemli algoritmalar binary resimlerde daha optimize çalışmakta; örneğin “<a href="https://medium.com/operations-management-t%C3%BCrkiye/canny-kenar-tespiti-edge-detection-ca5fd65a8227">Canny Edge Detectection</a>”.</li></ol><blockquote>Grayscale filter, binarize haricindeki resim ön hazırlığı ya da box detection işlemlerine bu yazıda değinmeyeceğiz. Bu önemli konuyu detaylı bir şekilde incelemek isterseniz, <a href="https://medium.com/u/1329ffc9bb8e">Eylül Ertay</a>’ ın yazılarına göz atabilirsiniz.</blockquote><p>Mimarideki akış, thresholding işleminin ardından “Connected Component Analysis” ile devam ediyor. Burada, resim içerisinde gözlemlenen parçaların dış hat (outline) çizimleri yapılıyor. Parçalar, “child”, “grandchild” gibi hiyerarşik kategorilerde konumlandırılıp total sayıları hesaplanıyor. Dış hatların sıklaşıp yoğunlaştığı, iç içe geçtiği her bir görüntüye ise “blob” adı veriliyor. Nihayetinde her “blob” , bir satırı (line) oluşturuyor.</p><p>Ardından “Find line and words” aşamasına gelmiş oluyoruz. Bu kısım, satır içerisindeki kelimelerin, karakterler arasındaki boşluklara göre saptanmasını ve chop (kesim) işlemi uygulanmasını kapsıyor. Chop uygulamasının arkasında segmente/box detection işlemlerinin yattığını söyleyebiliriz.</p><p>Son olarak, 2 fazdan oluşan “Recognize Word” kısmına geçiliyor. Burada tekrarlı bir öğrenimin söz konusu olduğunu söyleyebiliriz. 1. fazda (Pass 1) OCR, alışılmış şekilde kelimeyi classifier (sınıflandırıcı) yoluyla elindeki verilerle karşılaştırıp en iyi tahmini yapmaya çalışıyor. Bunu yaparken confidence (güvenilirlik) seviyesini yüksek bulduğu kelimeleri eğitim setine (training set) geri gönderiyor. Böylece tamamı OCR’ dan geçirilen bir metinde aşağı doğru inildikçe doğru tahmin yapma olasılığımız artıyor. Peki bu durumda, üst kısımda OCR’ dan geçirdiğimiz kelimelerin kötü tahminlere sahip olması olası değil mi? Evet. Bir nevi aşağıdaki kelimeleri kurtarmak için yukarıdakileri feda ediyoruz. Yaşanan bu olumsuzluğun önüne, mimariye 2. faz ile eklenerek geçilmiş. İkinci fazda (Pass 2) metin baştan sonra tarandığında -eğitim setimiz önceki fazda zenginleştiği için- başta eşleştirme sağlayamadığımız kelimeleri, artık tahmin edilebilir hale getirmiş oluyoruz.</p><h4>Seçenekler</h4><p>Kuruluma geçmeden önce, komut satırındaki seçeneklerden (<a href="https://tesseract-ocr.github.io/tessdoc/Command-Line-Usage.html">command line options</a>) bahsedelim. Seçeneklerin OCR işleminde bilinçsiz (genellikle default) şekilde kullanımı, performansı negatif yönde etkileyebiliyor. Örneğin:</p><ul><li>Türkçe cümle algılama temalı bir projede, motorun varsayılan dilinin İngilizce olarak bırakılması,</li><li>Her resimde var olan tek kelimenin algılanacağı bir projede, page segmentation mode’ un single word (8) yerine auto page (3) olması,</li><li>Image to PDF projesinde PDF çıktısı yerine default (text) çıktı elde edilmesi vb. …</li></ul><p>Motora girdi olarak text ya da resim dosyası (<a href="http://www.leptonica.org/">Leptonica </a>tarafından okunabilen formatlarda) verilebiliyor. Çıktı olarak ise pdf, tsv, txt (default), hocr, xml alabiliyoruz. Şimdi, bazı komut satırı seçeneklerini inceleyelim:</p><p><strong>Language (l): </strong>Tesseract 100&#39; ün üzerinde dil ve scripti desteklemekte. Varsayılan parametresi ise “English”. Her bir dil, kendine özgü karakter setini ve sözlüğünü taşıyor. Bu seçenek yardımıyla kelime, karakter tanıma, görüntü aracılığıyla dilden dile eş zamanlı çeviri gibi birçok proje fikri gerçekleştirilebiliyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/208/1*3lf9jqFQcIrK5GTUx7YXxQ.png" /><figcaption>Resim 9. Eş zamanlı bir image to text translation örneği, <a href="https://play.google.com/store/apps/details?id=com.google.android.apps.translate&amp;hl=tr&amp;gl=US">kaynak</a></figcaption></figure><p>Bu seçeneğin güzel yanlarından birisi, dili hem single hem multiple formda destekliyor olması. Örneğin birden fazla dil ile çalışacaksak, aşağıdaki gibi hem Türkçe hem Almanca paketlerini “+” aracılığıyla kullanabiliriz. Önemli bir detay olarak, dillerin sırasının değişmesinin farklı sonuçlar doğurduğunu belirtmekte fayda var. Türkçe metinlerle çalışılmış bir örnek için <a href="https://medium.com/u/25c6fc397c20">İbrahim İrdem</a>’ in <a href="https://medium.com/@ibrahimirdem/tesseract-ile-yaz%C4%B1-karakteri-tan%C4%B1ma-python-8ca5e746951">bu </a>yazısına göz atabilirsiniz. Tesseract’ ın tüm dil paketi listesine ise<a href="https://github.com/tesseract-ocr/tessdata"> buraya </a>tıklayarak ulaşabilirsiniz.</p><p>Örnek kullanım: tesseract sample.png stdout -l tur+deu …</p><p>Language’ ten bahsederken önemsiz gibi görünen fakat kilit rolü olan bir yere daha değinmek istiyorum. Bize kurulumla gelen dil paketi İspanyolca, Arapça, Japonca vb. aklımıza gelip gelebilecek çoğu dili kapsıyor. Fakat kullanımı yaygın olmayan bir dili ya da yaygın olsa bile<strong> fontu </strong>yaygın olmayan bir dili düşünelim. Örneğin aşağıda, İngilizce dilinde yazılmış fakat fontu muhtemelen Tesseract-OCR’ a tanıdık olmayan bir resim görmekteyiz. Bu resmi motora girdi olarak verelim.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/315/1*J19zte05H-dapxTXiyEtVA.png" /><figcaption>Resim 10. İngilizce dilinde “Autography” metnini içeren resim ve aynı adlı font, <a href="https://www.dafont.com/theme.php?cat=603">kaynak</a></figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/410/1*NK6A9TA183qpy2J9lTCuMQ.png" /><figcaption>Resim 11. Resim 10’ un OCR çıktısı</figcaption></figure><p>Görüldüğü üzere seçtiğimiz örnek kısmi şekilde okundu. Birçok font tipinde bu tip kısmi okumalar ya da kaliteli girdilere rağmen boş çıktılar görülebiliyor. Peki, elimizdeki hazır dil paketleriyle böyle tahminler gördüğümüzde ne yapabiliriz? Böyle bir durumda, kısa vadede fotoğraf kalitesinin iyileştirilmesi, uzun vadede ise Tesseract’ a yeni bir dil öğretilmesi en optimize çözüm olacaktır.</p><p>Dil eğitimi konseptinde bilmemiz gereken 2 önemli terim var: <strong>.traineddata</strong> ve <strong>tessdata. </strong>Traineddata dosyaları, eğitilmiş her bir dili temsil ediyor (örn. eng.traineddata). Tessdata ise config ve .traineddata dosyalarının yer aldığı klasör. Bizim de eğiteceğimiz dili işte bu klasör içerisine kaydedip, komut satırında dil parametresi olarak belirtmemiz gerek.</p><p>Yeni bir font, dil oluşturma sürecinde kullanılabilecek birçok “trainer” araç mevcut. Üzerinde çalıştığımız bir projede MATLAB Computer Vision Toolbox içerisindeki OcrTrainer modulünü kullandık ve deneyimlerimiz sonucunda sizlere bu aracın oldukça efektif olduğunu söyleyebiliriz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*rWx_08effTrlS8rU4DJW5A.png" /><figcaption>Resim 12. MATLAB OcrTrainer üzerinde 0–9 rakam dizisi eğitimi</figcaption></figure><blockquote>MATLAB üzerinde yeni bir dilin eğitimi ve OCR üzerinde işlenmesi sürecini detaylıca işleyen bir yazı paylaşabiliriz. Paylaşıldığında linkini bu kısma ekliyor olacağım.</blockquote><p><strong>OCR Engine Mode (oem):</strong> Resim 13’ te gösterilen parametreler ile motorun modlarını deneyimleyebilirsiniz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/359/1*qZOHaw2laDfXr1wxuIpk_A.png" /><figcaption>Resim 13. oem parametreleri</figcaption></figure><p>Örnek kullanım: tesseract sample.png stdout — -oem 3 …</p><p><strong>Page Segmentation Mode (psm): </strong>Ps modu için “Resminizin OCR tarafından nasıl algılanmasını istiyorsunuz?” sorusunun cevabı da denilebilir. Bu kavram, resim içerisindeki metin için “layout” u temsil eder. Resim 14 üzerinde tüm sayfadan tek karaktere kadar tüm modları görebilirsiniz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/586/1*s4a9EYztYwAjnCws8Qr-Ow.png" /><figcaption>Resim 14. psm parametreleri</figcaption></figure><p>Örnek kullanım: tesseract sample.png stdout — -psm 7 …</p><p><strong>Tesseract Config Dosyaları: </strong>Tesseract config dosyaları, “tessdata” klasörünün altında yer almakta. Bu dosyalar boşluk ile ayrılmış, düzenlenebilir parametre-değer çiftlerinden oluşuyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/365/1*lGjCEJRP1Y8KCeb2dIWvBg.png" /><figcaption>Resim 15. Bigram config dosyası parametreleri ve değerleri</figcaption></figure><p>Parametrelerin ayarlanmasıyla motor üzerindeki birçok özelliği aktif ya da pasif hale getirebiliriz. Bunu yaparken hazır dosyalar (örn. digits: sadece rakam tanımaya yönelik config dosyası) kullanabiliriz ya da şu an yapacağımız gibi kendi ihtiyacımıza yönelik config dosyası oluşturabiliriz. Örneğin, tessdata/configs içerisine “turkish_custom_config” adında bir dosya açalım. Bu dosya içerisinde de bir “<a href="https://stackoverflow.com/questions/2363490/limit-characters-tesseract-is-looking-for">tessedit_char_whitelist</a>” parametresi oluşturup değer olarak <em>yalnızca metin içerisinde geçen karakterleri</em> atayalım: “HELOWRD”. Bir de “<a href="https://stackoverflow.com/questions/15199510/blacklist-characters-are-not-ignored-by-tesseract-ocr">tessedit_char_blacklist</a>” parametresi oluşturarak ona da metinde <em>hiç</em> <em>karşılaşılmayan</em> değerleri atayalım: “0123456789ABCEF…” ve kaydedelim. Şimdi custom config dosyasıyla birlikte OCR’ ı çalıştıralım:</p><pre>tesseract sample.png stdout -l tur turkish_custom_config</pre><p>Ayrıca parametreleri (örn. tessedit_char_whitelist), custom bir config dosyası oluşturmadan da komut satırı üzerinde (<strong>-c</strong>) verebiliriz:</p><pre>tesseract sample.png stdout -l tur -c tessedit_char_whitelist=&quot;HELOWRD&quot;</pre><p>Seçeneklerin tamamında önemli olan ortak nokta, sıralama (<strong>order</strong>). Örneğin — l(language)ve — -psm(page segmentation mode)gibi kritik seçeneklerin, bir config dosyası parametresi girdisinden <strong>önce</strong> gelmesi gerekli. Aynı şekilde komut satırındaki sıralama “<strong>tesseract + input (metin ya da resim) + output (stdout ya da sonuç dosyası)</strong>” şeklinde olmalı ve tüm parametreler bu 3 değerden sonra gelmeli. Aksi takdirde read_params_file: Can’t open stdout errorve türevlerini almamız mümkün.</p><p>Bu seçeneklerin dışında --dpi,--tessdata-dir PATH,--user-patterns FILE,--user-words FILE,...gibi birçok seçenek daha bulunmakta. Manual’ ın tamamını incelemek isterseniz <a href="https://github.com/tesseract-ocr/tesseract/blob/master/doc/tesseract.1.asc">buraya </a>tıklayabilirsiniz.</p><p>Tesseract-OCR’ ı anlattığımız seride, birinci kısmın sonuna geldik. Part-2&#39; de ise GNU/Linux ve Windows işletim sistemleri üzerinde kurulum yapıp, performans iyileştirmelerini inceleyeceğiz.</p><p>Görüş ve önerilerinizi <strong><em>analythinx.medium@gmail.com</em></strong> üzerinden bize iletebilirsiniz. Güncel paylaşımlarımızdan anında haberdar olmak için ise <a href="https://medium.com/analythinx-data-science">Data Science</a> ve <a href="https://medium.com/analythinx-data-engineering/about">Data Engineering</a> hesaplarımızı takibe alabilirsiniz.</p><p>Part-2&#39; de yeniden buluşuncaya dek, hoşçakalın… 👋</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=33b1e7ba44d0" width="1" height="1" alt=""><hr><p><a href="https://medium.com/analythinx-data-science/optical-character-recognition-optik-karakter-tan%C4%B1ma-tesseract-ocr-engine-part-1-33b1e7ba44d0">Optical Character Recognition (Optik Karakter Tanıma)/ Tesseract-OCR Engine— Part 1</a> was originally published in <a href="https://medium.com/analythinx-data-science">Analythinx / Data Science Branch</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[DevCon4 Ethereum Geliştiricileri Konferansı: Neler Gördüm, Neler Öğrendim? — Part 2]]></title>
            <link>https://medium.com/unichain-tr/devcon4-ethereum-geli%C5%9Ftiricileri-konferans%C4%B1-neler-g%C3%B6rd%C3%BCm-neler-%C3%B6%C4%9Frendim-part-2-3498e0c564f9?source=rss-1ddfa730ef9e------2</link>
            <guid isPermaLink="false">https://medium.com/p/3498e0c564f9</guid>
            <dc:creator><![CDATA[A. Ceyda Ölmez]]></dc:creator>
            <pubDate>Sun, 04 Nov 2018 09:58:45 GMT</pubDate>
            <atom:updated>2018-11-04T13:00:13.544Z</atom:updated>
            <content:encoded><![CDATA[<h3>DevCon4 Ethereum Geliştiricileri Konferansı: Neler Gördüm, Neler Öğrendim? — Part 2</h3><p>Herkese Merhaba,</p><p>DevCon4 etkinliğinde neler deneyimlediğimi anlattığım yazının ikinci kısmına hoş geldiniz. Son iki gün için genel durumu özetleyerek başlayacak olursak: Sürprizler ve tüm şaşırtıcı gelişmeler aslında en sona saklanmış! Özellikle dördüncü gün için hayallerime yaklaştığım bir anı bana yaşattığını söyleyerek ufak bir ipucu verebilirim sizlere.</p><p>Konferansın üçüncü gününe Bounties Network’ün konuşmasıyla başladık. Bu ağın amacı, insanlara ilgilendikleri konular ya da mesleklerinde örgütlenme sağlayarak hak aramalarına yardımcı olabilmek. Sunumlarında ise en çok dikkat çeken konu, kadın haklarıydı. Başlangıçta kadın çalışanların yaşadığı sorunlar ve erkek çalışanlara göre neden daha düşük gelirler elde ettikleri irdelendi. Ardından farklı etnik kökeni olan çalışanların yaşadığı ırkçılık problemine değinildi. Söyleyebilirim ki bir kadın mühendis adayı olarak bu konuşma beni derinden etkiledi.</p><p>Ardından -büyük ihtimalle içerisinde operaların düzenlendiği- bir salona girdik. Ethereum sembollerinin ışıklandırılmış maketleriyle dolu büyüleyici sahnede anlatılan ana konu, kripto paraların nereden başlayıp nereye gittiğiydi. Dikkatimi çeken nokta, konuşma sırasında bolca özgür yazılıma değinmiş olmaları. Çünkü açık kaynak ve özgür yazılım birbirinden çok da haz etmeyen iki iş arkadaşı gibidirler. Peki “Nasıl bir nokta oldu ki özgür yazılıma değindiler?” derseniz, teknolojide devrim yapmış insanlar olarak Richard Stallman gösterilmiş ve başardıkları takdir edilmişti, ki sonuna kadar katılıyorum.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*VwQ_zbIIrtRJh0FOLgWLXg.jpeg" /><figcaption>Bahsettiğim “Kripto Paraların Geleceği” konuşmasından bir görüntü</figcaption></figure><p>Günün en son sunumu ise UI ile ilgiliydi. Burada sistemlerin daha çok kullanıcı odaklı olması gerektiğinden bahsedildi. İlginç bir detay, çünkü Ethereum üzerinde kullanılan çoğu araç, bazen sıradan bir kullanıcı için bile anlaşılması güç bir hale bürünebiliyor. Kullanımı kolay, temiz bir arayüz tasarlamak daha çok kullanıcıya ulaşmak için oldukça önemli bir kriter. Hyperledger araçlarında bu sorun oldukça minimalize edilmiş durumda fakat aynı durumu Ethereum araçları için söylemek şu aşamada güç maalesef. Konuşma sonunda şirketler, pek çok konuşma bitiminde olduğu gibi tasarım planları için dinleyicilerden öneriler aldı.</p><p>Üçüncü gün, benim için alanımızdaki teknik konulardan daha ziyade blok zincirde sosyal ve ekonomik noktalara değinilen bir noktadaydı. X,Y,Z geliştiricilerin yanı sıra alanında uzman ekonomist ve avukatların da konferansta olduğunu düşünürsek, konferansın çeyrek odağını bu noktaya kaydırmak oldukça farklı bir perspektifti.</p><p>Gün bitiminde binadan ayrıldık. Yemeğimiz ve küçük çaplı bir gezi için Old Town’a gitmeye karar verdik. Kaleye çıktığımızda pembe ve sarıya boyanmış gökyüzüyle akşamüstü manzarası gerçekten büyüleyiciydi. Acıkmanın verdiği telaşeyle, hem yürüyelim hem yiyelim dedik. Çağatay’ ın yoğun ısrarıyla sokak lezzetlerinden “Çek Sucuklu Hot Dog” u ve benim yemelere doyamadığım Çek yerel tatlısı “Trdelnik” i denedik. Tatlı bir yorgunluk ve edinilmiş onca tecrübeyle üçüncü gün de böylelikle sona erdi.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*15-TO9h_Hik-5FSBan2ZVw.jpeg" /><figcaption>Konferans merkezi üzerinden kuş bakışı Prag</figcaption></figure><p>Sakin bir dördüncü güne uyanınca “Ceyda, bugün takip ettiğin uluslararası çapta tanınan insanlarla tanışma fırsatı bulacaksın” deseler inanmazdım ya da inansam bile titremekten iki adım öteye gidemezdim.(ki ikinci söylediğim olay anlarında yaşandı!)</p><p>Neyse efendim, dördüncü güne “Vira!” diyerek başladık. Önceki gün her birimizin farklı alanlara katılmasının daha yararlı olduğunu düşünerek bir plan hazırlamıştık. Bu plana göre ben IOS ve Android üzerinde Ethereum uygulamaları geliştirmek konulu konuşmalara katılacaktım. Sunumlarda bahsedilen kavramları: MIT App Inventor(Kod kısmının sürükle-bırak parçalardan-Stratch’te olduğu gibi-oluşması dikkatimi çeken bir detaydı), KETHEREUM(Kotlin-Ethereum), Qaxh(eklenti), EXODUS 1 HTC(HTC’nin Tayvan yetkilileriyle tanıtım yaptığı, tasarımı oldukça merak uyandıran telefonu), SGX(daha çok Intel bazlı biliniyor) olarak sıralayabilirim.</p><p>Birkaç sunumda ortak olduğunu gözlemlediğim ve üzerinde en farklı fikir beyan edilen konu ise: “Cüzdan güvenliği nasıl sağlanır?” dı. Çözüm olarak şirketler, yakın tarihte güvenlik sorunlarına farklı yaklaşımlar oluşturması için Ethereum ödüllü CTF’ler düzenlemeyi planlıyor. Geliştiricilerden projelerine katkı yapmalarını rica ettiklerini ayrıca söylemek gerekmiyor, çünkü şu ana kadar katılan firmaların tamamına yakını açık kaynak projelerle, geliştiricilere güvenerek katılmış. Buna ek olarak, konuşmacılar ilerleyen yıllarda işlem gerçekleştirme ve güvenliğin CPU’larda aynı anda sağlanacağından söz ediyorlar.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*sq8ZqRSe2SjKdH3i1H0gdw.jpeg" /><figcaption>Kethereum(Kotlin+Ethereum) sunumundan bir kare</figcaption></figure><p>Öğle arasında güzelce karnımızı doyurduktan sonra sunumlara geçmeye hazırlanıyorduk ki kimi gördüm!?? Brian Behlendorf, karşımda birisiyle sohbet ediyordu. Tanımayanlar için kendisi Hyperledger projesinin Executive Director’ü, Apache Group’un kurucu üyesi, Mozilla Foundation’ın yönetim kurulunda. MIT 35 yaş altı teknoloji alanında en iyi yenilikçiler listesinde bulunmuş bir isim. Özellikle Hyperledger ve EEA güçlerini bu sene içinde birleştirdikten sonra konuyla ilgili insanları görme ihtimalim artmıştı. Hatta Hyperledger’ın bir stant açabileceğini bile düşünmüştüm. İkinci tahminim gerçekleşmese de ilki bile oldukça değerli benim için. O ana geri dönersek, tam anlamıyla dondum kaldım. Nasıl konuşurum, ne konuşurum ki diye düşünürken Çağatay ve Deniz’in “Hadi Yaparsın!!!” desteğiyle gittim kendisinin yanına. Projelerimizi Hyperledger üzerinde yaptığımızdan, platformu uzun zamandır takip ettiğimden bahsettim. “Projenin İstanbul ayağının olması güzel olur” şeklinde bir cümle kurdu kendisi, ardından kartvizit sordu. Tahmin edin o anda ne eksikti???? Tu-tuş-tum! Kem küm ederken kendisi verdi kartvizitini… Arkadan ilahi sesler duymaya başladım, adamın yüzü aydınlandıkça aydınlandı, ışıktan haleler oluştu…Teşekkür ederek kutsal sorumu sordum: “Fotoğraf çekilebilir miyiz?” Kendisinin tepkisi: “Ya, benimle mi, tabi ki!” oldu. Gerçekten adam arkamdan bütün deliler beni buluyor demiş olabilir. Haklı da. O güzel ana(!) ulaşmak isterseniz, Twitter hesabımda bulabilirsiniz.</p><p>Şoku zar zor atlattıktan sonra sunumlara girdik. İlki kripto para piyasasının islami ekonomiyle olan çetrefilli ilişkisi üzerineydi. Sunumda mining işleminin kumara benzetilmesi, şansa bağlı ve üzerinde emek harcanmamış olduğu için kripto para kullanmanın riskli olduğu gibi manevi konulara da değinen bakış açıları hakimdi. Buna rağmen sunum boyunca dikkatimi çeken nokta: Din tarafından bize doğru ya da etik olarak öğretilmiş değerlerin salondaki hiç kimse tarafından anormal karşılanmamasıydı. Bu da etkinliği oluşturan kitlenin tolerans sınırının ne kadar geniş olduğunu kanıtlıyor. Bu duruma artı bir örnek verecek olursam: Etkinliğin başlangıcından itibaren homofobiye karşı dik duran, eşcinsel insanlara destek veren, LGBT taraflı yaklaşımlar hakimdi. Pek çok insan kimliğini açıkça ortaya koymaktan çekinmiyor ve haklı şekilde bunun gururunu yaşıyordu. Keşke bu durum ülkemizde de böyle olsa, birbirimizi insan olduğumuz için sevsek ne güzel olurdu demeden edemiyorum…</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*HAEiuGUmxeBnnRSJGL-9Ng.jpeg" /><figcaption>Hoşgörünün harmanlandığı konuşmadan bir görüntü</figcaption></figure><p>Ardından gelen sunumun konuşmacısı, Prof. Emin Gün Sirer’di. Türkiye’de blok zincir ile içli dışlı olan aşağı yukarı her insanın kulağına bu ismin çalındığını düşünüyorum, ki çalınması da “gerekli”. Kendisi sunumda, neden PoW’un, PoS’un ya da Hyperledger’ın kullandığı konsensüs protokollerinin uzun süreli olamayacağını, oldukça açıklayıcı ve dikkat çekici verilerle anlattı. 4 gün boyunca her bir slaytının fotoğrafı çekilen başka bir sunum görmemiştim. Sonrasında ise AVA coin’den ve Avalanche konsensüs protokolünün işleyişinden bahsetti. Konunun teknik detayları için White Paper’ı okuyabilirsiniz. Sunumdan sonra salonda konuşulan bir konu dikkatimi çekti. Bir grup, sunumda aslında “temel” sorunlara değinilmediğinden, niye konsensüs konuşulduğundan dem vuruyordu. Temel sorunlar, temel sorunlar nedir bu temel sorunlar?</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*UZYxWqvBbhSo1cKppcBTow.jpeg" /><figcaption>Bayrakları Astığımız Anlardan Birisi</figcaption></figure><p>Konsensüs protokollerini araştırma sürecine başladığımdan bu yana çok ilginç tepkiler alıyorum. En çok hoşuma gidenlerse: “Bizim projeye özgün bi konsensüs protokolü yazsana!” ya da “PoW, PoS değil mi ya işte bu?”…Gelecekte konsensüs protokolü yerine “Koordinasyon Çekirdeği” adı verilmesi gerektiği düşünülüyor ve biz hala neleri tartışıyoruz. Önemsiz(!) olarak gördüğümüz bazı konuların farkına varmamız gerektiğini düşünüyorum. Temeli oldukça karmaşık ve herkesin anlaması mümkün olmayan, matematiksel ispatlara dayanan problemlere çözümler gökten inmiyor.</p><p>Nerede kalmıştık? Sunumunun ardından biraz bekledikten sonra Mesut ile birlikte Emin hocamızla tanışma şansı elde ettik. Sonuçta alanında bu kadar yetkin bir insanı aklı başında kimse kolayca bırakmazdı. Yeri gelmişken onca insan arasında bize de vakit ayırdığı için kendisine sonsuz teşekkür ederiz. Unichain olarak AVA’ nın yakın takipçisi olacağız.</p><p>Böylelikle bugün de sona ermiş oldu ve DevCon4&#39; u tamamladık. Geride çok güzel anılar, bilgiler, insanlar bırakarak yaşamlarımıza geri dönüyoruz. Şu an bu yazının ikinci kısmını yazarken Çağatay, Deniz ve Mesut uçakta, ben de trenle Ostrava’ ya gidiyorum. Bir sonraki sene için DevCon5 kesinlikle gidilecekler listemde olacak. Okuduğunuz için teşekkür ederim, eğer bu alanda ilgiliyseniz lütfen yazın,konuşalım,tartışalım. Sevgilerle!</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*I1qBmFSCBR8Z3CdSfYjrjg.jpeg" /><figcaption>DevCon4 Yoldaşlarım, teşekkürler Çağatay!!!</figcaption></figure><p>~Blokzincirli Günler~</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=3498e0c564f9" width="1" height="1" alt=""><hr><p><a href="https://medium.com/unichain-tr/devcon4-ethereum-geli%C5%9Ftiricileri-konferans%C4%B1-neler-g%C3%B6rd%C3%BCm-neler-%C3%B6%C4%9Frendim-part-2-3498e0c564f9">DevCon4 Ethereum Geliştiricileri Konferansı: Neler Gördüm, Neler Öğrendim? — Part 2</a> was originally published in <a href="https://medium.com/unichain-tr">UniChain</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[DevCon4 Ethereum Geliştiricileri Konferansı: Neler Gördüm, Neler Öğrendim? — Part 1]]></title>
            <link>https://medium.com/unichain-tr/devcon4-ethereum-geli%C5%9Ftiricileri-konferans%C4%B1-neler-g%C3%B6rd%C3%BCm-neler-%C3%B6%C4%9Frendim-part-1-f5aa5f38e255?source=rss-1ddfa730ef9e------2</link>
            <guid isPermaLink="false">https://medium.com/p/f5aa5f38e255</guid>
            <dc:creator><![CDATA[A. Ceyda Ölmez]]></dc:creator>
            <pubDate>Wed, 31 Oct 2018 22:56:31 GMT</pubDate>
            <atom:updated>2018-11-01T07:04:25.900Z</atom:updated>
            <content:encoded><![CDATA[<h3>DevCon4 Ethereum Geliştiricileri Konferansı: Neler Gördüm, Neler Öğrendim? — Part 1</h3><p>Herkese Merhaba,</p><p>Ben Ceyda. UniChainTR ve beraberindeki sponsorlar desteğiyle bu sene DevCon4 2018 Ethereum Geliştiricileri Konferansı’na üç arkadaşımla(Mesut Gülecen, Deniz Özgür, Çağatay Çalı) birlikte katıldık. Bunun öncesinde maceramız, onlarca kişi arasından sıyrılmak için girdiğimiz videolu ön eleme ve canlı görüşmeyle başladı. Aslında şimdi geriye dönüp baktığımda, ilk kez bir kitleye karşı en büyük hayalimin IBM’de çalışmak olduğunu açıkladığım andı bu. İşte size samimi bir itiraf.</p><p>Ardından araya çoğunluğunu yaz tatilinin oluşturduğu bir aralık girdi. Bu aralık boyu Udemy üzerinden aldığım eğitimlerle kendimi konferansa hazırlamaya çalıştım. Ne kadar mümkün oldu derseniz, 3 eğitimden 2&#39;sini tamamladım ve hepsi oldukça yararlı eğitimlerdi. Biri üzerinde hala çalışıyorum. İncelemek isteyenler için linkleri aşağıya koyacağım.</p><p>Ethereum ve Hyperledger’ı bir kefeye koyarsak, bana daha yakın olan platform -DevCon’a gelmeden önce- Hyperledger’dı. Şimdi? Şimdi kendime ikisi üzerinde de %50 gelişme hakkı tanıyorum. Aslında bu yazı kısmen neden Ethereum’a güvenimin arttığı ile alakalı. Bunun dışında bu yazıda neler görebilirsiniz: Ulusal ve global organizasyonlar arasındaki farklara ilişkin gözlemlerim, gelecekte Ethereum’u neler beklediği, sunumlarda en çok değinilen konular ve içerikleri, Ethereum geliştiricileri neler yapar, nasıl insanlardır; daha doğrusu bazısı gerçekten “insan” mı? -Şaka bir yana tanık olduğum şeylerden sonra bazı insanlar hakkında şüphelerimi çürütemiyorum- sponsor şirketlerin proje içerikleri, konferansa gelen kitle hakkında izlenimlerim ve genel bir başlık altına toplanmayan ama aktarmaya çalışacağım fazlaca düşünce…</p><p>Bu sene Çek Cumhuriyetinde gerçekleşen konferans, pek çok insana Ethereum dışında Prag açısından da heyecan vermişti. Benim açımdan durum biraz farklı. Çünkü şu anda eş zamanlı olarak Ostrava’da öğrenim görmekteyim. Geçici memleketim, Prag’a yalnızca üç saatlik tren yolculuğu mesafesinde. Fakat gelin görün ki yol boyu yaşayamadığım o tatlı heyecanın yaklaşık on katını, tren istasyonunda cep telefonumu çaldırdığımda yaşadım(!).Durumu sorarsanız telefon hala kayıplarda fakat şunu da eklemeliyim ki: Böyle durumlar insana maddi bir varlığı kaybetmenin önemsizliğini hatırlatırken hayatın içerisinde yaşamaya ve şükretmeye değer ne kadar çok an barındırdığını vurguluyor. Şimdi, iç dünyamızdan çıkmaya hazırsak ilk gün neler yaşadık, neler gördük bunları tartışabiliriz.</p><p>30 Ekim Salı sabahına, Prag sokaklarında konferans merkezini bulmak için koşuşturan Türkler olarak uyandık. Vardığımızdaysa oldukça yüksek kapasitesi olduğunu düşündüğümüz merkezin önünde kuyruk oluşmuştu bile. Alfabetik olarak ayarlanmış sıraya girdikten sonra kimlik kartlarımıza kavuştuk. Aşağıda o anı görebilirsiniz:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*p7e0jXdz3jZZlPamIo8juQ.jpeg" /><figcaption>bir Deniz Özgür ve Mesut Gülecen ortak çalışması</figcaption></figure><p>Öğleye kadar devam eden bir kuyruktan sonra bizi ücretsiz sticker’ların dağıtıldığı-ki bunlardan en ilginç olanı Vitalik’in konuşmasındaki kelimelerin çıkartma haline getirilmiş versiyonuydu- bir alan karşıladı. Bilen bilir; sticker bir sevdadır, anlatılmaz yaşanır! Bu alanı atladığımızda biz de, diğer insanlar da artık etkinliklere katılmaya hazırdık. Katılımcıların binada salonlara hızlıca yetişebilmesi adına bir uygulama kullanılması tavsiye ediliyordu: Guidebook. Eş zamanlı olarak farklı salonlarda farklı etkinlikler olduğu için içerikleri inceleyip hangisine öncelik vermemiz gerektiği konusunda uygulama bize oldukça yarar sağlıyor.</p><p>İlk gün sunumlarının maddelerini genel olarak Ethereum Mist, ENS, EthereumJS, Yul, RICO, SWARM ve Vyper olarak özetleyebiliriz. Samimi itiraflar 2: Bu kavramların çoğunu önceden duymamıştım fakat öğrenmek için hala geç değil. Yul, Ethereum destekli güncel bir dil ve EthereumJS, merkeziyetçi bir yaklaşımı olan JavaScript’i dağıtık bir sisteme dönüştürmek adına uğraş veriyor. Konunun teknik detaylarına Çağatay kadar hakim olamasam da bu süreçte ondan da öğrendiğim çok şey oldu. Sanırım bu da birkaç kişi olarak gelmemizin artı yönüydü. Bunun yanı sıra, konuşmalar en az 10 en çok 45 dakika civarındaydı. Böylece sıkılmadan, dikkat dağınıklığı yaşamadan sunumları dinleyebildik.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/750/1*UApuLr-nVuGWownV97nSVA.jpeg" /><figcaption>içerisinde dünyanın her tarafından ve her yaştan insanı barındıran bir fotoğraf</figcaption></figure><p>Belirtilecek diğer hususlar olarak şunları söyleyebilirim: Sorusu olan insanlar için görevlendirilmiş “Ask Me!” tişörtlerini taşıyan arkadaşlar, etkinlik boyu koşuşturup durdular. Katılımcılara yardımcı olmak anlayışının dibine vuran bu yaklaşım, oldukça etkileyiciydi. Peki dördümüzün gözlerinden kalpler çıkartan en önemli konu ne miydi? Dünyanın en köklü mutfaklarından birine sahip bir milletin çocukları olarak tabi ki de — Yemek! — “Oraya kadar gittin ve bize bunu mu anlatıyorsun?!” dediğinizi duyar gibiyim ama sabah, öğle,akşamüstü günün her saatine göre menüsü değişen, kimsenin size ne kadar da yedin gözüyle bakmadığı, vegan ve glutensize varana kadar çeşitlerin sunulduğu bir açık büfe hayal edin, şimdi anlaştık.</p><p>İlk gün kayıt olma, sunumlara yetişme ve ortama adapte olma süreciyle geçti. Gördüğümüz ve size sunmaya değer gördüğümüz her detayı kaydetmeye çalıştık. Mesut bu süreçte video ve fotoğraflarımızla ilgilenirken Çağatay teknik konular ve sunum içeriklerinde bizi yönlendirdi. Deniz süper akıcı İngilizcesi ile şirketlerle olan konuşmalarımızda aranan ismimiz oldu. Ben de en çaylak olarak elimden geldiğince onlardan bilgi edinmeye çalıştım.</p><p>Etkinlik sonrası, akşam küçük bir Old Town turu ve akşam yemeğinden sonra minik hostelimize dönüş yaptık. Hostel tıpkı etkinlik gibi her milletten insanı barındırıyor, zaten gördüğüm kadarıyla çoğu DevCon4 için gelmiş(Bu durumu insanların çalıştıkları şirketleri temsil için giydiği düz renk üzerine logo baskılı tişörtlerden anlamak oldukça olası).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Dql1JbOpL6wSsxxqIzjOJQ.jpeg" /><figcaption>Unichain polarlarımızla, logo baskılı tişört modasına ayak uydurduk</figcaption></figure><p>31 Ekim Çarşamba, ikinci gündeyiz. Artık konferans merkezine ve çevremize ayak uydurmuş bireyler olarak hayatımıza devam ediyoruz. Gitmeden önce, bize daha çok artı kazandıracağını düşündüğümüz etkinlikleri konuşup kararlaştırdık. Çağatay Python ile akıllı sözleşme yazılan bir workshop’a katılırken kalanımız da sunumlara katıldı.</p><p>Sanırım en çok “Prism” kodlu salonda konuşma dinledik. Peki ikinci günde Prism’de neler mi konuşuldu? Akıllı Sözleşmelerin hukuki boyutu ve avukatlık mesleğinin blok zincirde şekillenen geleceği, “Satoshi Has No Clothes!” gibi dikkat çekici bir başlıkla blok zincirde gizlilik problemlerine acı bir bakış açısı(Flashlight Attacks, Taint Tree, Dust Attack), Solidity ekibinin durum ve güncellemelerini paylaştığı konuşma(bu tür konuşmalara verilen adlar genellikle “Updates from ….. Team” oluyor. Başlangıçta anlayamasak da takımların her sene ne kadar yol gittiklerini anlatmaları aşırı mantıklı), Web3, Eth.Virtual Machine, SpankChain, Connext, Electron-TAU(Bu konuşmada dikkat çekici detay, şirketin eski sisteminin açıklarının tüm detaylarıyla anlatılmasıydı. Buradan da yeni sistemde neleri düzelttiklerine değindiler), V8 ve daha fazlası…</p><p>İkinci günde en etkilendiğim konuşma kesinlikle SpankCard’ın hikayesiydi. Sadece iki dakika için düşürdükleri güvenlik seviyesi sonucu hacklenmeleri ve kendilerini hackleyen kişiyle yaptıkları 40.000$ değerindeki fidye sonucu tüm akıllı sözleşmeleri silip içlerindeki açıkları kapatarak baştan yazmaları…Ama daha da önemlisi şirketin bu durumu gurur duyarak anlatması?! Bir şirketin en zayıf noktasını bu denli samimiyetle anlattığına şahit olmak ilginç bir deneyimdi. Konuşma,“Başarısızlık” kavramıyla ilgili beynimin bir köşesinde bir ampul yaktı.</p><p>Bir diğer kritik nokta: Emin Gün Sirer, ülkemizin yetiştirdiği bilgisayar bilimi konusunda değerli bir isimdir. DevCon4 ikinci gün sunumlarının birinde kendisinin hazırlamış olduğu araştırma verileri paylaşıldı. Sanırım o anki duygularımı sadece “As bayrakları as!” cümlesi özetleyebilir.</p><p>Sunum çıkışı bir köşede kahvemizi içerken kafamı kaldırdığımda Vitalik Buterin’i on adım çaprazımızda yalnız halde görmemiz oldukça sürreal bir tabloydu. Heyecanla Deniz’e seslendiğim saniyeler hala aklımda. Aslında tanınan birisini görünce yaşanan anlamsız gerilime karşıyım ama itiraf 3:Gerçekten elim ayağım titredi. Bu noktada ikinci gün amansızca artan güvenlik görevlilerinin sayısı da açıklığa kavuşmuş oldu.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*591XUwX5d-V0vR_otAsd8Q.jpeg" /><figcaption>Teknolojilerin GitHub üzerinde contributor paylarını gösteren grafikler ve benim mükemmel çekimim(!)</figcaption></figure><p>Şu anda büyükçe bir masa etrafında sizlere bu yazıyı hazırlarken etkinlik boyunca rastladığım her ulustan yüzlerle kendi çapımızda durum değerlendirmesi yapıyoruz ve düşünüyorum da, bu yaşta edinme şansı bulduğum tüm tecrübeler için çevremdeki insanlara ve çalıştığım ekiplere minnettarım. UniChain ve MSKU-BCRG’ deki tüm yetkililere ve çalışma arkadaşlarıma sevgilerimi göndererek yazımı bitiriyorum. Part-2 de görüşmek dileğiyle!</p><p>~Blokzincirli Günler~</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=f5aa5f38e255" width="1" height="1" alt=""><hr><p><a href="https://medium.com/unichain-tr/devcon4-ethereum-geli%C5%9Ftiricileri-konferans%C4%B1-neler-g%C3%B6rd%C3%BCm-neler-%C3%B6%C4%9Frendim-part-1-f5aa5f38e255">DevCon4 Ethereum Geliştiricileri Konferansı: Neler Gördüm, Neler Öğrendim? — Part 1</a> was originally published in <a href="https://medium.com/unichain-tr">UniChain</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Blok Zincirde Farklı Bir Perspektif: Hyperledger]]></title>
            <link>https://medium.com/unichain-tr/hyperledger-fabric-ve-hyperledger-composer-4fe95ce91d18?source=rss-1ddfa730ef9e------2</link>
            <guid isPermaLink="false">https://medium.com/p/4fe95ce91d18</guid>
            <category><![CDATA[hyperledger-fabric]]></category>
            <category><![CDATA[technology]]></category>
            <category><![CDATA[composer]]></category>
            <category><![CDATA[hyperledger]]></category>
            <dc:creator><![CDATA[A. Ceyda Ölmez]]></dc:creator>
            <pubDate>Mon, 06 Aug 2018 08:57:13 GMT</pubDate>
            <atom:updated>2021-06-11T20:19:58.088Z</atom:updated>
            <content:encoded><![CDATA[<p>Günümüz blok zincir dünyasında Ethereum kadar popüler bir akım içinde bulunmasa da geliştiriciler için keşfedilmeyi bekleyen ve arkasına açık kaynağın gücünü alarak ilerleyen bir platform var: <strong>Hyperledger</strong>.</p><p>Aralık 2015&#39; te Linux Foundation desteğiyle blok zincir dünyasına giriş yapan Hyperledger, sektördeki diğer rakiplerinden farklı olarak kurumlara ve iş ağlarına dağıtık sistemler alt yapısı kurmak istediğini belirterek girdi [1]. Bunun sonucunda değişen ihtiyaçlara adapte olabilmesi için farklı nitelikte sistem ve araçlar geliştirildi. Sistemler <strong>Burrow, Indy, Fabric, Iroha ve Sawtooth ; </strong>araçlar ise <strong>Caliper, Cello, Composer, Explorer, Quilt </strong>olarak belirlenmiştir.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*UVFTJQLaU7kfIVmroKjh7Q.png" /><figcaption>Hyperledger Frameworks and Tools</figcaption></figure><p><em>Not: Bu yazıda sizlerle </em><strong><em>sadece Hyperledger Fabric, Composer</em></strong><em> ile ilgili yorumlarımı paylaşacağım. Diğer sistem ve araçlarla ilgili daha fazla bilgi edinmek isterseniz, yazının sonundaki linklere bakabilirsiniz.</em></p><p>Peki bu sistemlerden Fabric nedir ve neyi amaçlar? Hyperledger Fabric IBM’ in ev sahipliği yaptığı ilk hackathon sonucu geliştirilmiş, <strong>blok zincir tabanıyla çözülebilecek sorunlara modüler yaklaşım sağlayan</strong> bir sistemdir. Sistemin türü DLT(Distributed Ledger Technologies) olarak tanımlanmıştır. En uyumlu olduğu araç Composer olarak görülmektedir [2].</p><p>Composer ise sahip olduğu işletim prensipleri <strong>Playground </strong>ve <strong>Embedded Composer </strong>ile kullanıcıya iki farklı seçenek sunar. Playground, kullanıcının “browser local storage” adı verilen tarayıcısında lokal olarak çalışarak sistemi özgürce deneyebileceği yere verilen addır. Bu sistemin eksisi kullanılan sanal makine ya da ana makinenin hafızasının bilgisayar kapatıldığı anda sıfırlanıyor oluşudur. Bir diğer deyişle yaptığınız değişiklikler kaydedilmez. Embedded yani gömülü Composer’ da ise sistemi aracınız yardımıyla kendi bilgisayarınıza kurarak geliştirme yapabilirsiniz.</p><p>Sistem Fabric ve Composer kurulu olduğu andan itibaren size iki farklı yardımcı daha sunar. Bunları <strong>Composer-Rest-Server </strong>ve <strong>Angular-App</strong> olarak sıralayabiliriz. Sıra oluşunun sebebi kurulum prensibinin genel olarak takip edilen adımlar şeklinde ilerlemesidir. Sistem tam kurulum gerçekleşinceye kadar kullanıcıyı ön koşullar ekleyerek kısıtlamaktadır. Hyperledger Fabric ve Composer kurulumu <strong>sanılanın aksine tek tuşla ya da birkaç parçadan oluşan bir script ile çalışmamaktadır. </strong>Kurulum detayları için <a href="https://github.com/MSKU-BcRG">şu</a> repoyu inceleyebilirsiniz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Y44tHpdYN3Sm4fbfefIvcw.png" /><figcaption>Composer Rest Server Arayüzü</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ymIUTS67zA3gTWqLC2UtqQ.png" /><figcaption>Angular App Arayüzü</figcaption></figure><blockquote><strong>Hyperledger’ a neden bu kadar önem veriyoruz? Kurulumu zor, geliştirme ortamları karışık, çoğu zaman aldığınız hataları arattığınızda çözüm bulamadığımız bu sistem niye bu kadar değerli?</strong></blockquote><p>Bu sorunun cevabını dört maddede toplayabiliriz [3]:</p><h4>Hyperledger Karakteristikleri:</h4><ol><li>İzinli Ağ</li><li>Mahremiyete Saygılı İşlemler</li><li>Kripto Para Barındırmaması</li><li>Programlanabilir oluşu</li></ol><p>Sadece son madde Ethereum platformu ile ortaktır. Programlanabilirlik ortaklığı <strong>akıllı sözleşme</strong> mantığından gelmiş olup Hyperledger’ da kullanılan akıllı sözleşmelere <strong>Chaincode</strong> adı verilmektedir.</p><p>Maddelere kısaca değinecek olursak, ilk maddede izinli ağ kavramı <strong>kimin neye erişebileceğini ve erişimle neler yapabileceğini</strong> tanımlar. Buna “rol” adı da verilebilir.</p><p>İkinci maddede değinilen mahremiyete saygı blok zincirde <strong>güven(trust) </strong>ile güven de <strong>mutabakat</strong>(<strong>consensus</strong>) protokolleri ile ilişkilidir. Bu noktada Hyperledger’ ın Fabric sistemi için seçtiği <strong>Solo Orderer</strong> konsensüs protokolü olarak gösterilebilir. Genel bazda düşünüldüğünde Hyperledger konsensüs protokollerini birden fazla sistemin karması(<strong>hibrit</strong>) şekilde uygulamaktadır. Bu durum sistemin Bitcoin’ in Proof of Work(Proof of Work) ünden farkını ortaya koymaktadır. Tek bir mutabakata dayanmayan protokollerin <strong>ölçeklendirilebilirlik(scability) sorununa çözüm getirmesi </strong>muhtemeldir [4]. Konsensüs protokolleri için Mart 2018 tarihli <a href="https://docs.google.com/presentation/d/1OQyU8qDlgaevgh1XxAxDO8VZ9Bx-Y3MyxHnypBmHvH4/edit?usp=sharing">bu</a> eke bakabilirsiniz.</p><p>Üçüncü madde olan kripto para barındırmaması sistemin kritik özelliklerinden bir tanesidir. Ancak kripto para yerine kullanılabilecek <strong>token</strong> lar bu noktadaki açığı bir noktaya kadar kapatabilecektir.</p><p><strong>Hyperledger çözümü</strong> olabileceğini düşündüğünüz bir sorununuz varsa kendinizi bu yönde Fabric ve Composer kullanarak geliştirebilirsiniz. Kurulum aşamasını atlatıp, hataları düzelttikten sonra <strong>eğitimden sağlığa, sivil toplum projelerinden enerji dönüşümlerine</strong> her başlıkta geliştirme yapabilirsiniz. Kafanızda oluşabilecek her türlü soru işareti için Hyperledger tarafından çalışanlarından ve gönüllülerden oluşan bir grupla <strong>topluluk hizmeti </strong>sağlamaktadır.</p><p>Sonuç olarak henüz emekleme evresindeki blok zincir çağında, yoğunluğumuzu sadece Ethereum ve Bitcoin’ e yöneltmekten çok gelişen sistemleri de takip edebilmeliyiz. Kripto para piyasasından uzak ve açık kaynak oluşu sayesinde gelişiminde hızla ilerleyebilen bu platform inanıyorum ki gelecekte hayatımızda kullanacağımız pek çok soruna ışık tutacaktır.</p><h4><strong>Referanslar:</strong></h4><p>[1] Hyperledger Whitepaper, 2018</p><p>[2] MSKU BCRG Fabric ve Composer Kurulum Rehberi, 2018, GitHub</p><p>[3] Blockchain Development on Hyperledger Fabric using Composer, Udemy Course, Rajeev Sakhuja, 2018</p><p>[4] Konsensüs Protokolleri, 2018, MSKU BCRG</p><h4>Ek olarak:</h4><ul><li><a href="https://www.hyperledger.org/">https://www.hyperledger.org/</a></li><li><a href="https://github.com/MSKU-BcRG/BCertificateD">https://github.com/MSKU-BcRG/BCertificateD</a></li></ul><p><em>Soru, görüş ve önerileriniz için ayseceydaolmez@gmail.com adresinden bana ulaşabilirsiniz. Hoşçakalın... </em>👋</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=4fe95ce91d18" width="1" height="1" alt=""><hr><p><a href="https://medium.com/unichain-tr/hyperledger-fabric-ve-hyperledger-composer-4fe95ce91d18">Blok Zincirde Farklı Bir Perspektif: Hyperledger</a> was originally published in <a href="https://medium.com/unichain-tr">UniChain</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
    </channel>
</rss>