<?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 İsmail Enes Ertaş on Medium]]></title>
        <description><![CDATA[Stories by İsmail Enes Ertaş on Medium]]></description>
        <link>https://medium.com/@ismailenesertas26?source=rss-cc3071294799------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*eT_DqvZ7Ff-rtRu4ekC3ZQ.png</url>
            <title>Stories by İsmail Enes Ertaş on Medium</title>
            <link>https://medium.com/@ismailenesertas26?source=rss-cc3071294799------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Wed, 18 Nov 2026 22:14:07 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@ismailenesertas26/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[KNN Algoritması ile Meme Kanseri Sınıflandırması ]]></title>
            <link>https://medium.com/@ismailenesertas26/knn-algoritmas%C4%B1-ile-meme-kanseri-s%C4%B1n%C4%B1fland%C4%B1rmas%C4%B1-e811cfa22b71?source=rss-cc3071294799------2</link>
            <guid isPermaLink="false">https://medium.com/p/e811cfa22b71</guid>
            <category><![CDATA[yapay-zeka]]></category>
            <category><![CDATA[classification]]></category>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[algorithms]]></category>
            <category><![CDATA[artificial-intelligence]]></category>
            <dc:creator><![CDATA[İsmail Enes Ertaş]]></dc:creator>
            <pubDate>Mon, 13 Apr 2026 15:41:17 GMT</pubDate>
            <atom:updated>2026-04-13T15:41:17.796Z</atom:updated>
            <content:encoded><![CDATA[<p><strong>KNN Algoritması ile Meme Kanseri Sınıflandırması 🤖</strong></p><p>Makine öğrenmesi dünyasında bazı algoritmalar vardır ki, hem güçlüdür hem de mantığını anlamak inanılmaz kolaydır.<br> <strong>KNN (K-Nearest Neighbors)</strong> işte onlardan biri.</p><blockquote><em>Yeni bir veriyi sınıflandırmak için ona en çok benzeyen komşularına bakar</em></blockquote><p>Evet, kulağa basit geliyor ama bu “komşuluk ilişkisi” bazen hayati önem taşıyabilir — örneğin, bir tümörün iyi huylu mu kötü huylu mu olduğunu tahmin ederken.</p><p>Ben de bu fikri <a href="https://github.com/ismailenesertas/KNN-ile-Meme-Kanseri-Siniflandirma-Projesi?utm_source=chatgpt.com"><strong>KNN ile Meme Kanseri Sınıflandırma</strong></a> adlı projemde denedim.<br> Bu yazıda hem algoritmanın mantığını hem de kendi uygulamamı adım adım paylaşacağım. 🚀</p><h3>💡 KNN Nasıl Çalışıyor?</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/505/1*UigYm4kufcpKRMhcihaZ-w.png" /><figcaption><a href="https://nerdnodes2023.medium.com/understanding-k-nearest-neighbor-knn-a-quick-overview-eb244ee53b4e">Algorithm Alchemist — Medium</a></figcaption></figure><p>KNN, basitçe şöyle çalışır:</p><ol><li>Yeni bir veri geldiğinde, onu veri kümesindeki tüm örneklerle karşılaştırır.</li><li><strong>En yakın K komşusunu</strong> bulur (genelde Öklid uzaklığı ile).</li><li>Bu komşular hangi sınıfa aitse, yeni veriyi o sınıfa atar.</li></ol><p>Yani tamamen “çoğunluk kuralı”na dayanır.<br> Tıpkı yeni taşındığınız mahallede “çoğu komşum bisiklete biniyor, ben de bineyim” demek gibi 🚲</p><h3>🧠 Kullanılan Veri Seti</h3><p>Projemde, scikit-learn kütüphanesindeki <strong>Breast Cancer Wisconsin (Diagnostic)</strong> veri setini kullandım.<br> Bu veri setinde:</p><p>🔹 <strong>569</strong> örnek</p><p>🔹 <strong>30</strong> özellik</p><p>🔹 İki sınıf:</p><p>0 → Kötü huylu (malignant)</p><p>1 → İyi huylu (benign)</p><p>Her satır bir tümör örneğini, sütunlar ise hücre yapısı özelliklerini temsil ediyor.</p><h3>🧩 Kod Adımları</h3><p>Aşağıda projenin temel adımlarını görebilirsiniz.<br> (Detaylı kodlar GitHub’da mevcut 👉 <a href="https://github.com/ismailenesertas/KNN-ile-Meme-Kanseri-Siniflandirma-Projesi?utm_source=chatgpt.com">Proje bağlantısı</a>)</p><pre>from sklearn.datasets import load_breast_cancer<br>from sklearn.model_selection import train_test_split<br>from sklearn.preprocessing import StandardScaler<br>from sklearn.neighbors import KNeighborsClassifier<br>from sklearn.metrics import accuracy_score<br>import matplotlib.pyplot as plt</pre><pre># Veri setini yükle<br>data = load_breast_cancer()<br>X, y = data.data, data.target</pre><pre># Ölçeklendirme (çok önemli!)<br>scaler = StandardScaler()<br>X_scaled = scaler.fit_transform(X)</pre><pre># Eğitim ve test ayrımı<br>X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.3, random_state=42)</pre><pre># Farklı K değerleri için doğruluk hesaplama<br>k_values = range(1, 21)<br>accuracies = []</pre><pre>for k in k_values:<br>    knn = KNeighborsClassifier(n_neighbors=k)<br>    knn.fit(X_train, y_train)<br>    y_pred = knn.predict(X_test)<br>    accuracies.append(accuracy_score(y_test, y_pred))</pre><pre># En iyi K değeri<br>best_k = k_values[accuracies.index(max(accuracies))]<br>print(f&quot;En iyi doğruluk oranı: {max(accuracies)*100:.2f}% (K = {best_k})&quot;)</pre><h3>📈 Doğruluk Grafiği</h3><p>Aşağıdaki grafik, K değerine göre modelin doğruluk oranını gösteriyor:</p><pre>plt.figure(figsize=(8,5))<br>plt.plot(k_values, accuracies, marker=&#39;o&#39;)<br>plt.title(&#39;K Değerine Göre KNN Doğruluğu&#39;)<br>plt.xlabel(&#39;K Değeri&#39;)<br>plt.ylabel(&#39;Doğruluk Oranı&#39;)<br>plt.grid(True)<br>plt.show()</pre><p>🔹 <strong>Sonuç:</strong> En yüksek doğruluk oranı yaklaşık <strong>%96.4</strong>, <strong>K = 9</strong> değerinde elde edildi.<br> Bu, modelin iyi huylu ve kötü huylu tümörleri ayırt etmede oldukça başarılı olduğunu gösteriyor.</p><h3>⚙️ Geliştirme Sürecinde Öğrendiklerim</h3><p>🎯 <strong>Özellik ölçeklendirmesi şart.</strong><br> Standartlaştırma yapılmazsa mesafe hesapları yanıltıcı oluyor.</p><p>🔍 <strong>K değeri çok kritik.</strong><br> 1 veya 2 seçtiğinizde model fazla hassas, 15’ten sonra ise fazla genelleştirici oluyor.</p><p>💾 <strong>KNN’in “tembel” yapısı.</strong><br> Verileri ezberliyor ama “öğrenmiyor”. Bu da büyük veri setlerinde işlem süresini uzatabiliyor.</p><h3>🚀 Neden Bu Proje?</h3><p>Bu projeyi seçmemin nedeni basitti:<br> KNN gibi sade bir algoritmanın <strong>gerçek bir sağlık verisi</strong> üzerinde neler yapabileceğini görmek istedim.</p><p>Ayrıca, tıbbi verilerle çalışmak bana sadece teknik bir tecrübe değil, aynı zamanda anlamlı bir farkındalık da kazandırdı.<br> Bir modelin doğru sınıflandırması, bir gün gerçek bir insan hayatını etkileyebilir.</p><h3>🔬 Geleceğe Dair Planlar</h3><p>KNN’in basit yapısı geliştirilmeye oldukça açık.<br> Sonraki adımlarda şunları denemek istiyorum:</p><ul><li><strong>Ağırlıklı KNN (Weighted KNN):</strong> Yakın komşulara daha fazla etki vermek</li><li><strong>Özellik seçimi:</strong> Gereksiz değişkenleri çıkararak modeli hızlandırmak</li><li><strong>Farklı mesafe metrikleri:</strong> Öklid yerine Manhattan veya Minkowski denemek</li><li><strong>Çapraz doğrulama:</strong> Modelin genelleme gücünü artırmak</li></ul><h3>🧾 Sonuç</h3><p>KNN, makine öğrenmesine başlamak için harika bir algoritma.<br> Basit ama etkili, sezgisel ama güçlü.</p><blockquote><em>“Komşularını iyi tanırsan, geleceği daha iyi tahmin edebilirsin.”</em></blockquote><p>Meme kanseri verisi üzerinde yaptığım bu çalışma, hem makine öğrenmesi mantığını oturtmamı sağladı hem de sağlık teknolojilerinde verinin gücünü hissettirdi.</p><p>🔗 <strong>Proje kodları ve detaylar:</strong><br> 👉 <a href="https://github.com/ismailenesertas/KNN-ile-Meme-Kanseri-Siniflandirma-Projesi?utm_source=chatgpt.com">github.com/ismailenesertas/KNN-ile-Meme-Kanseri-Siniflandirma-Projesi</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=e811cfa22b71" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Yapay Zeka Sizi İşinizden Etmeyecek (Ama Onu Kullanan Biri Edebilir): Yeni Nesil İş Arkadaşımızla…]]></title>
            <link>https://medium.com/@ismailenesertas26/yapay-zeka-sizi-i%CC%87%C5%9Finizden-etmeyecek-ama-onu-kullanan-biri-edebilir-yeni-nesil-i%CC%87%C5%9F-arkada%C5%9F%C4%B1m%C4%B1zla-cd1b784a3c2e?source=rss-cc3071294799------2</link>
            <guid isPermaLink="false">https://medium.com/p/cd1b784a3c2e</guid>
            <category><![CDATA[ai-agent]]></category>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[yapay-zeka]]></category>
            <category><![CDATA[prompt-engineering]]></category>
            <category><![CDATA[human-ai-interaction]]></category>
            <dc:creator><![CDATA[İsmail Enes Ertaş]]></dc:creator>
            <pubDate>Mon, 13 Apr 2026 14:33:24 GMT</pubDate>
            <atom:updated>2026-04-13T14:33:24.461Z</atom:updated>
            <content:encoded><![CDATA[<h3>Yapay Zeka Sizi İşinizden Etmeyecek (Ama Onu Kullanan Biri Edebilir): Yeni Nesil İş Arkadaşımızla Tanışın</h3><p>Hepimiz aynı gemideyiz. Bir sabah uyanıyoruz ve yeni bir dil modeli çıkmış; ertesi gün bir başkası videodan gerçeği ayırt edilemez görüntüler yaratıyor. Dürüst olalım, bazen “Neler oluyor?” diye düşünmekten kendimizi alamıyoruz. Hatta itiraf edelim, içten içe bir miktar korkuyoruz.</p><p>Peki, gerçekten korkmalı mıyız? Yoksa bu yeni dönemi, cebimizde her şeyi bilen bir stajyerle gezmek gibi mi düşünmeliyiz?</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/300/1*NmUS4lNx2iKtouPpzWOS5w.png" /></figure><h3>“Sanki Sihirli Bir Değnek…”</h3><p>Yapay zekayı (YZ) çoğu zaman ya dünyayı kurtaracak bir kahraman ya da bizi işsiz bırakacak bir canavar gibi görüyoruz. Oysa YZ, aslında çok gelişmiş bir <strong>ayna</strong>. İnsanlığın bugüne kadar ürettiği tüm bilgiyi, sanatı ve hataları önüne koyduğumuz devasa bir veri havuzu.</p><p>Onu sihirli bir değnek sanmak, en büyük yanılgımız. YZ size harika bir yemek yapamaz ama o yemeğin tarifini saniyeler içinde binbir çeşit varyasyonla önünüze koyabilir. Yani direksiyon hala bizde.</p><h3>Prompt Yazmak mı, Derdini Anlatmak mı?</h3><p>Son zamanlarda “Prompt Engineering” (Bilgi İstemi Mühendisliği) diye bir kavram türedi. Havalı bir isim, kabul ediyorum. Ama aslında işin özü çok daha insani: <strong>İletişim kurmak.</strong></p><p>Yapay zekaya ne istediğinizi net bir şekilde söyleyemiyorsanız, aldığınız sonuçlar da bulanık olur. Bu aslında bir yönetici-asistan ilişkisine çok benziyor. Eğer asistanınıza “Bana bir rapor hazırla” derseniz, muhtemelen istemediğiniz bir şeyle karşılaşırsınız. Ama “Geçen yılın satış verilerini kullanarak, özellikle Ege bölgesindeki düşüşü vurgulayan, 3 sayfalık bir özet hazırla” derseniz, sonuç sizi şaşırtır.</p><blockquote><strong><em>Küçük bir ipucu:</em></strong><em> YZ ile konuşurken ona bir “rol” verin. “Sen bir pazarlama uzmanısın” veya “Sen kıdemli bir yazılımcısın” diyerek söze başlayın. Farkı göreceksiniz.</em></blockquote><h3>YZ’nin Yapamadığı (Ve Belki de Hiç Yapamayacağı) Şeyler</h3><p>Yapay zekanın halüsinasyon gördüğünü biliyor muydunuz? Evet, bazen o kadar emin bir şekilde yalan söylüyor ki, kontrol etmezseniz rezil olabilirsiniz. Çünkü o “gerçeği” bilmiyor; o sadece bir sonraki gelmesi en muhtemel kelimeyi tahmin ediyor.</p><p>Burada devreye biz giriyoruz:</p><ul><li><strong>Eleştirel Düşünce:</strong> Bilginin doğruluğunu teyit etmek.</li><li><strong>Empati:</strong> Bir metnin okuyucuda uyandıracağı duyguyu hissetmek.</li><li><strong>Etik Değerler:</strong> “Bu yaptığımız doğru mu?” sorusunu sormak.</li></ul><p>Bunlar hala bizim tekelimizde. Ve uzun bir süre daha öyle kalacak gibi görünüyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*TpIbbXha-6GrmIUw.png" /><figcaption><a href="https://cobusgreyling.medium.com/eight-prompt-engineering-implementations-fc361fdc87b">Cobus Greyling — Medium</a></figcaption></figure><h3>Sonuç: Korkuyu Meraka Dönüştürmek</h3><p>Yapay zeka alanındaki gelişmeler bir tren gibi üzerimize geliyor. Bu trenin altında kalmak yerine, lokomotife binip rotayı belirleyenlerden biri olmaya ne dersiniz?</p><p>Bugün bir ChatGPT ekranını açıp ona sadece “Bugün ne yapsam?” diye sormak yerine, “Kariyerimde bir sonraki adımı atmak için hangi yeteneklerimi geliştirmeliyim?” diye sormaya başladığınızda, o korkutucu teknoloji sizin en büyük destekçiniz haline gelecek.</p><p><strong>Siz ne düşünüyorsunuz?</strong> YZ sizin işinizi kolaylaştırıyor mu yoksa sadece kafanızı mı karıştırıyor? Yorumlarda buluşalım, bu konuyu beraber deşelim!</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=cd1b784a3c2e" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>