Elsevier’a ait Journal Finder adlı araçla makalenizi hangi dergiye göndermenizin uygun olduğunu bulabilirsiniz. Neticede doğru dergiye göndermek çalışmanızın kabul ihtimalini arttıracaktır. Ancak bu aracı kullanırken bir sürü ölçüt görürsünüz. Bu ölçütleri burada açıklıyorum. Bu yazıda ayrıca bu dergilerde karşılaşabileceğiniz ve epey uzun hikayeleri olan başka jargonları da ele alacağım. Gold Open Access: Yazarlardan ücret istenilir, … Okumaya devam et Akademik Dergiler’de Sıkça Duyacağınız jargonlar
Bugün dinlediğim bir ses kaydında Tomek adlı hoca bilimsel çalışmaların düşüncelerimizin neredeyse tamamına yakının tekrar eden düşüncelerden oluştuğunu ve bu düşüncelerin genellikle beyinlerimizin hayatta kalmaya programlanmış olmaları nedeniyle negatif obsesyonlar olduğunu söyledi. Negatif düşünceler bizi hayatta tutmaya yardım ediyor. Eğer Afrika’da yaşayıp aslanlardan korkmadan yaşarsak büyük ihtimalle pek de yaşamayacaktık. Beynimiz negatif düşünceler için yapışkan … Okumaya devam et Negatif Düşünceler Hayatta Kalmak içindir Takılmak için Değil !
Google kurucularının yazdığı ‘Google Nasıl Yönetiliyor’ adlı kitabı okudum. Kitap, mutfağından Google’da işlerin nasıl gittiğini anlatıyor. İşte bazı detaylar: İlk prototipi ışık hızında hazırlayın Kitaba göre Google Glass’ın ilk prototipinin hazırlanması 90 dakika sürmüştür. Bu durum günümüzde artık bir iş fikrinin donanımsal üretimi içermesi halinde dahi çok kısa sürede bittiğini gösteriyor. Peki bu kadar hızın … Okumaya devam et Google Nasıl Yönetiliyor
Araştırmalar insan zihninin herhangi bir davranışı yapmaya devam ettikçe zihnin o davranışın bir sonraki tekrarını daha kolay yaptığını ortaya koymuş. Şikayet etmek de buna dahil. Yani durmadan bir şeylere söyleniyorsanız, bir sonraki söylenmeniz daha kolay hale gelir. Beynimizdeki nöronlar tekrarları sever ve tekrar edilen her şeyin yapılması daha hızlı hale gelir. Bunun alışkanlıkara etkisini şu yazımdan … Okumaya devam et Söylenmeyin!
Aşağıdaki yazı YDS puanı 20 küsur puan olan biri tarafından yazılmıştır. Tabii ki bu eski puanım. Son sınavımda 86 aldım. Nasıl aldığımı ben de bilmiyorum. YDS kitabı yerine bol bol okuma ve İngilizce dinleme ile bunlar oldu galiba. YDS’nin dili ölçmediğini söyleyebilirim. Ancak istediğim İngilizce kitabı sözcüksüz veya sözlüğe çok az bakarak okuyan biri olarak … Okumaya devam et İngilizceyi hızlı ve etkili olarak öğrenme yolu
Teknoloji geliştikçe yüzlerce uygulama ile birlikte hayatımıza girdi. Whatsaspp, Facebook, Twitter, Instagram, LinkedIn, Periscope bunlardan sadee bir kaçı. Bu uygulamalarının her birinin bir amacı var. Örneğin eski havadurumu tahmini yapan bir cep telefonu uygulaması (Örnek: AccuWeather) mobil telefonlarımızın küçük veya büyük ancak bakmaktan usanmadığımız ekranından bizlere havanın gelecekteki durumunu söylemek için var. Belki de bir … Okumaya devam et Mindware: Beyniniz bir akıllı telefon uygulaması olsaydı?
Bu sorunun eski cevabı “hayır” idi. Nitekim, akademi bir yazılımı arkasında kuramsal bir geçmiş olan, hipotez sorusu mevcut ve bir soruya çözüm bulan bir konu olarak görmüyordu, kısmen haklıydı da.
Bu durum bir yazılımın ağzıyla kuş tutsa akademik değerinin olmaması anlamına geliyordu. Ancak geçenlerde Elsevier’in sitesinden tesadüfen karşılaştığım yeni bir “kampanya” artık yazılımların da akademik bir değere dönüşmesine olanak veriyor.
Ve şöyle diyor:
Yazılım geliştiriciler, genellikle normal makaleler, kılavuzlar veya kitaplar gibi proxy’lere akademik olarak tanınmakta güçlük çekerler. Yazılımın şu anda sistematik olarak tam ve eşit bir akademik öğe olarak değerlendirilmediğini düşünüyoruz. Yazılımın, bilimsel iletişim ekosisteminin ayrılmaz bir parçası olması gerektiğine inanıyoruz.
Bu “Orginal Software Publications” kampanyası, bu şekilde çalışmaları olan ben de dahil bir çok kişiye umut kapısı oldu. Bu sayede hazırlanan çalışmalar yeniden ele alınabilir, değerlendirilebilir ve iyi şeylere dönüşebilir.
Uluslararası dergilere akademik çalışmanızı yollamak özen ve sabır isteyen bir iştir. Bu konuda akademik mentörlük sitesi olan AuthorAID üzerinden karşılaştığım ve faydalandığım kişi ve kaynaklar ve özellikle şu podcast ile daha önce farklı kaynaklardan derlediğim tecrübelere göre tüm değerli araştırmacılarımız için şöyle bir rehber hazırladım. Umarım faydalı olur:
3- Dergi aramayı bir de manuel olarak gerçekleştir, Google Scholar’da anatar terimini (örneğin: text mining) ara ve çıkan makalelerin dergilerini not et. Bu dergilerle bir önceki adımdaki dergileri mukayese et.
4- Göndereceğin dergiyi seç, ancak ret ihtimaline karşı “etki faktörü” (impact factor) daha düşük bir dergi de seç. Mümkünde 4 veya 5 ilgili dergi adlarını al.
5- İlgili dergi sitesine git ve bu dergide ilgilendiğin anahtar terimle ilgili tüm makaleleri listele: örnek
6- Bu listedeki makalelerden en güncel bir kaçını oku, mümkünse diğerlerine de göz at. Ayrıca çalışmanı göndermeden önce istersen bu makaleleri “export” fonksiyonu ile indir ve çalışmanı daha da zenginleştir.
7- Göndermeye karar verdiğin dergi Elsevier’de ise bu derginin değerlendirme ve yayınlama süreleri de vardır.
Bunun için “View More on Journal Insights” linkini tıkla.
8- Süre konusunda problemin varsa daha hızlı değerlendirme yapan dergilere bakabilirsin.
9- Son dergi listeni yap.
10- Göndereceğin ilk dergide “Guidelines for Authors” ya da benzeri bölümlerdeki materyalleri dikkatle oku, derginin yayın politikasını vs. kontrol et, şartları incele, özellikle ücret istenip istenmediğine bak.
11-Makaleni gönderime hazırla
12- 5. adımdaki dergi sitesinde bulduğun makaleri de dikkate alarak, editöre özenle hazırlanmış bir “cover letter” hazırla, çalışmanın neden o dergide yayınlanması konusunda argümanlarını ortaya koy. O dergide alanındaki eski makalelerden de bahset.
13- Makaleni yükle ve cover letter’ini de ekle veya editöre epostala.
Bu kılavuz dışında şunlarada da bakabilirsiniz.
Erciyes Üniversitesinde bir çalıştay sunumu
Emerald Insihts Türkiye sunumu
Sizin de tecrübeleriniz varsa, paylaşmanızdan ötürü minnetdar olurum.
Sadece Tek Değişkeni Değiştirikten Sonra Dosyaya Yazmak
Yukarıda her write işleminde tüm değişkenleri yeniden yazmamız gerekirdi, ama aşağıdaki gibi liste parametresini yukarıda tanımlayarak tekli parametre güncellemesinden sonra bunu konfigürasyon dosyasına yazdırabiliriz.
Veri analizinde artık sadece çubuk, çizgi ve pasta diyagramla yetinmiyoruz. Heatmap’lar, treemap’lar, sankey diyagramları, network diyagramları gibi bir çok seçenek var. Problem şu ki bu şık diyagramlar her veri tipi ile uyumlu değildir. Çoğu kez analiz yaparken hangi veri tipi ile hangi diyagramın daha açıklayıcı olacağını hatırlamakta güçlük çekebiliriz.
Bu web sayfasında elinizdeki veri setine göre grafiğe bakarak karar verebiliyorusunuz. Grafik bir resim değil interaktif bir uygulama, ilgili grafik tipi hakkında veriler ve örnek veri seti var.
Bu sayfayı R ile harika görselleştirmeler yapabileceğimiz şu sayfada görmüştüm:
Metin madenciliği yapabilmek için elde büyük miktarda verinin olması gereklidir. Bu miktardaki veriyi ancak ya hazır bulmak ya da web scraping adını verdiğimiz yöntemlerle web sayfalarından derlemek durumundayız. Bu durumda ise Python için kullanılacak scrapy, ve python selenium gibi kütüphanelerin yanında R için Rvest ve scrapeR gibi kütüphaneler bulunmaktadır.
R için Rcrawl adlı bir kütüphane daha bulunmaktadır. Bu kütüphaneyi yeni keşfettim. RCrawl kütüphanesinin diğerlerinden temel farkı scraping işleminde sayfa içerisinde scrape edilecek elementlerin yerlerini CSS veya XPath ile belirleme ihtiyacının olmaması. Bu durum sayfa içinde “iğne” arama külfetinden kurtarıyor. Ayrıca çok ama çok daha kısa kod ile scraping yapmayı sağlıyor.
ASlında sadece web sayfasını parametre olarak versek de crawler sayfaları derlemeye ve bir klasöre atmaya başlıyor. Ancak bu kütüphanenin (şu adresteki https://github.com/salimk/Rcrawler ) dokümantasyonunda gördüğüm çok iyi özellikler var. Bunlardan en önemlisi no_cores ve no_conn parametreleri bu parametreler aynı anda birden fazla scraping bağlantısı ile hızı arttırıyor.
Bu crawler epey agresif. Sayfada bulduğu her bağlantıyı açarak o bağlantıyı ve altındaki bağlantıları da alıyor. Bu durum daha sonra baş edilmesi güç miktarda ilgili ilgisiz verinin gelmesine neden olabilir. Bunu engellemek için crawlZoneCSSPat parametresi mevcut, bu parametre saydada sadece ilgili CSS selectorü ile tanımlı yerdeki linkleri (mesela haber linki, yorumlar vs.) açıyor, sayfadaki diğer ilgisiz linklere izin vermiyor.
Kütüphane dokümantasyonunda ayrıca URL parametresi ile filtreleme, proxy ekleme, sadece belli bir url listesini indirme gibi özelliklerin yanında sayfalar arası bağlantıları network grafiği ile gösterme gibi harika özellikler de mevcut.
Normalde Javascript ile işimiz olduğunda ne yapardık? Eski web uygulama geliştiricileri hatırlayacaklardır. Hatta bir çok genç geliştirici de halen eski yöntemleri sürdürmeye devam ediyor. Çünkü çalışıyor. Nedir bu yöntem:
İşte hikaye ondan sonra başlar, kütüphaneler çakışır, karışır, kodları düzenlerken bilerek bilmeyerek silinir (Ertan abi….!)
Ondan sonra insanlar Javascript’e sövmeye başlar ve Javascript ile harika şekilde halledilebilecek işleri bile garibim sunucu tarafına C#’a veya Java’ya yaptırır.
Oysa kurallar değişmiştir. npm denen mucizevi paket yöneticisi icat olmuş, insanlar aya çıkmıştır ama bir çok kişi bunu görmezden gelmektedir. Haksız sayılmazlar, çünkü sinsi sinsi yayılıp yüzbinden fazla paketi artık bünyesinde barındırmaktadır npm.
Visual Studio kullananlar nuget’i, Python kullananlar pip’i, Linux kullananlar apt-get’i bilirler. Komut satırına şunu getir, bunu kur, bunu güncelle deriz. Bu tür araçlar “konsol üzerinden paketlerimizi kurmamıza olanak verir.”
NPM ya da npm.js ise Javascript kütüphanelerinin tamamını barındıran evrensel bir yerdir. Bu kütüphane yardımı ile yukarıdaki gibi eski usülde “srcipt src” satırlarını şiir gibi dizmezsiniz, lazım olanlarını “npm install” komutu yardımı ile indirir, daha sonra browserify adlı araç yardımı ile (elbette bu da bir npm paketidir) hepsini tek bir “bundle.js” dosyasına sıkıştırır ve sayfanızdan sadece tek bir “bundle.js” dosyası çağırırsınız. Tüm paketler güvenle bir arada olur. Her seferinde bu birleştirme işleminini yapmamak için ise watchify adlı paket kullanabilirsiniz. Bu ise sizin ayrı ayrı javascriptlerinizi her kaydedişte otomatik birleştirir.
Haydi Deneyelim
Linux kullanıyorsanız “sudo apt-get install npm” komutu ile windows kullanıyorsanız önce ilgili programı kurun. https://www.npmjs.com/get-npm
Konsolu açın ve npm yazıp enter’a basın. Eğer çalışırsa npm kurulmuştur.
Boş bir klasör açın ve cd komutu ile içine girin
Konsolda bu klasörde iken “npm init” komutunu verin.
Bu komut bu klasörde package.json adlı paket envanterini yaratır. Bu bir nevi kuracağınız her paketin otomatik olarak listeleneceği yerdir.
Şimdi javascript birleştirme aracı browserify’i kurmak için şu komutu verin: npm install -g browserify
Klasöre göz atınca node_modules adlı klasör oluştuğunu görürsünüz bu otomatik inen paketlerdir.
Şimdi ise denemek için hesap makinesi kütüphanesi olan arithmetic adlı kütüphaneyi indirelim. Bunun için ise npm install –save arithmetic komutunu kullanırız. Burada save parametresi paketin adını daha önce oluşturduğumuz package.json dosyasına yazar.
Her şey hazır, şimdi direkt olarak newway.js diye bir dosya oluşturup içerisine aşağıdaki kodları yazalım:
var arithmetic = require('arithmetic');
var x = arithmetic.add(2,4);
console.log("---merhaba---");
console.log(x);
Şimdi ne oluyor diyebilirsiniz? Bu kodları ayrı bir dosyaya yazdık. Bu kodlardaki arithmetic nesnesi için daha önce duymadığımız ‘require’ fonksiyonunu kullandık. Bu yeni Javascript’çenin importu demek.
Şimdi browserify yardımı ile bu javascriptimizi sıkıştıracağız.
Bunun için konsola: browserify newway.js -o bundle.js Normalde bu zorunlu değildir ancak olması faydalıdır. Bu komut sonrasında bundle.js adlı bir dosyamız oluşur.
Şimdi index.html dosyasını açık sadece <script src="bundle.js"> diyerek dosyamızı çağırabiliriz.
Ne Yaptık, Ne Fark Var?
Normalde bu işlem için önce gidip artihmetic kütüphanesini bulup dosyasını indirip daha sonra bu dosyayı “script src” ile html dosyamıza çağıracaktık. Sonra da kendi yazdığımız (içinnde merhaba yazan) newway.js dosyamızı oluşturacaktık, ortada iki js dosyası ve html içinden çağrılan iki js referansı olacaktı. Bu daha fazla js için daha fazla iş demekti.
Yeni yöntemdeki senaryoda ise tek js dosyası mevcut, ayrıca kütüphaneleri indirmek için sitesine gitmek gerekmiyor.
Bu paketlerin içersinde daha önce javascript’e yaptırmadığınız onlarca işlevi barındıran süper paketler var. Örneğin resim işlemeden Json içinden sorgu yapmaya, tarihleri şekillendirmeden (moment.js), yapay zeka ile resim tanıma kütüphanelerine kadar “ücretsiz” yüzbinlerce kütüphane var. Emeğinize değer.
Evet bu yazıyı buraya kadar okumuş pek az kişi olacağını biliyorum, o parmaklar ekrandaki yazıları kaydırırken bir çok fırsat kaçıyor 🙂 Buraya kadar okuduysanız da “ehemm” diyip bu yazıyı unutup eski alışkanlıklarınızla kod yazmaya devam edebilirsiniz. Ama konfor zonda kalmak, ilkelliğe razı olmaktır. Daha sonra javascript çakışmaları yaşadığınızda bu yazıyı hatırlayacaksınız:)
Bazen elinize uzun bir liste gelir ve bu listede her bir kategorik değere sayısal bir değer atamanız icap eder. Mesela data frame (df) nesnemiz şöyle olsun:
interest_level
0 high
1 low
2 medium
3 high
4 low
5 high
6 high
7 low
8 low
9 medium
Bu taloda high 1, medium 2, low 3 olsun şeklinde ID ataması her yazılımcının günlük olarak karşılaşabildiği bir problemdir. Yukarıdaki gibi bir tablo söz konusu olduğunda elle de atama yapılabilir. Ama dün elime 334 satırlık ve bol kolonlu bir tablo geldi ve bunlara ID atamam gerekiyordu. Python ve Panda kütüphanesinin “factorize” fonksiyonunu keşfettim. Bu fonksiyon otomatik atama yapıyor:
