Görevdeş (P2P) Ağlarda Sık Bulunan Öğelerin Belirlenmesine Dağıtık YaklaşımEmrah Çem, Öznur Özkasapolmasıdır. Çünkü, amacımız tek bir eşin değil,her eşin sistemdeki sık öğeleri tespit edebilmesidir.Sık öğeyi tanımlarken de bir eşik değeribelirlenmesi gerekir. Bu eşik değerini T olarakgösterelim. Buna göre sistemdeki sık öğeleri şuşekilde tanımlayabiliriz:F( t)= { d g(d ) T}, i = { 1,2,..., t}i i>Önerdiğimiz yöntemin diğer çalışmalardan enönemli farkı sık öğelerin tanımında öğenin sıklıkdeğerini değil, onun sistem genelindeki ortalamasınıtemel almamızdır. Bunun nedeni iseepidemik yöntemde eşler arası haberleşme belirlibir hiyerarşiye dayanmadığından dolayı, aynıeşler birden fazla haberleşmiş olabilirler. Budurumda her eşin yerel değerlerini toplayarakonların sistem genelindeki sıklık değerini eldeetmemiz mümkün değildir. Bizim önerdiğimizyaklaşımda sık öğeler şu şekilde tanımlanır:F ( t){ d g ( d a ) > ∆}i = { 1,2,..., t}ga ( d ) ==i iig(di) 1=N NN∑j=1v(sjiT∆ =NBurada ek olarak hesaplamamız gereken sistemdekaç tane eş bulunduğunun tahmin edilmesidir.Ancak,bu hesaplama da herhangi biröğenin sistem genelindeki sıklık değerininhesaplanmasıyla paralel olduğu için ayrı birişlem gerektirmeyecektir. Tek yapılması gereken,sistemdeki eşlerden her birine aynı öğedenekleyip o öğenin sıklık değerini tek bir eşhariç sıfıra eşitlemek, tek eşte (başlatıcı eş) ise1 e eşitlemek olacaktır. Böylelikle, bu eklediğimizöğenin sistem genelindeki ortalamasınıhesapladığımızda 1/N değerine yaklaşacağız.Algoritmanın İşleyişiÖnerdiğimiz algoritma belirli periyotlarda eşlerinbirbiri ile haberleşmesine dayanmaktadır.Her bir periyotta, eşler komşuları arasından)142rastgele haberleşeceği eşi seçer ve kendi içeriğinigönderir. Bu içeriği alan eş, gelen her öğeyebakar. Eğer bir öğe kendinde bulunmuyorsa oöğeyi sıklık değerini sıfıra eşitleyip içeriğineekler. Daha sonra öğenin kendisindeki ve öğeyialdığı eşteki değerlerin ortalmasını hesaplayıpkendi içeriğine kaydeder. İçeriğini güncelleyeneş, sadece o periyotta güncellemiş olduğu içeriğigeri gönderir. Her eş bu işlemi gerçekleştirdiktensonra ilk periyot tamamlanmış olur. Sistemgenelinde her öğenin sıklık değeri korunduğuiçin ve de her eşte belli bir periyottan sonra aynıdeğere yakınsayacağı için, bu değer o öğeninortalaması olacaktır. Bu yaklaşımı açıklamakaiçin herhangi bir öğenin her eşteki yerel sıklıkdeğerlerinin ilk durumunu düşünelim. Bu değerlerdenen büyüğü ile en küçüğünün değeri V min,V maxolsun. V minyerel sıklık değerini içeren eşilk periyottan sonra V mindeğerini V minden dahabüyük bir değerle değiştirecektir, çünkü kendisindendaha büyük bir değerle ortalamasını hesaplayıpiçeriğine kaydedecektir. Aynı şekildeV maxdeğeri de her periyotta azalacaktır. Bir öğenineşlerdeki sıklık değerleri V minile V maxarasındaolduğu için ve bu değerler gittikçe birbirineyaklaştığı için, en sonunda tüm eşlerdeki değerlergerçek ortalama değere yakınsayacaktır.Örnek SenaryoAğımızda üç eş olduğunu varsayalım ve herbirinindiğer iki eşle komşu olduğunu varsayalım(tam çizge). Başlangıç içerikleri de şöyleolsun:S 1{(id1, 2),(id2, 7)}S 2{(id1, 4)}S 3{(id1, 4)}Toplam {(id1, <strong>10</strong>), (id2, 7)}Eşlerin başlangıç içerikleriEşik değerinin de 8 olduğunu varsayalım. Algoritmanınsık öğe olarak sadece id1 öğesinidönmesi gerekir.XY : X eşinin içeriğini paylaşmak için Y eşiniseçtiği anlamına gelir.1.PeriyotBaşlatıcı eş: P 1S 1S 2, S 3S 1, S 2S 1olduğunu varsayalım. BudurumdaS 1={(id1, 2),(id2, 7),(id, 1)}S 2={(id1, 4), (id, 0)}S 1S 2sonucundaS 1={(id1, (2+4)/2),(id2, (0+7)/2),(id, 0.5) }S 2={(id1, (2+4)/2),(id2, (0+7)/2),(id, 0.5)}S 3={(id1, 4),(id, 0)}Step1S 1={(id1, 3),(id2, 3.5),(id, 0.5)}S 3S 1sonucundaS 3={(id1, 3.5),(id, 0.25)}S 1={(id1, 3.5),(id2, 3.5),(id, 0.25)}Step2S 2={(id1, 3),(id2, 3.5),(id, 0.5)}S 1={(id1, 3.5),(id2, 3.5),(id, 0.25)}S 2S 1sonucundaS 2={(id1, 3.25),(id2, 3.5),(id, 0.375)}S 1={(id1, 3.25),(id2, 3.5),(id, 0.375)}Step3İlk periyot sonunda eşlerdeki içerik şu şekildeolur:S 1{(id1, 3.25),(id2, 3.5),(id, 0.375)}S 2{(id1, 3.25), (id2, 3.5),(id, 0.375)}S 3{(id1, 3.5), (id, 0.25)}Top {(id1, <strong>10</strong>), (id2, 7), ((id, 1))}Birinci periyot sonunda içeriklerTabloda görüldüğü gibi, öğelerin yerel sıklıkdeğerleri değişmesine rağmen, toplam satırındakiöğelerin sistem genelindeki sıklık değerlerindeherhangi bir değişiklik gözlemlenmemiştir.Bu durum bize yakınsanan değerinin öğelerinortalama değeri olduğunu göstermektedir.Birinci periyot sonunda her bir eşe sık öğelerinlistesini sorduğumuzda aldığımız cevaplar ise<strong>Akademik</strong> Bilişim’<strong>10</strong> - XII. <strong>Akademik</strong> Bilişim Konferansı Bildirileri<strong>10</strong> - <strong>12</strong> Şubat 20<strong>10</strong> Muğla Üniversitesi143şöyle olacaktır:S 1için ∆ =8*0.375=3, F={id1,id2}S 2için ∆ =8*0.375=3, F={id1,id2}S 3için ∆ =8*0.25=2, F={id1}2. PeriyotS 1S 3, S 2S 1, S 3S 2olduğunu varsayalım.Bu durumda, 2. Periyot sonunda eşlerin içeriğişu şekilde olacaktır.S 1{(id1, 3.3<strong>12</strong>5),(id2, 2.625),(id, 0.34375)}S 2{(id1, 3.34375), (id2, 2.1875),(id, 0.328<strong>12</strong>5)}S 3{(id1, 3.34375), (id2, 2.1875),(id, 0.328<strong>12</strong>5)}Top {(id1, <strong>10</strong>), (id2, 7), ((id, 1))}İkinci periyot sonunda içeriklerBirinci periyot sonunda her bir eşe sık öğelerinlistesini sorduğumuzda aldığımız cevaplar iseşöyle olacaktır:S 1için ∆ =8*0.34375=2.75, F={id1}S 2için ∆ =8*0.328<strong>12</strong>5=2.625, F={id1}S 3için ∆ =8*0.328<strong>12</strong>5=2.625, F={id1}Sonuç olarak her bir eş dağıtık yaklaşım ile sistemgenelinde sık bulunan öğenin id1 olduğunakarar verdi. Sistem geneline baktığımız zamansıklık değeri eşik değerinin üstünde olan teköğenin id1 olduğu da görülmektedir.
Görevdeş (P2P) Ağlarda Sık Bulunan Öğelerin Belirlenmesine Dağıtık YaklaşımEmrah Çem, Öznur Özkasap4. SonuçBu çalışmada, görevdeş ağlarda popüler öğelerinbelirlenmesinin öneminden, uygulamaalanlarından ve literatürde bu konudaki önemliçalışmalardan bahsettik. Bu çalışmaların birözetini yapıp, pozitif ve negatif yönlerini belirleyip,birbirleri ile karşılaştırdık. Ayrıca, görevdeşağlarda popüler öğelerin belirlenmesindeepidemik tabanlı dağıtık bir çözüm önerisindebulunduk. Önceki çalışmalardan farklı olarak,bu yaklaşım sık öğelerin belirlenmesinde ortalamafonksiyonunu kullanarak tamamen dağıtıkşekilde ilerlemektedir. Sistem modelininP2P ağ benzetim (PeerSim) ve test (PlanetLab)platformları üzerinde geliştirilmesi, konununenerji verimliliği boyutunun dikkate alınmasıve literatürdeki diğer çözümlerle başarım karşılaştırmasıhedeflenmektedir.5. Kaynaklar[1] Birman, K., “The promise, and limitations,of gossip protocols”, Operating Systems Review,vol. 41, no. 5, pp. 8–13, 2007.[2] Boyd, S. P., Ghosh, A., Prabhakar, B. andShah, D., “Gossip algorithms: design, analysisand applications”, INFOCOM, 2005, pp.1653–1664.[3] Chen, J.-Y., Pandurangan, G. and Xu, D.,“Robust computation of aggregates in wirelesssensor networks: Distributed randomized algorithmsand analysis”, IEEE Trans. ParallelDistrib. Syst., vol. 17, no. 9, pp. 987–<strong>10</strong>00,2006.[4] Chitnis, L., Dobra, A., Ranka, S., “Aggregationmethods for large-scale sensor networks”,ACM Transactions on Sensor Networks(TOSN), v.4 n.2, p.1-36, March 2008[5] Jelasity, M., Montresor, A., Babaoglu, O.,“Gossip-based aggregation in large dynamic networks”,ACM Transactions on Computer Systems(TOCS), v.23 n.3, p.219-252, August 2005144[6] Kashyap, S., Deb, S., Naidu, K., Rastogi,R., and Srinivasan, A., “Efficient gossip-basedaggregate computation.”, Proceedings ofACM SIGMOD-SIGACT-SIGART Symposiumon Principles of Database Systems(PODS), June 2006.[7] Kempe, D., Dobra, A., and Gehrke, J.,“Gossip-based computation of aggregate information”,Proceedings of Symposium onFoundations of Computer Science (FOCS),pages 482–491, October 2003.[8] Keralapura, R., Cormode, G., and Ramamirtham,J., “Communication-efficient distributedmonitoring of thresholded counts”, SIG-MOD Conference, June 2006, pp. 289–300.[9] Lahiri, B. and Tirthapura, S., “Computingfrequent elements using gossip”, SIROCCO,2008, pp. 119–130.[<strong>10</strong>] Li, M. and Lee, W.-C., “Identifying frequentitems in peer-to-peer systems.”, PennsylvaniaState University Technical report, July2006.[11] Manjhi, A., Shkapenyuk, V., Dhamdhere,K. and Olston, C., “Finding (recently) frequentitems in distributed data streams”, Proc. of InternationalConference on Data Engineering(ICDE), Apr. 2005, pp. 767–778.[<strong>12</strong>] Manku, G.S. and Motwani, R., “Approximatefrequency counts over data streams”,VLDB, 2002, pp. 346–357.[13] Misra, J. and Gries, D., “Finding repeatedelements”, Sci. Comput. Program., vol. 2, no.2, pp. 143–152, 1982.[14] Olston, C., Jiang, J. and Widom, J., “Adaptivefilters for continuous queries over distributeddata streams”, SIGMOD Conference,2003, pp. 563–574.Çevrimiçi Web Analiz YazılımlarıŞehmus Fidan, Hidayet OğraşBatman Üniversitesi, Elektrik Eğitimi Bölümü, Batmansehmus.fidan@gmail.com, hogras@gmail.com1. GirişGünümüz dünyasında internet kullanıcılarımilyarlarla ifade edilirken, buna paralel olarakweb sitelerinin sayısıda sürekli artmaktadır.İnternet araştırma şirketi Netcraft’ın yaptığıson aştırmaya göre 20<strong>10</strong>’un ocak ayında websitesi sayısı 206,741,990 iken 2009’un aralıkayında bu sayı 233,848,493 olarak tespit edilmiştir.Bu düşüşteki en büyük sebeplerden biriqq.com ‘da yaklaşık 30 milyon host ismininsüresinin dolmasıdır [1]. Aktif site sayısıda 84milyon olarak belirlenmiştir. Yine Netcraft’dayapılan sorgu sonucunda ağustos 2009 ayındaTürkiye’de host edilen site sayısı <strong>10</strong>146 olaraktespit edilmiştir [1]. Bu değerle Türkiye, Çin(6437) ve Rusya(2289) gibi ülkelerden daha<strong>Akademik</strong> Bilişim’<strong>10</strong> - XII. <strong>Akademik</strong> Bilişim Konferansı Bildirileri<strong>10</strong> - <strong>12</strong> Şubat 20<strong>10</strong> Muğla ÜniversitesiÖzet: İnternet kullanıcı sayısının milyarlarla ifade edildiği günümüzde internet sitesi sayısıdagün geçtikce artmaktadır. Sitelerin internet çöplüğüne düşmemek için nitelikli olması, günceltutulması ve günümüz teknolojilerine ayak uydurmak zorunda olması gerektiği aşikardır. Bununyanısıra internet kullanıcısı hakkında bilgi toplamak, davranışlarını takip etmek buna göre siteyiyeniden düzenlemekde niteliği artıracak faktörlerden biridir. Bu genel olarak web analizi olarakadlandırılmaktadır. Web analizini gerçekleştirmek için pek çok araç mevcuttur. Bunlar genel olarakaçık kaynak kodlu olup olmadığına, ücretli olup olmadığına veya işlevine göre sınıflandırılmaktadır.Çalışmamızda web analizi terimlerinden, bazı web analizi yazılımlarından bahsedilmişve önemli özellikleri vurgulanmıştırAnahtar Sözcükler: Online web analystic systems, Web analytics definitionsAbstract: Number of web sites are increasing day by day as internet users expressed in billiontoday. Web sites should be eligible, and kept up to date and also keep pace with today’s technologyin order not to be internet dump. In addition to this, one of the factors to improve sites’ qualityis rearrange the web contents by getting informations about internet users and keeping track oftreatments from the users. This is generally named as Web Analytics. There are lots of softwareto perform web analytic and these are categorized as to whether they have open source codes andpaid or free or their functions. In our work, web analytic terms and some of web analytic softwareswith their properties will be explained.Keywords: Online web analystic systems, Web analytics terms.145fazla host adı barındırmaktadır. Bunun yanı sıraInternet World Stats’ın verilerine göre dünyadakiinternet kullanıcı sayısı 2009 eylül ayında1,733,993,741 değerine ulaşmıştır. Türkiye’deinternet kullanıcı sayısı ise 26.500.000 civarındadır[2]. Bu rakamlar bize Türkiye’de yaklaşıkher üç kişiden birinin, dünyada ise her dörtkişiden birinin internet kullanıcısı olduğunugöstermektedir.İnternet kullanıcısının çok olması web sitelerinçoğalmasında en önemli etken olarak karşımızaçıkmaktadır. Peki bu denli çok web sitesininiçinde hangi siteler öne çıkmaktadır? Kullanıcısayısı, Site yüklenme hızı, site popülaritesi v.bgibi bilgeri nasıl elde edebiliriz? Bunun doğruluğundannasıl emin olabiliriz? Bu gibi sorular
- Page 4 and 5:
Tıp Bilişiminde Mobilite Uygulama
- Page 6 and 7:
İnternet ve Sanat, Yeni Medya ve n
- Page 9 and 10:
İnternet ve Sanat, Yeni Medya ve n
- Page 11 and 12:
İnternet ve Sanat, Yeni Medya ve n
- Page 14 and 15:
Akademik Bilişim’10 - XII. Akade
- Page 17 and 18:
Öğrenci ve Öğretim Elemanının
- Page 19 and 20:
Lise Öğrencilerinin Mesleki Yönl
- Page 21 and 22: Lise Öğrencilerinin Mesleki Yönl
- Page 23 and 24: Telsiz Duyarga Ağları ile Bir Nes
- Page 25 and 26: Akademik Bilişim’10 - XII. Akade
- Page 27 and 28: Kablosuz Algılayıcı Ağlar ve G
- Page 29 and 30: Akademik Bilişim’10 - XII. Akade
- Page 31 and 32: Çizge Teorisi, Dağıtık Algoritm
- Page 33 and 34: Uzaktan Eğitimde Sistem Odası Tas
- Page 35 and 36: Hizmet İçi Eğitime Farklı Bir Y
- Page 37 and 38: Hizmet İçi Eğitime Farklı Bir Y
- Page 39 and 40: Orta Öğretimden Üniversiteye Gel
- Page 41 and 42: Orta Öğretimden Üniversiteye Gel
- Page 43 and 44: Uzaktan Eğitimde Yeni Bir Yaklaş
- Page 45 and 46: Akademik Bilişim’10 - XII. Akade
- Page 47 and 48: Erişim Ağlarında WIMAX’ın Opt
- Page 49 and 50: Akademik Bilişim’10 - XII. Akade
- Page 51 and 52: Türk ve Dünya Hukukunda Bilişim
- Page 53 and 54: Akademik Bilişim’10 - XII. Akade
- Page 55 and 56: Mekânsal Bilişime Ontolojik Bir Y
- Page 57 and 58: Mekânsal Bilişime Ontolojik Bir Y
- Page 59 and 60: Mekânsal Bilişime Ontolojik Bir Y
- Page 61 and 62: Temel Bilişim Eğitiminde Enformat
- Page 63 and 64: Mobi̇ l Peer-To-Pee (P2P) Ağlarda
- Page 65 and 66: Mobi̇ l Peer-To-Pee (P2P) Ağlarda
- Page 67 and 68: Bulut Hesaplama Teknolojisi: Mimari
- Page 69 and 70: Bulut Hesaplama Teknolojisi: Mimari
- Page 71: Görevdeş (P2P) Ağlarda Sık Bulu
- Page 75 and 76: Çevrimiçi Web Analiz Yazılımlar
- Page 77 and 78: Web Sitelerinde Kullanılabilirlik
- Page 79 and 80: Akademik Bilişim’10 - XII. Akade
- Page 81 and 82: Akademik Profil Web SayfasıMehmet
- Page 83 and 84: Mekansal Veritabanlarında Hızlı
- Page 85 and 86: Mekansal Veritabanlarında Hızlı
- Page 87 and 88: Öncül Parola Denetimi Yöntemiyle
- Page 89 and 90: Öncül Parola Denetimi Yöntemiyle
- Page 91 and 92: Yazılım Geliştirme Süreçleri v
- Page 93 and 94: Yazılım Geliştirme Süreçleri v
- Page 95 and 96: Web Tabanlı CMMI Süreç Yönetimi
- Page 97 and 98: Akademik Bilişim’10 - XII. Akade
- Page 99 and 100: Geleneksel Yazılım Mühendisliği
- Page 101 and 102: Geleneksel Yazılım Mühendisliği
- Page 103 and 104: Veriambarı Yazılım Geliştirme S
- Page 105 and 106: Veri Madenciliğinde Temel Bileşen
- Page 107 and 108: Veri Madenciliğinde Temel Bileşen
- Page 109 and 110: İş Zekası Çözümleri için Ço
- Page 111 and 112: İş Zekası Çözümleri için Ço
- Page 113 and 114: Görüntü İşlemede Yeni Bir Solu
- Page 115 and 116: Görüntü İşlemede Yeni Bir Solu
- Page 117 and 118: Bağlantısız Web Uygulamalarını
- Page 119 and 120: Bağlantısız Web Uygulamalarını
- Page 121 and 122: Web 2.0 Yeniliklerinin Eğitimde Ku
- Page 123 and 124:
Kurumsal Kimlik Yönetiminde Günce
- Page 125 and 126:
Kurumsal Kimlik Yönetiminde Günce
- Page 127 and 128:
Nesneye Dayalı Programlarla Nesne
- Page 129 and 130:
Normatif Çoklu Etmen Sistemlerinde
- Page 131 and 132:
Normatif Çoklu Etmen Sistemlerinde
- Page 133 and 134:
Birbirleriyle Etkileşim Halinde Bu
- Page 135 and 136:
Birbirleriyle Etkileşim Halinde Bu
- Page 137 and 138:
Gezgin Satıcı Probleminin İkili
- Page 139 and 140:
Gezgin Satıcı Probleminin İkili
- Page 141 and 142:
Akademik Bilişim’10 - XII. Akade
- Page 143 and 144:
Web Tabanlı Sayısal Yarıgrup Hes
- Page 145 and 146:
Web 2.0 Uygulamalarının E-Öğren
- Page 147 and 148:
Web 2.0 Uygulamalarının E-Öğren
- Page 149 and 150:
İstatistiksel Yazılım Geliştirm
- Page 151 and 152:
Arama Motoru OptimizasyonuCoşkun A
- Page 153 and 154:
Arama Motoru OptimizasyonuCoşkun A
- Page 155 and 156:
Üst Seviye Ontolojileri Üzerine B
- Page 157 and 158:
Üst Seviye Ontolojileri Üzerine B
- Page 159 and 160:
Anlamsal Web Politika Dillerinin Ka
- Page 161 and 162:
Anlamsal Web Politika Dillerinin Ka
- Page 163 and 164:
Kural ve Sorgu Örüntülerinin Dü
- Page 165 and 166:
Akademik Bilişim’10 - XII. Akade
- Page 167 and 168:
Eğitimde bir Günlük Uygulaması:
- Page 169 and 170:
Eğitimde bir Günlük Uygulaması:
- Page 171 and 172:
Web 2.0 Teknolojilerinin Eğitim Ü
- Page 173 and 174:
Türkçe Hayat Bilgisi Veri Tabanı
- Page 175 and 176:
Türkçe Hayat Bilgisi Veri Tabanı
- Page 177 and 178:
Türkiye’de İşe Alım Sürecini
- Page 179 and 180:
Akademik Bilişim’10 - XII. Akade
- Page 181 and 182:
Türkiye’de Bilim ve Teknoloji Po
- Page 183 and 184:
Türkiye’de Bilim ve Teknoloji Po
- Page 185 and 186:
Türkiye’de Planlı Kalkınma ve
- Page 187 and 188:
Türkiye’de Planlı Kalkınma ve
- Page 189 and 190:
Bilişim Şuraları, Teknoloji Poli
- Page 191 and 192:
Bilişim Şuraları, Teknoloji Poli
- Page 193 and 194:
Düşük Maliyetli Web Tabanlı Uza
- Page 195 and 196:
Düşük Maliyetli Web Tabanlı Uza
- Page 197 and 198:
Mobil Öğrenme Teknolojileri ve Ar
- Page 199 and 200:
Akademik Bilişim’10 - XII. Akade
- Page 201 and 202:
Öğretim Teknolojileri: Tanımı v
- Page 203 and 204:
Akademik Bilişim’10 - XII. Akade
- Page 205 and 206:
Braille Alfabesi ile Yazılmış Ka
- Page 207 and 208:
Bilgi Güvenliğinde El YazısıBor
- Page 209 and 210:
Güvenli İnternet Bankacılığı
- Page 211 and 212:
Güvenli İnternet Bankacılığı
- Page 213 and 214:
SMTP Protokolü ve Spam Mail Proble
- Page 215 and 216:
SMTP Protokolü ve Spam Mail Proble
- Page 217 and 218:
Sembolik Hesaplamalar için Mathema
- Page 219 and 220:
Genişband Gezgin Haberleşmede Yen
- Page 221 and 222:
Üç Boyutlu Çerçeve Yapıların
- Page 223 and 224:
Üç Boyutlu Çerçeve Yapıların
- Page 225 and 226:
Değişken Kalınlıklı İzotrop P
- Page 227 and 228:
Değişken Kalınlıklı İzotrop P
- Page 229 and 230:
Katsayıları Özellikli Bant Matri
- Page 231 and 232:
Akademik Bilişim’10 - XII. Akade
- Page 233 and 234:
Beykent Üniversitesi Yazılım Mü
- Page 235 and 236:
Beykent Üniversitesi Yazılım Mü
- Page 237 and 238:
Kampüs Ağlarında Etkin Bant Geni
- Page 239 and 240:
Kampüs Ağlarında Etkin Bant Geni
- Page 241 and 242:
Yabancı Dilde Lisans Öğrenimi i
- Page 243 and 244:
Pardus’un 64 bit Mimarisine Port
- Page 245 and 246:
Akademik Bilişim’10 - XII. Akade
- Page 247 and 248:
İnternetteki Etkileşim Merkezi So
- Page 249 and 250:
Akademik Bilişim’10 - XII. Akade
- Page 251 and 252:
Desert Dune Dynamics And ProcessesL
- Page 253 and 254:
Uydu Kentlerin Tasarımı için Bir
- Page 255 and 256:
Uydu Kentlerin Tasarımı için Bir
- Page 257 and 258:
Kent Kaynaklarının Etkin ve Verim
- Page 259 and 260:
Kent Kaynaklarının Etkin ve Verim
- Page 261 and 262:
Anadolu Liselerine Öğretmen Atama
- Page 263 and 264:
Akıllı Trafik Denetimi ve Yöneti
- Page 265 and 266:
Akıllı Trafik Denetimi ve Yöneti
- Page 267 and 268:
3-Boyutlu Sanal Üniversite Oryanta
- Page 269 and 270:
Akademik Bilişim’10 - XII. Akade
- Page 271 and 272:
Metin İçerikli Türkçe Dokümanl
- Page 273 and 274:
Akademik Bilişim’10 - XII. Akade
- Page 275 and 276:
Uygurcada Biçimbilimsel Belirsizli
- Page 277 and 278:
Sosyal Ağlar ve Profil Yönetimine
- Page 279 and 280:
Sosyal Ağlar ve Profil Yönetimine
- Page 281 and 282:
Mimarlıkta Yapı Bilgi Modelleme v
- Page 283 and 284:
Mimarlıkta Yapı Bilgi Modelleme v
- Page 285 and 286:
Kan Damarı Genişliği Değişimin
- Page 287 and 288:
Diş Hekimliği Fakültesi Hastanel
- Page 289 and 290:
Diş Hekimliği Fakültesi Hastanel
- Page 291 and 292:
Ulusal Aşı Bilgi Sistemi: Bir Dur
- Page 293 and 294:
Ulusal Aşı Bilgi Sistemi: Bir Dur
- Page 295 and 296:
Dermatolojide Tanı Belirlemeye Yar
- Page 297 and 298:
Türkiye’de B2B e-Ticaret’i Uyg
- Page 299 and 300:
Türkiye’de B2B e-Ticaret’i Uyg
- Page 301 and 302:
Bazı Kamu Kurumlarında Elektronik
- Page 303 and 304:
Bazı Kamu Kurumlarında Elektronik
- Page 305 and 306:
Akademik Bilişim’10 - XII. Akade
- Page 307 and 308:
Açık Kaynak Kodlu Bilgisayar Enva
- Page 309 and 310:
Dicle Üniversitesi Bilgi İşlem O
- Page 311 and 312:
Aluminyum Kütle İçerisinde İler
- Page 313 and 314:
Aluminyum Kütle İçerisinde İler
- Page 315 and 316:
İş Akış Çizelgeleme Problemi
- Page 317 and 318:
Meslek Liselerinde Mesleki Eğitimi
- Page 319 and 320:
Meslek Liselerinde Mesleki Eğitimi
- Page 321 and 322:
ActiveX ile Eğitsel Bir Web Sayfas
- Page 323 and 324:
Eğitim Amaçlı Debian Web, FTP ve
- Page 325 and 326:
Akademik Bilişim’10 - XII. Akade
- Page 327 and 328:
Yeni Nesil Mobil Öğrenme Aracı:
- Page 329 and 330:
Geoteknik Rapor Hazırlanmasında S
- Page 331 and 332:
Geoteknik Rapor Hazırlanmasında S
- Page 333 and 334:
Excel VBA ile Ankrajlı ve Ankrajs
- Page 335 and 336:
Excel VBA ile Ankrajlı ve Ankrajs
- Page 337 and 338:
Nüfus Tahmin Metotlarının ve Gel
- Page 339 and 340:
Nüfus Tahmin Metotlarının ve Gel