\n
G\u00fcn\u00fcm\u00fcz\u00fcn dijital \u00e7a\u011f\u0131nda bilgi, adeta bir g\u00fc\u00e7 kayna\u011f\u0131 haline geldi. Ancak bu devasa veri y\u0131\u011f\u0131n\u0131ndan anlaml\u0131 i\u00e7g\u00f6r\u00fcler \u00e7\u0131karmak, \u00e7o\u011fu zaman olduk\u00e7a karma\u015f\u0131k ve zaman al\u0131c\u0131 bir s\u00fcre\u00e7tir. Peki ya sizin i\u00e7in bu g\u00f6revi \u00fcstlenecek, gece g\u00fcnd\u00fcz demeden \u00e7al\u0131\u015fan, adeta “gizli bir ajan” gibi davranan otonom bir yaz\u0131l\u0131m\u0131n\u0131z olsayd\u0131? Geleneksel y\u00f6ntemlerle elde etmenin zor oldu\u011fu bilgileri otomatik olarak toplay\u0131p analiz edebilen bu t\u00fcr bir sistem, stratejik kararlar alman\u0131zda size benzersiz bir avantaj sa\u011flayabilir. \u0130\u015fte bu makalede, kendi otonom ajan yaz\u0131l\u0131m\u0131n\u0131z\u0131 s\u0131f\u0131rdan nas\u0131l in\u015fa edece\u011finizi, hangi teknolojileri kullanman\u0131z gerekti\u011fini ve ad\u0131m ad\u0131m bu s\u00fcreci nas\u0131l y\u00f6netece\u011finizi detayl\u0131 bir \u015fekilde inceleyece\u011fiz. Bu rehber sayesinde, veriye dayal\u0131 kararlar alma yetene\u011finizi bamba\u015fka bir seviyeye ta\u015f\u0131yacaks\u0131n\u0131z. Haz\u0131rsan\u0131z, dijital d\u00fcnyan\u0131n derinliklerinde size \u00f6zel bir ke\u015fif yolculu\u011funa \u00e7\u0131kal\u0131m.<\/p>\n
Otonom ajan yaz\u0131l\u0131mlar\u0131, belirli g\u00f6revleri insan m\u00fcdahalesi olmadan ger\u00e7ekle\u015ftirmek \u00fczere tasarlanm\u0131\u015f, ak\u0131ll\u0131 ve ba\u011f\u0131ms\u0131z \u00e7al\u0131\u015fan programlard\u0131r. Ad\u0131n\u0131 “gizli ajan” olarak adland\u0131rmam\u0131z\u0131n temel nedeni, genellikle arka planda sessizce \u00e7al\u0131\u015farak kritik verileri toplama, analiz etme ve belirli eylemleri tetikleme yeteneklerinden kaynaklan\u0131r. Bu yaz\u0131l\u0131mlar, basit bir web kaz\u0131y\u0131c\u0131dan, karma\u015f\u0131k yapay zeka destekli karar mekanizmalar\u0131na kadar geni\u015f bir yelpazeyi kapsayabilir. Genellikle, belirli hedeflere ula\u015fmak i\u00e7in bir dizi kural, algoritma ve zamanlanm\u0131\u015f g\u00f6rev setini kullan\u0131rlar. Bu nedenle, onlar\u0131 dijital d\u00fcnyadaki ki\u015fisel yard\u0131mc\u0131lar\u0131n\u0131z ya da \u00f6zel g\u00f6rev ekibiniz olarak d\u00fc\u015f\u00fcnebilirsiniz.<\/p>\n
Peki, neden b\u00f6yle bir “ajan”a ihtiyac\u0131m\u0131z var? \u00d6ncelikle, insan fakt\u00f6r\u00fcn\u00fcn getirdi\u011fi k\u0131s\u0131tlamalar\u0131 a\u015fmak i\u00e7in otonom ajanlar vazge\u00e7ilmezdir. 7\/24 kesintisiz \u00e7al\u0131\u015fma kapasiteleri sayesinde, insan g\u00f6z\u00fcn\u00fcn ka\u00e7\u0131rabilece\u011fi veya manuel olarak takip etmenin m\u00fcmk\u00fcn olmad\u0131\u011f\u0131 kadar \u00e7ok veriyi i\u015fleyebilirler. \u00d6rne\u011fin, bir piyasa analisti, y\u00fczlerce haber sitesini veya sosyal medya ak\u0131\u015f\u0131n\u0131 anl\u0131k olarak takip edip yorumlayamazken, bir otonom ajan bu g\u00f6revi saniyeler i\u00e7inde yerine getirebilir. \u0130kincil olarak, veri toplama ve i\u015fleme s\u00fcre\u00e7lerinde standartla\u015fma ve do\u011fruluk oran\u0131n\u0131 art\u0131r\u0131rlar. \u0130nsan hatalar\u0131n\u0131 minimize ederek, daha g\u00fcvenilir ve tutarl\u0131 sonu\u00e7lar \u00fcretirler. Son olarak, maliyet ve zaman verimlili\u011fi sa\u011flarlar. Tekrarlayan, zaman al\u0131c\u0131 g\u00f6revleri otomatize ederek, de\u011ferli insan kaynaklar\u0131n\u0131n daha stratejik ve yarat\u0131c\u0131 i\u015flere odaklanmas\u0131na olanak tan\u0131rlar. B\u00f6ylece, hem operasyonel maliyetleri d\u00fc\u015f\u00fcr\u00fcr hem de pazara \u00e7\u0131k\u0131\u015f s\u00fcresini k\u0131saltarak rekabet avantaj\u0131 elde etmenizi sa\u011flarlar.<\/p>\n
Ger\u00e7ek d\u00fcnya senaryolar\u0131nda, bir otonom ajan yaz\u0131l\u0131m\u0131n\u0131n faydalar\u0131 saymakla bitmez. Bir e-ticaret platformu i\u00e7in rakiplerin fiyatlar\u0131n\u0131 anl\u0131k olarak izleyebilir, \u00fcr\u00fcn stoklar\u0131n\u0131 kontrol edebilir ve bu bilgilere g\u00f6re kendi fiyatland\u0131rma stratejilerini g\u00fcncelleyebilir. Finans sekt\u00f6r\u00fcnde, piyasa haberlerini takip ederek belirli hisse senetleri \u00fczerindeki duyarl\u0131l\u0131k analizlerini otomatik olarak yapabilir ve potansiyel yat\u0131r\u0131m f\u0131rsatlar\u0131n\u0131 veya riskleri belirleyebilir. Pazarlama alan\u0131nda, sosyal medyada marka bilinirli\u011fini \u00f6l\u00e7ebilir, m\u00fc\u015fteri geri bildirimlerini toplayabilir ve trend analizleri yaparak kampanya stratejilerini optimize edebilir. \u00d6zetle, otonom ajan yaz\u0131l\u0131mlar\u0131, g\u00fcn\u00fcm\u00fcz\u00fcn h\u0131zla de\u011fi\u015fen ve veri odakl\u0131 i\u015f d\u00fcnyas\u0131nda rekabet\u00e7i kalmak, verimli \u00e7al\u0131\u015fmak ve stratejik avantaj elde etmek i\u00e7in kritik ara\u00e7lard\u0131r. Bu nedenle, kendi “gizli” dijital yard\u0131mc\u0131n\u0131z\u0131 in\u015fa etmek, gelece\u011fe y\u00f6nelik \u00f6nemli bir yat\u0131r\u0131m anlam\u0131na gelmektedir.<\/p>\n
Her ba\u015far\u0131l\u0131 projenin temelinde sa\u011flam bir planlama ve iyi d\u00fc\u015f\u00fcn\u00fclm\u00fc\u015f bir mimari yatar. Otonom ajan yaz\u0131l\u0131m\u0131n\u0131z\u0131 in\u015fa ederken de bu ilke ge\u00e7erlidir. \u0130lk ad\u0131m, ajan\u0131n\u0131z\u0131n tam olarak ne yapaca\u011f\u0131n\u0131, hangi sorunlar\u0131 \u00e7\u00f6zece\u011fini ve hangi hedeflere ula\u015faca\u011f\u0131n\u0131 net bir \u015fekilde tan\u0131mlamakt\u0131r. Bu a\u015fama, projenin kapsam\u0131n\u0131 belirler ve gereksiz \u00f6zelliklerden ka\u00e7\u0131nman\u0131za yard\u0131mc\u0131 olur. \u00d6rne\u011fin, e\u011fer amac\u0131n\u0131z belirli bir sekt\u00f6rdeki haber ak\u0131\u015f\u0131n\u0131 izlemekse, ajan\u0131n\u0131z\u0131n odaklanmas\u0131 gereken veri kaynaklar\u0131 (haber siteleri, bloglar, sosyal medya platformlar\u0131), analiz t\u00fcrleri (duygu analizi, anahtar kelime tespiti) ve raporlama formatlar\u0131 ba\u015ftan belirlenmelidir. Bu netlik, ileriki a\u015famalarda zaman ve kaynak israf\u0131n\u0131 \u00f6nler. Ayn\u0131 zamanda, beklentilerinizi ger\u00e7ek\u00e7i bir zemine oturtman\u0131za olanak tan\u0131r ve projenin ba\u015far\u0131ya ula\u015fma \u015fans\u0131n\u0131 art\u0131r\u0131r.<\/p>\n
Bir sonraki kritik ad\u0131m, ajan\u0131n\u0131z\u0131n hangi veri kaynaklar\u0131n\u0131 kullanaca\u011f\u0131n\u0131 belirlemektir. Veri kaynaklar\u0131, web siteleri (dinamik veya statik), herkese a\u00e7\u0131k API’lar, sosyal medya platformlar\u0131, RSS ak\u0131\u015flar\u0131 veya \u015firket i\u00e7i veritabanlar\u0131 olabilir. Her kayna\u011f\u0131n kendine \u00f6zg\u00fc eri\u015fim y\u00f6ntemleri ve k\u0131s\u0131tlamalar\u0131 (\u00f6rne\u011fin, API limitleri, web kaz\u0131ma politikalar\u0131) bulunur. Bu nedenle, se\u00e7ti\u011finiz kaynaklara eri\u015fim y\u00f6ntemlerini ve yasal gereklilikleri dikkatlice ara\u015ft\u0131rman\u0131z \u00f6nemlidir. \u00d6rne\u011fin, bir web sitesinden veri \u00e7ekerken, sitenin robots.txt dosyas\u0131n\u0131 kontrol etmek ve kullan\u0131m ko\u015fullar\u0131na uymak etik ve yasal bir zorunluluktur. Ayr\u0131ca, veri toplama s\u0131kl\u0131\u011f\u0131 ve hacmi de bu a\u015famada planlanmal\u0131d\u0131r; baz\u0131 g\u00f6revler ger\u00e7ek zamanl\u0131 izleme gerektirirken, baz\u0131lar\u0131 g\u00fcnl\u00fck veya haftal\u0131k g\u00fcncellemelerle yetinebilir. Bu detaylar, mimarinizin performans ve \u00f6l\u00e7eklenebilirlik gereksinimlerini do\u011frudan etkileyecektir.<\/p>\n
Teknoloji se\u00e7imi, otonom ajan\u0131n\u0131z\u0131n temelini olu\u015fturur. Genellikle, Python bu t\u00fcr projeler i\u00e7in en pop\u00fcler dillerden biridir. Kapsaml\u0131 k\u00fct\u00fcphane ekosistemi ( Vaka analizi olarak, bir e-ticaret sitesi i\u00e7in \u00fcr\u00fcn fiyatlar\u0131n\u0131 ve stok durumunu izleyen bir ajan d\u00fc\u015f\u00fcnelim. Bu ajan\u0131n g\u00f6revi, belirlenen rakiplerin web sitelerinden belirli \u00fcr\u00fcnlerin fiyatlar\u0131n\u0131 ve stok bilgilerini d\u00fczenli olarak \u00e7ekmek ve de\u011fi\u015fiklikleri tespit etmektir. Veri kaynaklar\u0131, rakiplerin \u00fcr\u00fcn sayfalar\u0131 olacakt\u0131r. Teknoloji olarak Python, Otonom ajan yaz\u0131l\u0131m\u0131n\u0131z\u0131n kalbi, \u015f\u00fcphesiz veri toplama mod\u00fcl\u00fcd\u00fcr. Bu mod\u00fcl, ajan\u0131n\u0131z\u0131n g\u00f6revi i\u00e7in gerekli olan ham bilgileri \u00e7e\u015fitli kaynaklardan elde etmesini sa\u011flar. Veri toplaman\u0131n iki ana y\u00f6ntemi vard\u0131r: web kaz\u0131ma (web scraping) ve API entegrasyonu. Her iki y\u00f6ntem de farkl\u0131 senaryolar i\u00e7in uygun olup, projenizin ihtiya\u00e7lar\u0131na g\u00f6re bir veya ikisini birden kullanman\u0131z gerekebilir.<\/p>\n Web Kaz\u0131ma Temelleri:<\/strong> Web kaz\u0131ma, web sitelerinden yap\u0131sal olmayan veya yar\u0131 yap\u0131sal veriyi programatik olarak \u00e7ekme i\u015flemidir. Bu genellikle, bir web sitesinin HTML i\u00e7eri\u011fini analiz ederek belirli elementleri (metin, resim URL’leri, ba\u011flant\u0131lar vb.) \u00e7\u0131karmay\u0131 i\u00e7erir. Python’da bu ama\u00e7la yayg\u0131n olarak kullan\u0131lan k\u00fct\u00fcphaneler <\/code><\/p>\n Bu kod blo\u011fu, basit bir web sayfas\u0131ndan ba\u015fl\u0131k ve paragraf metinlerini nas\u0131l \u00e7ekebilece\u011finizi g\u00f6sterir. Ancak, bir\u00e7ok modern web sitesi i\u00e7eri\u011fini JavaScript arac\u0131l\u0131\u011f\u0131yla dinamik olarak y\u00fckler. Bu t\u00fcr durumlar i\u00e7in API Entegrasyonu:<\/strong> Bir web sitesi veya hizmet, verilerini do\u011frudan bir API (Uygulama Programlama Aray\u00fcz\u00fc) arac\u0131l\u0131\u011f\u0131yla sunuyorsa, bu genellikle web kaz\u0131madan daha tercih edilen bir y\u00f6ntemdir. API'ler, veriye yap\u0131sal ve tutarl\u0131 bir \u015fekilde eri\u015fim sa\u011flar, bu da veri toplama s\u00fcrecini daha g\u00fcvenilir ve bak\u0131m\u0131 daha kolay hale getirir. \u00c7o\u011fu API, verileri JSON veya XML format\u0131nda d\u00f6nd\u00fcr\u00fcr. Python'daki <\/code><\/p>\n API entegrasyonu, genellikle web kaz\u0131madan daha h\u0131zl\u0131 ve daha az hata e\u011filimli bir y\u00f6ntemdir, \u00e7\u00fcnk\u00fc veriler zaten yap\u0131land\u0131r\u0131lm\u0131\u015f bir formattad\u0131r. Ancak, her hizmetin bir API'si olmayabilir veya API'ler belirli kullan\u0131m limitlerine tabi olabilir. Veri toplama mod\u00fcl\u00fcn\u00fcz\u00fc tasarlarken, bu k\u0131s\u0131tlamalar\u0131 g\u00f6z \u00f6n\u00fcnde bulundurmal\u0131 ve hata y\u00f6netimi mekanizmalar\u0131 (yeniden denemeler, bekleme s\u00fcreleri) entegre etmelisiniz. Ayr\u0131ca, IP adresinizin engellenmesini \u00f6nlemek i\u00e7in proxy'ler veya VPN'ler kullanmak da geli\u015fmi\u015f bir strateji olabilir. Bu sayede, otonom ajan\u0131n\u0131z\u0131n veri toplama s\u00fcre\u00e7leri daha sa\u011flam ve kesintisiz hale gelir.<\/p>\n Ham veriyi toplamak, otonom ajan yaz\u0131l\u0131m\u0131 geli\u015ftirmenin ilk ad\u0131m\u0131d\u0131r, ancak bu veriyi anlaml\u0131 i\u00e7g\u00f6r\u00fclere d\u00f6n\u00fc\u015ft\u00fcrmek as\u0131l meydan okumad\u0131r. Veri i\u015fleme ve analiz mod\u00fcl\u00fc, toplanan bilgilerin temizlenmesi, d\u00f6n\u00fc\u015ft\u00fcr\u00fclmesi ve derinlemesine incelenerek kararlar al\u0131nabilecek bir formata getirilmesinden sorumludur. Bu a\u015fama, ajan\u0131n \"ak\u0131ll\u0131\" k\u0131sm\u0131n\u0131 olu\u015fturur ve ham veriyi de\u011ferli bir varl\u0131\u011fa d\u00f6n\u00fc\u015ft\u00fcr\u00fcr.<\/p>\n Veri Temizleme ve \u00d6n \u0130\u015fleme:<\/strong> Toplanan veriler nadiren m\u00fckemmeldir. Genellikle eksik de\u011ferler, yanl\u0131\u015f formatlar, tekrarlar veya anlams\u0131z girdiler i\u00e7erirler. Veri temizleme, bu t\u00fcr sorunlar\u0131 gidererek verinin kalitesini art\u0131rma s\u00fcrecidir. Python'da <\/code><\/p>\n Do\u011fal Dil \u0130\u015fleme (NLP):<\/strong> E\u011fer ajan\u0131n\u0131z metinsel verilerle \u00e7al\u0131\u015f\u0131yorsa, NLP teknikleri hayati \u00f6nem ta\u015f\u0131r. NLP, bilgisayarlar\u0131n insan dilini anlamas\u0131n\u0131, i\u015flemesini ve \u00fcretmesini sa\u011flayan bir yapay zeka dal\u0131d\u0131r. Duygu analizi, metin s\u0131n\u0131fland\u0131rmas\u0131, anahtar kelime \u00e7\u0131karma, varl\u0131k tan\u0131ma gibi teknikler, toplanan metinlerden de\u011ferli i\u00e7g\u00f6r\u00fcler elde etmek i\u00e7in kullan\u0131labilir. \u00d6rne\u011fin, sosyal medya g\u00f6nderilerinden bir marka hakk\u0131ndaki genel duyarl\u0131l\u0131\u011f\u0131 (olumlu, olumsuz, n\u00f6tr) belirleyebilir veya haber makalelerinden \u00f6nemli ki\u015fi, kurum ve yer adlar\u0131n\u0131 \u00e7\u0131karabilirsiniz. Python'da Makine \u00d6\u011frenmesi (ML) Uygulamalar\u0131:<\/strong> Verileriniz temizlendikten ve \u00f6n i\u015flendikten sonra, makine \u00f6\u011frenmesi algoritmalar\u0131n\u0131 kullanarak daha derin analizler yapabilirsiniz. Ajan\u0131n\u0131z\u0131n g\u00f6revine ba\u011fl\u0131 olarak, farkl\u0131 ML g\u00f6revleri g\u00fcndeme gelebilir:\n<\/p>\n Python'daki Otonom ajan yaz\u0131l\u0131m\u0131n\u0131z\u0131n ger\u00e7ek g\u00fcc\u00fc, toplanan ve analiz edilen veriye dayanarak ak\u0131ll\u0131 kararlar alabilmesi ve bu kararlar do\u011frultusunda otomatik eylemler ger\u00e7ekle\u015ftirebilmesinde yatar. Bu b\u00f6l\u00fcm, ajan\u0131n \"beynini\" ve \"kaslar\u0131n\u0131\" olu\u015fturan karar mekanizmalar\u0131n\u0131 ve otomasyon s\u00fcre\u00e7lerini ele almaktad\u0131r. Ajan\u0131n\u0131z, sadece bilgi toplay\u0131p sunmakla kalmayacak, ayn\u0131 zamanda belirli ko\u015fullar alt\u0131nda proaktif olarak hareket edebilecek ve hatta kendi ba\u015f\u0131na \u00f6\u011frenebilecek potansiyele sahip olacakt\u0131r.<\/p>\n Kural Tabanl\u0131 Sistemler ve IF-THEN Ko\u015fullar\u0131:<\/strong> En basit karar mekanizmas\u0131, \u00f6nceden tan\u0131mlanm\u0131\u015f kurallar setine dayan\u0131r. Bu t\u00fcr sistemlerde, ajan belirli bir ko\u015ful (IF) kar\u015f\u0131land\u0131\u011f\u0131nda belirli bir eylem (THEN) ger\u00e7ekle\u015ftirir. \u00d6rne\u011fin, bir e-ticaret fiyat izleme ajan\u0131 \u015fu kural\u0131 uygulayabilir: \"E\u011fer rakip \u00fcr\u00fcn\u00fcn fiyat\u0131 bizim fiyat\u0131m\u0131zdan %5 daha d\u00fc\u015f\u00fckse VE stokta varsa, BANA e-posta ile bildirim g\u00f6nder.\" Bu yakla\u015f\u0131m, karma\u015f\u0131k olmayan ancak kritik kararlar i\u00e7in h\u0131zl\u0131 ve g\u00fcvenilir bir \u00e7\u00f6z\u00fcmd\u00fcr. Python'da basit <\/code><\/p>\n Makine \u00d6\u011frenmesi Tabanl\u0131 Kararlar:<\/strong> Daha karma\u015f\u0131k senaryolarda, kararlar basit kurallarla tan\u0131mlanamayacak kadar dinamik olabilir. Bu noktada, makine \u00f6\u011frenmesi modelleri devreye girer. Ajan, ge\u00e7mi\u015f verilerden \u00f6\u011frenen modelleri kullanarak gelecekteki olaylar\u0131 tahmin edebilir veya belirli durumlar i\u00e7in en uygun eylemi \u00f6nerebilir. \u00d6rne\u011fin, bir haber analizi ajan\u0131, belirli bir hisse senedi hakk\u0131nda toplanan haber metinlerinin duygu analizine dayanarak o hissenin de\u011ferinin art\u0131p artmayaca\u011f\u0131n\u0131 tahmin edebilir ve buna g\u00f6re al\u0131m\/sat\u0131m \u00f6nerileri sunabilir. Ya da bir siber g\u00fcvenlik ajan\u0131, a\u011f trafi\u011findeki anormallikleri bir ML modeliyle tespit ederek otomatik olarak bir uyar\u0131 sistemini tetikleyebilir. Bu, ajan\u0131n adaptif ve zamanla daha ak\u0131ll\u0131 hale gelmesini sa\u011flar. Bu ileri d\u00fczey yetenekler, ajan\u0131n s\u00fcrekli olarak \u00e7evresinden \u00f6\u011frenmesine ve performans\u0131n\u0131 iyile\u015ftirmesine olanak tan\u0131r.<\/p>\n Zamanlanm\u0131\u015f G\u00f6revler ve Bildirim Sistemleri:<\/strong> Bir ajan\u0131n otonom \u00e7al\u0131\u015fabilmesi i\u00e7in g\u00f6revlerini belirli aral\u0131klarla veya belirli bir takvime g\u00f6re otomatik olarak \u00e7al\u0131\u015ft\u0131rmas\u0131 gerekir. Unix\/Linux sistemlerinde <\/code><\/p>\n Bu yetenekler sayesinde, otonom ajan\u0131n\u0131z sadece pasif bir bilgi toplay\u0131c\u0131 olmaktan \u00e7\u0131kar, ayn\u0131 zamanda dinamik bir karar al\u0131c\u0131 ve eylem tetikleyicisi haline gelir. Bu da onu, modern i\u015f s\u00fcre\u00e7lerinde vazge\u00e7ilmez bir yard\u0131mc\u0131 konumuna getirir. Ajana bu zekay\u0131 kazand\u0131rmak, projenin en heyecan verici ve de\u011fer yaratan a\u015famalar\u0131ndan biridir.<\/p>\n Otonom ajan\u0131n\u0131z ne kadar ak\u0131ll\u0131 olursa olsun, elde etti\u011fi bilgileri ve ald\u0131\u011f\u0131 kararlar\u0131 anla\u015f\u0131l\u0131r ve eri\u015filebilir bir \u015fekilde sunmad\u0131\u011f\u0131 s\u00fcrece de\u011feri s\u0131n\u0131rl\u0131 kal\u0131r. Bu nedenle, ajan\u0131n bir raporlama aray\u00fcz\u00fc ve bu aray\u00fcz\u00fcn mobil cihazlarda da sorunsuz \u00e7al\u0131\u015fmas\u0131 kritik \u00f6neme sahiptir. Kullan\u0131c\u0131lar\u0131n, ajan\u0131n\u0131z\u0131n faaliyetlerini kolayca takip edebilmesi, i\u00e7g\u00f6r\u00fclere eri\u015febilmesi ve gerekti\u011finde ayarlamalar yapabilmesi i\u00e7in modern ve responsive bir aray\u00fcze ihtiya\u00e7 vard\u0131r.<\/p>\n Raporlama Panosu Olu\u015fturma:<\/strong> Verilerin g\u00f6rselle\u015ftirilmesi, karma\u015f\u0131k bilgilerin h\u0131zla anla\u015f\u0131lmas\u0131n\u0131 sa\u011flar. Bir raporlama panosu (dashboard), ajan\u0131n toplad\u0131\u011f\u0131 verileri grafikler, tablolar ve g\u00f6stergeler arac\u0131l\u0131\u011f\u0131yla sunmak i\u00e7in idealdir. Python ekosisteminde, <\/code><\/p>\n Mobil Uyumlu Raporlama: Responsive Tasar\u0131m Prensipleri:<\/strong> G\u00fcn\u00fcm\u00fczde kullan\u0131c\u0131lar\u0131n b\u00fcy\u00fck \u00e7o\u011funlu\u011fu web sitelerine ve uygulamalara mobil cihazlar\u0131 \u00fczerinden eri\u015fmektedir. Bu nedenle, ajan\u0131n\u0131z\u0131n raporlama aray\u00fcz\u00fcn\u00fcn mobil uyumlu olmas\u0131 zorunluluktur. Responsive tasar\u0131m, aray\u00fcz\u00fcn farkl\u0131 ekran boyutlar\u0131na ve \u00e7\u00f6z\u00fcn\u00fcrl\u00fcklerine otomatik olarak adapte olmas\u0131n\u0131 sa\u011flar. Bu, kullan\u0131c\u0131n\u0131n masa\u00fcst\u00fc bilgisayar, tablet veya ak\u0131ll\u0131 telefon kullanmas\u0131ndan ba\u011f\u0131ms\u0131z olarak tutarl\u0131 ve optimal bir deneyim ya\u015famas\u0131n\u0131 garanti eder. Responsive tasar\u0131m\u0131n temelinde CSS requests<\/code>, BeautifulSoup<\/code>, Scrapy<\/code>, Selenium<\/code> web kaz\u0131ma i\u00e7in; pandas<\/code> veri i\u015fleme i\u00e7in; NLTK<\/code>, spaCy<\/code> NLP i\u00e7in; scikit-learn<\/code> makine \u00f6\u011frenmesi i\u00e7in) sayesinde h\u0131zl\u0131 geli\u015ftirme ve g\u00fc\u00e7l\u00fc yetenekler sunar. Veritaban\u0131 olarak, yap\u0131sal veriler i\u00e7in PostgreSQL<\/code> veya MySQL<\/code>, esnek veri modelleri i\u00e7in MongoDB<\/code> veya Elasticsearch<\/code> tercih edilebilir. Ajan\u0131n mimarisini olu\u015ftururken mod\u00fcler bir yakla\u015f\u0131m benimsemek \u00f6nemlidir. Bu, veri toplama, i\u015fleme, analiz, karar alma ve raporlama gibi farkl\u0131 i\u015flevleri ayr\u0131 ayr\u0131 mod\u00fcller halinde tasarlamak anlam\u0131na gelir. Bu mod\u00fcler yap\u0131, hem geli\u015ftirme s\u00fcrecini kolayla\u015ft\u0131r\u0131r hem de ileride sistemin farkl\u0131 par\u00e7alar\u0131n\u0131 ba\u011f\u0131ms\u0131z olarak g\u00fcncellemenize veya geni\u015fletmenize olanak tan\u0131r. \u00d6rne\u011fin, veri toplama mod\u00fcl\u00fcn\u00fc de\u011fi\u015ftirmeden, analiz mod\u00fcl\u00fcne yeni bir makine \u00f6\u011frenimi modeli ekleyebilirsiniz.<\/p>\nScrapy<\/code> veya Selenium<\/code> web kaz\u0131ma i\u00e7in, pandas<\/code> veri i\u015fleme i\u00e7in ve PostgreSQL<\/code> verileri depolamak i\u00e7in kullan\u0131labilir. Mimari, bir kaz\u0131ma mod\u00fcl\u00fc, bir veri temizleme mod\u00fcl\u00fc, bir kar\u015f\u0131la\u015ft\u0131rma ve analiz mod\u00fcl\u00fc ve bir raporlama\/bildirim mod\u00fcl\u00fcnden olu\u015facakt\u0131r. Bu mod\u00fcler yap\u0131, hem geli\u015ftirme s\u00fcrecini y\u00f6netmeyi kolayla\u015ft\u0131r\u0131r hem de gelecekte yeni \u00fcr\u00fcnleri veya rakipleri eklemeyi esnek hale getirir. T\u00fcm bu planlama ad\u0131mlar\u0131, otonom ajan\u0131n\u0131z\u0131n ba\u015far\u0131l\u0131, \u00f6l\u00e7eklenebilir ve s\u00fcrd\u00fcr\u00fclebilir olmas\u0131n\u0131 sa\u011flamak i\u00e7in kritik \u00f6neme sahiptir.<\/p>\nVeri Toplama Mod\u00fcl\u00fcn\u00fcn \u0130n\u015fas\u0131: Web Kaz\u0131ma ve API Entegrasyonu Nas\u0131l Ger\u00e7ekle\u015fir?<\/h3>\n
requests<\/code> ve BeautifulSoup<\/code>‘tur. requests<\/code>, web sayfalar\u0131n\u0131 indirmek i\u00e7in kullan\u0131l\u0131rken, BeautifulSoup<\/code> indirilen HTML i\u00e7eri\u011fini ayr\u0131\u015ft\u0131rmak ve istedi\u011finiz verileri bulmak i\u00e7in g\u00fc\u00e7l\u00fc ara\u00e7lar sunar.<\/p>\n\nimport requests\nfrom bs4 import BeautifulSoup\n\ndef web_sayfasi_cek(url):\n try:\n response = requests.get(url)\n response.raise_for_status() # HTTP hatalar\u0131 i\u00e7in kontrol\n return response.text\n except requests.exceptions.RequestException as e:\n print(f\"URL \u00e7ekilirken hata olu\u015ftu: {e}\")\n return None\n\ndef baslik_ve_paragraf_topla(html_icerik):\n if not html_icerik:\n return []\n \n soup = BeautifulSoup(html_icerik, 'html.parser')\n veriler = []\n \n # T\u00fcm h1, h2, h3 ba\u015fl\u0131klar\u0131n\u0131 bul\n basliklar = soup.find_all(['h1', 'h2', 'h3'])\n for baslik in basliklar:\n veriler.append({'tip': 'baslik', 'icerik': baslik.get_text(strip=True)})\n \n # T\u00fcm paragraflar\u0131 bul\n paragraflar = soup.find_all('p')\n for paragraf in paragraflar:\n veriler.append({'tip': 'paragraf', 'icerik': paragraf.get_text(strip=True)})\n \n return veriler\n\n# Kullan\u0131m \u00f6rne\u011fi\nhedef_url = \"https:\/\/example.com\" # Buraya kendi hedef URL'nizi girin\nhtml_content = web_sayfasi_cek(hedef_url)\nif html_content:\n toplanan_veriler = baslik_ve_paragraf_topla(html_content)\n for veri in toplanan_veriler:\n print(f\"Tipi: {veri['tip']}, \u0130\u00e7erik: {veri['icerik'][:100]}...\") # \u0130lk 100 karakteri g\u00f6ster\n<\/pre>\nSelenium<\/code> gibi bir ara\u00e7 gereklidir. Selenium<\/code>, bir web taray\u0131c\u0131s\u0131n\u0131 programatik olarak kontrol etmenizi sa\u011flar, b\u00f6ylece JavaScript taraf\u0131ndan olu\u015fturulan i\u00e7erikleri de g\u00f6rebilir ve etkile\u015fimde bulunabilirsiniz. \u00d6rne\u011fin, bir butona t\u0131klamak veya bir formu doldurmak gibi eylemleri ger\u00e7ekle\u015ftirebilirsiniz.<\/p>\nrequests<\/code> k\u00fct\u00fcphanesi, RESTful API'lerle etkile\u015fim kurmak i\u00e7in de olduk\u00e7a etkilidir.<\/p>\n\nimport requests\nimport json\n\ndef api_den_veri_cek(api_url, params=None, headers=None):\n try:\n response = requests.get(api_url, params=params, headers=headers)\n response.raise_for_status() # HTTP hatalar\u0131 i\u00e7in kontrol\n return response.json() # JSON yan\u0131t\u0131 direkt olarak Python dict'e d\u00f6n\u00fc\u015ft\u00fcr\u00fcr\n except requests.exceptions.RequestException as e:\n print(f\"API \u00e7a\u011fr\u0131s\u0131 s\u0131ras\u0131nda hata olu\u015ftu: {e}\")\n return None\n except json.JSONDecodeError:\n print(\"API yan\u0131t\u0131 JSON format\u0131nda de\u011fil.\")\n return None\n\n# Kullan\u0131m \u00f6rne\u011fi (\u00d6rnek bir herkese a\u00e7\u0131k API)\n# api_url = \"https:\/\/api.github.com\/users\/octocat\/repos\"\n# veri = api_den_veri_cek(api_url)\n# if veri:\n# for repo in veri:\n# print(f\"Depo Ad\u0131: {repo['name']}, URL: {repo['html_url']}\")\n\n# Kendi hedef API URL'nizi ve parametrelerinizi buraya girin\n# \u00d6rne\u011fin, hava durumu API'si i\u00e7in\n# api_url_hava = \"https:\/\/api.openweathermap.org\/data\/2.5\/weather\"\n# params_hava = {\n# \"q\": \"Istanbul\",\n# \"appid\": \"YOUR_API_KEY\", # Kendi API anahtar\u0131n\u0131z\u0131 girin\n# \"units\": \"metric\"\n# }\n# hava_durumu = api_den_veri_cek(api_url_hava, params=params_hava)\n# if hava_durumu:\n# print(f\"\u015eehir: {hava_durumu['name']}, S\u0131cakl\u0131k: {hava_durumu['main']['temp']}\u00b0C\")\n<\/pre>\nVeri \u0130\u015fleme ve Analiz: Toplanan Bilgiler Nas\u0131l Anlaml\u0131 Hale Getirilir?<\/h3>\n
pandas<\/code> k\u00fct\u00fcphanesi, bu g\u00f6rev i\u00e7in vazge\u00e7ilmez bir ara\u00e7t\u0131r. DataFrame<\/code> yap\u0131s\u0131 sayesinde, verileri kolayca manip\u00fcle edebilir, eksik de\u011ferleri doldurabilir veya silebilir, veri tiplerini d\u00f6n\u00fc\u015ft\u00fcrebilir ve gereksiz karakterleri temizleyebilirsiniz. \u00d6rne\u011fin, web sitelerinden \u00e7ekilen metinlerdeki HTML etiketlerini veya ekstra bo\u015fluklar\u0131 temizlemek, analize ba\u015flamadan \u00f6nce kritik bir ad\u0131md\u0131r.<\/p>\n\nimport pandas as pd\nimport re\n\ndef veri_temizle(df):\n # Eksik de\u011ferleri doldurma veya silme\n df.fillna('Bilinmiyor', inplace=True) # Eksik metin alanlar\u0131n\u0131 doldur\n # df.dropna(inplace=True) # Eksik olan sat\u0131rlar\u0131 sil\n\n # Metin verilerini temizleme (\u00d6r: HTML etiketlerini kald\u0131rma)\n if 'metin_kolonu' in df.columns: # Varsay\u0131msal bir metin kolonu\n df['metin_kolonu'] = df['metin_kolonu'].apply(lambda x: re.sub(r'<.*?>', '', str(x))) # HTML etiketlerini kald\u0131r\n df['metin_kolonu'] = df['metin_kolonu'].apply(lambda x: x.strip()) # Ba\u015ftaki ve sondaki bo\u015fluklar\u0131 temizle\n \n # Say\u0131sal verilerde anormallikleri d\u00fczeltme (\u00d6rn: negatif ya\u015flar\u0131 0'a \u00e7ekme)\n if 'fiyat' in df.columns:\n df['fiyat'] = pd.to_numeric(df['fiyat'], errors='coerce') # Say\u0131ya d\u00f6n\u00fc\u015ft\u00fcr\u00fclemiyorsa NaN yap\n df['fiyat'] = df['fiyat'].fillna(df['fiyat'].mean()) # NaN de\u011ferleri ortalama ile doldur\n df.loc[df['fiyat'] < 0, 'fiyat'] = 0 # Negatif fiyatlar\u0131 s\u0131f\u0131r yap\n\n return df\n\n# \u00d6rnek kullan\u0131m\n# data = {'urun_adi': ['Laptop', 'Klavye', 'Mouse', 'Monit\u00f6r'],\n# 'fiyat': ['1200', '50A', '50', '-10'],\n# 'stok': [10, 20, None, 5],\n# 'aciklama': ['Harika bir \u00fcr\u00fcn', '\u00c7ok iyi klavye<\/b>', 'Ergonomik', 'Y\u00fcksek \u00e7\u00f6z\u00fcn\u00fcrl\u00fckl\u00fc ekran']}\n# df_ham = pd.DataFrame(data)\n# print(\"Ham Veri:\\n\", df_ham)\n# df_temiz = veri_temizle(df_ham.copy())\n# print(\"\\nTemizlenmi\u015f Veri:\\n\", df_temiz)\n<\/pre>\nNLTK<\/code>, spaCy<\/code> ve TextBlob<\/code> gibi k\u00fct\u00fcphaneler bu konuda g\u00fc\u00e7l\u00fc yetenekler sunar.<\/p>\n\n
scikit-learn<\/code> k\u00fct\u00fcphanesi, bu algoritmalar\u0131n bir\u00e7o\u011funu kolayca uygulaman\u0131za olanak tan\u0131r. Ajan\u0131n\u0131z bu modellerden \u00e7\u0131kan tahminleri veya s\u0131n\u0131fland\u0131rmalar\u0131 kullanarak karar verme mod\u00fcl\u00fcne girdi sa\u011flayabilir. Vaka analizi olarak, bir sosyal medya duyarl\u0131l\u0131k analizi yapan ajan d\u00fc\u015f\u00fcnelim. Bu ajan, Twitter'dan belirli bir \u00fcr\u00fcn hakk\u0131nda tweet'leri toplar, NLP ile her tweet'in duyarl\u0131l\u0131\u011f\u0131n\u0131 (pozitif, negatif, n\u00f6tr) belirler ve ard\u0131ndan bu duyarl\u0131l\u0131k skorlar\u0131n\u0131 zaman i\u00e7indeki de\u011fi\u015fimini analiz ederek, \u00fcr\u00fcnle ilgili kamuoyu alg\u0131s\u0131ndaki e\u011filimleri raporlar. Bu sayede, pazarlama ekibi h\u0131zla aksiyon alabilir. Bu karma\u015f\u0131k s\u00fcre\u00e7ler sayesinde, otonom ajan\u0131n\u0131z sadece veri toplayan bir mekanizma olmaktan \u00e7\u0131kar, ayn\u0131 zamanda ak\u0131ll\u0131 kararlar alabilen ve de\u011ferli i\u00e7g\u00f6r\u00fcler sunabilen bir bilgi i\u015flem merkezi haline gelir.<\/p>\nKarar Mekanizmas\u0131 ve Otomasyon: Ajan\u0131n\u0131z Nas\u0131l Ak\u0131ll\u0131 Eylemler Ger\u00e7ekle\u015ftirir?<\/h2>\n
if-elif-else<\/code> yap\u0131lar\u0131 veya daha karma\u015f\u0131k i\u015f ak\u0131\u015flar\u0131 i\u00e7in kural motorlar\u0131 (\u00f6rne\u011fin, Durable<\/code> gibi k\u00fct\u00fcphaneler) kullan\u0131labilir. Bu kurallar\u0131n y\u00f6netilebilir olmas\u0131 ve kolayca g\u00fcncellenebilmesi, sistemin esnekli\u011fi a\u00e7\u0131s\u0131ndan \u00f6nemlidir. Bu nedenle, kural setini harici bir yap\u0131land\u0131rma dosyas\u0131nda (JSON, YAML) tutmak iyi bir pratiktir.<\/p>\n\ndef karar_mekanizmasi(fiyat_bilgileri, kendi_fiyat, stok_durumu):\n bildirimler = []\n\n for urun_adi, rakip_fiyat in fiyat_bilgileri.items():\n if rakip_fiyat < kendi_fiyat * 0.95 and stok_durumu.get(urun_adi, False):\n mesaj = f\"UYARI: Rakip {urun_adi} \u00fcr\u00fcn\u00fcn\u00fcn fiyat\u0131 {rakip_fiyat} TL'ye d\u00fc\u015ft\u00fc ve sto\u011fu var! Kendi fiyat\u0131m\u0131z {kendi_fiyat} TL.\"\n bildirimler.append(mesaj)\n elif rakip_fiyat > kendi_fiyat * 1.10 and not stok_durumu.get(urun_adi, False):\n mesaj = f\"B\u0130LG\u0130: Rakip {urun_adi} \u00fcr\u00fcn\u00fcn\u00fcn fiyat\u0131 {rakip_fiyat} TL'ye y\u00fckseldi ve sto\u011fu yok. F\u0131rsat!\"\n bildirimler.append(mesaj)\n \n return bildirimler\n\n# \u00d6rnek kullan\u0131m\nrakip_fiyatlar = {\"Laptop X\": 1100, \"Klavye Y\": 180, \"Mouse Z\": 45}\nkendi_urun_fiyati = 1200\nstok_bilgisi = {\"Laptop X\": True, \"Klavye Y\": False, \"Mouse Z\": True}\n\nalinan_kararlar = karar_mekanizmasi(rakip_fiyatlar, kendi_urun_fiyati, stok_bilgisi)\nfor karar in alinan_kararlar:\n print(karar)\n<\/pre>\ncron<\/code> i\u015fleri, Python'da ise APScheduler<\/code> veya Celery<\/code> gibi k\u00fct\u00fcphaneler bu ama\u00e7la kullan\u0131l\u0131r. Bu ara\u00e7lar, ajan\u0131n veri toplama, analiz ve karar alma mod\u00fcllerini d\u00fczenli aral\u0131klarla tetiklemesini sa\u011flar. Kararlar al\u0131nd\u0131ktan sonra, ajan bu bilgileri ilgili ki\u015filere veya sistemlere bildirmelidir. E-posta, SMS, Slack veya Microsoft Teams gibi ileti\u015fim kanallar\u0131 \u00fczerinden otomatik bildirimler g\u00f6nderilebilir. Bu entegrasyonlar, ajan\u0131n eylemlerinin ilgili payda\u015flara h\u0131zl\u0131ca ula\u015fmas\u0131n\u0131 ve gerekti\u011finde manuel m\u00fcdahaleye olanak tan\u0131mas\u0131n\u0131 sa\u011flar.<\/p>\n\nimport smtplib\nfrom email.mime.text import MIMEText\nfrom email.mime.multipart import MIMEMultipart\n\ndef eposta_gonder(alici_eposta, konu, mesaj_icerigi, gonderen_eposta, gonderen_sifre):\n try:\n msg = MIMEMultipart()\n msg['From'] = gonderen_eposta\n msg['To'] = alici_eposta\n msg['Subject'] = konu\n msg.attach(MIMEText(mesaj_icerigi, 'plain'))\n\n server = smtplib.SMTP_SSL('smtp.gmail.com', 465)\n server.login(gonderen_eposta, gonderen_sifre)\n server.send_message(msg)\n server.quit()\n print(f\"E-posta '{konu}' ba\u015far\u0131yla g\u00f6nderildi.\")\n except Exception as e:\n print(f\"E-posta g\u00f6nderirken hata olu\u015ftu: {e}\")\n\n# Kullan\u0131m \u00f6rne\u011fi\n# alici = \"hedef@example.com\"\n# konu = \"Ajan Bildirimi: Fiyat De\u011fi\u015fikli\u011fi!\"\n# mesaj = \"Laptop X \u00fcr\u00fcn\u00fcn\u00fcn fiyat\u0131 d\u00fc\u015ft\u00fc. L\u00fctfen kontrol edin.\"\n# gonderen = \"ajaniniz@gmail.com\" # Kendi e-posta adresiniz\n# sifre = \"APP_PASSWORD_BURAYA\" # Uygulama \u015fifresi (Gmail i\u00e7in)\n\n# eposta_gonder(alici, konu, mesaj, gonderen, sifre)\n<\/pre>\nAjan\u0131n\u0131z\u0131n Raporlama Aray\u00fcz\u00fc ve Mobil Uyumlu Tasar\u0131m\u0131 Nas\u0131l Olmal\u0131d\u0131r?<\/h3>\n
Dash<\/code> ve Streamlit<\/code> gibi k\u00fct\u00fcphaneler, etkile\u015fimli ve web tabanl\u0131 panolar olu\u015fturmak i\u00e7in harika se\u00e7eneklerdir. Bu ara\u00e7lar, Python kodunuzu do\u011frudan web uygulamalar\u0131na d\u00f6n\u00fc\u015ft\u00fcrmenize olanak tan\u0131r, b\u00f6ylece ayr\u0131 bir frontend geli\u015ftirme bilgisine ihtiya\u00e7 duymadan veri g\u00f6rselle\u015ftirmeleri olu\u015fturabilirsiniz. Panonuz, ajan\u0131n izledi\u011fi metrikleri (\u00f6rne\u011fin, toplanan veri hacmi, duyarl\u0131l\u0131k skorlar\u0131, fiyat de\u011fi\u015fimleri), tespit edilen anomalileri ve ald\u0131\u011f\u0131 kararlar\u0131 net bir \u015fekilde g\u00f6stermelidir. Ayr\u0131ca, kullan\u0131c\u0131lar\u0131n belirli zaman aral\u0131klar\u0131na g\u00f6re verileri filtrelemesine veya belirli bir \u00fcr\u00fcn\/konu hakk\u0131nda detayl\u0131 bilgilere dalmas\u0131na olanak tan\u0131yan etkile\u015fimli \u00f6zellikler eklemek, panonun kullan\u0131\u015fl\u0131l\u0131\u011f\u0131n\u0131 art\u0131r\u0131r.<\/p>\n\n# Dash ile basit bir raporlama panosu \u00f6rne\u011fi (Basitle\u015ftirilmi\u015f)\n# Bu kodun \u00e7al\u0131\u015fmas\u0131 i\u00e7in Dash k\u00fct\u00fcphanesinin kurulu olmas\u0131 gerekir: pip install dash pandas\nimport dash\nimport dash_core_components as dcc\nimport dash_html_components as html\nimport pandas as pd\nimport plotly.express as px\n\n# \u00d6rnek veri\ndata = {\n 'Tarih': pd.to_datetime(['2023-01-01', '2023-01-02', '2023-01-03', '2023-01-04']),\n 'Fiyat': [100, 102, 98, 105],\n 'Stok': [10, 8, 12, 11]\n}\ndf = pd.DataFrame(data)\n\napp = dash.Dash(__name__)\n\napp.layout = html.Div(children=[\n html.H2(children='\u00dcr\u00fcn Fiyat ve Stok \u0130zleme Panosu'),\n\n html.Div(children='''\n Otonom ajan\u0131n\u0131zdan gelen g\u00fcncel veriler.\n '''),\n\n dcc.Graph(\n id='fiyat-grafigi',\n figure=px.line(df, x='Tarih', y='Fiyat', title='\u00dcr\u00fcn Fiyat De\u011fi\u015fimi')\n ),\n dcc.Graph(\n id='stok-grafigi',\n figure=px.bar(df, x='Tarih', y='Stok', title='\u00dcr\u00fcn Stok Durumu')\n ),\n html.Div(\n className='last-update',\n children=f\"Son G\u00fcncelleme: {pd.Timestamp.now().strftime('%Y-%m-%d %H:%M:%S')}\"\n )\n])\n\n# if __name__ == '__main__':\n# app.run_server(debug=True)\n<\/pre>\nmedia queries<\/code> yer al\u0131r. Bu sorgular, taray\u0131c\u0131n\u0131n ekran geni\u015fli\u011fi gibi \u00f6zelliklerine g\u00f6re farkl\u0131 stil kurallar\u0131n\u0131n uygulanmas\u0131n\u0131 sa\u011flar.<\/p>\n\n\/* Mobil Uyumlu Stil \u00d6rne\u011fi *\/\n\/* Bu CSS kodunu HTML belgenizin