Dijital \u00e7a\u011fda, g\u00fcnl\u00fck olarak kar\u015f\u0131la\u015ft\u0131\u011f\u0131m\u0131z veri miktar\u0131 ak\u0131l almaz boyutlara ula\u015ft\u0131. Metin belgeleri, log kay\u0131tlar\u0131, genetik diziler ve daha nicesi… Bu devasa veri y\u0131\u011f\u0131nlar\u0131 aras\u0131nda anlaml\u0131 desenleri veya ili\u015fkileri tespit etmek, g\u00fcn\u00fcm\u00fcz\u00fcn en kritik ve zorlu g\u00f6revlerinden biridir. \u0130\u015fte tam bu noktada, “\u0130yi Alt Dizi” (Good Substring) ve “Kar\u0131\u015f\u0131k \u00c7ift” (Shuffle Pair) gibi kavramlar devreye giriyor. PWC 350 olarak bilinen bu problem k\u00fcmesi, \u00f6zellikle dize i\u015fleme ve desen e\u015fle\u015ftirme algoritmalar\u0131nda derinlemesine anlay\u0131\u015f gerektiren karma\u015f\u0131k sorunlar\u0131 ifade eder. Bu makalede, bu kavramlar\u0131n ne oldu\u011funu, neden bu kadar \u00f6nemli olduklar\u0131n\u0131 ve ger\u00e7ek d\u00fcnya senaryolar\u0131nda bu problemleri \u00e7\u00f6zmek i\u00e7in hangi teknikleri kullanabilece\u011fimizi ad\u0131m ad\u0131m ke\u015ffedece\u011fiz. Gelin, veri analizindeki bu heyecan verici ve bir o kadar da zorlay\u0131c\u0131 yolculu\u011fa birlikte \u00e7\u0131kal\u0131m.<\/p>\n
Bu kavramlara hakim olmak, sadece teorik bilgi sa\u011flamakla kalmaz, ayn\u0131 zamanda yaz\u0131l\u0131m geli\u015ftirme, siber g\u00fcvenlik, biyoinformatik ve hatta do\u011fal dil i\u015fleme gibi bir\u00e7ok alanda pratik avantajlar sunar. \u00d6rne\u011fin, bir g\u00fcvenlik analisti i\u00e7in potansiyel zararl\u0131 yaz\u0131l\u0131m imzalar\u0131n\u0131 veya sald\u0131r\u0131 paternlerini tespit etmek, bu t\u00fcr dize manip\u00fclasyon tekniklerini anlamaktan ge\u00e7er. Keza, bir genetik ara\u015ft\u0131rmac\u0131s\u0131 i\u00e7in DNA dizilerindeki kritik varyasyonlar\u0131 bulmak da benzer algoritmik yakla\u015f\u0131mlar\u0131 gerektirebilir. Dolay\u0131s\u0131yla, bu konuyu derinlemesine \u00f6\u011frenmek, veriyle \u00e7al\u0131\u015fan herkes i\u00e7in vazge\u00e7ilmez bir yetkinlik haline gelmektedir. \u0130lerleyen b\u00f6l\u00fcmlerde, bu temel prensipleri ve onlar\u0131 nas\u0131l hayata ge\u00e7irebilece\u011finizi ayr\u0131nt\u0131l\u0131 olarak inceleyece\u011fiz.<\/p>\n
PWC 350 problem k\u00fcmesinin merkezinde iki temel kavram yer al\u0131r: “\u0130yi Alt Dizi” ve “Kar\u0131\u015f\u0131k \u00c7ift”. Bu terimler, genellikle belirli bir ko\u015fulu sa\u011flayan dize par\u00e7ac\u0131klar\u0131n\u0131 veya iki dizenin \u00f6zel bir ili\u015fkisini tan\u0131mlamak i\u00e7in kullan\u0131l\u0131r. Konuya yabanc\u0131 olanlar i\u00e7in bu kavramlar\u0131 basit ve anla\u015f\u0131l\u0131r bir \u015fekilde a\u00e7\u0131klayal\u0131m.<\/p>\n
Bir dizenin “iyi alt dizi” olarak tan\u0131mlanmas\u0131 i\u00e7in genellikle \u00f6nceden belirlenmi\u015f bir kriteri kar\u015f\u0131lamas\u0131 gerekir. Bu kriter, ba\u011flama g\u00f6re de\u011fi\u015febilir. \u00d6rne\u011fin, bir alt dizinin belirli say\u0131da farkl\u0131 karaktere sahip olmas\u0131, belli bir uzunlukta olmas\u0131, palindrom olmas\u0131 veya ba\u015fka bir dizenin bir perm\u00fctasyonu olmas\u0131 gibi ko\u015fullar olabilir. En yayg\u0131n “iyi alt dizi” tan\u0131mlar\u0131ndan biri, bir hedef dizenin perm\u00fctasyonu olan alt dizileri bulmakt\u0131r. Yani, elimizde bir ana dize (metin) ve bir desen dizesi (kelime) varsa, ana dize i\u00e7erisindeki hangi alt diziler, desen dizisinin karakterlerini ayn\u0131 say\u0131da ve ayn\u0131 t\u00fcrde i\u00e7erir (s\u0131ras\u0131 farkl\u0131 olsa bile)? Bu, asl\u0131nda anagram bulmaya benzer bir yakla\u015f\u0131md\u0131r.<\/p>\n
\u00d6rne\u011fin, ana dizemiz “banaana” ve desen dizemiz “aanb” olsun. Bu durumda, “banaana” i\u00e7indeki “baan” alt dizisi, “aanb” dizisinin karakterlerini (iki ‘a’, bir ‘b’, bir ‘n’) ayn\u0131 frekansta i\u00e7erir. Dolay\u0131s\u0131yla, “baan” bir “iyi alt dizi” olarak kabul edilebilir. Bu t\u00fcr bir tan\u0131m, metin madencili\u011fi, genetik sekans analizi veya \u015fifreleme algoritmalar\u0131nda olduk\u00e7a kullan\u0131\u015fl\u0131d\u0131r. \u0130yi alt dizileri bulmak, \u00e7o\u011fu zaman kayan pencere (sliding window) veya hash tabanl\u0131 algoritmalarla ger\u00e7ekle\u015ftirilir. Bu teknikler, dize \u00fczerinde etkin bir \u015fekilde gezerek karma\u015f\u0131k hesaplamalardan ka\u00e7\u0131nmam\u0131z\u0131 sa\u011flar. Ayn\u0131 zamanda, \u00f6zellikle b\u00fcy\u00fck metin dosyalar\u0131nda veya veri ak\u0131\u015flar\u0131nda performans kritik \u00f6neme sahip oldu\u011funda bu yakla\u015f\u0131mlar vazge\u00e7ilmezdir. Bu nedenle, do\u011fru algoritmay\u0131 se\u00e7mek ve uygulamak, \u00e7\u00f6z\u00fcm\u00fcn etkinli\u011fi a\u00e7\u0131s\u0131ndan belirleyici olacakt\u0131r.<\/p>\n
“Kar\u0131\u015f\u0131k \u00c7ift” ise genellikle iki dizenin birbirinin perm\u00fctasyonu olup olmad\u0131\u011f\u0131n\u0131 veya \u00fc\u00e7\u00fcnc\u00fc bir dizenin bu iki dizenin birle\u015ftirilmi\u015f karakterlerinden olu\u015fup olu\u015fmad\u0131\u011f\u0131n\u0131 ifade eder. Daha spesifik olarak, e\u011fer elimizde A ve B olmak \u00fczere iki dize varsa, bu ikisi bir “kar\u0131\u015f\u0131k \u00e7ift” olu\u015fturuyorsa, bu durumda A’n\u0131n ve B’nin karakterleri birle\u015ftirildi\u011finde (karakter say\u0131lar\u0131 korunarak) ba\u015fka bir D dizesi elde edilebilir demektir. Ya da en yayg\u0131n kullan\u0131m\u0131yla, iki dizenin birbirinin anagram\u0131 olup olmad\u0131\u011f\u0131n\u0131 belirlemek i\u00e7in kullan\u0131l\u0131r. \u0130ki dizenin kar\u0131\u015f\u0131k \u00e7ift olabilmesi i\u00e7in, her ikisinin de ayn\u0131 uzunlukta olmas\u0131 ve ayn\u0131 karakterleri ayn\u0131 say\u0131da i\u00e7ermesi gerekir.<\/p>\n
\u00d6rne\u011fin, “listen” ve “silent” dizelerini ele alal\u0131m. Her iki dize de alt\u0131 karaktere sahiptir ve ‘l’, ‘i’, ‘s’, ‘t’, ‘e’, ‘n’ karakterlerini ayn\u0131 frekansta i\u00e7erirler. Sadece karakterlerin s\u0131ras\u0131 farkl\u0131d\u0131r. Bu durumda “listen” ve “silent” bir “kar\u0131\u015f\u0131k \u00e7ift” olarak kabul edilebilir. Bir ba\u015fka tan\u0131m ise, “shuffle” kelimesinin orijinal anlam\u0131yla, bir dizenin karakterlerinin ba\u015fka iki dizenin (belirli bir s\u0131rayla olmasa da) birle\u015fimiyle olu\u015fturulup olu\u015fturulamayaca\u011f\u0131n\u0131 sorgulamakt\u0131r. Diyelim ki, Bu iki temel kavram, PWC 350 problem setinin omurgas\u0131n\u0131 olu\u015fturur. Anlamlar\u0131n\u0131 ve birbirleriyle ili\u015fkilerini kavrad\u0131ktan sonra, bu problemleri \u00e7\u00f6zmek i\u00e7in kullanabilece\u011fimiz algoritmik yakla\u015f\u0131mlara ge\u00e7ebiliriz. Bu algoritmalar, hem teorik bilgisayar bilimleri hem de pratik yaz\u0131l\u0131m uygulamalar\u0131 i\u00e7in temel ta\u015flardan biridir. Dolay\u0131s\u0131yla, bu kavramlar\u0131 sa\u011flam bir \u015fekilde anlamak, daha karma\u015f\u0131k dize i\u015fleme g\u00f6revlerini \u00fcstlenmek i\u00e7in bize g\u00fc\u00e7l\u00fc bir temel sa\u011flayacakt\u0131r.<\/p>\n \u0130yi alt dizileri ve kar\u0131\u015f\u0131k \u00e7iftleri bulmak, y\u00fczeysel olarak basit g\u00f6r\u00fcnse de, b\u00fcy\u00fck veri setleri veya uzun dizelerle \u00e7al\u0131\u015f\u0131rken ciddi performans zorluklar\u0131 ortaya \u00e7\u0131karabilir. Etkin bir \u00e7\u00f6z\u00fcm geli\u015ftirmek i\u00e7in do\u011fru algoritmik yakla\u015f\u0131m\u0131 se\u00e7mek hayati \u00f6neme sahiptir. \u0130\u015fte bu t\u00fcr problemlere yayg\u0131n olarak uygulanan baz\u0131 algoritmik yakla\u015f\u0131mlar ve bunlar\u0131n avantajlar\u0131 ile dezavantajlar\u0131.<\/p>\n Herhangi bir dize i\u015fleme probleminde akla gelen ilk y\u00f6ntemlerden biri genellikle “brute-force” (kaba kuvvet) yakla\u015f\u0131m\u0131d\u0131r. Bu y\u00f6ntemde, olas\u0131 t\u00fcm alt diziler veya \u00e7iftler sistematik olarak kontrol edilir. \u00d6rne\u011fin, bir ana dize i\u00e7indeki t\u00fcm alt dizileri kontrol ederek, her birinin bir desen dizisinin perm\u00fctasyonu olup olmad\u0131\u011f\u0131n\u0131 ayr\u0131 ayr\u0131 test edebiliriz. E\u011fer ana dizenin uzunlu\u011fu N ve desen dizenin uzunlu\u011fu M ise, N uzunlu\u011funda bir dizede N * (N+1) \/ 2 kadar alt dizi bulunur. Her bir alt diziyi kontrol etmek de kendi i\u00e7inde bir maliyet gerektirir (\u00f6rne\u011fin, karakter frekanslar\u0131n\u0131 saymak M zaman alabilir). Dolay\u0131s\u0131yla, toplam karma\u015f\u0131kl\u0131k N^2 * M gibi olduk\u00e7a y\u00fcksek bir de\u011fere ula\u015fabilir.<\/p>\n Benzer \u015fekilde, iki dizenin kar\u0131\u015f\u0131k \u00e7ift olup olmad\u0131\u011f\u0131n\u0131 brute-force ile kontrol etmek i\u00e7in, bir dizenin t\u00fcm perm\u00fctasyonlar\u0131n\u0131 \u00fcretip di\u011fer diziyle kar\u015f\u0131la\u015ft\u0131rmay\u0131 d\u00fc\u015f\u00fcnebiliriz. Ancak, bir dizenin perm\u00fctasyon say\u0131s\u0131 uzunlu\u011funun fakt\u00f6riyeli (N!) kadard\u0131r. N de\u011feri artt\u0131k\u00e7a N! de\u011feri astronomik seviyelere \u00e7\u0131kar ve bu yakla\u015f\u0131m pratik olmaktan uzakla\u015f\u0131r. \u00d6rne\u011fin, 20 karakterli bir dizinin perm\u00fctasyon say\u0131s\u0131 yakla\u015f\u0131k 2.4 x 10^18’dir! Bu nedenle, brute-force genellikle sadece \u00e7ok k\u00fc\u00e7\u00fck veri setleri veya k\u0131s\u0131tl\u0131 problemler i\u00e7in ge\u00e7erlidir. Ger\u00e7ek d\u00fcnya uygulamalar\u0131nda, \u00f6zellikle y\u00fcksek performans beklenen senaryolarda, \u00e7ok daha optimize edilmi\u015f algoritmalara ihtiya\u00e7 duyar\u0131z.<\/p>\n Performans gereksinimlerini kar\u015f\u0131lamak i\u00e7in brute-force’dan daha ak\u0131ll\u0131ca yakla\u015f\u0131mlar geli\u015ftirmemiz gerekiyor. \u0130\u015fte bu noktada “hashing” ve “kayan pencere” teknikleri devreye girer. Bu iki teknik, \u00e7o\u011fu dize i\u015fleme probleminde karma\u015f\u0131kl\u0131\u011f\u0131 \u00f6nemli \u00f6l\u00e7\u00fcde azaltarak etkin \u00e7\u00f6z\u00fcmler sunar.<\/p>\n Bu optimize edilmi\u015f yakla\u015f\u0131mlar, algoritmalar\u0131n karma\u015f\u0131kl\u0131\u011f\u0131n\u0131 genellikle O(N*M) veya O(N) gibi \u00e7ok daha y\u00f6netilebilir seviyelere indirir. Kayan pencere tekni\u011fiyle, bir dizenin \u00fczerindeki t\u00fcm alt dizileri etkin bir \u015fekilde i\u015fleyebiliriz. Hashing ise, \u00f6zellikle karakter frekanslar\u0131n\u0131 veya perm\u00fctasyonlar\u0131 h\u0131zl\u0131ca kar\u015f\u0131la\u015ft\u0131rmak i\u00e7in m\u00fckemmel bir ara\u00e7t\u0131r. Bir sonraki b\u00f6l\u00fcmde, bu teknikleri somut \u00f6rneklerle ve kod bloklar\u0131yla nas\u0131l uygulayaca\u011f\u0131m\u0131z\u0131 ayr\u0131nt\u0131l\u0131 olarak g\u00f6rece\u011fiz. Bu sayede, PWC 350 t\u00fcr\u00fc problemleri ger\u00e7ek d\u00fcnya senaryolar\u0131nda nas\u0131l \u00e7\u00f6zebilece\u011finiz konusunda sa\u011flam bir fikir edineceksiniz.<\/p>\n PWC 350’nin \u00f6nemli bir par\u00e7as\u0131 olan “iyi alt dizi” problemine, yani bir hedef desenin (pattern) perm\u00fctasyonu olan alt dizileri ana metin i\u00e7inde bulmaya y\u00f6nelik en etkili yakla\u015f\u0131mlardan biri kayan pencere (sliding window) tekni\u011fidir. Bu teknik, \u00f6zellikle uzun metinlerde veya b\u00fcy\u00fck veri ak\u0131\u015flar\u0131nda performans a\u00e7\u0131s\u0131ndan kritik bir rol oynar. Ad\u0131m ad\u0131m bu tekni\u011fin nas\u0131l uyguland\u0131\u011f\u0131n\u0131 ve bir \u00f6rnekle nas\u0131l \u00e7al\u0131\u015ft\u0131\u011f\u0131n\u0131 inceleyelim.<\/p>\n Bir ana metin ( Bu yakla\u015f\u0131m\u0131n g\u00fczelli\u011fi, her ad\u0131mda t\u00fcm pencereyi ba\u015ftan analiz etmek yerine, sadece bir karakterin \u00e7\u0131k\u0131\u015f\u0131n\u0131 ve bir karakterin giri\u015fini g\u00fcncelleyerek sabit zaman karma\u015f\u0131kl\u0131\u011f\u0131nda (O(1)) bir pencere ge\u00e7i\u015fi sa\u011flamas\u0131d\u0131r. Bu da genel karma\u015f\u0131kl\u0131\u011f\u0131 ana metin uzunlu\u011funa (O(N)) d\u00fc\u015f\u00fcr\u00fcr.<\/p>\n A\u015fa\u011f\u0131daki Python kodu, kayan pencere tekni\u011fini kullanarak bir desenin perm\u00fctasyonu olan t\u00fcm alt dizilerin ba\u015flang\u0131\u00e7 indekslerini bulur:<\/p>\n <\/code><\/p>\n Yukar\u0131daki \u00f6rnekte, her iki frekans dizisinin de ayn\u0131 olup olmad\u0131\u011f\u0131n\u0131 kontrol ederek perm\u00fctasyon kontrol\u00fcn\u00fc ger\u00e7ekle\u015ftiriyoruz. Bu, O(N) zaman karma\u015f\u0131kl\u0131\u011f\u0131na sahip olduk\u00e7a verimli bir \u00e7\u00f6z\u00fcmd\u00fcr.<\/p>\n Ger\u00e7ek d\u00fcnya senaryolar\u0131nda, bu tekniklerin en s\u0131k kullan\u0131ld\u0131\u011f\u0131 alanlardan biri b\u00fcy\u00fck log dosyalar\u0131n\u0131n analizi olabilir. Bir sunucu log dosyas\u0131 milyarlarca sat\u0131r i\u00e7erebilir. G\u00fcvenlik veya performans sorunlar\u0131n\u0131 tespit etmek i\u00e7in bu loglarda belirli hata kodlar\u0131n\u0131n, kullan\u0131c\u0131 etkile\u015fimlerinin veya sald\u0131r\u0131 paternlerinin perm\u00fctasyonlar\u0131n\u0131 arayabiliriz. \u00d6rne\u011fin, bir sald\u0131rgan\u0131n belirli bir dizi komutu farkl\u0131 s\u0131ralarda \u00e7al\u0131\u015ft\u0131rmas\u0131 durumunda, bu komutlar\u0131n perm\u00fctasyonunu i\u00e7eren alt dizeleri loglarda arayabiliriz.<\/p>\n Diyelim ki, kritik bir i\u015flem \u00fc\u00e7 farkl\u0131 komut ( PWC 350 problem setinin di\u011fer \u00f6nemli aya\u011f\u0131 \"kar\u0131\u015f\u0131k \u00e7iftler\" veya \"shuffle pairs\" kavram\u0131d\u0131r. Genellikle iki dizenin birbirinin anagram\u0131 olup olmad\u0131\u011f\u0131n\u0131 ya da daha geni\u015f anlamda, \u00fc\u00e7\u00fcnc\u00fc bir dizenin di\u011fer iki dizenin karakterlerinin kar\u0131\u015f\u0131m\u0131yla olu\u015fturulup olu\u015fturulamayaca\u011f\u0131n\u0131 belirlemeyi ifade eder. Bu t\u00fcr problemleri \u00e7\u00f6zmek i\u00e7in birka\u00e7 etkin y\u00f6ntem bulunmaktad\u0131r. Bu b\u00f6l\u00fcmde, bu y\u00f6ntemleri ve bunlar\u0131n arkas\u0131ndaki mant\u0131\u011f\u0131 detayland\u0131raca\u011f\u0131z.<\/p>\n \u0130ki dizenin birbirinin perm\u00fctasyonu (yani anagram\u0131) olup olmad\u0131\u011f\u0131n\u0131 kontrol etmenin en yayg\u0131n ve en verimli yollar\u0131ndan biri, her iki dizenin de karakter frekanslar\u0131n\u0131 kar\u015f\u0131la\u015ft\u0131rmakt\u0131r. Temel prensip \u015fudur: E\u011fer iki dize ayn\u0131 uzunlukta ise ve her karakteri ayn\u0131 say\u0131da i\u00e7eriyorsa, o zaman onlar birbirlerinin perm\u00fctasyonudur. Bu, onlar\u0131n bir kar\u0131\u015f\u0131k \u00e7ift olu\u015fturdu\u011fu anlam\u0131na gelir.<\/p>\n Bu yakla\u015f\u0131m \u015fu ad\u0131mlar\u0131 i\u00e7erir:<\/p>\n Bu y\u00f6ntemin zaman karma\u015f\u0131kl\u0131\u011f\u0131, dizelerin uzunlu\u011funa (N) ve karakter setinin boyutuna (K) ba\u011fl\u0131d\u0131r. Her iki dizeyi de bir kez tarad\u0131\u011f\u0131m\u0131z i\u00e7in O(N) zaman al\u0131r ve frekans haritalar\u0131n\u0131 olu\u015ftururuz. Ard\u0131ndan, haritalar\u0131 kar\u015f\u0131la\u015ft\u0131rmak O(K) zaman al\u0131r. Dolay\u0131s\u0131yla, toplam karma\u015f\u0131kl\u0131k O(N + K) veya sadece O(N) olarak kabul edilebilir (\u00e7\u00fcnk\u00fc K genellikle sabittir veya N'den k\u00fc\u00e7\u00fckt\u00fcr).<\/p>\n <\/code><\/p>\n Bir ba\u015fka basit ve anla\u015f\u0131l\u0131r y\u00f6ntem ise, her iki dizenin karakterlerini alfabetik olarak s\u0131ralamak ve sonra s\u0131ralanm\u0131\u015f dizeleri kar\u015f\u0131la\u015ft\u0131rmakt\u0131r. E\u011fer s\u0131ralanm\u0131\u015f halleri ayn\u0131ysa, dizeler birbirinin perm\u00fctasyonudur.<\/p>\n Bu yakla\u015f\u0131m \u015fu ad\u0131mlar\u0131 i\u00e7erir:<\/p>\n Bu y\u00f6ntemin zaman karma\u015f\u0131kl\u0131\u011f\u0131, kullan\u0131lan s\u0131ralama algoritmas\u0131na ba\u011fl\u0131d\u0131r. Genellikle kar\u015f\u0131la\u015ft\u0131rma tabanl\u0131 s\u0131ralama algoritmalar\u0131 O(N log N) zaman karma\u015f\u0131kl\u0131\u011f\u0131na sahiptir. Bu da karakter frekans\u0131na dayal\u0131 O(N) yakla\u015f\u0131mdan biraz daha yava\u015ft\u0131r, ancak \u00e7o\u011fu durumda yine de pratik bir \u00e7\u00f6z\u00fcm sunar ve implementasyonu olduk\u00e7a kolayd\u0131r.<\/p>\n <\/code><\/p>\n Kar\u0131\u015f\u0131k \u00e7ift belirleme y\u00f6ntemleri, siber g\u00fcvenlik alan\u0131nda, \u00f6zellikle \u015fifre g\u00fcvenli\u011fi analizlerinde \u00f6nemli rol oynayabilir. B\u00fcy\u00fck bir kullan\u0131c\u0131 taban\u0131n\u0131n \u015fifre veritaban\u0131n\u0131 (hashlenmi\u015f veya ba\u015fka bir \u015fekilde gizlenmi\u015f olabilir, ancak teori ayn\u0131d\u0131r) analiz etti\u011fimizi d\u00fc\u015f\u00fcnelim. E\u011fer bir sald\u0131rgan, yayg\u0131n olarak kullan\u0131lan basit \u015fifrelerin (\u00f6rne\u011fin \"password\", \"123456\") farkl\u0131 perm\u00fctasyonlar\u0131n\u0131 deniyorsa, kar\u0131\u015f\u0131k \u00e7ift analizi bu zay\u0131fl\u0131klar\u0131 tespit etmemize yard\u0131mc\u0131 olabilir.<\/p>\n \u00d6rne\u011fin, \"passwrod\" ve \"wordpass\" gibi kelimeler, \"password\" kelimesinin perm\u00fctasyonlar\u0131d\u0131r. E\u011fer bir sistem, kullan\u0131c\u0131lar\u0131n belirledikleri \u015fifrelerin bilinen zay\u0131f \u015fifrelerin bir perm\u00fctasyonu olup olmad\u0131\u011f\u0131n\u0131 kontrol edebilirse, g\u00fcvenlik seviyesini art\u0131rabilir. Ya da b\u00fcy\u00fck bir veri s\u0131z\u0131nt\u0131s\u0131nda elde edilen \u015fifre listeleri \u00fczerinde analiz yaparak, hangi kullan\u0131c\u0131lar\u0131n zay\u0131f veya kolayca tahmin edilebilir \u015fifre perm\u00fctasyonlar\u0131 kulland\u0131\u011f\u0131n\u0131 belirleyebiliriz. Bu t\u00fcr bir analiz, parolalar\u0131n hashlenmi\u015f halleri \u00fczerinde bile uygulanabilir, yeter ki hash fonksiyonu perm\u00fctasyonlar\u0131 e\u015fle\u015ftirme yetene\u011fine sahip bir yap\u0131ya sahip olsun (ancak genellikle modern hash fonksiyonlar\u0131 bu t\u00fcr desenleri bozmak \u00fczere tasarlanm\u0131\u015ft\u0131r, bu nedenle daha \u00e7ok d\u00fcz metin \u015fifre politikalar\u0131nda veya offline analizlerde kullan\u0131l\u0131r).<\/p>\n Bu algoritmalar, sadece g\u00fcvenlik alan\u0131yla s\u0131n\u0131rl\u0131 kalmay\u0131p, genetik dizilerde protein benzerlikleri aramak, dosya tekilliklerini tespit etmek (ayn\u0131 i\u00e7eri\u011fe sahip ancak farkl\u0131 adlara sahip dosyalar) ve hatta do\u011fal dil i\u015flemede kelime benzerliklerini analiz etmek gibi bir\u00e7ok farkl\u0131 disiplinde de uygulama alan\u0131 bulur.<\/p>\n PWC 350 problem setinde ele ald\u0131\u011f\u0131m\u0131z gibi dize i\u015fleme g\u00f6revleri, k\u00fc\u00e7\u00fck veri setleriyle u\u011fra\u015f\u0131rken nispeten kolay olsa da, milyonlarca veya milyarlarca karakter i\u00e7eren b\u00fcy\u00fck veriyle kar\u015f\u0131la\u015f\u0131ld\u0131\u011f\u0131nda ciddi performans darbo\u011fazlar\u0131 yaratabilir. Bu b\u00f6l\u00fcmde, algoritmalar\u0131n\u0131z\u0131 optimize etmek ve b\u00fcy\u00fck \u00f6l\u00e7ekli veri \u00fczerinde \u00e7al\u0131\u015f\u0131rken nelere dikkat etmeniz gerekti\u011fini ele alaca\u011f\u0131z.<\/p>\n Hashing, dize i\u015fleme ve desen e\u015fle\u015ftirme algoritmalar\u0131nda performans\u0131 art\u0131rmak i\u00e7in g\u00fc\u00e7l\u00fc bir ara\u00e7t\u0131r. Ancak do\u011fru hash fonksiyonunu se\u00e7mek hayati \u00f6neme sahiptir. Basit hash fonksiyonlar\u0131 (\u00f6rne\u011fin, karakterlerin ASCII de\u011ferlerini toplamak), \u00e7arp\u0131\u015fma riskini art\u0131rabilir (farkl\u0131 dizelerin ayn\u0131 hash de\u011ferine sahip olmas\u0131) ve bu da algoritman\u0131z\u0131n do\u011frulu\u011funu veya performans\u0131n\u0131 olumsuz etkileyebilir. \u00d6zellikle perm\u00fctasyon tabanl\u0131 hashler i\u00e7in, her karakterin benzersiz bir asal say\u0131 ile \u00e7arp\u0131l\u0131p mod\u00fcler aritmetik kullan\u0131lmas\u0131 gibi daha sofistike yakla\u015f\u0131mlar, \u00e7arp\u0131\u015fma olas\u0131l\u0131\u011f\u0131n\u0131 azalt\u0131r.<\/p>\n <\/code><\/p>\n Rabin-Karp algoritmas\u0131 gibi rolling hash (kayan hash) teknikleri, pencere kayd\u0131rma operasyonlar\u0131nda hash de\u011ferini sabit zamanda g\u00fcncellemeye olanak tan\u0131r, bu da performans\u0131 kayan pencere yakla\u015f\u0131m\u0131yla birle\u015ftirildi\u011finde \u00f6nemli \u00f6l\u00e7\u00fcde art\u0131r\u0131r. G\u00fcvenilir hash fonksiyonlar\u0131 se\u00e7mek ve bunlar\u0131 do\u011fru \u015fekilde uygulamak, b\u00fcy\u00fck veri setleri \u00fczerinde \u00e7al\u0131\u015f\u0131rken hata oran\u0131n\u0131 minimize etmek ve h\u0131zdan \u00f6d\u00fcn vermemek ad\u0131na kritik bir ad\u0131md\u0131r.<\/p>\n B\u00fcy\u00fck dizelerle veya \u00e7ok say\u0131da alt dizeyle \u00e7al\u0131\u015f\u0131rken bellek kullan\u0131m\u0131 \u00f6nemli bir fakt\u00f6r haline gelir. Her alt diziyi ayr\u0131 ayr\u0131 bellekte tutmak veya frekans haritalar\u0131n\u0131 gereksiz yere kopyalamak, bellek ta\u015fmas\u0131na veya \u00e7\u00f6p toplama (garbage collection) s\u00fcrelerinin uzamas\u0131na neden olabilir. Bu nedenle:<\/p>\n En nihayetinde, baz\u0131 problemler tek bir makinenin i\u015fleyebilece\u011finin \u00f6tesinde olabilir. Bu durumda, paralel i\u015fleme ve da\u011f\u0131t\u0131k sistemler devreye girer. \u00d6zellikle b\u00fcy\u00fck log analizi, genetik dizileme veya metin madencili\u011fi gibi uygulamalarda, veriyi birden \u00e7ok i\u015fleme b\u00f6lmek ve her bir par\u00e7ay\u0131 e\u015f zamanl\u0131 olarak farkl\u0131 i\u015flemcilerde veya makinelerde i\u015flemek performans\u0131 katlayabilir.<\/p>\n Bu ipu\u00e7lar\u0131 ve teknikler, PWC 350 problem setini ve benzer dize i\u015fleme g\u00f6revlerini b\u00fcy\u00fck \u00f6l\u00e7ekte ele al\u0131rken kar\u015f\u0131la\u015faca\u011f\u0131n\u0131z zorluklar\u0131 a\u015fman\u0131za yard\u0131mc\u0131 olacakt\u0131r. Performans, do\u011fru algoritma se\u00e7imi, ak\u0131ll\u0131 veri yap\u0131lar\u0131 kullan\u0131m\u0131 ve gerekti\u011finde paralel i\u015fleme ile en \u00fcst d\u00fczeye \u00e7\u0131kar\u0131labilir.<\/p>\n G\u00fcn\u00fcm\u00fcz web uygulamalar\u0131nda mobil uyumluluk, kullan\u0131c\u0131 deneyiminin olmazsa olmaz\u0131d\u0131r. Teknik makalelerdeki kod \u00f6rneklerinin kendisi do\u011frudan mobil uyumlu olmayabilir, ancak makalenin sunuldu\u011fu web sayfas\u0131n\u0131n mobil cihazlarda iyi g\u00f6r\u00fcnmesi ve kod bloklar\u0131n\u0131n okunabilir olmas\u0131 esast\u0131r. Bu b\u00f6l\u00fcmde, web sayfalar\u0131n\u0131zdaki kod \u00f6rneklerini ve genel i\u00e7eri\u011fi mobil cihazlara nas\u0131l uyumlu hale getirebilece\u011finizi, temel CSS teknikleriyle a\u00e7\u0131klayaca\u011f\u0131z.<\/p>\n Bir web sayfas\u0131n\u0131n mobil uyumlu olmas\u0131n\u0131 sa\u011flaman\u0131n temel yolu, CSS Media Query'leri ve esnek d\u00fczenler kullanmakt\u0131r. Kod bloklar\u0131, genellikle sabit geni\u015flikte olduklar\u0131 i\u00e7in k\u00fc\u00e7\u00fck ekranlarda sa\u011fa do\u011fru ta\u015fma e\u011filimindedir. Bunu \u00f6nlemek i\u00e7in A\u015fa\u011f\u0131daki HTML yap\u0131m\u0131z oldu\u011funu varsayal\u0131m:<\/p>\n <\/code><\/p>\n Bu yap\u0131y\u0131 mobil cihazlarda d\u00fczg\u00fcn g\u00f6stermek i\u00e7in a\u015fa\u011f\u0131daki CSS kurallar\u0131n\u0131 kullanabiliriz:<\/p>\n <\/code><\/p>\n Yukar\u0131daki CSS'te dikkat edilmesi gereken \u00f6nemli noktalar:<\/p>\n Bu temel responsive tasar\u0131m prensipleri, teknik makalelerinizin ve i\u00e7indeki kod \u00f6rneklerinin mobil cihazlarda sorunsuz bir \u015fekilde g\u00f6r\u00fcnt\u00fclenmesini sa\u011flayarak okuyucular\u0131n\u0131z i\u00e7in daha iyi bir deneyim sunacakt\u0131r. Unutulmamal\u0131d\u0131r ki iyi bir kullan\u0131c\u0131 deneyimi, teknik bilginin etkili bir \u015fekilde aktar\u0131lmas\u0131n\u0131n anahtar\u0131d\u0131r.<\/p>\n PWC 350 problem setinde inceledi\u011fimiz \"\u0130yi Alt Dizi\" ve \"Kar\u0131\u015f\u0131k \u00c7ift\" kavramlar\u0131, y\u00fczeysel olarak dize manip\u00fclasyonu gibi g\u00f6r\u00fcnse de, asl\u0131nda modern bilgisayar bilimlerinin ve veri analizinin temel ta\u015flar\u0131ndan baz\u0131lar\u0131n\u0131 olu\u015fturur. Bu makalede, bu kavramlar\u0131n ne anlama geldi\u011fini, onlar\u0131 algoritmik olarak nas\u0131l ele alabilece\u011fimizi ve ger\u00e7ek d\u00fcnya senaryolar\u0131nda nas\u0131l kullanabilece\u011fimizi detayl\u0131 bir \u015fekilde inceledik. Kayan pencere, hashing ve karakter frekans analizi gibi teknikler sayesinde, bu karma\u015f\u0131k problemleri b\u00fcy\u00fck veri setleri \u00fczerinde bile y\u00fcksek performansla \u00e7\u00f6zebilmekteyiz.<\/p>\n Bu algoritmalar\u0131n gelece\u011fi, yapay zeka ve makine \u00f6\u011frenimi ile daha da entegre olacakt\u0131r. \u00d6rne\u011fin, do\u011fal dil i\u015flemede semantik benzerlikleri veya genetik dizilemede mutasyon paternlerini tespit etmek i\u00e7in bu temel dize e\u015fle\u015ftirme prensipleri, daha geli\u015fmi\u015f dil modelleri veya biyoinformatik ara\u00e7lar\u0131 ile birle\u015ftirilebilir. Siber g\u00fcvenlikte, siber tehdit istihbarat\u0131n\u0131 (CTI) zenginle\u015ftirmek veya sald\u0131r\u0131 imzalar\u0131n\u0131 ger\u00e7ek zamanl\u0131 olarak tan\u0131mak i\u00e7in s\u00fcrekli olarak geli\u015fen algoritmalarla bu yakla\u015f\u0131mlar daha da g\u00fc\u00e7lenecektir. Veri g\u00fcvenli\u011fi, metin madencili\u011fi, biyoinformatik, arama motoru optimizasyonu ve daha pek \u00e7ok alanda bu t\u00fcr dize algoritmalar\u0131na olan ihtiya\u00e7 hi\u00e7 bitmeyecektir. Dolay\u0131s\u0131yla, bu alandaki bilgi birikimimizi s\u00fcrekli g\u00fcncel tutmak ve yeni nesil algoritmalarla entegre etmek, teknolojik ilerlemenin anahtar\u0131 olacakt\u0131r.<\/p>\n PWC 350 problemleri, metin madencili\u011fi, siber g\u00fcvenlik, biyoinformatik ve veri analizi gibi bir\u00e7ok alanda anlaml\u0131 desenleri, anormallikleri veya ili\u015fkileri tespit etmek i\u00e7in temel te\u015fkil eder. B\u00fcy\u00fck veri setlerinde h\u0131zl\u0131 ve do\u011fru sonu\u00e7lar elde etmek i\u00e7in etkin algoritmalara ihtiya\u00e7 duyuldu\u011fundan kritik \u00f6neme sahiptirler.<\/p>\n<\/li>\n \"\u0130yi Alt Dizi\", genellikle bir ana dize i\u00e7inde, belirli bir hedef desenin karakterlerinin perm\u00fctasyonu olan alt dizeleri bulma problemidir. \"Kar\u0131\u015f\u0131k \u00c7ift\" ise, iki dizenin birbirinin anagram\u0131 olup olmad\u0131\u011f\u0131n\u0131 veya karakterlerinin birle\u015ftirilerek ba\u015fka bir dize olu\u015fturup olu\u015fturulamayaca\u011f\u0131n\u0131 sorgular. Biri tek bir dizenin i\u00e7indeki alt par\u00e7alar\u0131, di\u011feri iki dizenin genel ili\u015fkisini inceler.<\/p>\n<\/li>\n Kayan pencere (sliding window) tekni\u011fi, \u00f6zellikle iyi alt dizi bulma problemlerinde O(N) gibi do\u011frusal zaman karma\u015f\u0131kl\u0131\u011f\u0131yla olduk\u00e7a etkilidir. Kar\u0131\u015f\u0131k \u00e7iftler i\u00e7in ise karakter frekans haritalar\u0131 kullanmak veya dizeleri s\u0131ralayarak kar\u015f\u0131la\u015ft\u0131rmak en yayg\u0131n ve verimli y\u00f6ntemlerdir. B\u00fcy\u00fck \u00f6l\u00e7ekli uygulamalar i\u00e7in hashing teknikleri ve paralel i\u015fleme de performans\u0131 art\u0131rabilir.<\/p>\n<\/li>\n B\u00fcy\u00fck veri setleriyle \u00e7al\u0131\u015f\u0131rken performans sorunlar\u0131n\u0131 a\u015fmak i\u00e7in optimize edilmi\u015f algoritmalar (kayan pencere, rolling hash), verimli veri yap\u0131lar\u0131 (sabit boyutlu diziler veya hash map'ler), bellek y\u00f6netimi i\u00e7in yerinde g\u00fcncellemeler ve gerekti\u011finde paralel\/da\u011f\u0131t\u0131k i\u015fleme (Hadoop, Spark) gibi teknikler kullan\u0131lmal\u0131d\u0131r.<\/p>\n<\/li>\n<\/ul>\n <\/body>str1 = \"abc\"<\/code>, str2 = \"def\"<\/code> ve str3 = \"adbecf\"<\/code>. str3<\/code>, str1<\/code> ve str2<\/code>‘nin kar\u0131\u015f\u0131k birle\u015fimi midir? Bu t\u00fcr problemler, \u00f6zellikle veri \u015fifreleme, dosya b\u00fct\u00fcnl\u00fc\u011f\u00fc kontrol\u00fc ve hatta biyometrik veri e\u015fle\u015ftirme gibi alanlarda kar\u015f\u0131m\u0131za \u00e7\u0131kabilir. Kar\u0131\u015f\u0131k \u00e7iftleri tespit etmek i\u00e7in genellikle karakter frekans haritalar\u0131 veya s\u0131ralama tabanl\u0131 kar\u015f\u0131la\u015ft\u0131rmalar kullan\u0131l\u0131r.<\/p>\nBu Problemleri Algoritmik Olarak Nas\u0131l Yakla\u015f\u0131r\u0131z?<\/h2>\n
Basit Yakla\u015f\u0131mlar: Brute-Force ve Neden Ka\u00e7\u0131nmal\u0131y\u0131z?<\/h3>\n
Daha Optimize Yakla\u015f\u0131mlar: Hashing ve Kayan Pencere (Sliding Window)<\/h3>\n
\n
\u0130yi Alt Dizileri Bulmak \u0130\u00e7in Kayan Pencere Tekni\u011fi Nas\u0131l Kullan\u0131l\u0131r?<\/h2>\n
Kayan Pencere Tekni\u011fi Ad\u0131m Ad\u0131m A\u00e7\u0131klamas\u0131<\/h3>\n
text<\/code>) ve bir desen (pattern<\/code>) dizemiz oldu\u011funu varsayal\u0131m. Amac\u0131m\u0131z, text<\/code> i\u00e7inde pattern<\/code>‘in bir perm\u00fctasyonu olan t\u00fcm alt dizileri bulmakt\u0131r.<\/p>\n\n
pattern<\/code> dizisindeki her karakterin frekans\u0131n\u0131 (ka\u00e7 kez ge\u00e7ti\u011fini) bir harita (\u00f6rne\u011fin, bir dizi veya hash map) kullanarak kaydederiz. Bu, hedef perm\u00fctasyonumuzun “profilini” olu\u015fturur. \u00d6rne\u011fin, pattern = \"abc\"<\/code> ise, haritam\u0131z {'a': 1, 'b': 1, 'c': 1}<\/code> \u015feklinde olur.<\/li>\ntext<\/code> dizisinin ba\u015flang\u0131c\u0131ndan itibaren pattern<\/code> ile ayn\u0131 uzunlukta bir “pencere” olu\u015ftururuz. Bu pencerenin i\u00e7indeki karakterlerin frekanslar\u0131n\u0131 da ayr\u0131 bir haritada tutar\u0131z.<\/li>\n\n
pattern<\/code>‘in frekans haritas\u0131n\u0131 kar\u015f\u0131la\u015ft\u0131r\u0131r\u0131z. E\u011fer iki harita da ayn\u0131 karakterleri ayn\u0131 say\u0131da i\u00e7eriyorsa, bu pencere bir “iyi alt dizi”dir ve ba\u015flang\u0131\u00e7 indeksini kaydederiz.<\/li>\ntext<\/code> dizisinin sonuna kadar tekrarlar\u0131z.<\/li>\n<\/ul>\n<\/li>\n<\/ol>\nKod \u00d6rne\u011fi: Python ile \u0130yi Alt Dizi Bulma<\/h3>\n
\ndef find_good_substrings(text, pattern):\n result_indices = []\n if len(pattern) == 0 or len(text) == 0 or len(pattern) > len(text):\n return result_indices\n\n # Desen i\u00e7in frekans haritas\u0131 olu\u015ftur\n pattern_freq = [0] * 26 # \u0130ngiliz alfabesi i\u00e7in\n for char in pattern:\n pattern_freq[ord(char) - ord('a')] += 1\n\n # \u0130lk pencere i\u00e7in frekans haritas\u0131 olu\u015ftur\n window_freq = [0] * 26\n window_start = 0\n\n for window_end in range(len(text)):\n # Pencereye yeni karakter ekle\n window_freq[ord(text[window_end]) - ord('a')] += 1\n\n # Pencere desenden daha uzun hale gelirse, sol karakteri \u00e7\u0131kar\n if window_end - window_start + 1 == len(pattern):\n # Pencere ile desen frekanslar\u0131n\u0131 kar\u015f\u0131la\u015ft\u0131r\n if window_freq == pattern_freq:\n result_indices.append(window_start)\n\n # Pencereyi kayd\u0131r: Soldaki karakteri \u00e7\u0131kar\n window_freq[ord(text[window_start]) - ord('a')] -= 1\n window_start += 1\n \n return result_indices\n\n# \u00d6rnek kullan\u0131m\ntext = \"cbabacd\"\npattern = \"abc\"\nprint(f\"'{text}' i\u00e7inde '{pattern}' perm\u00fctasyonu olan iyi alt dizilerin ba\u015flang\u0131\u00e7 indeksleri: {find_good_substrings(text, pattern)}\")\n\ntext2 = \"eidbaooo\"\npattern2 = \"ab\"\nprint(f\"'{text2}' i\u00e7inde '{pattern2}' perm\u00fctasyonu olan iyi alt dizilerin ba\u015flang\u0131\u00e7 indeksleri: {find_good_substrings(text2, pattern2)}\")\n <\/pre>\ncollections.Counter<\/code> veya bir hash map (s\u00f6zl\u00fck) kullanmak daha verimli olacakt\u0131r. Frekans haritas\u0131 kar\u015f\u0131la\u015ft\u0131rmas\u0131 yerine, iki pencere frekans haritas\u0131n\u0131n fark\u0131n\u0131 tutan bir saya\u00e7 kullanmak da kar\u015f\u0131la\u015ft\u0131rma maliyetini optimize edebilir.\n <\/div>\nVaka Analizi: B\u00fcy\u00fck Log Dosyalar\u0131nda Belirli Desenleri Arama<\/h3>\n
login<\/code>, auth<\/code>, exec<\/code>) i\u00e7eriyor ve bu \u00fc\u00e7 komutun logda ard\u0131\u015f\u0131k olarak (s\u0131ras\u0131 fark etmeksizin) ge\u00e7mesi bir g\u00fcvenlik ihlali g\u00f6stergesi olabilir. Kayan pencere tekni\u011fiyle, log dosyas\u0131n\u0131 bir dize olarak ele alarak ve bu \u00fc\u00e7 komutun perm\u00fctasyonunu arayarak potansiyel ihlalleri h\u0131zla tespit edebiliriz. Bu, manuel log incelemesine k\u0131yasla hem \u00e7ok daha h\u0131zl\u0131 hem de daha g\u00fcvenilir bir y\u00f6ntemdir. \u00d6zellikle zaman k\u0131s\u0131tlamas\u0131 olan siber g\u00fcvenlik operasyonlar\u0131nda bu tarz algoritmalar hayati \u00f6nem ta\u015f\u0131r. Ayr\u0131ca, b\u00fcy\u00fck veri platformlar\u0131nda (\u00f6rne\u011fin Apache Spark veya Hadoop) bu algoritmalar\u0131 da\u011f\u0131t\u0131k olarak uygulayarak, petabaytlarca veriyi saniyeler i\u00e7inde analiz etmek m\u00fcmk\u00fcn hale gelir.<\/p>\nKar\u0131\u015f\u0131k \u00c7iftleri Etkin Bir \u015eekilde Belirleme Y\u00f6ntemleri Var m\u0131?<\/h2>\n
Karakter Frekans\u0131 Kullanarak Kar\u015f\u0131la\u015ft\u0131rma<\/h3>\n
\n
\nfunction areShufflePairs(str1, str2) {\n if (str1.length !== str2.length) {\n return false; \/\/ Uzunluklar farkl\u0131ysa perm\u00fctasyon olamazlar\n }\n\n const charCount = new Array(26).fill(0); \/\/ \u0130ngiliz alfabesi i\u00e7in\n\n \/\/ str1'deki karakterlerin frekans\u0131n\u0131 art\u0131r\n for (let i = 0; i < str1.length; i++) {\n charCount[str1.charCodeAt(i) - 'a'.charCodeAt(0)]++;\n }\n\n \/\/ str2'deki karakterlerin frekans\u0131n\u0131 azalt\n for (let i = 0; i < str2.length; i++) {\n charCount[str2.charCodeAt(i) - 'a'.charCodeAt(0)]--;\n \/\/ E\u011fer herhangi bir karakterin frekans\u0131 negatif olursa, str2'de str1'den fazla o karakter var demektir.\n if (charCount[str2.charCodeAt(i) - 'a'.charCodeAt(0)] < 0) {\n return false;\n }\n }\n\n \/\/ T\u00fcm frekanslar s\u0131f\u0131r olmal\u0131\n \/\/ Bu kontrol asl\u0131nda gerekmez \u00e7\u00fcnk\u00fc negatif frekans\u0131 yukar\u0131da yakalad\u0131k.\n \/\/ E\u011fer buraya kadar geldiyse ve t\u00fcm karakterler s\u0131f\u0131rlanmad\u0131ysa, str1'de str2'de olmayan bir karakter veya fazla bir karakter vard\u0131r.\n \/\/ Ancak optimize edilmi\u015f kodda yukar\u0131daki negatif kontrol yeterlidir.\n \/\/ Yine de tam kontrol i\u00e7in:\n \/\/ for (let i = 0; i < 26; i++) {\n \/\/ if (charCount[i] !== 0) {\n \/\/ return false;\n \/\/ }\n \/\/ }\n\n return true; \/\/ Kar\u0131\u015f\u0131k \u00e7iftler\n}\n\n\/\/ \u00d6rnek kullan\u0131m\nconsole.log(\"listen\" ve \"silent\" kar\u0131\u015f\u0131k \u00e7ift mi? ${areShufflePairs(\"listen\", \"silent\")}<\/code>); \/\/ true\nconsole.log(\"hello\" ve \"world\" kar\u0131\u015f\u0131k \u00e7ift mi? ${areShufflePairs(\"hello\", \"world\")}<\/code>); \/\/ false\nconsole.log(\"anagram\" ve \"nagaram\" kar\u0131\u015f\u0131k \u00e7ift mi? ${areShufflePairs(\"anagram\", \"nagaram\")}<\/code>); \/\/ true\n <\/pre>\nS\u0131ralama Tabanl\u0131 Yakla\u015f\u0131m<\/h3>\n
\n
\nfunction areShufflePairsSorted(str1, str2) {\n if (str1.length !== str2.length) {\n return false;\n }\n\n \/\/ Dizeleri s\u0131rala\n const sortedStr1 = str1.split('').sort().join('');\n const sortedStr2 = str2.split('').sort().join('');\n\n \/\/ S\u0131ralanm\u0131\u015f dizeleri kar\u015f\u0131la\u015ft\u0131r\n return sortedStr1 === sortedStr2;\n}\n\n\/\/ \u00d6rnek kullan\u0131m\nconsole.log((S\u0131ral\u0131) \"listen\" ve \"silent\" kar\u0131\u015f\u0131k \u00e7ift mi? ${areShufflePairsSorted(\"listen\", \"silent\")}<\/code>); \/\/ true\nconsole.log((S\u0131ral\u0131) \"apple\" ve \"pleap\" kar\u0131\u015f\u0131k \u00e7ift mi? ${areShufflePairsSorted(\"apple\", \"pleap\")}<\/code>); \/\/ true\n <\/pre>\nVaka Analizi: Kullan\u0131c\u0131 \u015eifrelerinde Ortak Perm\u00fctasyonlar\u0131 Tespit Etme<\/h3>\n
Performans \u0130pu\u00e7lar\u0131 ve Optimizasyon Teknikleri: B\u00fcy\u00fck Veriyle \u00c7al\u0131\u015f\u0131rken Nelere Dikkat Etmeli?<\/h2>\n
Hash Fonksiyonlar\u0131 Se\u00e7imi ve \u00d6nemi<\/h3>\n
\n# Perm\u00fctasyon tabanl\u0131 hash i\u00e7in basit bir \u00f6rnek\n# Dikkat: Ger\u00e7ek uygulamalarda daha robust bir hash algoritmas\u0131 gereklidir.\n# Bu sadece kavramsal bir \u00f6rnektir.\n\ndef get_permutation_hash(s):\n prime_numbers = [2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, 53, 59, 61, 67, 71, 73, 79, 83, 89, 97, 101]\n \n hash_val = 1\n for char in s.lower(): # K\u00fc\u00e7\u00fck harfe d\u00f6n\u00fc\u015ft\u00fcrerek case-insensitivity sa\u011flar\n if 'a' <= char <= 'z':\n prime_index = ord(char) - ord('a')\n hash_val *= prime_numbers[prime_index]\n # \u00c7ok b\u00fcy\u00fck say\u0131lardan ka\u00e7\u0131nmak i\u00e7in bir mod\u00fcler de\u011feri kullan\u0131labilir\n # hash_val %= some_large_prime \n return hash_val\n\nstr_a = \"abc\"\nstr_b = \"bca\"\nstr_c = \"cab\"\nstr_d = \"abd\"\n\nprint(f\"Hash for '{str_a}': {get_permutation_hash(str_a)}\") # Ayn\u0131 karakterler ayn\u0131 hash'i vermeli\nprint(f\"Hash for '{str_b}': {get_permutation_hash(str_b)}\")\nprint(f\"Hash for '{str_c}': {get_permutation_hash(str_c)}\")\nprint(f\"Hash for '{str_d}': {get_permutation_hash(str_d)}\") # Farkl\u0131 karakterler farkl\u0131 hash'i vermeli\n <\/pre>\nBellek Y\u00f6netimi ve Veri Yap\u0131lar\u0131<\/h3>\n
\n
Paralel \u0130\u015fleme ve Da\u011f\u0131t\u0131k Sistemler<\/h3>\n
\n
cProfile<\/code>, Java'da JProfiler gibi ara\u00e7lar, kodunuzun hangi k\u0131s\u0131mlar\u0131n\u0131n en \u00e7ok zaman ve bellek t\u00fcketti\u011fini belirlemenize yard\u0131mc\u0131 olur. Optimizasyon \u00e7abalar\u0131n\u0131z\u0131 en etkili noktalara odaklayabilirsiniz.\n <\/div>\nMobil Uyumluluk ve Kullan\u0131c\u0131 Deneyimi: Kod \u00d6rnekleri Nas\u0131l Responsive Hale Getirilir?<\/h2>\n
HTML ve CSS ile Responsive Tasar\u0131m<\/h3>\n
<\/p>\n<\/code> etiketlerini kapsayan bir CSS kural\u0131 tan\u0131mlayabiliriz.<\/p>\n \n\n function example() {\n console.log(\"Bu uzun bir kod sat\u0131r\u0131 olabilir ve mobil cihazda ta\u015fabilir.\");\n }\n <\/code><\/pre>\n<\/div>\n\n\/* Genel d\u00fczen i\u00e7in *\/\nbody {\n font-family: Arial, sans-serif;\n line-height: 1.6;\n margin: 0 auto;\n max-width: 960px; \/* \u0130\u00e7erik geni\u015fli\u011fini s\u0131n\u0131rlar *\/\n padding: 15px;\n}\n\n\/* Kod bloklar\u0131 i\u00e7in temel stil *\/\npre {\n background-color: #f4f4f4;\n padding: 15px;\n border-radius: 5px;\n overflow-x: auto; \/* Yatay kayd\u0131rma \u00e7ubu\u011funu etkinle\u015ftirir *\/\n white-space: pre-wrap; \/* Uzun sat\u0131rlar\u0131 k\u0131rar, ancak sat\u0131r sonu eklemez *\/\n word-wrap: break-word; \/* Kelimeleri k\u0131rar *\/\n}\n\ncode {\n font-family: 'Courier New', Courier, monospace;\n color: #333;\n display: block; \/* Her kodu yeni bir sat\u0131ra ba\u015flar *\/\n}\n\n\/* Mobil cihazlar i\u00e7in Media Query *\/\n@media (max-width: 768px) {\n body {\n padding: 10px;\n }\n\n h2, h3 {\n font-size: 1.2em; \/* Ba\u015fl\u0131k boyutlar\u0131n\u0131 k\u00fc\u00e7\u00fclt *\/\n }\n\n p, ul, ol, table {\n font-size: 0.95em; \/* Metin boyutunu biraz k\u00fc\u00e7\u00fclt *\/\n }\n\n pre {\n padding: 10px;\n font-size: 0.85em; \/* Kod metin boyutunu k\u00fc\u00e7\u00fclt *\/\n }\n}\n\n@media (max-width: 480px) {\n body {\n padding: 5px;\n }\n\n h2, h3 {\n font-size: 1.1em;\n }\n\n pre {\n font-size: 0.8em;\n }\n}\n <\/pre>\n\n
overflow-x: auto;<\/code>: Bu \u00f6zellik, kod blo\u011fu geni\u015fli\u011fi ekrana s\u0131\u011fmad\u0131\u011f\u0131nda otomatik olarak yatay bir kayd\u0131rma \u00e7ubu\u011fu olu\u015fturur. Bu, kodun ta\u015fmas\u0131n\u0131 engeller ve hala t\u00fcm kodu g\u00f6rebilmenizi sa\u011flar.<\/li>\nwhite-space: pre-wrap;<\/code> ve word-wrap: break-word;<\/code>: Bu iki \u00f6zellik, \u00f6zellikle uzun kod sat\u0131rlar\u0131n\u0131n otomatik olarak bir sonraki sat\u0131ra ge\u00e7mesini sa\u011flayarak yatay kayd\u0131rma ihtiyac\u0131n\u0131 azalt\u0131r. Ancak kodun okunabilirli\u011fini biraz d\u00fc\u015f\u00fcrebilece\u011fi i\u00e7in dikkatli kullan\u0131lmal\u0131d\u0131r. Genellikle overflow-x: auto;<\/code> daha iyi bir kullan\u0131c\u0131 deneyimi sunar.<\/li>\n@media<\/code> kurallar\u0131):<\/strong> Bu kurallar, ekran geni\u015fli\u011fi belirli bir e\u015fi\u011fin alt\u0131na d\u00fc\u015ft\u00fc\u011f\u00fcnde (\u00f6rne\u011fin 768px veya 480px) farkl\u0131 stil kurallar\u0131n\u0131n uygulanmas\u0131n\u0131 sa\u011flar. Bu sayede, ba\u015fl\u0131klar\u0131n, paragraflar\u0131n ve kod bloklar\u0131n\u0131n font boyutlar\u0131 gibi \u00f6\u011feler mobil ekrana g\u00f6re optimize edilir.<\/li>\n<\/ul>\nSonu\u00e7: PWC 350 Kavramlar\u0131n\u0131n Gelece\u011fi ve Uygulama Alanlar\u0131 Nelerdir?<\/h2>\n
S\u0131k\u00e7a Sorulan Sorular<\/h3>\n
\n
\n<\/html><\/p>\n","protected":false},"excerpt":{"rendered":"Dijital \u00e7a\u011fda, g\u00fcnl\u00fck olarak kar\u015f\u0131la\u015ft\u0131\u011f\u0131m\u0131z veri miktar\u0131 ak\u0131l almaz boyutlara ula\u015ft\u0131. Metin belgeleri, log kay\u0131tlar\u0131, genetik diziler ve…","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"csco_page_header_type":"","csco_page_load_nextpost":"","csco_page_subscribe_form":"","csco_page_contact_form":"","footnotes":""},"categories":[1],"tags":[],"class_list":{"0":"post-35722","1":"post","2":"type-post","3":"status-publish","4":"format-standard","6":"category-genel","7":"cs-entry","8":"cs-video-wrap"},"yoast_head":"\n