Ubuntu – Debian altında örnek kodu derleyebilmek için gerekli paketler :

$ sudo apt-get install libavcodec-dev libavformat-dev

Derlemek için :

g++ avf.cpp -I/usr/include/libavcodec -I/usr/include/libavformat -lavformat -lavcodec -L/usr/lib/libavformat.so -L/usr/lib/libavcodec.so -o avf

Örnek Kullanım :

./avf test.mp4

Çıktı :

Video codec       : mp42

Width       : 1920

Height      : 1080

Duration    : 300

Audio codec   : aac

Audio channels    : 2

Audio samplerate  : 44100

Audio bitrate     : 128

#ifndef INT64_C
#define INT64_C(c) (c ## LL)
#define UINT64_C(c) (c ## ULL)
#endif

extern "C" {
#include <avcodec.h>
#include <avformat.h>
}

#include <stdio.h>
#include <stdlib.h>
#include <iostream>

//g++ avf.cpp -I/usr/include/libavcodec -I/usr/include/libavformat -lavformat -lavcodec -L/usr/lib/libavformat.so -L/usr/lib/libavcodec.so -o avf

using namespace std;

int main(int argc, char *argv[])
{
	av_log_set_level(0);
	av_register_all();
	AVFormatContext *pFormatCtx;
	const char      *filename=argv[1];

	// Open video file
	if(av_open_input_file(&pFormatCtx, filename, NULL, 0, NULL)!=0)
	{
	   cout < < "can't open file" << endl;
	   exit(-1);
	}	

	// Retrieve stream information
	if(av_find_stream_info(pFormatCtx)<0)
	{
	  cout << "can't get stream info" << endl; 	  exit(-1); 	} 	//dump_format(pFormatCtx, 0, filename, false); 	int            i, videoStream; 	AVCodecContext *pCodecCtx; //http://ffmpeg.org/doxygen/0.6/structAVCodecContext.html 	AVCodecContext *pCodecCtx2; 	 	pCodecCtx=pFormatCtx->streams[0]->codec;
	pCodecCtx2=pFormatCtx->streams[1]->codec;

	AVCodec* vCodec;//http://ffmpeg.org/doxygen/0.6/structAVCodec.html
	AVCodec* aCodec;
	vCodec=avcodec_find_decoder(pCodecCtx->codec_id);
	aCodec=avcodec_find_decoder(pCodecCtx2->codec_id);

	cout < < "Video codec       : " << vCodec->name < < endl;
	cout << "Width    	  : " << pCodecCtx->width < < endl;
	cout << "Height   	  : " << pCodecCtx->height < < endl;
	cout << "Duration 	  : " << pFormatCtx->duration < < endl;
	//cout << "codec id	  : " << (int)pCodecCtx2 << endl;
	cout << "Audio codec	  : " << aCodec->name < < endl;
	cout << "Audio channels    : " << pCodecCtx2->channels < < endl;
	cout << "Audio samplerate  : " <<  pCodecCtx2->sample_rate < < endl;
	cout << "Audio bitrate     : " <<  pCodecCtx2->bit_rate < < endl;

	avcodec_close(pCodecCtx);
	avcodec_close(pCodecCtx2);

	av_close_input_file(pFormatCtx);
	return 0;
}

Örnek kod

Birçok kullanıcının beğenilerini toplayarak (İşbirliği ) bir kullanıcının ilgilendikleri hakkında otomatik tahminlerde bulunma metoduna filtreleme denir.  İşbirlikçi filtreleme (İF) yaklaşımının altında yatan temel varsayım geçmişte kabul edilenlerin gelecekte de kabul edilebileceğidir.

Örneğin İşbirlikçi filtreleme veya tavsiye sistemi ile bir kullanıcının beğendiği, beğenmediği televizyon programları bir liste halinde ele alındığında, o kullanıcı için hangi televizyon programlarını sevebileceği kestirilebilir.  Bu tahminler kullanıcıya özeldir ancak birçok kullanıcıdan toplanan verilere dayanmaktadır.

Metodoloji

İşbirlikçi filtreleme sistemlerinin birçok biçimi vardır ancak en çok kullanılan biçimleri 2 adıma indirgenebilir.

1. Aktif kullanıcı (beğenileri kestirilen kişi ) ile aynı oylama desenlerine sahip kullanıcılara bak
2. Aktif kullanıcıya tahmin yapmak için 1. Adımda bulunan verilere bakılır.

Bu tip filtreleme işlemi kullanıcı bazlı İşbirlikçi filtrelemedir  ( User Based Collabrative filtering )

Alternatif olarak Öğe bazlı işbirlikçi filtreleme ( Item Based Collabrative filtering )  Amazon ile popüler olmuştur. ( X’i alan kullanıcılar ayrıca Y’yi de almıştır )

1. Öğeler arasındaki ilişkileri belirleyen öğe-öğe matrisi oluştur.
2. Aktif kullanıcıya tahmin yapmak için matrise ve aktif kullanıcının verisini kullan.

Kullanıcı bazlı işbirlikçi filtreleme

• Her kullanıcıyı diğer her kullanıcıyla karşılaştırılıyor.
• Veri seti büyüdükçe her kullanıcıyı diğer her kullanıcıyla karşılaştırmak yavaşlıyor
• Ürün sayısı  çok olan bir sitede  kullanıcılarının zevklerinin örtüşmesi az olabilir. Bu da hangi kullanıcıların birbiriyle benzer olduğunu bulmayı zorlaştırır.

Öğe bazlı işbirlikçi filtreleme

• Kullanıcı tabanlıya göre daha hızlı sonuçlar verebilmekte. Ön hesaplama yapılması gerekiyor.
• Yoğun olmayan verisetlerinde daha iyi sonuçlar vermektedir.  Yoğun verisetlerinde uygulandığında kullanıcı bazlı işbirlikçi filtrelemeye benzer sonuçlar vermektedir.

Uygulamaları

Amazon , Digg , Ebay , Google News , Hulu ,  imdb ,  iTunes , Last.fm , Netflix , StumbleUpon

Örnek Uygulama

Tür : Kullanıcı bazlı
Algoritma : Öklid uzaklığı
Veri :  943 kullanıcı’nın 1682 film için verdiği 100.000 oy
Amaç : Kullanıcıların beğenilerinin örtüşme oranının bulunması (0 – 1 aralığında )

Uygulama – Uygulamanın kaynak kodu

Kaynak : http://en.wikipedia.org/wiki/Collaborative_filtering

Darısı sınava girecek diğer arkadaşların başına

Webgrind PHP5 ile yazılmış hoş bir Xdebug profiler arayüzü.
Performans darboğazlarını bulmak ve gidermek  için kullandığımız Xdebug’un çıktılarını görselleştirerek darboğazları bulmamızı kolaylaştırıyor.

Webgrind kullanabilmek için geliştirme ortamınızda Xdebug eklentisi kurulu olmalı.
Tabi Xdebug ‘un profiler özelliğini etkin hale getirmekte gerekli.

xdebug.profiler_enable=1 ini yönergesi  ile her betik çalıştığında xdebug profiler’ı çalıştırıyoruz.
xdebug.profiler_enable_trigger=1 ini yönergesi ile ise  betik.php?XDEBUG_PROFILE veya  XDEBUG_PROFILE isimli çerez atmamız ile Xdebug profiler’ımız tetikleniyor. Bu yönergeyi kullandığınızda xdebug.profiler_enable yönergesini devre dışı bırakmalısınız.(xdebug.profiler_enable=0)

TC Kimlik numaraları 11 basamaktan oluşmaktadır.
İlk 9 basamak arasında kurulan bir algoritma bize 10. basamağı,
ilk 10 basamak arasında kurulan algoritma ise bize 11. basamağı verir.
* 11 hanelidir.
* Her hanesi rakamsal değer içerir.
* İlk hane 0 olamaz.
* 1. 3. 5. 7. ve 9. hanelerin toplamının 7 katından, 2. 4. 6. ve 8. hanelerin toplamı çıkartıldığında, elde edilen sonucun 10′a bölümünden kalan, yani Mod10′u bize 10. haneyi verir.
* 1. 2. 3. 4. 5. 6. 7. 8. 9. ve 10. hanelerin toplamından elde edilen sonucun 10′a bölümünden kalan, yani Mod 10′u bize 11. haneyi verir.

Örnek Kullanım :( jQuery plugin olarak ):

$('#kimlikNo').tcnomu();

Geçerli T.C No ise True değilse False döndürür.

Örnek |  İndir

Örnek Kullanım : ( jQuery validate plugin extension olarak ):

    $("#tcform").validate({
        rules: {
            tcno: {
                required: true,
                minlength: 11,
                tcno: true
            },
            messages: {
                tcno: "Lütfen geçerli bir T.C No girin."
            }
        }
});

Örnek | İndir

Sıkıştırılmamış halleriyle birlikte indir

Günümüzde zararlılar sadece kullandığımız bilgisayarlara zarar vermekle kalmıyor aynı zamanda sitelerimizi ve ziyaretçilerini de hedef alır hale geldi.  Bu tip zararlılar genellikle kırılmış ftp uygulamarı aracılığıyla kendini sitelerimize atıyor.  Bunlardan kurtulmanın birçok yolu olmasına karşın en basit yöntemlerden biri ftp erişimini belli ip aralığı ile sınırlı tutmak.

Centos 5 ve Proftpd ftp sunucusu için gerekli adımlar :

Bu iş için proftpd’nin mod_ifsession adlı modülü var. Varsayılan olarak mod_ifsession gelmiyor ama gene de kontrol etmenin faydası var.

/usr/sbin/proftpd -l

Yüklü modül listesinde mod_ifsession yoksa Proftpd’yi  mod_ifsession modülüyle birlikte derlememiz gerekiyor.

yum install gcc pam-devel

wget ftp://ftp.proftpd.org/distrib/source/proftpd-1.3.2a.tar.bz2

 tar -xvf proftpd-1.3.2.tar.gz

 cd proftpd-1.3.2

./configure --prefix=/usr --sysconfdir=/etc --localstatedir=/var/run
--with-modules=mod_ratio:mod_readme:mod_tls:mod_quotatab:
mod_quotatab_file:mod_auth_pam:mod_ifsession --enable-ctrls --enable-dso

make

cp proftpd /usr/sbin/proftpd

x ftp kullanıcısının ip adresini belirlemek ( sadece belirttiğimiz ip/ip aralığı ile ftp’ye erişebilir)

nano /etc/proftpd.include

<class sabit_ip>
    From 1.2.3.4
  </class>

  <ifuser x>
    <limit LOGIN>
      AllowClass sabit_ip
      DenyAll
    </limit>
  </ifuser>