218 kayıt tarandı
Önce bunlar
Özel kredi, ABD Finansal Hesapları'na ekleniyor
Brinkman, Dobridge, Dore, Glossner, Holmquist, Nguyen, Perozek ve Stefanescu, Fed'in Finansal Hesaplar serisine özel krediyi ekliyor. Özel kredi, banka olmayan yatırım fonlarının şirketlere doğrudan verdiği müzakereli kredilerdir. Bilançolar ağırlıkla fonların ABD Menkul Kıymetler ve Borsa Komisyonu'na (SEC) gizli bildirdiği Form PF formundan kuruluyor. Yılda bir bildirim veren fonların portföyü, benzer stratejili ve üç ayda bir bildirim veren fonların portföy payları esas alınarak üç aylık veriye çevriliyor. Özel kredi dahil edilince ABD'de finansal olmayan şirket borcunun GSYH'ye oranı yaklaşık 5 puan yükseliyor.
| Özel kredi araçlarının toplam varlığı | 2,6 trilyon dolar | ABD ve yurtdışı araçlar, 2025 son çeyrek |
| ABD şirketlerine verilen özel kredi | 1,5 trilyon dolar | ABD, 2025 son çeyrek |
| Finansal olmayan şirket borcunda özel kredi payı | yüzde 6 | ABD, 2025 son çeyrek |
| Şirket borcunun GSYH oranına eklenen etki | yaklaşık 5 puan | ABD, özel kredi dahil |
Şimdiye kadar gördüğümüz, benzerlerine göre en ucuz kalan işlem
Miles Tym, Birleşik Krallık'ta enflasyona endeksli devlet tahvili eğrisinde 10-15 yıl vadesinin komşu vadelere göre rekor ucuz (fiyatı düşük, getirisi yüksek) olduğunu yazıyor. Birleşik Krallık Borç Yönetim Ofisi son 18 ayda tahvil ihracını kısa vadeye kaydırmış, son üç endeksli tahvil satışı 10-15 yıl aralığında yapılmış. Önerilen işlem 5 ve 50 yıllık endeksli tahvilleri satıp 10 yıllık endeksli tahvil almak. Böylece işlemin faiz değişimine duyarlılığı aynı kalıyor. Tym, işlemin yıllık yaklaşık yüzde 1,5 ek getiri sağladığını hesaplıyor.
| Beklenen ek getiri, yıllık | yaklaşık yüzde 1,5 | Birleşik Krallık, 10 yıllık endeksli tahvil |
| Beş yıllık elde tutma getirisi | yaklaşık yüzde 7,5 | Birleşik Krallık, aynı işlem |
| 10-15 yıl aralığında yapılan son endeksli tahvil satışı | 3 | Birleşik Krallık |
Wall Street Anthropic'in içine bakıyor
J. Edward Moreno, Wall Street Journal'ın eline geçen Anthropic halka arz izahnamesi taslağındaki rakamları aktarıyor. ABD'li şirketin 2026 ilk yarı geliri 16,3 milyar dolar, 2025'in aynı döneminde 1,1 milyar dolardı. Bilgi işlem kapasitesi ve altyapı harcaması 2,3 milyar dolardan 9 milyar dolara çıkmış. Net zarar 13 milyar dolardan 80 milyar dolara yükselmiş, zararın büyük bölümü muhasebe kalemlerinden geliyor. Şirketin bulut bilişim sözleşmelerinin tutarı 450 milyar dolara ulaşıyor.
| 2026 ilk yarı geliri | 16,3 milyar dolar | Anthropic, ABD |
| 2026 ilk yarı net zararı | 80 milyar dolar | Anthropic, ABD |
| Bulut bilişim sözleşmeleri | 450 milyar dolar | Anthropic, ABD, 7 ila 10 yıl vadeli |
| Haberde anılan olası halka arz değeri | yaklaşık 2 trilyon dolar | Anthropic, ABD |
Yapay zekâdaki döngüsellik, metin parçacığı (token) harcamasında da görülüyor
Torsten Slok, ABD'de şirketlerin yapay zekâ harcamasını izleyen Ramp AI Index verisine bakıyor. Yapay zekâya en çok harcayan şirketlerin ilk yüzde 1'lik diliminde risk sermayesi destekli şirket payı yüzde 80, harcama yapan şirketlerin ortancasında yüzde 13. Yani en çok yapay zekâ hizmeti alan girişimler bunu risk sermayesi fonlarından gelen parayla ödüyor. Slok'a göre yapay zekâ getirisi gecikirse risk sermayesi getirileri ve bilgi işlem talebi zayıflayabilir.
| En çok harcayan yüzde 1'lik dilimde risk sermayeli şirket payı | yüzde 80 | ABD, Ramp AI Index |
| Harcama yapan şirketlerin ortancasında risk sermayeli şirket payı | yüzde 13 | ABD, Ramp AI Index |
Kullanıcı sayısından yıllıklandırılmış gelire geçen fiyatlama ölçüleri ve yapay zekâ işlemi
Aswath Damodaran, genç şirketlerin değerlemeye değil fiyatlamaya konu olduğunu, bu fiyatlamanın da kullanıcı sayısı ya da yıllıklandırılmış gelir (bir dönemin gelirinin yıla çevrilmiş hali, kısaca ARR) gibi ölçülere dayandığını anlatıyor. Anthropic ve OpenAI örneğinde fiyatlama (benzer şirketlerin gelir çarpanlarına bakmak) ile içsel değerleme (şirketin kendi nakit akışından değer çıkarmak) ayrımını işliyor. ARR değerinin gelirin brüt ya da net alınmasına göre değiştiğini gösteriyor. OpenAI'ın ARR'si gelir brüt yerine net alınınca 70 milyar dolardan 50 milyar dolara inmiş.
| Anthropic'in yıllıklandırılmış geliri | 67 milyar dolar | ABD |
| Anthropic'in Mayıs 2026 turundan sonraki değerlemesi | 965 milyar dolar | ABD, 65 milyar dolarlık risk sermayesi turu |
| OpenAI'ın Mart 2026 turundan sonraki değerlemesi | 852 milyar dolar | ABD, 122 milyar dolarlık tur |
| Anthropic için 1,5-2 trilyon dolarlık fiyatın gerektirdiği işletme marjı | yüzde 30 ve üzeri | ABD, Damodaran'ın örnek senaryosu |
Petrol ve tahviller
Paul Donovan, petrol fiyatlarının yükselmeyi sürdürdüğünü ve ABD'de perakende dizel fiyatının tüm zamanların en yüksek düzeyine yakın olduğunu yazıyor. ABD'nin bazı diplomatlarına Suudi Arabistan'dan ayrılmaları talimatı verdiği haberini bölgesel istikrar için iyi işaret saymıyor. Donovan'a göre ABD'de tüketiciler yıl sonuna kadar enerji maliyetine rağmen harcamayı sürdürecek. Riskler gelecek yıl artıyor. Fransa'da 10 yıllık devlet tahvili faizi yüzde 5'in üzerine çıktı.
| 10 yıllık devlet tahvili faizi | yüzde 5 üzeri | Fransa |
At The Money programının bölümünde temettü yatırımı hem getiri hem büyüme sağlayabilir mi?
Barry Ritholtz, ABD'de portföy yöneten David Bahnsen'e temettü büyümesi stratejisini soruyor. Bahnsen 30-35 şirketten oluşan portföyünde temettüsünü artırma gücü olan şirketleri seçiyor ve temettüyü toplam getiriye giden yol sayıyor. Yüksek temettü verimini (temettünün hisse fiyatına oranı) temettünün kesileceğine dair uyarı olarak okuyor. Citigroup hissesini Ekim 2007'de 51 dolardan sattığını, hissenin sonradan yaklaşık 97 sente indiğini anlatıyor. Walmart hissesini ise hisse bir yılda yaklaşık yüzde 60 artıp temettü verimi yüzde 3,5'ten yüzde 1,5'e inince sattığını söylüyor.
| Bahnsen'in portföyündeki şirket sayısı | 30-35 | ABD |
| Citigroup hissesinin satış fiyatı | 51 dolar | ABD, Ekim 2007 |
| Walmart temettü veriminin satıştan önceki düşüşü | yüzde 3,5'ten yüzde 1,5'e | ABD, bir yıllık hisse artışı sonrası |
İngiltere'de 1700-2026 arasında servet şokları üç kuşaktan az sürüyor
Gregory Clark ile Neil Cummins, 1880 öncesi İngiltere verisinde aile büyüklüğündeki rastlantısal farkları servet şoku sayarak şokun kaç kuşak sürdüğünü ölçüyor. O dönemde doğum denetimi yaygın olmadığından bir ailenin kaç çocuğu olduğu bir tür biyolojik piyango sayılıyor ve zengin ailelerde çocuğa kalan serveti belirliyor. Şokun torunların serveti üzerindeki etkisi üç kuşak sonra kayboluyor. Ailelerin servet düzeyi ise beş kuşaktan uzun süre kalıcı.
| Servet şokunun sönme süresi | 3 kuşaktan az | İngiltere, aile büyüklüğünden doğan şok |
| Servetin kendisinin kalıcılığı | 5 kuşaktan fazla | İngiltere |
Üniversitelerdeki toplu silahlı saldırılar kalıcı etkiler bırakıyor mu?
María Medellín-Esguerra, ABD'de 1990 ile 2025 arasında kolej ve üniversitelerde yaşanan toplu silahlı saldırıların öğrencilerin kariyerini nasıl etkilediğini ölçüyor. Saldırı yaşanan okulların mezun gruplarını (kohortlarını), saldırı yaşanmamış benzer okulların mezun gruplarıyla karşılaştırıyor. Yöntem farkların farkı: iki grubun saldırı öncesi ve sonrası değişimi kıyaslanıyor. Veri yaklaşık 4 milyon mezunun LinkedIn profilinden geliyor. Mezuniyet süresinde saptanabilir etki yok. Lisansüstüne devam olasılığı 1,6 puan, yani saldırı öncesi ortalamaya göre yüzde 4,2 düşüyor. Devam edenler sağlık alanına kayıyor.
| Lisansüstüne devam olasılığındaki düşüş | yüzde 4,2 | ABD, saldırı öncesi ortalamaya göre |
| Sağlık alanında lisansüstü kaydındaki artış | 1,3 puan | ABD, saldırı yaşanan okulların kohortları |
| Mezun profili örneklemi | yaklaşık 4 milyon | ABD, LinkedIn |
Arama destekli üretimde (RAG) ajan gerçekten daha iyi kanıt buluyor mu? 298 soruyla denedim
Abdullahi Dattijo, belgeleri arayıp cevabı dil modeline besleyen sistemlerde (RAG) aynı 298 soru ve 2.000 arXiv makale özeti üzerinde dört arama yöntemini kıyaslıyor. Karşılaştırılanlar tek aramalı vektör arama, sonuçları yeniden sıralayan model, soruyu üç biçimde yeniden yazdıran çoklu sorgu ve en fazla üç kez arama yapabilen ajan. Ölçüt, doğru makalenin ilk beş sonuçta yer alması. Ajanın kazancı 1,2 puan olsa da güven aralığı (kazancın olası aralığı) sıfırı da içeriyor. Yeniden sıralayıcı, doğru makalenin sıralamadaki yerini ölçen puanı 0,895'ten 0,959'a çıkarıyor.
| Tek aramalı vektör aramada ilk beş sonuçta doğru makale | yüzde 95,6 | 298 soru, arXiv özetleri |
| Yeniden sıralayıcıyla ilk beş sonuçta doğru makale | yüzde 97,0 | 298 soru, arXiv özetleri |
| Ajanlı aramayla ilk beş sonuçta doğru makale | yüzde 96,9 | 298 soru, arXiv özetleri |
| Ajanlı aramanın 1.000 sorgu başına model maliyeti | 0,09 dolar | 298 soruluk deney |
Aynı cevap, farklı gerekçe. Akıl yürüten bir model yerleştirilmiş ipucunu izlerken ne söylüyor
Utkarsh Mangal, 1,5 milyar parametreli DeepSeek-R1-Distill-Qwen modeline MMLU adlı çoktan seçmeli sınavın 200 sorusunda yanlış şıkkı gösteren üç tür ipucu veriyor. Bunlar profesör notu, XML üst verisi ve doğrulama fonksiyonu. İpucu verilmeyen tekrarda cevap değişimi yüzde 8 iken profesör ipucunda model cevabını yüzde 28,5 oranında yanlış şıka kaydırıyor. Sonra 13 akıl yürütme dökümünü elle okuyor. Model 13 dökümün 12'sinde ipucunu anıyor, 6'sında cevabını kendi gerekçesiyle savunuyor. Metinde ipucu kelimelerini arayan sayaç elle okumayla uyuşmuyor.
| Cevabın profesör ipucuna kayması | yüzde 28,5 | 137 MMLU sorusunda 39 kayma |
| Cevabın doğrulama fonksiyonu ipucuna kayması | yüzde 16,5 | 127 MMLU sorusunda 21 kayma |
| Cevabın XML üst verisi ipucuna kayması | yüzde 13,8 | 138 MMLU sorusunda 19 kayma |
| İpucusuz ikinci koşuda rastlantısal kayma | yüzde 8,0 | 137 MMLU sorusunda 11 kayma |
Modelin kendi çıktılarıyla kendini damıtması, eğitim sonrası aşamayı kökten değiştirebilir mi?
Jonathan Yahav, 2026 başında ortaya çıkan öz-damıtma yazınını özetliyor. Damıtma, bir modelin öğrendiğini başka bir modele aktarmak demek. Öz-damıtmada aynı model hem öğretmen hem öğrenci oluyor. Öğretmen uzman örneklerini görüyor ve ağırlıkları, yani modelin öğrenilmiş sayıları, öğrencinin hareketli ortalaması olarak güncelleniyor. Shenfeld ve arkadaşlarının çalışmasında yeni bilgi öğrenirken eski yeteneklerin silinmesi azalıyor. Zhao ve arkadaşları, öz-damıtmanın 100 eğitim adımında pekiştirmeli öğrenme yöntemi GRPO'dan çok daha az metin parçacığıyla daha iyi sonuç verdiğini, 500 adımda farkın küçüldüğünü buluyor. Kaur ve arkadaşları, öz-damıtma uygulanan akıl yürüten beş modelde AIME ve HMMT adlı matematik yarışması sorularında doğruluğun çoğunlukla 5 puandan fazla düştüğünü bildiriyor.
| Akıl yürüten beş modelde doğruluk kaybı | 5 puandan fazla | AIME24, AIME25 ve HMMT25 sınavları, Kaur ve arkadaşları |
OpenAI'ın milyon dolarlık ödüllü problemdeki kanıtının perde arkası
Joseph Howlett, OpenAI'ın Navier-Stokes denklemleri için duyurduğu çözümün arka planını anlatıyor. Bu denklemler akışkanların hareketini tanımlıyor, çözümü için Clay Matematik Enstitüsü 1 milyon dolar ödül koymuş. NYU'dan Tristan Buckmaster ile Anthropic çalışanı Levent Alpöge, Euler denklemlerinde (Navier-Stokes'un sürtünmesiz hali) çözümün sonlu zamanda sonsuza gittiği bir durum bulmuş, kanıt Lean adlı denetleyici yazılımla doğrulanmış. OpenAI ardından 100 yapay zekâ ajanından kurulu bir ekiple Euler denklemlerini, sonra 10.000 ajanlık bir sürüyle Navier-Stokes'u çözmüş. Buckmaster ile OpenAI, kanıtın kimin çalışmasına dayandığı konusunda anlaşamıyor.
| Navier-Stokes problemi için ödül | 1 milyon dolar | Clay Matematik Enstitüsü |
| Navier-Stokes için çalıştırılan ajan sayısı | 10.000 | OpenAI, ABD |
| Bildirilen hesaplama maliyeti | 15 milyon dolar | OpenAI sürüsü, ABD |
Google, Harness² çerçevesini açık kaynak yaptı, yapay zekâ ajanları yeniden eğitim olmadan kendini geliştiriyor
Shittu Olumide, Google Research'ün Apache 2.0 lisansıyla açtığı Harness² çerçevesini anlatıyor. Çerçeve model ağırlıklarına dokunmadan ajanın istemini, belleğini, araç yönergelerini, betiklerini ve alt ajanlarını yeniden yazıyor. Bir döngü her görevde öneri üretip deniyor ve birleştiriyor, ikinci döngü ise görevler arası ortak deneyim kütüphanesi kuruyor. Olumide ücretsiz demoyu adım adım çalıştırıyor. Kıyaslama sonuçları Google'ın kendi bildirimine dayanıyor.
| WorkBuddy-Bench'te en iyi yapılandırmada artış | 11,5 puan | Google'ın bildirimi |
| Hukuk görevlerini içeren LAB'de en iyi yapılandırmada artış | 11,8 puan | Google'ın bildirimi, 1.143 görev |
| JobBench'te en iyi yapılandırmada artış | 4,5 puan | Google'ın bildirimi |
Dijital yaşamımız veri merkezlerine giderek daha bağımlı. Onları nasıl koruyacağız?
Chris Stokel-Walker, veri merkezlerinin hava saldırılarında hedef olmasını ve korunma seçeneklerini anlatıyor. Rusya'nın 23 Eylül'de yıktığı Kiev'deki MiroHost veri merkezinde müşterilerin yaklaşık yirmide biri etkilendi, çünkü şirket Polonya, Çekya ve Slovakya'da yedek kapasite ayırmıştı. Uzmanlar fiziksel güvenlik standartlarının erişim kısıtına odaklandığını, dron ve füze saldırılarına karşı tasarlanmadığını söylüyor. Dronları sinyalle bozmak çoğu yerde yasak. En gerçekçi koruma, verileri farklı bölgelerdeki merkezlerde yedeklemek (coğrafi yedeklilik), o da pahalı.
| MiroHost müşterilerinden etkilenen pay | yaklaşık yüzde 5 | Ukrayna, Kiev, 23 Eylül saldırısı |
| Ekim 2026'da dronlarla vurulan Yandex veri merkezi | 3 | Rusya |
‘Her şeyi tersine mühendislikle çöz’ yapay zekânın yeni kuralsız alanı
Jason Koebler, insanların yapay zekâ ile kapalı kaynak kodlu yazılım ve donanımı çözümleyip kopyaladığını anlatıyor. Örnekler arasında akıllı televizyonların işletim sistemini yapay zekâyla yazılmış sistemlerle değiştirmek var. Akıllı resim çerçeveleri ve bebek kameraları da çözümleniyor. GitHub'daki Reverse Engineer Anything projesini 342.000'den fazla kullanıcı yıldızlamış. Koebler yapay zekâ klonlarının sık sık hatalı ve güvensiz olduğunu, bunun güvenlik sorunlarına ve düşük kaliteli yazılım bolluğuna yol açacağını savunuyor.
| GitHub'da proje yıldızı | 342.000'den fazla | Reverse Engineer Anything projesi |
| Viral X paylaşımının görüntülenmesi | 6 milyondan fazla | X |
Yapay zekâ düzenlemesinin zamanlaması üzerine basit bir not
Tyler Cowen, ABD ekonomisinde düzenlenen alanların çoğunun sonunda aşırı düzenlendiğini, yapay zekânın da bir noktada bugünkünden fazla düzenleneceğini savunuyor. Buradan bugün az düzenlemenin makul olduğunu çıkarıyor, çünkü aşırı düzenlemenin geri alınması onlarca yıl, belki yüzyıllar alacak.
Toplulukla yaşamak, kendine dair yanılsamaların öldüğü yerdir
Elizabeth Oldfield, Londra'da yaklaşık altı yıldır 8 yetişkin ve çocuklarla ortak bir evde yaşıyor. Yatak odaları dışında her alan ortak, para büyük ölçüde havuzda. Oldfield, bireyciliğin ve mahremiyetin yalnızlığı ve çevresinden kopuk bir benliği ürettiğini, başkalarıyla yakın yaşamanın benlik yanılsamalarını dağıttığını savunuyor. Charles Taylor'ın tamponlu benlik kavramına başvuruyor. Topluluk yalnızca kendisi için kurulursa çöker, dışarıya dönük bir amaç gerekiyor.
| Ortak evde birlikte yaşama süresi | yaklaşık 6 yıl | Londra |
| Evdeki yetişkin sayısı | 8 | Londra, ortak ev |
Romantik ilişkiler erkekler için neden kadınlara göre daha önemli
Iris Wahring, 50'den fazla ampirik çalışmayı ve meta-analizi tarıyor. Bulgusu, ilişkinin her aşamasında erkeklerin eşlerine kadınlara göre daha bağımlı olması. Wang ve arkadaşlarının 7,9 milyon kişilik meta-analizine göre evli olmayanların ölüm riski evlilere göre kadınlarda yüzde 22, erkeklerde yüzde 46 yüksek. Ayrılıkları çoğunlukla kadınlar başlatıyor, ayrılık sonrası erkeklerde yaşam doyumu kadınlara göre daha sert düşüyor. Wahring bunu erkeklerin yakın çevreden kadınlara göre daha az duygusal destek almasına bağlıyor.
| Evli olmayan kadınlarda evlilere göre ölüm riski farkı | yüzde 22 | Wang ve arkadaşlarının meta-analizi |
| Evli olmayan erkeklerde evlilere göre ölüm riski farkı | yüzde 46 | Wang ve arkadaşlarının meta-analizi |
| Ayrılıkları kadınların başlatma oranı | yüzde 60-70 | ABD, Almanya ve Hollanda, karşı cinsten çiftler |
Orta Pleistosen dönemi Xujiayao fosillerinin proteomu ve Denisovalılarla ortak biçimbilimi
Song Xing ve arkadaşları, kuzey Çin'deki Xujiayao fosillerinde antik protein analizi, yani kemikte kalan proteinlerin okunması yöntemini kullanıyor. İki örnekte 18 protein buluyorlar. Yalnızca Denisovalılarda görülen bir kollajen mutasyonu örnekleri Denisovalı soyuna yerleştiriyor. Ekip buradan Harbin, Jinniushan, Dali ve Hualongdong gibi Doğu Asya fosillerindeki kalın kafatası kubbesini, iri kaş kemerini ve zayıf çene çıkıntısını Denisovalılara atfediyor.
| Tanımlanan protein | 18 | Çin, Xujiayao, iki örnek |
| Fosillerin yaşı | 199-138 bin yıl | Çin, Xujiayao |
Van Gogh'un Yıldızlı Gece'sindeki gerçek gökyüzü, disiplinler arası bir yeniden oluşturma
Elijah Jeong-hyun Kim, Suna Kang, Jungwoo Song ve Ho Jin, resimdeki yıldız kümesinin Boğa takımyıldızındaki Hyades kümesi olduğunu savunuyor. Şekil karşılaştırması yöntemiyle (Procrustes) resimdeki beş yıldız Hyades'in beş yıldızıyla eşleşiyor, daha önce önerilen Koç takımyıldızı daha zayıf uyum veriyor. Yöntem, takımyıldızı bilinen Rhône Üzerinde Yıldızlı Gece resmiyle sınanmış. Resimdeki hilal ay ve Van Gogh'un mektupları da resmin geleneksel Haziran tarihi yerine 22 Temmuz 1889 şafağını gösteriyor.
| Hyades kümesiyle eşleşen yıldız | 5 | Yıldızlı Gece, Boğa takımyıldızı |
| Önerilen tarih | 22 Temmuz 1889 | Saint-Rémy, şafak |
Python'da büyük JSON dosyaları ijson ile nasıl işlenir
Kanwal Mehreen, San Francisco arsa verisini (181 MB'lık GeoJSON dosyası) önce json.load ile, sonra ijson.items ile işliyor. İş aynı: 206.560 parseli saymak ve MARKET sokağındaki 808 parseli ayırmak. json.load dosyanın tamamını belleğe alırken ijson kayıtları tek tek akıtıyor. json.load yerine ijson kullanılınca tepe bellek 808,9 MiB'den 46,1 MiB'ye iniyor, süre 4,01 saniyeden 4,58 saniyeye çıkıyor (Google Colab, tek koşu).
| json.load ile tepe bellek | 808,9 MiB | 181 MB'lık dosya, Google Colab |
| ijson ile tepe bellek | 46,1 MiB | 181 MB'lık dosya, Google Colab |
Python'da Raman spektrumlarının ön işlenmesi ve negatif olmayan en küçük kareler modeliyle zeolit kristallenmesinin izlenmesi
Nicolas Coca Lopez, zeolit sentezini izleyen Raman spektrumlarını Python'da işliyor. Zeolit, gözenekli bir kristal mineraldir ve sentez sırasında faujasit fazından gismondin fazına dönüşüyor. Raman spektrumu, bir maddenin ışığı saçarken verdiği titreşim parmak izidir. Adımlar spektrumu kırpmak, ani tepeleri temizlemek, taban çizgisini çıkarmak ve normalleştirmek. Sonra negatif olmayan en küçük kareler yöntemi ölçülen spektrumu iki referans spektrumun toplamı olarak ifade edip faz oranını yüzde olarak veriyor. Veri, Zenodo adlı açık veri deposunda yayımlanmış.
| Kırpılan spektral aralık | 250-1250 cm⁻¹ | Raman spektrumu |
| Faz oranı için kullanılan bölge | 460-540 cm⁻¹ | faujasit ve gismondin ayrımı |
Uluslararası Matematik Olimpiyatı altın madalyalıları nereye gitti? Üç bölümün ilki
Neeloy Banerjee, 1997-2017 arasında Uluslararası Matematik Olimpiyatı'nda altın madalya kazananların kariyerini izlemek için bir veri seti kuruyor. Katılımcıları olimpiyat sitesindeki kayıtlardan başlayıp LinkedIn profilleri, lisans kurumu kayıtları ve arXiv yayınlarıyla eşleştiriyor. İlk bölüm yalnızca veri kalitesini ele alıyor. Hakkında bilgi bulunabilen madalyalıların oranı yüzde 91. Çin, Güney Kore, Rusya, Vietnam ve Japonya'da eksik kayıtlar diğer ülkelere göre daha çok.
| Veri setindeki altın madalya | 909 | 1997-2017, 59 ülke |
| Tekil altın madalyalı | 730 | 1997-2017, 59 ülke |
| Bilgi bulunan madalyalıların oranı | yüzde 91 | 1997-2017, 59 ülke |