Perakende sektöründe makine öğrenmesine dayalı yaklaşımlar
Approaches to the application of machine learning in the retail sector
- Tez No: 540624
- Danışmanlar: PROF. DR. ALİ HAKAN BÜYÜKLÜ
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Son yıllarda teknolojinin hızla gelişmesi ve veriye ulaşmanın kolaylaşması ile veri biliminde makine öğrenimi algoritmaları önem kazanmıştır. Makine öğrenimi algoritmaları günümüzde bankacılık, finans, teknoloji, biyoistatistik, tıp, v.b. pek çok alanda uygulanmaktadır. Bu çalışmada, çamaşır yumuşatıcı kategorisinde, tüketicilerin marka alım tercihlerinin sınıflandırmaya dayalı makine öğrenmesi teknikleri kullanılarak belirlenebilmesi amaçlanmıştır. Uygulamada IPSOS Hane Tüketici Paneli verisi kullanılmıştır. Extreme Gradient Boosting ve Naive Bayes Sınıflandırma algoritmaları kullanılarak modellenmiştir. Modeller, verinin %80'lik kısmı ile eğitilmiş ve kullanılmayan test kısmında tahminleme güçleri ölçülerek sınıflandıflandırma performansları karşılaştırılmıştır. Veri analizi sırasında SQL ve R programı RStudio arayüzü kullanılmıştır. Bu çalışmanın bir bölümü EYİ 2018/Antalya sempozyumunda bildiri olarak sunulmuştur.
Özet (Çeviri)
In recent years, with the rapid development of technology and easy access to data, machine learning algorithms have gained importance in data science. Machine learning algorithms are applied in many areas such as banking, finance, technology, biostatistics, medicine, etc. In this study, it is aimed to determine the consumers' brand buying preferences in the category of the laundry softeners by using classification-based machine learning techniques. In practice, IPSOS Household Consumer Panel data is used. Modeled using Extreme Gradient Boosting and Naïve Bayes Classifier algorithms. Models are trained with %80 percent of data and the predictive power was measured in the rest test data which was not used and the classification performances were compared. SQL and RStudio programs are used for data analysis. A part of this study is presented as a paper at the EYI 2018/Antalya symposium.
Benzer Tezler
- Barkodsuz ürünlerin tanınmasında derin öğrenmeye dayalı yaklaşımların uygulanması
The implementation of deep learning based approaches in the identification of barcod-free products
FURKAN ATBAN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAMZA OSMAN İLHAN
- A new approach for ensemble based demand forecasting using machine learning methodologies in bigdata environment
Başlık çevirisi yok
AHMET OKAY AKYÜZ
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDoğuş ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MİTAT UYSAL
- A machine learning approach for marginal fulfillment cost estimation in last mile delivery
Makine öğrenmesi temelli sınırsal teslimat maliyeti tahmini
ALİ NALBANT
Yüksek Lisans
İngilizce
2023
Endüstri ve Endüstri MühendisliğiKoç ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BARIŞ YILDIZ
- Data-driven modelling of cost advantage strategies enhancing operational efficiency in the retail sector
Perakende sektöründe operasyonel verimliliği arttıran maliyet avantajı stratejilerinin veri temelli modellenmesi
ÇAĞATAY ÖZDEMİR
Doktora
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. SEZİ ÇEVİK ONAR
- Recommanding new products with high sales potential in fashion retail: A machine learning approach
Moda perakendesinde yüksek satış potansiyeline sahip yeni ürünlerin önerilmesi: Bir makine öğrenimi yaklaşımı
ENES TEZCAN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ABDÜL HALİM ZAİM