Atm demand prediction with machine learning methods
Makine öğrenmesi yöntemleri ile atmlerde talep tahmini
- Tez No: 642723
- Danışmanlar: DOÇ. DR. MÜJDE GENEVOIS
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Endüstri ve Endüstri Mühendisliği, Science and Technology, Industrial and Industrial Engineering
- Anahtar Kelimeler: Talep tahmin sistemi, Talep tahmini, Çok değişkenli zaman serileri, Öğrenme algoritmaları, Demand estimation system, Demand estimation, Multivariate time series, Learning algorithms
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Galatasaray Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde her ne kadar nakitsiz ödeme yöntemleri popüler olmaya başlasa da nakit ihtiyacı bitmeyecektir. Türkiye'de ATM'lerin günden güne artıyor olması bunun göstergesidir. ATM'lerdeki en önemli süreç nakit ihmal sürecidir. Bu süreç ise nakit talebinin doğru tahminlenmesiyle en iyi şekilde işler. ATM'de ihtiyaçtan eksik para bulunması müşteri memnuniyetsizliğine yol açacağı gibi fazlalık ise bankaya maliyet olarak yansıyacaktır. Bu çalışmada, makine öğrenmesi algoritmaları kullanılarak ATM nakit talep tahminlemesi yapılmıştır. Çalışmada Python programlama dilinden yararlanılmıştır. Makine öğrenmesi, günden güne gelişmekte olan yapay zekanın bir alt koludur. Birçok makine öğrenmesi algoritmasından her biri belirli bir yapıdaki veri ile iyi sonuç verir. Çalışmada, zaman serileri çeşidindeki nakit talep datasının tahminlenmesi için Destek Vektör Regresörü, En Yakın Komşu Regresörü, Rastgele Orman Regresörü ve Gradyan Arttırıcı Regresör algoritmaları kullanılmış ve bu algoritmaların sonuçları karşılaştırılmıştır. Modelin performansını arttırmak için veri seti üzerinde Keşifsel Veri Analizi ve Öznitelik Seçimi çalışmaları yapılarak sonuçlar tekrar karşılaştırılmıştır. Çok değişkenli yapısı ve nakit talebinin kendi dinamik doğası gereği verinin komplike olması nedeniyle bu çalışmalar modelin veri setini daha iyi anlamasına yardımcı olmuştur. Öncelikle talep tahminleme konsepti ve bankacılıktaki rolü anlatılmış, makine öğrenmesi yöntemleri detaylı şekilde sunulmuştur. Sonra çalışmanın metodolojisi, uygulaması ve sonuçlar paylaşılmıştır.
Özet (Çeviri)
The need for cash is an endless need even if cashless payment methods become popular. The number of ATMs is increasing day by day in Turkey. The most important process to keep an ATM in use is cash replenishment process. The proper ATM replenishment policy is related to forecast the demand of money precisely. Just as lack of money is a problem which decrease customer satisfaction, surplus of money is an extra cost to the bank. In this study, ATM cash demand forecasting is done by using machine learning algorithms with ATM cash withdrawal data. Python programming language is used to create the model. Machine learning is a subset of artificial intelligence that is developing day by day. There are lots of machine learning algorithm. Each algorithm performs well in a certain data structure. In the study, Support Vector Regressor, K'th Nearest Neighbor Regressor, Random Forest Regressor and Gradient Boosting Regressor algorithms are used to predict cash demand of ATM, which is a time series data, and their results are compared. To increase the performance of the prediction model, Exploratory Data Analysis and Feature Selection is applied to the dataset. Because of multivariate structure of the dataset and dynamic nature of demand makes the prediction process complicated, these data processing methods help prediction algorithm to understand the data well. Firstly, demand prediction concept and its role in banking sector is explained and machine learning methods and working principles are introduced. Then, methodology of the study is presented, and applications and results are shared.
Benzer Tezler
- ATM cash stock prediction using different machine learning approaches
Farklı makine öğrenmesi yöntemleri ile ATM para çekim miktarı tahmini
D. ECE GÖKÇAY
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE BERRİN YANIKOĞLU YEŞİLYURT
DOÇ. DR. ABDULLAH DAŞÇI
- Digital-twin flight modelling through machine learning for trajectory error estimation and recovery
Rota hesaplamalarında makine öğrenmesi tabanlı dijital ikiz uçuş modeli
MEVLÜT UZUN
Doktora
İngilizce
2021
Sivil Havacılıkİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. GÖKHAN İNALHAN
DR. MUSTAFA UMUT DEMİREZEN
- Proposing a model for precision management supervised with machine learning in livestock management
Çiftlik hayvanı yetiştiriliğinde makine öğrenmesi destekli hassas sürü yönetimi için model önerisi
BAHADIR BARAN ÖDEVCİ
Doktora
İngilizce
2021
Bilim ve TeknolojiKadir Has ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. MEHMET NAFİZ AYDIN
PROF. DR. EBRU EMSEN
- Tekstil endüstrisinde makina girişimi
Machine interference
OYA BALCI
Yüksek Lisans
Türkçe
1990
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. ATAÇ SOYSAL
- Değişken rezolüzyonlu görüntü örnekleyici
Multi resolution image sampler
RIZA CAN TARCAN
Yüksek Lisans
Türkçe
1991
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiY.DOÇ.DR. M. SAİT TÜRKÖZ