Geri Dön

Life insurance product recommendations for pension plan holders

Emeklilik planı sahipleri için hayat sigortası ürün önerileri

  1. Tez No: 929853
  2. Yazar: CEREN ARPACI
  3. Danışmanlar: DOÇ. DR. TEVFİK AYTEKİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Sigortacılık, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Insurance, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: İngilizce
  9. Üniversite: Bahçeşehir Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka Ana Bilim Dalı
  12. Bilim Dalı: Yapay Zeka Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu yüksek lisans tezi, bireysel emeklilik sözleşmeleri ve hayat sigortası poliçelerinden oluşan bir ürün portföyüne sahip bir sigorta şirketinin mevcut müşteri verilerini kullanarak ürün öneri analizi yapmayı amaçlamaktadır. Çalışmada, bireysel emeklilik ürününe sahip müşterilerin hangi hayat sigortası ürününü tercih edeceğini tahmin etmek hedeflenmiştir. İlk olarak, alan bilgisine dayalı manuel tahminler yapılmıştır. Daha sonra, Random Forest Classifier, XGBoost ve CatBoost algoritmaları kullanılarak makine öğrenimi modelleri geliştirilmiştir. Yapılan kapsamlı deneyler, makine öğrenimi algoritmalarının alan uzmanlığına dayalı manuel tahminlerden daha başarılı olduğunu göstermiştir. Bu tez, sigorta sektöründe veri analitiği ve makine öğrenimi uygulamalarının potansiyelini ortaya koymayı ve bu alandaki gelecekteki araştırmalar için bir kaynak olmayı amaçlamaktadır.

Özet (Çeviri)

This master thesis focuses on conducting a product recommendations analysis using the existing customer data of an insurance company with a product portfolio consisting of individual pension contracts and life insurance policies. The study aimed to predict which life insurance product would be preferred by customers who already have an individual pension product. Initially, manual predictions were made based on domain knowledge. Then, machine learning models were developed using Random Forest Classifier, XGBoost, and CatBoost algorithms. We made extensive experiments which showed that the machine learning algorithms outperformed the manual predictions based on domain expertise. This thesis aims to demonstrate the potential of data analytics and machine learning applications in the insurance sector and to serve as a resource for future research in this field.

Benzer Tezler

  1. Atherosklerotik kalp hastalıklarında risk faktörleri

    Risk factors in the coronary artery disease

    MURAT SUHER

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    1987

    KardiyolojiGazi Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

  2. Sivas yöresinde akraba evliliği yapan ve yapmayan çiftlerde dermatoglifik benzerlikler

    Similarities of dermataoglyphies among individval of married relatives and married couples not related to each other in Sivas region

    Y. SELMA SÜNGÜ

    Yüksek Lisans

    Türkçe

    Türkçe

    1984

    Tıbbi BiyolojiCumhuriyet Üniversitesi

    Tıbbi Biyoloji ve Genetik Ana Bilim Dalı

    YRD. DOÇ. DR. İLHAN SEZGİN

  3. Mus musculus türü farelerde gözün gelişimi

    The Development of eve of the albino mus musculus species of mice

    EMEL YOLAL

    Yüksek Lisans

    Türkçe

    Türkçe

    1984

    MorfolojiCumhuriyet Üniversitesi

    Morfoloji (histoloji ve Embriyoloji) Ana Bilim Dalı

    DOÇ. DR. ERDOĞAN GÜRSOY

  4. Böceklerde ses çıkarma ve bunun yararları

    Sound production in insects its usefulness

    NİLGÜN MADANLAR

    Yüksek Lisans

    Türkçe

    Türkçe

    1985

    ZoolojiEge Üniversitesi

    Bitki Koruma Ana Bilim Dalı

    DOÇ. DR. ESAT PEHLİVAN