Yüksek Lisans Tezleri

Permanent URI for this collectionhttps://hdl.handle.net/20.500.11779/1785

Browse

Filters

2017 - 2019532020 - 202326

Settings

Language: search.filters.language.enScopus Q: search.filters.scopusQuartile.N/A

Search Results

Now showing 1 - 10 of 79
  • Master Thesis
    Factors of Organizational Performance in High-Growth Smes: an Investigation From Turkish Manufacturing Industry
    (MEF Üniversitesi, 2023) Gönül, Ebubeki̇r; Karadağ, Hande
    Bu çalışma, Türk imalat sanayinde hızlı büyüyen küçük ve orta ölçekli işletmelerin (KOBİ) performansını etkileyen faktörleri incelemeyi amaçlamaktadır. Bu amaçla, Türkiye'de faaliyet gösteren KOBİ'lerin organizasyonel, finansal ve kaynak yönetimi performanslarını etkileyen ortak başarı ve başarısızlık faktörlerinin araştırılmasına yönelik ampirik bir araştırma yapılmıştır. İmalat sanayi, sağladığı pek çok fayda ve ülkenin büyüme ve kalkınmasında hayati bir rol oynaması nedeniyle Türk ekonomisi için çok önemli bir sektördür. İmalat sektörü, Türkiye'nin Gayri Safi Yurtiçi Hasılasının (GSYİH) önemli bir kısmından sorumludur ve milyonlarca işçiye iş sağlayarak işsizliği azaltır ve ekonomik büyümeyi destekler. Ayrıca imalat sanayi, ülkenin ticaret dengesinin ve döviz rezervlerinin anahtarı olan Türkiye'nin ihracat gelirlerine de önemli bir katkı sağlıyor. Üreticiler, ürünlerini ve süreçlerini iyileştirmek için araştırma ve geliştirmeye yatırım yaptıklarından, sektör teknolojik gelişmeyi de tetikliyor. Ayrıca imalat sanayinin büyümesi, özellikle daha kırsal ve az gelişmiş bölgelerde bölgesel kalkınmanın desteklenmesinde ve bölgesel eşitsizliklerin azaltılmasında önemli bir faktördür. Sonuç olarak, imalat sanayii Türkiye için büyük önem taşımaktadır ve bu sanayinin sürekli büyümesi ve gelişmesi için devletin ve diğer paydaşların desteğine ihtiyaç duyulmaktadır.
  • Master Thesis
    The Impact of Tourism Revenues on Economic Growth
    (MEF Üniversitesi, 2020) Samsun, Kaan; Torağanlı Karamollaoğlu, Nazlı; Karamollaoğlu, Nazlı Torağanlı
    Bu çalışma, 1995-2018 dönemine ait 181 ülkeyi kapsayan bir veri setini kullanarak, turizm gelirlerinin ekonomik büyüme üzerindeki etkisinin ampirik sonuçlarını göstermektedir. Çalışma kapsamında Figini ve diğerlerinin (2009) çalışmasına paralel bir yaklaşımla doğrusal regresyon modelini kullanarak, turizmin farklı turizm gelir seviyesine sahip ülke gruplarında kişi başına düşen gayri safi yurtiçi hasılat (GSYİH) üzerindeki etkisini test ediyorum. Çalışmanın sonuçları, turizm gelirlerinin nominal GSYİH'ya oranı yüksek olan, turizm odaklı ekonomilerde kişi başına GSYHI büyüme oranını olumlu etkilediğini göstermektedir. Bütün ülkeler baz alındığında, tahmin sonuçlarına göre, turizm ve ekonomik büyüme arasında anlamlı bir ilişki raporlanmamıştır. Ayrıca, beklentilere paralel olarak, açıklık ve yatırım değişkenlerinin katsayıları tüm spesifikasyonlarda pozitif ve anlamlı bulgulanarak, bu iki değişkenin kişi başına düşen GSYİH'yi olumlu etkilediğini göstermektedir.
  • Master Thesis
    Exchange Rate Exposure: Evidence From Turkey
    (MEF Üniversitesi, 2020) Canbazoğlu, Tolga; Toraganlı Karamollaoğlu, Nazlı; Karamollaoğlu, Nazlı
    Bu tez çalışması, 2010-2019 yılları arasında Borsa İstanbul'da işlem gören 330 firmanın finansal tablolarına dayanarak kurdaki dalgalanmanın şirketlerin hisse senedi getirileri üzerindeki etkilerini ölçmeyi amaçlamaktadır. Bu çalışmada, döviz kuru riski Adler ve Dumas (1984) yöntemine göre firmaların sektörlere bölünmesiyle analiz edilmiştir. Baz modele göre, döviz kuru katsayısı, 26 sektörden 8'inde anlamlı görülmektedir, genişletilmiş model için 26 sektörden 6'sında katsayı anlamlıdır. Ayrıca çalışmada şirketleri, tercih edilebilir ve edilmez likidite, finansal, karlılık ve ciro oranlarına göre kategorilere ayırarak bu iki gruptaki döviz kuru riski ölçülmektedir. Rasyo analizlerinin sonuçları olumlu ve olumsuz seviyede rasyo oranlarına sahip şirketler için döviz kuru riski aynı şekilde tutarlı olarak rapor etmemektedir. Stokların toplam varlıklara oranı, kaldıraç, faiz giderlerinin satışa ve yabancı varlıkların toplam borçlara oranı tercih edilen seviyede olan şirketler ve nakit, likidite, alacak devir hızı tercih edilmeyen seviyede olan firmalar kur hareketlerine maruz kalmaktadır. Ayrıca, farklı ihracat seviyelerine sahip firmalar kur değişimlerinden farklı şekilde etkilenmemektedir.
  • Master Thesis
    The Impact of the Sustainability Index on the Sustainability Practices at the Borsa İstanbul Stock Exchange
    (MEF Üniversitesi, 2022) Korlu, Özgenur; Turan, Semen Son
    Bu tez, Borsa Istanbul (BIST) Sürdürülebilirlik Endeksi'nin borsada sürdürülebilirlik uygulamalarını teşvik edip etmediğini incelemektedir. BIST Sürdürülebilirlik Endeksi şirketlerinin mimetik baskısının sosyal ve çevresel risk seviyeleri, endeksler ve sektörler gibi borsadaki çeşitli ortamlarda sürdürülebilirlik raporlaması olasılığı üzerindeki etkilerini ölçmek için iki aşamalı logit modeli kullanıldı. Bu model, mimetik baskının hangi ortamlarda sürdürülebilirlik raporu yayımlamayı önemli ölçüde etkilediğini ve hangi ortamda mimetik baskının etkisinin en yüksek belirliyor. Analiz sonucunda, sürdürülebilirlik raporu yayınlayan BIST Sürdürülebilirlik Endeksi şirketlerinin sayısındaki artışın, onlarla aynı risk düzeyi, endeks ve sektördeki şirketlerde sürdürülebilirlik raporlaması olasılığını artırdığı görülmektedir. Bunlar arasında BIST Sürdürülebilirlik Endeksi şirketlerinin mimetik baskısının etkisinin en yüksek olduğu yer endekslerdir. BIST Sürdürülebilirlik Endeksi şirketlerinin finansal ve sürdürülebilirlik performanslarındaki başarıları onları diğer şirketler için ideal modeller haline getirdiğinden, analiz sonuçları kurumsal teori ile uyumludur. Ayrıca endekslerde mimetik baskının en yüksek olduğu sonucu BIST Sürdürülebilirlik Endeksi'nin endeks bazlı seçme sistemi ile ilişkilendirilebilir.
  • Master Term Project
    Segmentation With Unsupervised Learning: an Application Using the Walker's Data
    (MEF Üniversitesi Fen Bilimleri Enstitüsü, 2021) Polat, Taylan; Özgür Özlük
    In this project, the Walkers suitable for the service were filtered by using the dataset shared by the DogGo company. Then, unsupervised machine learning methods such as K-Means, Gaussian, Principal Component Analysis were used to score and cluster the most suitable walkers according to performance, willingness, and experience.DogGo is the first mobile application in Turkey that provides pet walking and grooming services to its customers in a safe and professional manner. DogGo provides a professional service where dogs are taken care of in dog families' own homes or at the caretaker's home for any need of dog families. DogGo Company wants to provide the best matching of walkers and animals, using Machine Learning algorithms, through a 5-step acquisition process for their walkers.While the results of the K-means models created on the unique sliders were compared with the help of the Elbow method and the Silhouette score, the results of the Gaussian models were compared with the AIC and BIC method. In addition, an RFM scoring in a classical structure has also been created. When the results of the study were examined considering the Elbow and Silhouette scores, it was shown that the model created with K-Means gave the best results, and the number of clusters was decided as 2.
  • Master Term Project
    Game Recommendation System for Steam Platform
    (MEF Üniversitesi Fen Bilimleri Enstitüsü, 2021) Bayram, Serhan; Semra Ağralı
    Increasing number of choices and competition in the markets, force companies to differ in services they provide to their customers. Offering better services have a positive impact on customer loyalty, and to do so, companies should understand their customers’ interests and act accordingly. One popular method for this purpose is building recommendation engines to make personalized suggestions. In this project, collaborative filtering methods with implicit feedback are used to make recommendations to users of theSteam platform. The recommendation systems are built using two different matrix factorization techniques, Alternating Least Squares and Bayesian Personalized Ranking. Different models are created with implicit playtime data of the users and the results are evaluated by using Precision at k metric. Additionally, similar items that are offered by the models are analyzed. Results show that the models are considerably successful at finding personal choices and similar items. The best model finds the item in the libraries of 33% ofthe users.
  • Master Term Project
    Location and Cluster Based Sales Channel Potential Analysis in Retail
    (MEF Üniversitesi Fen Bilimleri Enstitüsü, 2021) Bilgin, Birtuğ; Adem Karahoca
    This analysis project was conducted on the need to obtain new analysis and inferences for the existing traditional sales channels of company, which wants to progress in line with its omni-channel goals. In order to reach the customer with the same level of service in all channels it is necessary to analyze the dynamics of the channel well. In this project, I aimed to make sense of demographic data with the linear model and future selection model and to transform it into meaningful information that will guide sales strategies. Especially for diffusion strategies, in addition to traditional methods, data-based location analysis and analysis of sales weights of existing points are required. With the information to be provided, new dealer opening processes will also be based on data.
  • Master Term Project
    Prediction of Credit Card Default
    (MEF Üniversitesi Fen Bilimleri Enstitüsü, 2021) Akalın, Selçuk; Utku Koç
    As profitable customer acquisition becomes more and more critical for the banking sector in terms of competition, the requirement to predict customer defaults with different machine learning algorithms is increasing. Thanks to similar practices, possible damages can be prevented. Due to the rapid change of machine learning with the changing technology, the fields of application and development in different sectors are also changing and developing rapidly. In this study, the aim is to make a comparison over model outcomes and making observations on outcomes to determine the areas that can be developed or researched with running different supervised and unsupervised machine learning algorithms on the final dataset gathered by doing following methods such as key points discovered in exploratory data analysis on an imbalanced credit card dataset, generating different features according to learned key points, eliminating imbalance with different oversampling and undersampling methods.
  • Master Term Project
    QPICAR Deep Learning
    (MEF Üniversitesi Fen Bilimleri Enstitüsü, 2021) Beğde, Özge; Tuna Çakar
    The aim of the project is to train a smart tool kit named "Sunfounder Raspberry Pi Robot Car" to move without hitting the walls in a closed area. The goal is to maximize the driving time without crashing by reducing the number of hits. Ultrasonic sensor data collected from the vehicle are processed with reinforcement learning and deep reinforcement learning algorithms and the results are compared. In this study, Python programminglanguage is used. In this study, firstly, the Q-Learning method, which is a reinforcement learning algorithm based on Markov decision processes, is used. The method basically relies on a memory table, Q-Table, in which the Q-values of the agent moving from one state to another are kept. This table is updated according to the results of the Bellman equation in every action of the agent, and as a result of this iterative process, it is optimized to provide that the agent moves to maximize its rewards. Deep Q-Learning (DQN) is used as a deep reinforcement learning algorithm. This algorithm was developed by the DeepMind Technologies team in 2013. Basically, it is based on the use of the Bellman equation, which is an element of the Q-Learning method, incombination with neural networks. This method is often used for training agents in complex and multidimensional environments such as video games. Due to the different type of the data used on the algorithm, minor changes were made to adapt it to the study. RElu and Softplus are used as activation functions. The results of the training process show that the DQN algorithm has an important advantage in terms of training the agent in a short time. At this point, the results are in accordance with other academic studies demonstrating the success of the DQN algorithm for complex environments.For future work, by differentiating the equipment that collects data on the vehicle, different data types such as image, temperature value, oxygen value can be collected and processed. At the same time, with changes to the reward setup in the algorithm, the agent can be trained to move to a specific target or to take actions to avoid a specific target.
  • Master Term Project
    Ad Click Prediction Using Machine Learning Algorithms
    (MEF Üniversitesi Fen Bilimleri Enstitüsü, 2021) Uncu, Nazlı Tuğçe; Hande Küçükaydın
    Online advertising has a great potential to boost business’ revenue. One of the key metrics that defines the success of online ad campaigns is click through rate (CTR) which indicates the total number of clicks received in relation to the total impression. Therefore, the click prediction systems, which have the aim of increasing the click through rates of online advertising campaigns by predicting the clicks, have become essential for businesses. For this reason, predicting whether an advertisement will receive a click fromthe user or not attracts the attention of researchers from the both industry and academia. In this capstone project, the click prediction is studied by using Avazu’s click logs dataset. The effects of having high cardinality categorical features and imbalanced data are examined during data preprocessing phase and then relevant features are selected to be used in modeling. The methods that are used for this classification problem are decision trees, random forest, k-nearest neighbor, extreme gradient boosting, and logistic regression. According to the results of the study, extreme gradient boosting shows the best performance.