GCRIS

Now showing 1 - 3 of 3

Makine Öğrenmesi İle Churn Talebi Analizi
(2025) Genç, Önder; Çakar, Tuna
Son günlerde Pay TV hizmetleri çeşitlenmektedir. Çeşitlenen hizmetlerle birlikte şirketler arasındaki rekabette artmaktadır. Strait Reserch araştırmalarına göre 2021 yılında 183 milyon dolar olan Global Pay TV pazarının 2030 yılında 210 milyon dolara yükselmesi tahmin edilmiştir. Bunun yanısıra Neflix'in araştırmasına göre edinilmiş veya elde tutulan abonelerin daha değerli olduğu belirtilmektedir. Aboneliklerini sonlandırmayı düşünen müşterilerin önceden tahmin edilebilmesi şirketler açısından oldukça önemli bir hal almıştır. Son yıllarda etkinliği gittikçe artan makine öğrenmesi ve yapay sinir ağları gibi tekniklerle tahminlemeyi yapmak daha kolay hale gelmiş ve şirketlere önemli katkılar sağlamaktadır. Bu çalışmada, bazı makine öğrenmesi modelleri ile ilgili bilgiler verilmiştir. Pay TV hizmeti veren bir şirketin verileri kullanılarak bazı makine öğrenmesi modelleri ile tahminlemeler yapılmıştır. Son olarak abonelik iptal talep edebilecek müşterilerin, son yaptığı abonelik iptal talebi ve en çok yaptığı iptal talepleri ile ilgili bilgilerde sonuca eklenerek, abonelik iptal talebi gerçekleşmeden, müşteriyle iletişime geçilmesi ve uygun bir kampanya önerilerek iptali önlemek hedeflenmiştir. Bu çalışma da etiketli veriler kullanılarak denetimli öğrenme teknikleri ile çalışılmıştır. Çalışma kapsamında Random Forest, XGBoost Classifier, KNeigbors Classifier, Logistic Regression, Ada Boost Classifier, Linear Discriminant Analysis, Decision Tree Classifier ve Extra Tree Classifier modelleri kullanılmıştır. Bütün modeller için başarı ölçütleri bulunmuş ve karşılaştırılmıştır. Servis sağlayıcıdan elde edilen veriler açısından en uygun model Random Forest olarak belirlenmiştir.
Predicttion of Brent Oil Spot Prices Using Country Based Inventory and Trading Data
(MEF Üniversitesi, Fen Bilimleri Enstitüsü, 2019) Usta, İsmail Batur; Ağralı, Semra
Crude oil price forecasting has been the focus of numerous authorities, yet the task still persists on being a challenging one. The extremely volatile nature of oil market and high number of active players in it makes establishing a solid forecasting model that is constantly relevant to time very difficult. Recent advancements on data technologies, mainly ever-increasing computing power and trending big data technologies allowed new approaches to be born. From online learners to natural language processing, advanced data analytics models were employed with the help of easily accessible and diverse data. This project is an attempt on making use of such available data in order to forecast Brent oil spot price. By using monthly country by country inventory, trading and economic data, strong drivers of crude price was explored. The data used in this project comes from various sources and in multiple formats, with the final merged data frame has over 17000 observations and contains information on 86 countries. To enhance prediction power, a specialized learner is fit on each country individually and then the predictions are accumulated and filtered before outputting a single prediction. Compared to a single predictor, this approach enhanced the predictive power of the algorithm by adapting to dynamics of each country.
Tractor Sales Forecast Using Machine Learning
(MEF Üniversitesi, Fen Bilimleri Enstitüsü, 2018) Tunay, Yiğitcan; Özlük, Özgür
This study presents a machine learning model to forecast tractor sales using four years of number of tractor sales based on year, month, city, town, brand and model provided by Turkey Statistical Institute. Tractor sales can vary depending on many different factors. Therefore, it is a challenging task for any company to estimate number of tractor sales that will be sold next year. Having the ability to predict that accurately will contribute companies in many distinct ways. Foreseeing market trends, keeping pace with the competition, delivering the right product to the right customer at the right time, reducing inventory costs, better production planning and cash flow management are major advantages of accurate forecasting. Within the scope of this study, models were developed to predict tractor sales using different statistical and machine learning methods. In further steps of the study, meaningful variables can be added to the dataset in order to reach a better result. Also, market share can be estimated by using different simulation methods which take into consideration those variables.

Yüksek Lisans Tezleri

Browse

Filters

Settings

Sort By

Results per page

Search Results