Geri Dön

Operasyon işlemlerinin hızlandırılmasında veri madenciliginin kullanılması

Accelerating operational processes by using data mining techniques

  1. Tez No: 297176
  2. Yazar: SEYHAN AMASYALI
  3. Danışmanlar: YRD. DOÇ. BANU DİRİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2011
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 180

Özet

Bilinmeyen geleceğin bilimsel yöntemlerle kestirilmesi ve gelecek için önceden hazırlıkların yapılması her alanda olduğu gibi özellikle ekonomide ve finans sektöründe büyük önem taşımaktadır. Bu tez çalışmasında; gerçek veriler kullanılarak bir bankanın operasyon merkezinde gerçekleşen iş süreçleri analiz edilmiş ve geleceğe yönelik tahmin modelleri oluşturulmuştur. Özellikle yoğun zamanlarda kaynakların etkin kullanımına imkan sağlayan bu çalışmayla operasyonel işlemlerin hızlandırılması mümkün hale gelmiştir.Bu çalışmada her bir operasyonel iş süreci için; klasik zaman serisi algoritmaları (Ekonometrik Modeller, Elman Ağ Model, Markov Rejim Değişim Modeli) ile makine öğrenmesi algoritmaları (M5 Kuralları, Karar Tablosu, Birleşik Kural, REP Ağacı, Gauss Süreçleri, Eş Aralıklı Regresyon, Doğrusal Regresyon, Yapay Sinir Ağı, Basit Doğrusal Regresyon, Karar Destek Vektörleriyle Regresyon, Ibk, KStar, Toplamsal Regresyon, Torbalama) denenmiş ve sonuçlar karşılaştırılarak en iyi tahmini gerçekleştiren model oluşturulmuştur.Çalışma sonucunda makine öğrenmesi algoritmalarının klasik zaman serisi algoritmalarına göre daha başarılı sonuçlar verdiği görülmüştür. Özellikle karar ağacı tabanlı makine öğrenmesi algoritmalarının performansları diğerlerine oranla daha yüksek çıkmıştır. Ayrıca her bir iş sürecinin kendine özgü özelliklere sahip olmasından dolayı ayrı ayrı modellenmesi gerektiği sonucuna ulaşılmıştır.

Özet (Çeviri)

Forecasting unknown future by scientific methods and making preparations for future in advance are of great importance in every field, especially in the economy and the financial sector. In this thesis; by using real data, a bank?s operation processes have been analyzed and future oriented forecast models have been established. By this study; especially at intense times, effective use of resources have been achieved, so operational transactions can be accelerated.For each operational processes, classical time series algorithms (Econometric Models, Elman Network Model, Markov Regime Change Model) and machine learning algorithms (M5 Rules, Decision Table, Conjuctive Rule, REP Tree, Gaussian Processes, Isotonic Regression, Linear Regression, Multilayer Perceptron, Simple Linear Regression, SMOreg, IBK, Kstar, Additive Regression, Bagging) have been run. Results have been compared and model which performs the best estimate has been established.The experimental results in this study have showed that machine learning algorithms have superior performance than classical time series algorithms. Especially the performances of decision-tree-based machine learning algorithms have been higher than others. In addition, it is found that each operational processes should be modeled separately because of each peculiar features.

Benzer Tezler

  1. Liner taşımacılıkta dış ticaret operasyon işlemlerinin lojistik süreçlerinin incelenmesi ve Ambarlı limanı örneği

    The investigation of logistics processes of the foreign trade operations in Liner transportation and a case study: Ambarli port

    ÜMİT SEÇKİN

    Doktora

    Türkçe

    Türkçe

    2014

    Denizcilikİstanbul Üniversitesi

    Denizcilik İşletmeleri Yönetimi Ana Bilim Dalı

    PROF. DR. CEM SAATCİOĞLU

  2. Derin öğrenme yöntemleri ile güvenlik kamerası görüntülerinden apronlarda yer operasyonlarının gerçek zamanlı analizi

    Real-time analysis of ground operations on aprons from security camera images with deep learning methods

    BERNA YILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MİNE ELİF KARSLIGİL YAVUZ

  3. Heuristic container placement algorithms

    Buluşsal (heuristic) konteyner yerleştirme algoritmaları

    BURAK GALİP ASLAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2003

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Yüksek Teknoloji Enstitüsü

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HALİS PÜSKÜLCÜ

  4. Sistem tanılama makine öğrenmesi ve derin öğrenme modelleri ile güneş radyasyonu tahmini

    Solar radiation forecasting using system identification machine learning and deep learning models

    GÖKSEL KADER

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    PROF. DR. ÖNDER GÜLER

  5. Donanım tabanlı dram operasyon hızlandırıcı tasarımı

    Hardware based accelerator design for dram operations

    EYÜPHAN İPEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OĞUZ ERGİN