Veri madenciliği yaklaşımı ile proje başvuru yapma eğiliminin tahmini
Prediction of project proposal tendency with data mining
- Tez No: 610114
- Danışmanlar: DR. ÖĞR. ÜYESİ MURAT ARIKAN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 83
Özet
Fazla miktardaki verinin; faydalı ve anlamlı bir takım kural ve örüntü çıkarılması amacıyla analiz edilmesine veri madenciliği denir. Veri madenciliği sürecinde, verinin yapısına ve uygulamanın amacına göre pek çok yöntem kullanılmaktadır. Karar ağaçları, Yapay Sinir Ağları ve Destek Vektör Makineleri, veri madenciliğinde sınıflandırma ve tahmin için sıkça kullanılan yaklaşımlardandır. Bu çalışmada, proje fonlayan bir kuruluşa proje sunma potansiyeli olan araştırmacıların, veri tabanında kayıtlı yaş, cinsiyet, uzmanlık alan, eğitim bilgileri (lisans, yüksek lisans, doktora) ve çalıştığı kurum bilgileri ele alınarak bu kişilerin proje başvurusu yapma eğilimleri veri madenciliğinin sınıflandırma yöntemlerinden olan Karar ağaçları, Yapay Sinir Ağları ve Destek Vektör Makineleri ile incelenmiştir. Analiz sonuçlarına göre, üç farklı algoritma da benzer ve yakın sonuçlar vermesine rağmen, Destek Vektör Makineleri ile yapılan sınıflandırmanın doğruluk oranı en yüksek bulunmuştur. Verilerin analizi SPSS programı veri madenciliği modülü IBM-Modeler ile gerçekleştirilmiştir.
Özet (Çeviri)
Data Mining is the analysis of large amounts of data in order to derive meaningful and useful patterns and rules from the data. In Data Mining, many techniques are used according to the data structure and purpose of application. Decision trees, Artificial Neural Networks and Support Vector Machines are frequently used approaches for classification and forecasting in data mining. In this study, the information of age, gender, scientific expertise, education information (undergraduate, graduate, doctorate) and the institution information of researchers with the potential to present a project to the project funding institution are discussed and tendencies of these researchers to apply to various types of projects has been analyzed using the Decision Trees, Artificial Neural Networks and Support Vector Machines, which are the classification methods of data mining. According to the analysis results, although three different algorithms give similar and close results, the accuracy rate of the classification with Support Vector Machines is the best. Data analysis is performed with the SPSS IBM-Modeler data mining module.
Benzer Tezler
- Estimation of success of energy efficieny support program applications for SME's with data mining
KOBİ'lere yönelik enerji verimliliği destek program başvurularının başarısının veri madenciliği ile tahmini
HANDE DEMİROĞLU
Yüksek Lisans
İngilizce
2023
Endüstri ve Endüstri MühendisliğiGalatasaray ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İLKE BEREKETLİ
- A three-phase approach for robust project scheduling: An application for R&D project scheduling
Gürbüz proje çizelgeleme için üç aşamalı yaklaşım: Ar-Ge proje çizelgeleme için bir uygulama
CANAN ÇAPA
Yüksek Lisans
İngilizce
2013
Endüstri ve Endüstri MühendisliğiSabancı ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET GÜNDÜZ ULUSOY
- Gsm sektörü için müşteri merkezli bilgi yönetimi değerlendirme modeli tasarımı ve bir uygulama
The design of customer centric knowledge mangement assessment model for gsm ındustry and an aplıcatıon
ATİK KULAKLI
- Üniversitelerde yetenek yönetimi kapsamında yetenek havuzu oluşturmaya yönelik bir model önerisi
A model for the formation of a talent pool within the talent management in universities
SEDA GÜNDÜZALP
Doktora
İngilizce
2016
Eğitim ve ÖğretimFırat ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
PROF. MUKADDER BOYDAK ÖZAN
