Anomaly detection via machine learning
Makine öğrenmesi ile anormallik tespiti
- Tez No: 785547
- Danışmanlar: PROF. DR. FEZA KERESTECİOĞLU, DR. ÖĞR. ÜYESİ MESUT ÇEVİK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Kadir Has Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 65
Özet
Perakende şirketleri, envanter stok seviyelerini düzenli olarak izler ve pazar konumlarını korumak için satışlara dayalı tahminlere göre stok seviyelerini yönetir. Envanter stoklarının doğruluğu, perakende şirketlerinin doğru bir strateji oluşturması için kritik öneme sahiptir. Birçok perakende şirketi, çalışan veya müşteri hırsızlığı, hasar veya bozulma, yanlış sevkiyatlar nedeniyle envanter stoğundaki yanlışlıkları tespit etmeye ve önlemeye çalışmaktadır. Makine öğrenmesi yöntemlerini kullanarak hatalı stokları tespit etmeyi amaçlayan çalışmamızda Türkiye'nin en büyük süpermarket zincirlerinden Migros Ticaret A.Ş.'nin gerçek envanter stoğu verileri kullanılmıştır. Anormal stok değerlerinin tespiti için İzolasyon Ormanı, Yerel Aykırı Değer Faktörü, Tek-Sınıf Destek Vektör Makinesi gibi birden fazla makine öğrenimi algoritması uygulanmıştır. Öte yandan, genellikle araştırmacılar yöntem geliştirmek için halka açık verileri kullanır; fakat özellikle denetimsiz öğrenme alanındaki makine öğrenmesi algoritmalarını gerçek hayattaki verilere uygulamak zordur. Bu tezde gerçek hayattaki verilerdeki problemlerin, örneğin verideki eksik ve ekstrem değerlerin vb. nasıl ele alınacağını gösteriyoruz. Deneysel sonuçlar, düşük ve yüksek seviyedeki envanter stoğundaki anormalliklerin tespitinde makine öğrenmesi yöntemlerinin performanslarını göstermektedir.
Özet (Çeviri)
Retail companies monitor inventory stock levels regularly and manage stock levels based on forecasted sales to sustain their market position. The accuracy of inventory stocks is critical for retail companies to create a correct strategy. Many retail companies try to detect and prevent inventory record inaccuracy caused by employee or customer theft, damage or spoilage and wrong shipments. This study is aimed to detect inaccurate stocks using machine learning methods. It uses the real inventory stock data of Migros Ticaret of Turkey's largest supermarket chains. A multiple of machine learning algorithms such as Isolation Forest (IF), Local Outlier Factor (LOF), One-Class Support Vector Machine (OCSVM) were used to detect abnormal stock values. On the other hand, generally, researchers use public data to develop methods, and it is challenging to apply machine learning algorithms to real-life data, especially in unsupervised learning. This thesis shows how to handle real-life data noises, missing values etc. The experimental findings show the performances of machine learning methods in detecting anomalies in low and high level inventory stock.
Benzer Tezler
- Real-time anomaly detection in UAV systems using TinyML on ARM Cortex-M microcontrollers
ARM Cortex-M mikrodenetleyicilerde gömülü makine öğrenmesi kullanarak İHA sistemlerinde gerçek zamanlı anomali tespiti
MEHMET ALPEREN BAKICI
Yüksek Lisans
İngilizce
2024
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
PROF. DR. ECE OLCAY GÜNEŞ
- Fraud detection using deep neural networks
Derin sinir ağları ile dolandırıcılık tespiti
FAİK ÖZCAN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YAKUP GENÇ
- Anomaly-based cyber intrusion detection system with ensemble classifier
Topluluk öğrenmesiyle anomali tabanlı siber ihlal tespit sistemi
ALPER SARIKAYA
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. BANU GÜNEL KILIÇ
- Network anomaly detection in cloud and IoT using fuzzy logic
Başlık çevirisi yok
SUSAN ISMAEL ABDULWAHHAB AL-HADEETHI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GALİP CANSEVER
- Federated anomaly detection for log-based defense systems
Log tabanlı savunma sistemleri için federe olağandışılık tespiti
UĞUR ÜNAL
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKadir Has ÜniversitesiYönetim Bilimleri Ana Bilim Dalı
PROF. DR. HASAN DAĞ