Geri Dön

Makine öğrenme perspektifinden tele-pazarlama başarı stratejisi

Telemarketting success strategy from machine learning perspective

  1. Tez No: 826149
  2. Yazar: MEHMET SALTI
  3. Danışmanlar: DOÇ. DR. EVRİM ERSİN KANGAL, DR. ÖĞR. ÜYESİ BİLGİN ZENGİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, İşletme, Statistics, Business Administration
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Mersin Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: İşletme Bilgi Yönetimi Ana Bilim Dalı
  12. Bilim Dalı: İşletme Yönetimi Bilim Dalı
  13. Sayfa Sayısı: 160

Özet

Makine öğrenme insanoğlu olarak inceleyemeyeceğimiz kadar büyük miktarda verilerin olduğu birçok alanda yeni şeyler öğrenme yeteneği vermektedir. Dolayısıyla, makine öğrenme bilgisayarlara verilerdeki örneklere bakarak kalıpları öğrenmeyi öğrettiğimiz bir süreçtir, böylece bu kalıpları tanırlar ve onları daha önce görmedikleri yeni şeylere uygularlar. Bu tez çalışması kapsamında ele alınan temel hipotez şöyledir: denetimli sınıflandırma işlerinde öznitelik seçimi özellikler arasındaki korelasyon temelinde gerçekleştirilebilir ve böyle bir seçim süreci çeşitli makine öğrenimi algoritmaları için faydalı olabilir. Bu bağlamda, seçilen bir telefonla pazarlama veri setinin bir makine öğrenme algoritmasında analiz edilmesiyle herhangi bir şirketin karar destek mekanizması için başarılı tahminlerin yapılıp yapılamayacağı araştırılmıştır. Sonuç olarak, bu tez denetimli bir makine öğrenimi analizinde özellik seçiminin karşılık gelen öznitelikler arasındaki korelasyon temelinde yapılabileceğini ortaya koymaktadır.

Özet (Çeviri)

Machine learning (ML) provides us the flair to achieve knowledge in different areas from large data pools that we as human beings may not study. So, the ML is a process in which we train computers to recognize patterns in a dataset, such that they learn that significant information and use them to achieve new things that they haven't encountered before. The main hypothesis covered in this thesis is as follows: feature selection in supervised classification tasks can be performed on the basis of correlation between features and such a selection process can be beneficial for various machine learning algorithms. On this purpose, we turned our attention on investigating whether successful predictions can be achieved for a company's decision-support mechanism by analyzing a selected telemarketing dataset in a machine learning algorithm. In conclusion, this thesis reveals that the feature selection in a supervised machine learning analysis can be performed on the basis of correlation among the corresponding attributes.

Benzer Tezler

  1. Short term electricity load forecasting with deep learning

    Derin öğrenme ile kısa dönemli elektrik yük talep tahmini

    İBRAHİM YAZICI

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA

  2. Evolution of electricity markets from the perspective of production and organized markets

    Organize toptan satış piyasaları ve üretim perspektifinden elektrik piyasalarının dönüşümü

    MUSTAFA ÇAĞRI PEKER

    Doktora

    İngilizce

    İngilizce

    2023

    EkonomiHacettepe Üniversitesi

    İktisat Ana Bilim Dalı

    PROF. DR. AYŞEN SİVRİKAYA

  3. Machine learning models for microbiome-based classification of axolotl limb regeneration phases

    Aksolotl uzuv rejenerasyon aşamalarının mikrobiyoma dayalı sınıflandırılması için makıne öğrenimi modellerı

    ABDULLAH HÜSEYİN KÖSEOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Biyoistatistikİstanbul Medipol Üniversitesi

    Biyomedikal Mühendisliği ve Biyoenformatik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ KIVANÇ KÖK

  4. Deep learning approaches for hailstorm detection and forecasting using CNN and LSTM algorithms: Comparative evaluation of radar products

    Derin öğrenme yaklaşımlarıyla dolu fırtınası tespiti ve tahmini için CNN ve LSTM algoritmalarının kullanılması: Radar ürünlerinin karşılaştırmalı değerlendirmesi

    NAHİT ÇATMADIM

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    İklim ve Deniz Bilimleri Ana Bilim Dalı

    PROF. DR. MEHMET SİNAN ÖZEREN

  5. Addressing parametric uncertainties in autonomous cargo ship heading control

    Otonom kargo gemisi yön kontrolündeki parametrik belirsizliklerin ele alınması

    AHMAD IRHAM JAMBAK

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. İSMAİL BAYEZİT