Use of machine learning regression algorithms for salary prediction in Turkish job market
Makine öğrenmesi regresyon algoritmaları kullanılarak Türkiye iş pazarında maaş tahmininin kullanımı
- Tez No: 851250
- Danışmanlar: Assist. Prof. Dr. SELAMİ BAĞRIYANIK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Büyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 63
Özet
Günümüz dinamik iş piyasasında, maaşların doğru bir şekilde tahmin edilmesi, hem çalışanlar hem de işverenler için kritik bir konudur. Maaş tahmini, çalışanların yetenek ve deneyimleri için adil bir müzakere yapmalarına yardımcı olabilirken, işverenlere nitelikli yetenekleri çekme ve elde tutma konusunda destek sağlayabilir. Ancak, maaş tahmini çözümü basit bir problem değildir, çünkü iş unvanları, beceriler, eğitim, konum, endüstri ve şirket büyüklüğü gibi çeşitli faktörlere bağlıdır. Bu çalışma, bir veri kümesi içinden iş unvanları ve beceriler gibi temel faktörleri kullanarak maaş tahminine yönelik bir alanı incelemektedir. Popüler bir iş arama web sitesinden toplanan veri kümesi, her iş ilanının iş unvanı, gereken beceriler, endüstri ve maaş bilgilerini içermektedir. İş unvanları, bir bireyin rol ve sorumluluklarına dair içgörü sağlarken, beceriler ise uzmanlıklarını ve yeteneklerini yansıtmaktadır. Bu özelliklerin gücünden faydalanarak, bu araştırma çeşitli makine öğrenimi modellerini kullanarak belirli bir iş ilanının maaş aralığını tahmin etmektedir. Sonuçlar, modeller arasında umut verici bir performans göstermekte olup, beceri puanı yönteminde dikkat çekici 6.5 Ortalama Mutlak Yüzde Hata (MAPE) başarısını göstermektedir. Bu sonuçlar, iş piyasasının gelişen durumunda maaş tahmini metodolojilerinin optimize edilmesine dair devam eden tartışmalara değerli bir katkı sağlamaktadır. Çalışma, iş başlıkları ve becerilerin entegrasyonunun daha yüksek doğrulukla öngörü için ne kadar önemli olduğunu vurgulayarak, makine öğrenimi modellerinin etkinliği konusunda değerli içgörüler sunmaktadır.
Özet (Çeviri)
In today's dynamic job market, accurately predicting salaries is a critical task for both employees and employers. Salary prediction can help employees negotiate fair compensation for their skills and experience, and help employers attract and retain qualified talent. However, salary prediction is not a straightforward problem, as it depends on various factors such as job titles, skills, education, location, industry, and company size. This study delves into the realm of salary prediction by leveraging essential factors such as job titles and skills within a dataset. The dataset collected from a popular job search website. The dataset contains information about the job title, skills needed, industry, and salary of each job posting. Job titles provide insight into an individual's role and responsibilities, while skills reflect their expertise and proficiency. Harnessing the power of these features, this research employs diverse machine learning models to predict the salary range of a given job posting. The results indicate promising performance across the models, with the achievement of a noteworthy 6.5 Mean Absolute Percentage Error (MAPE) in the skill score method. The study provides valuable insights into the effectiveness of machine learning models in salary prediction, emphasizing the significance of incorporating job titles and skills for enhanced accuracy. These findings contribute to the ongoing discourse on optimizing salary prediction methodologies in the evolving landscape of the job market.
Benzer Tezler
- Makine öğrenmesi teknikleriyle üretim tahmini ve kalite sınıflandırması: Bir tekstil tesisinde uygulama
Production forecasting and quality classification with machine learning techniques: Application in a textile plant
NEVİN KAÇAR
Yüksek Lisans
Türkçe
2024
İşletmeAydın Adnan Menderes Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. HÜSEYİN ŞENKAYAS
- Implementation of machine learning algorithms for eeg based controlling of a robotic arm
Eeg tabanlı robotik kol kontrolü için makine öğrenme algoritmalarının uygulanması
GÜLŞEN AYLUÇTARHAN
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYaşar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. İBRAHİM ZİNCİR
- Kronik hepatit C hastalığı risk belirlenmesinde sıralı lojistik regresyon ve makine öğrenme algoritmalarının sınıflama performansının karşılaştırılması
Comparison of classification performance of ordinal logistic regression and machine learning algorithms for risk determination of chronic hepatitis C disease
ALİ VASFİ AĞLARCI
Doktora
Türkçe
2022
BiyoistatistikEskişehir Osmangazi ÜniversitesiBiyoistatistik Ana Bilim Dalı
DOÇ. DR. CENGİZ BAL
- Kredi analizinde makine öğrenmesi kullanımı: Tarımsal kredilerde uygulama örneği
Use of machine learning in credit analysis: Application in agricultural loans
MEHMET AKİF BULUT
Doktora
Türkçe
2019
İşletmeEskişehir Osmangazi Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. BİROL YILDIZ
- A comparative evaluation of machine learning algorithms for statistical downscaling of monthly mean temperature data over a European region
Avrupa bölgesi üzerinde aylık ortalama sıcaklık verisinin istatistiksel ölçek indirgemesine yönelik makine öğrenmesi algoritmalarının karşılaştırmalı bir değerlendirmesi
GÜNAY ESER
Yüksek Lisans
İngilizce
2022
Fizik ve Fizik MühendisliğiBoğaziçi ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
PROF. DR. MEHMET LEVENT KURNAZ