Makina öğrenmesi algoritmaları ile işgören çalışma sürelerinin tahmin edilmesi
Predicting employee work durations using machine learning algorithms
- Tez No: 894206
- Danışmanlar: DOÇ. DR. ÖZCAN MUTLU
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Pamukkale Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
İşgören devir hızı, sektörün yapısı, ücret politikası, işgücü piyasası koşulları, şehirlerin sunduğu yaşam kalitesi ve alternatif iş imkanları gibi birçok faktöre bağlı olarak değişiklik gösterebilir. Yüksek devir hızı maliyet artışı, verimlilik kaybı, motivasyon düşüşü ve müşteri memnuniyetinde azalma gibi olumsuz sonuçlara yol açabilir. Bu nedenle, işgören devrini anlamak ve yönetmek, işletmelerin verimliliği ve sürdürülebilir başarısı açısından kritik öneme sahiptir. Bu çalışmada, işgören devir hızını etkileyen faktörler çok boyutlu bir yaklaşımla ele alınarak, işgörenlerin işletmedeki kalış sürelerinin daha doğru tahmin edilmesi hedeflenmiştir. Bu amaçla, bir işletmede son dört yılda işten ayrılan çalışanların verileri kullanılmış ve bu veriler hem istatistiksel hem de makine öğrenmesi yaklaşımlarıyla incelenmiştir. Makine öğrenmesi algoritmalarından K-En Yakın Komşu (KNN) ve Naive Bayes (NB) yöntemleri kullanılarak çalışma süreleri tahmin edilmiştir. Bu çalışma, işgören devir hızını etkili bir şekilde tahmin etmek için makine öğrenmesi yöntemlerinin uygulanabilirliğini ortaya koymakta ve işletmelerin insan kaynakları stratejilerinde veri odaklı, bilinçli kararlar almalarına önemli bir katkı sağlamaktadır.
Özet (Çeviri)
Employee turnover rate may vary depending on many factors such as the structure of the sector, wage policy, labor market conditions, quality of life offered by cities and alternative job opportunities. High turnover rate can lead to negative consequences such as increased cost, loss of productivity, decrease in motivation and decrease in customer satisfaction. Therefore, understanding and managing employee turnover is critical to the efficiency and sustainable success of businesses. In this study, it is aimed to more accurately estimate the length of stay of employees in the enterprise by considering the factors affecting the employee turnover rate with a multidimensional approach. For this purpose, data of employees who left their jobs in a company in the last four years were used and these data were examined with both statistical and machine learning approaches. Running times were estimated using K-Nearest Neighbor (KNN) and Naive Bayes (NB) methods, which are machine learning algorithms. This study demonstrates the applicability of machine learning methods to effectively predict employee turnover and provides a significant contribution to businesses in making data-driven, informed decisions in their human resources strategies.
Benzer Tezler
- Takım çalışması esaslı demontaj hattı işgören atama ve dengeleme problemi için oyun teorisi odaklı yaklaşımlar
Game theory-oriented approaches for multi-manned disassembly line worker assignment and balancing problem
YILDIZ KÖSE
Doktora
Türkçe
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. EMRE ÇEVİKCAN
DR. ÖĞR. ÜYESİ SİNAN ERTEMEL
- Makine öğrenmesi yöntemleri ile tahminleme – demir çelik sektöründe bir uygulama
Prediction with machine learning methods – an application inthe iron and steel industry
NURSELİN SÜLLÜ
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiAlanya Alaaddin Keykubat ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ATIL KURT
- Modern makine öğrenmesi yöntemlerinin farklı inşaat mühendisliği problemlerine uygulanması
Application of modern machine learning methods to various civil engineering problems
MURAT GÖÇER
Doktora
Türkçe
2025
İnşaat MühendisliğiKocaeli Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. SAFA BOZKURT COŞKUN
- Makine öğrenmesi ile işgörenlerin işe yabancılaşma durumunun sınıflandırılması
Classification of employees' work alienation with machine learning
AKIN SÖNMEZER
Yüksek Lisans
Türkçe
2024
İşletmeHacettepe Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. ÖZGE TAYFUR EKMEKCİ
- Yapay zeka yöntemleri ile finansal zaman serileri öngörüleri
Financial time series forecasting using artificial intelligence methods
EFE ARDA