Machine learning-driven optimization: Applications in retention management and rank aggregation
Makine öğrenmesi tabanlı optimizasyon: Tutundurma yönetimi ve sıralama toplulaştırma uygulamaları
- Tez No: 895667
- Danışmanlar: DR. ÖĞR. ÜYESİ ERİNÇ ALBEY
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Özyeğin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 97
Özet
u tez kapsamında, dijital pazarlama ve paylaşım ekonomisi alanlarındaki karmaşık optimizasyon problemlerinin zorlukları ele alınmış ve çözüm için Makine Öğrenmesi (MÖ) ve Yöneylem Araştırması (YA) teknikleri arasındaki sinerji incelenmiştir. Dijital pazarlama konusunda gerçek bir müşteri sadakat yönetimi çerçevesi önerilmiş, paylaşım ekonomisi alanında ise yolculuk paylaşımı problemi için sıra toplulaştırma (agregasyon) temelli bir eşleştirme yaklaşımı sunulmuştur. Çalışma, müşteri sadakat oranını artırmak ve yolculuk paylaşım operasyonlarını optimize etmek için MÖ'nün tahmin doğruluğunu YA'nın karar verme stratejileri ile birleştiren yenilikçi modeller geliştirmeyi amaçlamaktadır. Araştırmada teorik kavramlar pratik uygulamalarla birlikte incelenmiş ve bu sayede operasyonel verimlilikte önemli iyileştirmeler sağlayan sofistike algoritmaların oluşturulması hedeflenmiştir. Giriş bölümünde, MÖ ve YA arasındaki sinerji potansiyeli özetlenmekte ve gerçek dünya sorunlarını çözmek için disiplinler arası bir yaklaşıma duyulan ihtiyaç vurgulanmaktadır. Uygulama tarafında, dijitalleşmiş verinin kolay erişilebilir olmasından dolayı müşteri sadakati ve yolculuk paylaşımı problemlerine odaklanılmıştır. Bu sayede problemin çözümü için gelişmiş analitik tekniklerin kullanılması mümkün olmuştur. MÖ ve YA tekniklerinin entegrasyonu ile geliştirilen uygulamalar, hedeflenen problemlerdeki karar verme süreçlerini iyileştirmiş ve operasyonel verimliliği artırmıştır. Çalışmada, müşteri sadakatini kontrol etmek için kullanılan kestirimci modeller ve geliştirilen veriye dayalı yolculuk paylaşımı eşleştirme algoritması mevcut modellere göre kayda değer seviyede daha iyi performans göstermiştir. Bu sonuç MÖ ve YA teknikleri arasındaki sinerjinin fayda sağlayabildiğini teyit etmektedir. İleride yapılacak araştırmalar, daha büyük veri kümelerini işleyebilen ve gerçek zamanlı analizler sunabilen daha gelişmiş algoritmalar geliştirmeye yönelik olabilir. Tez ayrıca, karmaşık sistemsel zorlukları keşfetmek için daha fazla disiplinler arası çalışmayı teşvik etmekte ve önerilen modellerin kapsamını ve etkinliğini genişletmeyi vaat etmektedir.
Özet (Çeviri)
This thesis examines the synergy between Machine Learning (ML) and Operations Research (OR) to tackle complex optimization challenges in digital marketing (through proposing a genuine retention management framework) and sharing economy (via introducing a rank aggregation based matching approach for ride pooling problem). It aims to develop innovative models that combine ML's predictive accuracy with OR's decision-making strategies to enhance customer retention and optimize ride-sharing operations. The research follows a structured progression from theoretical concepts to practical applications, leading to creation of sophisticated algorithms that demonstrate significant improvements in operational efficiency. The introduction outlines the synergistic potential between ML and OR, emphasizing the need for a cross-disciplinary approach to solve real-world problems. It focuses on the application areas of customer retention and ride pooling. The reasoning behind these application areas is that these fields posses digital data, which makes possible to deploy advanced analytical techniques. Developed applications reaffirms the successful integration of ML and OR, as evidenced by enhanced decision-making processes and operational efficiencies in targeted applications. The results show notable advancements in predictive models for customer retention and a data-driven ride-matching algorithm, both of which significantly outperform the existing methods. Future research is directed towards developing more advanced algorithms that can handle larger datasets and deliver real-time analytics. The thesis also encourages further interdisciplinary studies to explore complex systemic challenges, promising to extend the scope and efficacy of the proposed models.
Benzer Tezler
- İğne deliği fotoğraf ve çağdaş kullanımı
Pinhole photography and contemporary uses
AYDIN BERK BİLGİN
Yüksek Lisans
Türkçe
2012
Sahne ve Görüntü SanatlarıMarmara ÜniversitesiFotoğraf Ana Sanat Dalı
YRD. DOÇ. BÜLENT ERUTKU
- Koroner arter hastalığı ve metabolik sendromu olan hastalarda serum ürik asit düzeylerinin koroner tımı kare sayıları üzerindeki etkisi
The effect of serum uric acid levels on timi frame counts in patients with coronary artery disease and metabolic syndrome
EMRAH İPEK
- Davranışsal öğrenme bazlı bir yapay makine öğrenme yönteminin geliştirilmesi
Developing an artificial machine learning method based on behavioral learning
ÖMER FARUK ERTUĞRUL
Doktora
Türkçe
2015
Elektrik ve Elektronik Mühendisliğiİnönü ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET EMİN TAĞLUK
- Türk basınında Latin harflerine geçiş ve gazete tasarımına etkileri
Transition to the Latin alphabet in Turkish press and its effects over newspaper designs
ZEYNEP VATANSEVER
Yüksek Lisans
Türkçe
2015
GazetecilikMarmara ÜniversitesiGazetecilik Ana Bilim Dalı
YRD. DOÇ. DR. LEVENT ELDENİZ
- Farklı yıkama sistemlerinin apikalden taşan irrigasyon solüsyonu miktarına ve kanal dolgu materyalinin kök kanalına bağlanma dayanımı üzerine olan etkisinin in-vitro olarak incelenmesi
In vitro investigation of the effect of different irrigation systems on apical extrusion amount of the irrigant and connection strenght of the canal filling material to the root canal
ESİN ÖZLEK
Diş Hekimliği Uzmanlık
Türkçe
2015
Diş HekimliğiYüzüncü Yıl ÜniversitesiEndodonti Ana Bilim Dalı
YRD. DOÇ. DR. MERT GÖKAY EROĞLU