Veri bilimi ve makine öğrenmesi makine öğrenmesi teknikleri ile perakende sektöründe ürün öneri sistemi
Product recommendation system in the retail sector with data science and machine learning techniques
- Tez No: 911765
- Danışmanlar: DOÇ. DR. ERSİN NAMLI
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 87
Özet
Bu tez çalışmasında, perakende sektöründe ürün önerisi yapmak amacıyla veri bilimi ve makine öğrenmesi teknikleri incelenmiştir. Bu amaç doğrultusunda, Apriori algoritması, Yinelemeli Sinir Ağları ve Grafik Tabanlı Analiz yöntemleri kullanılmıştır. Tez kapsamında, örnek bir hediye mağazası veri setinde ve daha sonra bir gerçek hayat verisi uygulaması olarak perakende veri seti üzerinde bu yöntemlerin performansları detaylı bir şekilde değerlendirilmiştir. Yapılan analizler sonucunda, her bir yöntemin farklı avantaj ve dezavantajları olduğu tespit edilmiştir. Apriori algoritması, veri setlerinde basit ve anlaşılır kurallar oluşturma açısından önemli bir avantaj sunarken RNN'ler uzun süreli kullanıcı davranışlarını anlamada ve zaman serisi verileri üzerinde tahmin yapmada etkilidir. GBA ise ilişkilerin görselleştirilmesi, toplulukların oluşturulması ve karmaşık ilişkilerin analizi gibi konularda öne çıkmaktadır. Örnek veri setinde ve gerçek hayat uygulamasında yapılan çalışmalarda, yönteme karar verirken bu kararda, veri setinin boyutu ve özelliklerinin oldukça etkili olduğu görülmüştür. Python yazılım dili kullanılarak yapılan veri analizinde ve veri görselleştirmelerinde sonuçlar kolay okunabilir olmuştur ve teknolojiye uyum açısından hız kazandırmıştır. Bu çalışmanın sonuçları, perakende sektöründe kişiselleştirilmiş ürün önerisi yapma sürecine katkı sağlayacak önemli bulgular sunmaktadır. Satış oranlarını artırmak ve aynı zamanda müşteri memnuniyetini artırmak için Apriori algoritması, RNN ve GBA yöntemlerinden uygun olanı seçmek veri analizi ve veri özelliklerini iyi anlamak ile mümkündür. Bu veri analizinde Python gibi teknolojiye uyumlu araçlar kullanmak çalışmayı hızlandırmaktadır.
Özet (Çeviri)
In this thesis, data science and machine learning techniques were examined to generate product recommendations in the retail sector. To achieve this, methods such as the Apriori algorithm, Recurrent Neural Networks (RNN), and Graph Based Analysis (GBA) were utilized. The performance of these methods was evaluated in detail on an example dataset from a gift shop and subsequently on a real-life retail dataset. While the Apriori algorithm offers a significant advantage in terms of creating simple and understandable rules in data sets, RNNs are effective in understanding long-term user behavior and making predictions on time series data. GBA stands out in subjects such as visualization of relationships, creation of communities and analysis of complex relationships. In studies conducted on the sample data set and real-life application, it was observed that the size and features of the data set were quite effective in deciding on the method. In data analysis and data visualizations performed using the Python programming language, the results were easy to read and accelerated in terms of adaptation to technology. The results of this study provide significant insights that contribute to the process of making personalized product recommendations in the retail sector. Choosing the appropriate one among the Apriori algorithm, RNN and GBA methods to increase sales rates and at the same time increase customer satisfaction is possible with a good understanding of data analysis and data features. Using technology-compatible tools such as Python in this data analysis accelerates the work.
Benzer Tezler
- Perakende sektöründe ikinci el araç fiyat tahminlemesinde makine öğrenmesi yöntemlerinin karşılaştırılması
Comparison of machine learning methods for used car price forecast in the retail industry
SELEN ÇOLPAN
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri MühendisliğiEskişehir Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. NİHAL ERGİNEL
- Development of intelligent systems using augmented reality and machine learning techniques
Artırılmış gerçeklik ve makine öğrenmesi teknikleri kullanılarak akıllı sistemlerin geliştirilmesi
RAMİZ YILMAZER
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. DERYA BİRANT
- Hızlı moda sektöründe makine öğrenmesi yöntemleri ile satış miktarlarının tahmin edilmesi
Forecasting of sales quantities by machine learning methods in fast fashion sector
SİNEM ÖZTÜRK
Yüksek Lisans
Türkçe
2020
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEDA UĞURLU
- Overcoming payment behavior challenges: Classifying buy now pay later users with machine learning
Ödeme alışkanlığı zorluklarını aşmak: Makine öğrenimi ile şimdi al sonra öde kullanıcılarını sınıflandırma
ÖMÜR ÖZDOĞAN
Yüksek Lisans
İngilizce
2024
Bankacılıkİstanbul Teknik ÜniversitesiBüyük Veri ve Veri Analitiği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN
- Otomotiv endüstrisinde makine öğrenimi teknikleri kullanılarak araç fiyatlarının tahmin edilmesine yönelik karşılaştırmalı bir çalışma
A comparative study to forecast vehicle prices in automotive industry using machine learning techniques
LADEN AKGÖK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET DİKMEN