Sanal ortam verileri ile yapay zeka tabanlı dinamik tahminleme modeli geliştirilmesi
Developing an dynamic estimation model based on artificial intelligence with online data
- Tez No: 960631
- Danışmanlar: DOÇ. DR. FATİH TÜYSÜZ
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- 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: 107
Özet
Endüstri mühendisliğinde tahminleme, özellikle satış tahminlerinin giderek artan önemiyle birlikte, günümüzün veri odaklı dünyasında kritik bir araştırma alanı haline gelmiştir. Sanal ortamda milyarlarca insanın etkileşimleriyle oluşan büyük veri yığınları, geçmişe dair değerli bilgiler sunmakta ve geleceğe yönelik öngörülerde bulunmak için büyük bir potansiyel barındırmaktadır. Ancak bu verilerin önemli bir kısmı yapısal olmayan biçimde bulunduğundan, geleneksel tahminleme yöntemleriyle doğrudan işlenmeleri çeşitli zorluklar yaratmakta, bu da daha gelişmiş ve esnek analiz tekniklerine olan ihtiyacı artırmaktadır. Bu bağlamda hazırlanan tez çalışması, çevrimiçi ortamda oluşan yapısal olmayan büyük veriyi büyük dil modelleri (BDM) aracılığıyla işleyip anlamlandırarak yapısal hale dönüştürmeyi ve bu verileri klasik tahminleme modellerine ek bir özellik olarak entegre etmeyi hedeflemektedir. BDM'ler, geniş veri kümeleri üzerinde eğitilmiş derin öğrenme tabanlı modeller olup, doğal dil işleme yetenekleri sayesinde sanal ortamda biriken verilerden anlamlı çıkarımlar yaparak tahmin doğruluğunu artırmada önemli bir rol üstlenmektedir. Bu süreçte doğrusal regresyon, destek vektör regresyonu ve gradyan destek vektörleri gibi çeşitli makine öğrenimi algoritmaları kullanılarak tahminleme performansı daha da iyileştirilmiştir. Böylece, yapay zeka destekli veri işleme teknikleri sayesinde geleneksel yöntemlerin ötesine geçilerek daha güvenilir, tutarlı ve isabetli tahminler üretmek mümkün hale gelmiş; bu da özellikle satış tahminleme süreçlerinde karar destek sistemlerinin daha etkin kullanılmasına olanak tanımış ve büyük veri ile makine öğrenimi yöntemlerinin endüstriyel süreçlere entegrasyonunu önemli ölçüde güçlendirmiştir.
Özet (Çeviri)
Prediction in industrial engineering has become a critical area of research in today's data-driven world, especially with the increasing importance of sales predictions. Large data sets formed by the interactions of billions of people in the virtual environment provide valuable information about the past and have great potential for making predictions about the future. However, since a significant portion of this data is in an unstructured form, direct processing with traditional prediction methods creates various difficulties, which increases the need for more advanced and flexible analysis techniques. In this context, the thesis study prepared aims to transform the unstructured big data formed in the online environment into structured data by processing and interpreting it through large language models (LLMs) and to integrate this data as an additional feature to classical prediction models. LLMs are deep learning-based models trained on large data sets and play an important role in increasing prediction accuracy by making meaningful inferences from the data accumulated in the virtual environment thanks to their natural language processing capabilities. In this process, prediction performance has been further improved by using various machine learning algorithms such as linear regression, support vector regression, and gradient support vectors. Thus, thanks to artificial intelligence-supported data processing techniques, it has become possible to produce more reliable, consistent, and accurate predictions by going beyond traditional methods; this has enabled more effective use of decision support systems, especially in sales prediction processes, and has significantly strengthened the integration of big data and machine learning methods into industrial processes.
Benzer Tezler
- New edge computing offloading methods for next generation wireless networks
Yeni nesil haberleşme sistemleri için geliştirilen kenar ağlarda bilgi işlem yük boşaltma yöntemleri
BESTE ATAN
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. LÜTFİYE DURAK ATA
- Artificial intelligence based and digital twin enabled aeronautical AD-HOC network management
Yapay zeka tabanlı ve dijital ikiz destekli geçici havasal ağ yönetimi
TUĞÇE BİLEN
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BERK CANBERK
- 3D modeling in archaeology Reşitköy Dam excavations
Arkeolojide 3 boyutlu modelleme Reşitköy Barajı kurtarma kazıları
KALİN TOK
Yüksek Lisans
İngilizce
2025
Arkeolojiİstanbul Teknik ÜniversitesiEkoloji ve Evrim Ana Bilim Dalı
DOÇ. DR. ORKAN ÖZCAN
- Network digital twins: Tackling challenges and enhancing wireless network management
Ağ dijital ikizleri: Sorunları ele alma ve kablosuz ağ yönetimini geliştirme
ELİF AK
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BERK CANBERK
- Optimizing artistic process: Exploring efficient environment creation workflows in gaming industry
Sanatsal sürecin optimizasyonu: Oyun endüstrisinde verimli çevre oluşturma süreçlerinin incelenmesi
EMRAH ÖZÇİÇEK
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiOyun ve Etkileşim Teknolojileri Ana Bilim Dalı
PROF. DR. LEMAN FİGEN GÜL