Konut piyasasının makine öğrenmesi ile dijitalleşmesinin analizi: İstanbul ili şile ilçesi örneği
Analyzing the digitalization of the housing market using machine learning: The case of şile district, İstanbul
- Tez No: 961069
- Danışmanlar: DR. ÖĞR. ÜYESİ İLKİM MARKOÇ
- Tez Türü: Yüksek Lisans
- Konular: Mimarlık, Architecture
- Anahtar Kelimeler: Dijitalleşme, konut kullanıcısı hareketliliği, makine öğrenmesi, büyük veri, Digitalization, housing user mobility, machine learning, big data
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mimarlık Ana Bilim Dalı
- Bilim Dalı: Konut Üretimi ve Yapım Yönetimi Bilim Dalı
- Sayfa Sayısı: 84
Özet
Dijitalleşme, ekonomik ve toplumsal alanlarda köklü değişimlere yol açmış, en çok etkilenen alanların başında ise konut piyasası gelmiştir. Dijital teknolojilerin yaygınlaşmasıyla birlikte, konut kullanıcılarının bilgiye erişimi ve mekansal tercihleri değişim göstermiştir. Bu süreçte, İstanbul gibi metropollerdeki yoğunluk ve maliyet gibi etmenler, periferideki ilçelere olan ilgiyi artırmıştır. Bu çalışmada, İstanbul'un merkez ilçelerinden Şile'ye doğru gerçekleşen konut kullanıcısı hareketliliği ile bu sürecin konut piyasasında neden olduğu değişiklikler analiz edilmektedir. Şile ilçesi, Türkiye İstatistik Kurumu (TÜİK) verilerine göre son yıllarda belirgin nüfus artışı göstermesi nedeniyle bu çalışmanın örneklemi olarak seçilmiştir. Tez çalışmasının amacı, büyük veri ve makine öğrenmesi teknolojileri kullanılarak dijitalleşme süreçleri ile İstanbul'un periferisinde ve Şile'de son dönemde gözlemlenen konut piyasası hareketliliğini anlamlandırmak ve bu hareketliliğin fiyatlara olan etkilerini analiz ederek gelecek tahminlerini ortaya koymaktır. Bu kapsamda, Emlakjet adlı ilan sitesinden Python Scrapy kullanılarak yaklaşık 26.000 ilan verisi toplanmıştır. Ardından Python Pandas ile eksik, tutarsız veya gereksiz veriler filtrelenmiş; Python Matplotlib ile değişkenler arasındaki ilişkiler incelenmiştir. Tableau Public ve Python Dash kullanılarak interaktif grafiklerle model sonuçları görselleştirilmiştir. Üç farklı makine öğrenmesi modeli geliştirilmiş ve Değişken Etki Açıklamaları (SHAP) değerleri ile modellerin performansı ölçülerek karşılaştırılmıştır. İlan verilerindeki kişisel bilgiler anonimleştirilmiştir. Tez çalışması ile dijitalleşmenin getirdiği toplumsal ve ekonomik değişimlerin konut piyasası üzerindeki etkilerine ilişkin bulgulara ulaşılmıştır. Makine öğrenmesi model çıktılarının yatırımcılar ve politika yapıcılar için stratejik karar destek sistemi olarak kullanılabilirliği çalışmanın özgün bulgusudur.
Özet (Çeviri)
Digitalization has led to profound transformations in both economic and social domains, and the housing market has been one of the most significantly affected areas. As digital technologies have become more widespread, access to information and spatial preferences of housing users have evolved. In this process, factors such as high population density and rising costs in metropolitan areas like Istanbul have increased interest in peripheral districts. This study analyzes the housing user mobility from Istanbul's central districts to the peripheral district of Şile and the resulting shifts in the housing market. Şile was selected as the sample area due to its notable population growth in recent years, as reported by the Turkish Statistical Institute (TÜİK). The primary aim of this thesis is to interpret the dynamics of the housing market in Şile and Istanbul's peripheral areas by utilizing big data and machine learning technologies. The study further aims to assess how this spatial movement has influenced housing prices and to generate future projections based on empirical findings. In this context, approximately 26,000 real estate listings were collected from the online platform Emlakjet using Python Scrapy. The data were cleaned using Python Pandas to remove missing, inconsistent, or irrelevant records, and relationships among variables were analyzed with Python Matplotlib. The model outcomes were visualized through interactive graphics using Tableau Public and Python Dash. Three different machine learning models were developed, and their performance was evaluated and compared using SHAP (Shapley Additive Explanations) values. Personal data included in the listings were anonymized. The thesis provides important insights into the impact of digitalization-induced economic and social transformations on the housing market. A key contribution of this study is the demonstration that machine learning model outputs can serve as a strategic decision-support tool for investors and policymakers.
Benzer Tezler
- Konut satış fiyatlarının coğrafi bilgi sistemi girdili makine öğrenmesi yöntemleri ile tahminlenmesi: İstanbul örneği
House sales price prediction with geographic information system inputed machine learning methods: İstanbul sample
DUYGU ATASEVER
Yüksek Lisans
Türkçe
2024
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. ERSOY ÖZ
- İpoteğe dayalı menkul kıymet teminat havuzunun değerlemesi ve otomatik değerleme modelleri
Valuation of the collateral pool of mortgage-backed securities and automated valuation models
TUĞBA GÜNEŞ
Doktora
Türkçe
2023
EkonometriAnkara ÜniversitesiGayrimenkul Geliştirme ve Yönetimi Ana Bilim Dalı
PROF. DR. AYŞEN APAYDIN
- Derin öğrenme ve makine öğrenmesi yöntemleriyle Türkiye emlak piyasasında fiyat tahmini
Price prediction in the Turkish real estate market using deep learning and machine learning methods
RECEP FURKAN KOÇYİĞİT
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BANU DİRİ
DR. AHMET ELBİR
- Toplu konut değerleme için hibrit makine öğrenimi ve topluluk öğrenmesi yaklaşımı ile model mimarisi
Model architecture for mass real estate appraisalwith hybrid machine learning and ensemble learning approach
CİHAN ÇILGIN
Doktora
Türkçe
2023
Yönetim Bilişim SistemleriGazi ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. HADİ GÖKÇEN
- İşletmelerde baceri eğitiminin 3308 sayılı meslek eğitim kanununa uygun gerçekleştirilme düzeyi
The level of implementation of skill training at companies in accordance with code number 3308 for vocational training
DUYGU SAVAŞ
Yüksek Lisans
Türkçe
2005
Eğitim ve ÖğretimGazi ÜniversitesiGiyim Endüstrisi ve Moda Tasarımı Ana Bilim Dalı
Y.DOÇ.DR. GÜLÇİN ÜSTÜN