Programımızın farklı sektörlerden gelen öğrencileri, profesyonel deneyimlerini iş analitiği yetkinlikleriyle birleştirerek gerçek iş problemlerine yönelik Bitirme Projeleri geliştiriyorlar. Son dönemlerde yapılan projelerden bir seçkiyi aşağıda bulabilirsiniz :
1.Yetenek Zekâsı ve Öngörücü Çalışan Elde Tutma Analitiği Platformu
İK gösterge panellerinden ve bireysel Yetenek Kartlarından oluşan entegre bir İK Analitiği Platformu geliştirilmiştir. Gösterge panelleri iş gücü göstergelerine ilişkin genel bir görünüm sunarken, Yetenek Kartı her çalışana ait farklı türde bilgileri bir araya getirmektedir. Çalışan profilini çalışan düzeyinde bir işten ayrılma riski göstergesiyle tamamlamak amacıyla öngörücü bir elde tutma modeli geliştirilmiştir. Model sonuçları Excel'e aktarılmış ve Yetenek Kartı üzerinde gösterilebilmeleri için çalışan kimlik numarası aracılığıyla Power BI veri modeline eklenmiştir.
Kullanılan teknikler: Temel Bileşenler Analizi, Rastgele Orman (Random Forest), XGBoost, Lojistik Regresyon, Kalibre Edilmiş SVM, Derin Öğrenme
Kullanılan yazılımlar/araçlar: Power BI, Google Colab üzerinde Python
2. İhracat Pazarı Çekiciliği ve Kârlılık Motoru
Bu proje, çimento ve klinker için ihracat hedef pazarlarının önceliklendirilmesine yönelik yapılandırılmış, şeffaf ve yinelenebilir bir karar destek modeli geliştirmektedir. Model, satışın, kapasitenin ve kredinin hangi ülkelere yoğunlaştırılacağına ilişkin ihracat tahsis kararlarını, kriter ağırlıklarının Analitik Hiyerarşi Süreci (AHP) ile elde edildiği hibrit bir Çok Kriterli Karar Verme (ÇKKV) yaklaşımı aracılığıyla desteklemekte ve stratejik bir çekicilik skoru belirlemektedir. Bu skor daha sonra, her hedef pazar için şirketin fiili FOB/CFR satış koşulları altında ton başına gerçekçi bir net marj hesaplayan ve elde edilen fiyatı hedef pazardaki teslim fiyat seviyeleriyle sınayan bir İhracat Kârlılığı katmanıyla birleştirilmektedir. Aynı çerçeve yalnızca satış hedef pazarlarını seçen ihracatçılar için değil, hedef bir pazarda terminal gibi bir yatırımı değerlendiren şirketler için de uygundur.
Kullanılan teknikler: ÇKKV (MCDM), AHP, Delphi yöntemi
Kullanılan yazılımlar/araçlar: Excel, Python, Power BI
3. İkinci El Araç Fiyat Tahmini için LLM Destekli Öznitelik Mühendisliği
Bu rapor, yerel olarak çalıştırılan, açık ağırlıklı bir büyük dil modeli tarafından serbest metin biçimindeki araç ilan açıklamalarından çıkarılan yorumlanabilir özniteliklerin (veya özelliklerin), ikinci el araç fiyat tahminini yalnızca yapılandırılmış niteliklerin sağladığının ötesinde iyileştirip iyileştirmediğini incelemektedir. Araç durumu, kaza geçmişi, bakım, sahiplik, ruhsat durumu ve satış aciliyetini kapsayan 12 alanlı bir çıkarım şeması, LM Studio aracılığıyla yerel olarak sunulan Qwen 2.5 7B Instruct ile, şema kısıtlı JSON istemleme kullanılarak, hiçbir API maliyeti olmadan ve hiçbir ilan verisi makineden dışarı çıkmadan uygulanmaktadır. LLM ile çıkarılan bu öznitelikleri yapılandırılmış niteliklerle birleştiren bir LightGBM modeli, aynı örneklem ve aynı bölünme üzerinde yeniden eğitilen, yalnızca yapılandırılmış nitelikleri kullanan bir temel modelle karşılaştırılmaktadır.
Kullanılan teknikler: LLM ile metinden öznitelik çıkarımı, gradyan artırmalı regresyon ağacı (LightGBM)
Kullanılan yazılımlar/araçlar: Python, Qwen 2.5 7B Instruct, LM Studio
4. Cam Elyaf Üretiminde Stratejik Ürün Karması Optimizasyonu
Büyük bir cam elyaf üreticisi, dört ürün ailesi — Tek Uçlu Fitil (Single-End Roving), Çok Uçlu Fitil (Multi-End Roving), Kırpılmış Elyaf (Chopped Strands) ve Keçeler (Mats) — kapsamında 200'ün üzerinde cam elyaf SKU'suna sahiptir. Üretim planlaması bugüne kadar hep sezgiye dayalı yapılmış, bu da üretim ile satış arasında sürtüşme yaratmıştır. Bu projede, tahmin yürütmenin yerini bir optimizasyon motorunun aldığı bir karar destek sistemi geliştirilmiştir. Sistemin merkezinde, makine grubu kapasitesi, talep sınırları ve sözleşmesel asgari taahhütler verildiğinde her SKU için kârı en yükseğe çıkaran aylık üretim miktarını hesaplayan iki aşamalı bir Excel modeli — odaklı bir “A Kategorisi” sürümü (1. Aşama) ve tüm kataloğu kapsayan bir sürüm (2. Aşama) — yer almaktadır.
Kullanılan teknikler: Doğrusal Programlama, tam sayılı doğrusal programlama
Kullanılan yazılımlar/araçlar: Excel Çözücü (Solver), SciPy'nin HiGHS çözücüsü ile Python.
5. E-Ticarette Müşteri Yaşam Boyu Değeri Ağırlıklı Müşteri Kaybı (Churn) Tahmini ve Nedensel Kampanya Optimizasyonu: Bir Uplift Modelleme Yaklaşımı
Bu proje, e-ticarette müşteri ilişkileri yönetimi (CRM) müdahalelerinin önceliklendirilmesine yönelik uçtan uca bir çerçeveyi, üç nicel akıl yürütme katmanını birleştirerek geliştirmekte ve değerlendirmektedir: (i) olasılıksal Müşteri Yaşam Boyu Değeri (CLV) tahmini, (ii) model yorumlanabilirliğiyle birlikte makine öğrenmesi tabanlı müşteri kaybı (churn) tahmini ve (iii) promosyon etkileşiminin sonraki elde tutma üzerindeki nedensel etkisinin yarı-deneysel tahmini. Kurulan akış, müşteri başına tek ve şeffaf bir skorlama kuralı sunmaktadır: tahmini kayıp olasılığı × tahmini CLV × koşullu ortalama müdahale etkisi (CATE).
Kullanılan teknikler: Müşteri segmentasyonu (RFM), Müşteri Yaşam Boyu Değerinin BG/NBD (Beta-Geometrik/Negatif Binom Dağılımı) ve Gamma-Gamma modelleriyle tahmini, XGBoost ve SHAP ile müşteri kaybı tahmini.
Kullanılan yazılımlar/araçlar: Google Colab üzerinde Python
6. Sağlık Turizminde Müşteri Adayı Dönüşümü için Davranışsal Segmentasyon ve Konuşma Analitiği
Bu proje iki soru sormaktadır: hasta taleplerine ilişkin teklif öncesi WhatsApp görüşmelerinin içeriği, halihazırda mevcut olan yapılandırılmış CRM alanlarının ötesinde öngörücü bilgi katmakta mıdır ve bunun üzerine kurulan bir tahmin, danışmanın bir olasılığı yorumlamasına gerek kalmadan uygulayabileceği bir eyleme dönüştürülebilir mi. Üç model karşılaştırılmıştır: yapılandırılmış alanlar üzerinde bir lojistik regresyon, aynı alanlar üzerinde bir yapay sinir ağı ve görüşme metnini de ekleyen hibrit bir yapay sinir ağı. Bir kural katmanı, davranışsal segment ile skor aralığını; her biri bir gerekçe, bir temas düzeyi, nelerden kaçınılması gerektiğine dair bir uyarı ve bir takip aralığı içeren on sekiz eylemden birine eşlemektedir.
Kullanılan teknikler: davranışsal segmentasyon (k-ortalamalar, hiyerarşik, kural tabanlı), dil gömme (ör. SVD ile TF-IDF), lojistik regresyon, çok katmanlı algılayıcı, PCA, Apriori ile birliktelik kuralı madenciliği, LDA konu modelleme
Kullanılan yazılımlar/araçlar: Python, Flask
7. İhale Stratejisi Öneri Aracı
Bu proje, belirli bir satın alma vakası için uygun bir e-eksiltme (e-ihale) stratejisi öneren bir karar destek aracı tasarlamakta ve geliştirmektedir. Projenin temel amacı, uzmanların ihale bilgi birikimini; belirli bir vaka için alternatif e-eksiltme mekanizmalarını puanlayan ve en uygun olanı açık gerekçelerle öneren şeffaf, kural tabanlı bir karar motoruna dönüştürmektir. Öneri motoru ayrıca bir bilgi paylaşım planı — teklif verenlere neyin, ne zaman gösterileceği — ile birlikte, mekanizmaya bağlı olarak açılış fiyatı mantığı, teklif adımları, zamanlama, kazananın ilanı ve seçici ihale sonrası pazarlık; eleme/kısa liste tasarımında ise kısa liste kuralları ve bunların iletilmesi konularını kapsayan pratik parametre rehberliği önermektedir. Ayrıca, senaryo özniteliklerinden motorun önerisini tahmin etmek üzere çeşitli makine öğrenmesi sınıflandırıcıları eğitilmiştir.
Kullanılan teknikler: Çok Kriterli Karar Verme, Rank Order Centroid (sıralama ağırlıklı ağırlıklandırma) yöntemi, makine öğrenmesi (lojistik regresyon, k-en yakın komşu, karar ağacı, gradyan artırma, rastgele orman)
Kullanılan yazılımlar/araçlar: Jupyter/Google Colab üzerinde Python, Javascript
8. Türkiye Elektrik Piyasasında Piyasa Takas Fiyatının (PTF) Makine Öğrenmesi Yöntemleriyle Tahmini
Bu proje üç temel soruyu ele almaktadır: (1) gerçekçi bir bilgi kümesi altında gün öncesi PTF tahmininde en güvenilir sonucu hangi makine öğrenmesi yöntemi vermektedir; (2) rüzgâr üretim tahmini verilerinin (RİTM) dahil edilmesi tahmin performansını iyileştirmekte midir; ve (3) yalnızca gerçek karar anında fiilen mevcut olan bilgiler kullanılarak, canlı bir ortamda henüz yayımlanmamış verilere dayanmadan uygulanabilir bir tahmin çerçevesinin kurulup kurulamayacağı.
Kullanılan teknikler: Doğrusal regresyon, rastgele orman, gradyan artırma, YSA (MLPRegressor)
Kullanılan yazılımlar/araçlar: Python
9. Mobil Ölçümlendirme Nereye Konumlandırılmalı? Hava Kargo Terminalleri için Çok Noktalı Devreye Alma Karar Çerçevesi
Hava kargoda fatura, gönderinin fiziksel ağırlığı ile hacminin büyük olanı esas alınarak hesaplanmaktadır. İncelenen tesiste ölçü verileri, operasyonel olarak birbirinden farklı üç noktada toplanmaktadır. Temel araştırma sorusu, incelenen hava kargo tesisindeki bu üç ölçüm noktasından hangisinde LiDAR tabanlı el tipi bir ölçüm cihazının mevcut manuel sürece kıyasla belirsizliklere karşı dayanıklı bir ekonomik değer yarattığı, hangi noktalarda ise manuel süreci sürdürmenin ya da sabit bir kurulumu değerlendirmenin daha güçlü gerekçelere dayanan bir karar olduğudur. İşlem hacmi, zaman baskısı, hata maliyeti ve kargo geometrisi gibi kriterler dikkate alınmaktadır.
Kullanılan teknikler: Eşleştirilmiş karşılaştırmalar için Wilcoxon işaretli sıralar testi kullanılmıştır
10. Doğru Müşteriyi Doğru Zamanda Hedeflemek: Kampanya Kişiselleştirmesi için Öngörücü Bir Çerçeve
Bu proje, pazarlama kampanyalarındaki zorlukları ele alan veri odaklı bir çerçeve kurmaktadır: “kim” sorusunu yanıtlamak için müşteri segmentasyonu ve “ne zaman” ile “hangi olasılıkla” sorularını yanıtlamak için öngörücü modelleme. Pratik amaç nettir: bir şirket müşteri işlem verilerini akışa yükler ve skorlanmış, sıralanmış bir müşteri listesi elde eder. Çerçeve her müşteri için bir satın alma olasılığı skoru, bir indirime duyarlılık skoru, bir yeniden aktifleşme olasılığı, bir kampanya yanıt olasılığı, bir zamanlama hazırlık skoru ve bileşik bir öncelik sırası üretmektedir. Bu çıktı sayesinde pazarlama ekibi, her kampanya türü için tam olarak hangi müşterileri hedefleyeceğini bilir.
Kullanılan teknikler: öznitelik mühendisliği, müşteri segmentasyonu (k-ortalamalar), Kaplan-Meier sağkalım analizi, LightGBM sınıflandırma modeli, SHAP açıklanabilirliği
Kullanılan yazılımlar/araçlar: Google Colab üzerinde Python
11. Fatura Onay Süreçlerinde Gerçek Zamanlı Anomali Tespiti: Manuel İncelemenin Önceliklendirilmesi için İki Katmanlı, Kural Tabanlı ve İstatistiksel Bir Çerçeve
Bu projede incelenen operasyonda, merkezi bir kontrol birimi 270 uluslararası lokasyonda yılda yaklaşık 450.000 faturayı incelemektedir; bu da her kaydın eşit dikkatle incelenmesini uygulanabilir olmaktan çıkarmakta ve incelenmeyen kısımda örnekleme riski bırakmaktadır. Bu proje, manuel incelemenin yerini almak yerine onu önceliklendiren iki katmanlı bir anomali tespit çerçevesi önermektedir. Çerçeve, istatistiksel bir katman ile kural tabanlı bir katmanı üç bağımsız yöntemde birleştirmektedir: tutar sapması, ödeme kanalı baskınlığı ve referans tekrarı. Çerçeve, sayısal bir risk skoru yerine, hangi kontrolün neden tetiklendiğini belirten açıklanabilir bulgular üretmektedir.
Kullanılan teknikler: Tukey'nin IQR sınırları ve düzeltilmiş Z-skoru
Kullanılan yazılımlar/araçlar: Google Colab üzerinde Python
