Show simple item record

dc.contributor.advisorGürhanlı, Ahmet
dc.contributor.authorAraç, Yunus Emre
dc.date.accessioned2023-09-22T12:09:19Z
dc.date.available2023-09-22T12:09:19Z
dc.date.submitted2021-08-26
dc.date.issued2019
dc.identifier.urihttps://acikbilim.yok.gov.tr/handle/20.500.12812/738029
dc.description.abstractGünümüz teknolojilerinde en önemli merak konularından biri ileriyi tahmin etmek olmuştur. Bu konuda birçok çalışma makine öğrenmesi üzerine yoğunlaşmıştır ama doğrusal olmayan durumlarda klasik makine öğrenmesi yöntemleri yeterli gelmemiştir. Yapay sinir ağları da eldeki verilerden yola çıkarak tahminler yapabilmemize olanak sağlayan bir sistem olarak hayatımıza girmiştir. Müşteriye yönelik çalışan tüm kuruluşların daha fazla müşteri kazanabilmek ve var olan müşterilerini ellerinde tutabilmek için müşterilerinin memnuniyetlerini öğrenmeleri gerekmektedir. Bu memnuniyet durumu içine sadece nesnel veriler değil insan duyguları da girebileceği için doğrusal bir denklem oluşturulamamaktadır. Eldeki veriler iyi analiz edilerek, yeni gelecek müşteriler için de doğru kararlar verilip onların kalıcılığının arttırılması gerekmektedir. Klasik makine öğrenmesi bu tür bir uygulamada yetersiz kalmaktadır, ancak otomatik olarak eğitilen ve doğrusal olmayan bileşenler içeren yapay sinir ağları doğruluğu yüksek sonuçlar verebilmektedir. Yapay sinir ağları sayesinde doğrusal olmayan denklemler kurularak bu uygulamalara yönelik tahminlerin en iyi şekilde yapılması amaçlanmaktadır. Son yıllarda yapılan karşılaştırmalar ve çalışmalar da yapay sinir ağlarının klasik makine öğrenmesi yöntemlerine göre doğrusal olmayan durumlarda daha iyi sonuç verdiğini göstermektedir. Bu çalışma da derin öğrenme ile müşteriler üzerinde memnuniyet analizi ve tahmini yapılırsa daha iyi sonuçlar alınabileceğini ortaya koymaktadır. Bu makalede bir yapay sinir ağında bu uygulama özelinde karşılaşılan durumlar raporlanmaktadır. Çalışmamız müşteri memnuniyet analizi için ağdaki parametrelerin nasıl ayarlanması gerektiğini belirtmekte ve farklı algoritma seçimlerinin nasıl sonuç verdiğini göstermektedir.
dc.description.abstractOne of the most important curiosity issues in today's technologies has been to predict the future. Many studies have focused on machine learning, but in nonlinear cases, classical machine learning methods are not enough. Artificial neural networks have entered our lives as a system that allows us to make predictions based on the available data.All organizations working for the customers need to learn the satisfaction of their customers to gain more customers and keep their existing customers. A linear equation cannot be created for this satisfaction, since not only objective data but also human emotions can be introduced. By analyzing the data well, it is necessary to make the right decisions for new future customers and increase their permanence.Classical machine learning is inadequate in this kind of practice, but automatically trained neural networks that include non-linear components can give results having high accuracies. Non-linear equations are established by means of artificial neural networks and it is aimed to make the best estimates. In recent years, comparisons and studies have shown that artificial neural networks give better results in nonlinear cases compared to classical machine learning methods. This study shows that better results can be obtained if satisfaction analysis are conducted on customers using deep learning methods. In this paper, situations encountered in this application which is using an artificial.en_US
dc.languageTurkish
dc.language.isotr
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAttribution 4.0 United Statestr_TR
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectBilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontroltr_TR
dc.subjectComputer Engineering and Computer Science and Controlen_US
dc.titleYapay sinir ağı kullanarak müşteri memnuniyeti analizi
dc.title.alternativeCustomer satisfaction analysis using artificial neural network
dc.typemasterThesis
dc.date.updated2021-08-26
dc.contributor.departmentBilgisayar Mühendisliği Ana Bilim Dalı
dc.subject.ytmArtificial neural networks
dc.identifier.yokid10285395
dc.publisher.instituteFen Bilimleri Enstitüsü
dc.publisher.universityİSTANBUL AYDIN ÜNİVERSİTESİ
dc.identifier.thesisid676841
dc.description.pages71
dc.publisher.disciplineBilgisayar Mühendisliği Bilim Dalı


Files in this item

FilesSizeFormatView

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess