Machine Learning Projects
Tam PDF raporunu açmak için bir resme tıklayın.
Supervised, Unsupervised, Ensemble, AutoML – end‑to‑end çözümler
İNG HUB DATATHON 2025
ING HUB Türkiye Datathon’unda müşteri kaybı tahmini üzerine geliştirdiğimiz machine learning çalışmasıyla 936 katılımcı ve 658 takım arasında ilk 8 içerisinde yer aldık.
Bank Marketing EDA + Stacking
Banka pazarlama verileri EDA kullanılarak kapsamlı bir şekilde analiz edildi ve istifleme yöntemi uygulandı. Kaggle Playground S5E8 yarışmasında %97,716'lık bir puanla ilk 20'ye girdik.
E-Ticaret Rfm-Churn-Analiz
Müşteri segmentasyonu ve müşteri kaybı tahmini, RFM analizi ve makine öğrenmesi kullanılarak gerçekleştirildi. Kullanıcı davranışları, e-ticaret verileri temel alınarak analiz edildi.
Kaggle Winner: Smoker Prediction
Kapsamlı özellik mühendisliği, dengeli örnekleme ve SHAP yorumlanabilirliğine sahip LightGBM ve CatBoost kullanan en üst düzey ikili sınıflandırıcı.
Breast Cancer Classification
Kötü huylu ve iyi huylu tespit; birden fazla model kıyaslandı, en iyi performans gösterenler ROC, karışıklık matrisi ve özellik önemi ile açıklandı.
Calories Burned Prediction – AutoML
Fiziksel aktivite veri seti AutoML aramasına beslenir; en uygun regresyon hattı otonom olarak seçilir ve ayarlanır.
RFM ve Kümeleme ile Müşteri Segmentasyonu
Hedefli pazarlama için yüksek değerli grupları ortaya çıkarmak amacıyla RFM metriklerinde K-Means + hiyerarşik kümeleme.
Body Measurement Prediction
Ergonomik tasarım kullanım durumları için Random Forest / XGBoost aracılığıyla modellenen ANSUR II antropometrisi; MAE ve RMSE değerlendirildi.
Medical Cost Prediction
Sağlık harcamalarında demografik ve yaşam tarzı faktörlerinin regresyon analizi; temel itici güçler belirlendi.
Calories Burned EDA & Modeling
Kapsamlı EDA'nın ardından Linear, RF, XGBoost regresyon yarışması; hiperparametre ayarlı en iyi model öne çıkarıldı.
Fertilizer Recommendation System
Toprak ve mahsul verileri, optimum N-P-K karışımını tahmin etmek için kullanılır; regresyon + çoklu sınıf modelleri, tarımsal kararların temelini oluşturur.
Introvert & Extrovert
İçe Dönük ve Dışa Dönük projesi, bireylerin kişiliklerini davranışsal ve veri odaklı özelliklere göre içe dönüklük-dışa dönüklük spektrumunda otomatik olarak sınıflandırmayı amaçlayan bir makine öğrenimi çalışmasıdır. Odak noktası, etkili özellik mühendisliği ve yüksek tahmin doğruluğu elde etmek için güçlü modellerden (örneğin, XGBoost) yararlanmaktır.