Veri Madenciliği ile Üniversite Bilişim Teknik Servis Hizmetleri Analizi

Loading...
Thumbnail Image

Date

2020

Journal Title

Journal ISSN

Volume Title

Publisher

Access Rights

info:eu-repo/semantics/openAccess

Abstract

Bu çalışmada Düzce Üniversitesi Teknik Servis Otomasyonu verileri üzerinde, birim personelinin performansınıdeğerlendirmek ve yöneticiye karar destek sürecinde yardımcı olması için Veri Madenciliği (VM) bilimikullanılmıştır. VM büyük ölçekli verilerden, anlamlı bilgi çıkarma veya geleceğe yönelik tahminlerde bulunma işiolarak adlandırılabilir. Sınıflandırma ise mevcut veriden geleceğe yönelik tahminlerde bulunma tekniğidir.Kurumsal işletmelerde ve kamu kurumlarında personel performans analizi yapabilmek ve ileriye yönelik karardestek süreçlerinde kullanmak için çok sayıda veri bulunmaktadır. Ancak yöneticilerin bu verileri ham hali ile,performans süreçlerinde kullanmaları çok zordur. Bu çalışmada birim yöneticilerine, VM’nin sınıflandırma tekniğiile personelin performans değerlendirmesi ve karar destek sürecinde yardımcı olunması hedeflenmiştir. VM’ninsınıflandırma yöntemleri bu veriler üzerinde uygulanmış ve Derin Öğrenme yönteminin başarısı ortayakonulmuştur.
In this study, Data Mining (DM) science was used to evaluate the performance of unit personnel and to assist the manager in decision support process on Düzce University Technical Service Automation data. The DM can be called the task of extracting meaningful information from large-scale data or making predictions for the future. Classification is the technique of making predictions from the available data. There is a lot of data available to perform personnel performance analysis in corporate enterprises and public institutions and to use them in advanced decision support processes. However, it is very difficult for managers to use this data in its raw form in performance processes. In this study, it is aimed to assist the unit managers in the performance evaluation and decision support process of the personnel by using DM's classification technique. DM's classification methods were applied on these data and the success of Deep Learning was demonstrated.

Description

Keywords

[No Keywords]

Journal or Series

Düzce Üniversitesi Bilim ve Teknoloji Dergisi

WoS Q Value

Scopus Q Value

Volume

8

Issue

1

Citation