ING Türkiye Datathon
Müşteri davranışı verileri üzerinde zaman pencereli özellik çıkarımı, boosting modelleri, ensemble ve Optuna deneylerini bir araya getiren yarışma arşivi.
Yapay zekâ / Makine öğrenmesi / Veri bilimi / Akademik araştırma / Yarışmalar
Türkçe Adres Araştırmaları
Gürültülü Türkçe adreslerin normalizasyonunu ve görev özelindeki etiket tahminini metin, vektör arama ve coğrafi yaklaşımlarla inceleyen araştırma koleksiyonu.
Kategori için özgün kod tabanlı illüstrasyon; ürün ekran görüntüsü değildir.
Genel bakış
Teknofest/Hepsiburada adres çözümleme bağlamında hazırlanan çalışma, 25 deney klasörü ve 19 notebook içinde farklı yöntemleri korur. Kural tabanlı baselinelar, TF-IDF, transformer gömmeleri, FAISS araması ve GIS yolları bulunur. Her deneyin veri sözleşmesi ve ortamı farklıdır; koleksiyon tek bir üretim API’si veya doğrulanmış algoritma sıralaması olarak sunulmaz.
Problem ve amaç
Serbest biçimli Türkçe adreslerde kısaltmalar, harf farklılıkları, eksik alanlar ve farklı illerde tekrarlanan yer adları eşleşmeyi zorlaştırır. Adres bileşeni normalizasyonu ile yarışmaya özgü etiket tahmini ayrıca farklı hedeflerdir; doğru etiket bütün bileşenlerin doğru çıkarıldığını kanıtlamaz.
Çalışmadaki rolüm
Depoda korunan araştırma ve yazılım çalışmaları. Bireysel veya ekip içi sorumluluk dağılımı kaynaklarda ayrıntılandırılmıyor.
Çözüm yaklaşımı
Aynı problem çevresindeki bağımsız deneyler; metin temizleme, sözlükler, seyrek özellikler, gömme benzerliği ve coğrafi eşleştirmeyi araştırır. GIS yollarından biri geokodlama, aday arama ve metin puanlamasını; diğeri idari çokgenlerle mekânsal birleştirmeyi kullanır. Ayrıntılı araştırma rehberi girdi/çıktıları, yöntem ayrımlarını ve yeniden üretim boşluklarını görünür kılar.
Mimari akış
01
Deneye özel CSV girdileri ve yerel/Colab dosya yolları.
02
Kural veya öğrenilmiş özelliklerle metin ön işleme.
03
TF-IDF, transformer araması ya da bağımsız GIS işleme yolu.
04
Uygulamaya göre etiket tahmini veya normalizasyon ve ayrı çıktı dosyaları.
Kaynak açıklamalarından türetilmiş kavramsal akış; bir uygulama ekran görüntüsü değildir.
Temel bileşenler
- 25 tarihsel deney klasörünü kapsayan yöntem indeksi.
- 19 notebook için kaynak temelli model ve dosya envanteri.
- Metin benzerliği ve FAISS tabanlı aday arama deneyleri.
- Nominatim/KDTree hibriti ve idari sınırlarla mekânsal birleştirme.
Teknik zorluklar
- Türkçe harf ayrımları ve aynı adlı idari yerlerin oluşturduğu belirsizlik.
- Eksik eğitim verisi, değişken bağımlılıklar ve sabit dosya yolları.
- Coğrafi sızıntı ve benzer adreslerin değerlendirme sonuçlarını şişirme riski.
Mühendislik tercihleri
- Normalizasyon ve etiket tahmini ayrı araştırma hedefleri olarak açıklanır.
- Klasör adları model eğitimi veya yöntem üstünlüğünün kanıtı sayılmaz.
- Deneyler korunur; ortak bir üretim sistemi iddiası kurulmaz.
Test ve doğrulama
- Kaynak ve notebook yapısı statik olarak incelendi; ortak bir benchmark yeniden çalıştırılmadı.
- Baseline-v2 içinde eksik import ve iki notebookta sözdizimi sorunları belgelendi.
- PR’de araştırma rehberi genişletildi; bu dokümantasyon henüz ana dala birleştirilmedi.
Çıktılar
- Yöntem aileleri, veri sözleşmeleri ve tekrar üretim gereksinimleri belgelenmiş bir araştırma arşivi.
- Yeni doğrulanmış Accuracy/F1, hız veya üretim dağıtımı sonucu bulunmuyor.
Sınırlar ve mevcut durum
- Eğitim CSV’si bulunmuyor; tüm deneyler temiz kurulumdan çalışır durumda değil.
- Mevcut adres verisinin paylaşım hakları ve kişisel veri durumu çözülmüş değil.
- Geokodlama üçüncü taraf servislere veri aktarabilir; portföyde ham adres örnekleri kullanılmıyor.
Teknik anlatım açık iyileştirme PR’sindeki belgeleri de esas alır. PR’nin ana dala birleştirildiği veya ürünün yayımlandığı anlamına gelmez.
Kaynaklar ve dokümantasyon
Bağlantılı çalışmalar
Makine Öğrenmesi Notebook Arşivi
Görüntü, metin, ses ve tablo verileri üzerinde farklı makine öğrenmesi fikirlerini araştıran, kaynaklarına göre sınıflandırılmış 33 bağımsız notebook arşivi.