Apppublic

handecarkci/Mercedes-Benz-Greener-Manufacturing

sourceHugging Facemitupdated 1y agoView on Hugging Face

0likes

App README

Mercedes-Benz Greener Manufacturing - Test Süresi Tahmini

Proje Özeti

Bu projede, Mercedes-Benz araçlarının üretim sürecindeki test tezgahında geçirdiği süre tahmin edilmiştir. Amacımız, üretim verimliliğini artırmak ve çevresel sürdürülebilirliğe katkı sağlamak için test sürelerini doğru şekilde tahmin etmektir.

Kullanılan Veri Seti

—Kaggle’dan sağlanan anonimleştirilmiş ve yüksek boyutlu özelliklere sahip veri seti,
—4209 örnek ve 378 özellik (kategorik + binary),
—Hedef değişken: test süresi (saniye cinsinden).

Yöntem ve Teknolojiler

—Veri Ön İşleme: Sabit sütunların kaldırılması, kategorik değişkenlerin one-hot encoding ile işlenmesi,
—Boyut İndirgeme: Keras ile derin autoencoder kullanarak 356 özellik 50 boyuta indirildi,
—Modelleme: CatBoost, XGBoost ve LightGBM modellerinin stacking (ensemble) yöntemi,
—Model Değerlendirme: R² ve RMSE metrikleri ile performans ölçümü,
—Model Açıklanabilirlik: SHAP analizi ile önemli özelliklerin görselleştirilmesi,
—Arayüz: Streamlit ile kullanıcı dostu tahmin uygulaması.

Performans Sonuçları

—Autoencoder + CatBoost + Ridge stacking modeli ile:
—R² Skoru: 0.8938 (yaklaşık %89,4 açıklama),
—RMSE: 4.13 saniye.

Öğrendiklerim ve Katkılar

—Yüksek boyutlu ve anonim verilerle çalışmanın zorlukları,
—Derin öğrenme ile boyut indirgeme teknikleri,
—Güçlü ensemble modellerin oluşturulması,
—Model açıklanabilirliği için SHAP kullanımı,
—Projeyi uçtan uca Streamlit ile deploy etme tecrübesi.

Geliştirmeye Açık Alanlar

—Daha gelişmiş hiperparametre optimizasyonu (Optuna, Hyperopt),
—Kategorik özelliklerin daha etkin kullanımı,
—Streamlit arayüzünün gerçek veri girişine uyarlanması,
—Modelin canlı veri ile güncellenmesi ve otomatik eğitimi.

Dosya Listesi

—app.py: Streamlit uygulama kodları,
—stacking_model.pkl: Eğitilmiş final stacking modeli,
—autoencoder_encoder.keras: Autoencoder encoder modeli,
—catboost_model.cbm: CatBoost modeli,
—requirements.txt: Projede kullanılan Python paketleri,
—README.md: Proje açıklaması.

Kullanım

bash

pip install -r requirements.txt
streamlit run app.py
Arayüz üzerinden araç özelliklerini girerek test süresi tahmini yapabilirsiniz.


Lisans
MIT License


İletişim
Her türlü soru ve öneriler için [kaburgada@gmail.com] adresinden bana ulaşabilirsiniz.