Eğitimin Amacı ve Kapsamı
Genel zaman serisi yöntemleri, binlerce SKU, mağaza, promosyon takvimi ve stoksuz kalma nedeniyle sansürlenmiş satış verisiyle karşılaştığında yetersiz kalır. Bu program; satış ile gerçek talep arasındaki farkı (stockout imputation), fiyat ve kampanya etkilerini, yeni ürün devreye alma (cold-start SKU), yavaş dönen parçalar için Croston/TSB yöntemlerini ve LightGBM ile global çapraz seri modellerini ele alır.
Ülke-bölge-mağaza veya kategori-ürün ağacında hiyerarşik uzlaştırma (hierarchicalforecast) ve quantile tahminlerle servis seviyesine göre güvenlik stoğu hesabı uygulamalı yapılır. Katılımcılar WAPE, bias ve FVA (Forecast Value Added) metrikleriyle değerlendirilen bir talep tahmin pipeline'ı kurar.
Kimler Katılmalı?
- Perakende, FMCG, üretim ve lojistik veri bilimcileri
- Talep planlama, S&OP ve tedarik zinciri analitiği ekipleri
- Envanter ve kategori yönetimi analistleri
- Ön koşul: Python, pandas ve temel tahminleme bilgisi
Kazanımlar
- Stoksuz kalma dönemlerini tespit edip satış verisini gerçek talebe yaklaştırmak
- Binlerce SKU için LightGBM ve statsforecast ile global/yerel modeller kurmak
- Aralıklı ve yavaş dönen talebi Croston, ADIDA ve TSB ile modellemek
- Kategori ve lokasyon hiyerarşisinde tutarlı tahmin uzlaştırması yapmak
- Quantile tahminleri hedef servis seviyesi ve güvenlik stoğu formüllerine bağlamak
Konular
Satıştan Gerçek Talebe: Veri Hazırlığı
- Stockout sansürü, iade ve olağandışı günlerin düzeltilmesi
- SKU segmentasyonu: smooth, erratic, intermittent, lumpy (SBC)
Global ML Modelleri ve Promosyon Etkisi
- Çapraz SKU LightGBM modeli, fiyat ve kampanya özellikleri
- Cannibalization, halo etkisi ve yeni ürün (cold-start) tahmini
Aralıklı Talep ve Yedek Parça Tahmini
- Croston, SBA, TSB ve ADIDA yaklaşımları
- Sıfır ağırlıklı serilerde uygun hata metrikleri
Hiyerarşik Uzlaştırma ve S&OP Uyumu
- Bottom-up, top-down ve MinT reconciliation
- Finansal bütçe ile operasyonel planın hizalanması
Olasılıksal Tahmin ve Envanter Bağlantısı
- Quantile regression, WAPE, bias ve Forecast Value Added (FVA)
- Tedarik süresi boyunca talep dağılımı ve güvenlik stoğu
Bu Kategorideki Diğer Eğitimler
-
Tahmin modellerini matematiksel optimizasyonla birleştirme: LP/MILP formülasyonu, OR-Tools ve Pyomo ile kapasite, çizelgeleme, rota ve fiyat/bütçe tahsisi; belirsizlik altında stokastik ve bağlamsal karar sistemleri.
- Canlı Kurs
- 5 modül
-
Tablo verisinin standart modelleri XGBoost, LightGBM ve CatBoost: ağaç büyütme stratejileri, kategorik ve eksik değer işleme, ranking/quantile/custom objective, monotonic kısıtlar, Optuna ve hızlı inference.
- Canlı Kurs
- 5 modül
-
AutoGluon, FLAML ve Optuna ile otomatik model seçimi, hiperparametre araması ve multi-layer stacking; zaman/kaynak bütçesi yönetimi, veri sızıntısı kontrolleri ve hızlı baseline'dan üretime geçiş.
- Canlı Kurs
- 5 modül
-
Cam kutu modeller (EBM, GAM), TreeSHAP/KernelSHAP, ALE, counterfactual açıklamalar (DiCE), belirsizlik ölçümü ve regülasyon uyumu; yüksek riskli kararlarda denetlenebilir ve aksiyon alınabilir açıklamalar üretilir.
- Canlı Kurs
- 5 modül
-
Korelasyondan nedenselliğe geçiş: DAG'lar, propensity score, Double Machine Learning (EconML/DoWhy), heterojen etki (CATE) ve farkların farkı (DiD); A/B testi yapılamayan durumlarda fiyat, kampanya ve politika etkisi ölçülür.
- Canlı Kurs
- 5 modül
-
Ham veriyi merkezileştirmeden kurumlar veya uç cihazlar arasında ortak model eğitimi: Flower framework, FedAvg/FedProx, non-IID veri, diferansiyel gizlilik (Opacus) ve güvenli agregasyon ile KVKK uyumlu işbirliği.
- Canlı Kurs
- 5 modül
Bizimle iletişime geçin
