Yazar "Huseynov, Shahmirzali" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim
    Yayın
    Developing menu planning software using optimization and artificial intelligence algorithm
    (2024) Huseynov, Shahmirzali; Tarlak, Fatih
    In today's world, awareness of health and nutrition is growing, emphasizing the need for personalized nutrition recommendations and reducing food waste. This study collected demographic data and food preferences from users and analyzed them using artificial intelligence models. A model developed with the Random Forest algorithm was trained to predict users' future preferences and guide menu planning. Tests showed that combining AI with optimization techniques successfully creates user-focused menus, enhancing satisfaction and reducing food waste. The study also highlighted challenges related to the dataset's size, pointing to a need for more qualitative data. The developed model provides innovative solutions for catering companies and institutions offering mass dining, improving employee satisfaction while minimizing waste. Future research aims to refine the model for broader applications.
  • Küçük Resim
    Yayın
    Optimizasyon ve yapay zekâ algoritmaları kullanarak menü planlama yazılımı geliştirilmesi
    (İstanbul Gedik Üniversitesi, Lisansüstü Eğitim Enstitüsü, 2024) Huseynov, Shahmirzali; Tarlak, Fatih
    Günümüzde, bireylerin sağlık ve beslenme bilincinin giderek arttığı bir dönemdeyiz. Bu durum, gıda sektöründe kişiye özel beslenme önerilerinin sağlanmasının önemini artırmakta ve yemek israfının azaltılması gerekliliğini ortaya koymaktadır. Çalışmada, demografik veriler ve yemek tercihleri gibi kullanıcı bilgileri toplanarak bu veriler yapay zeka modelleri ile analiz edilmiştir. Özellikle, Rastgele Orman algoritması kullanılarak geliştirilen model, kullanıcıların gelecekteki tercihlerini tahmin etmek ve menü planlama sürecinde eğitilmiştir. Modelin doğruluğunu ve performansını değerlendirmek amacıyla çeşitli testler gerçekleştirilmiş ve sonuçlar, yapay zeka ve optimizasyon tekniklerinin birlikte kullanılmasıyla kullanıcı odaklı menü planlarının başarıyla oluşturulabildiğini göstermiştir. Bu sayede, hem çalışan memnuniyetinin arttığı hem de yemek israfının önemli ölçüde azaldığı gözlemlenmiştir. Ayrıca, veri setinin büyüklüğüne bağlı olarak modelin performansında bazı zorluklar yaşanmış ve daha nitelikli ve temsili veri kullanmanın gerekliliği vurgulanmıştır. Geliştirilen model, catering firmaları ve toplu beslenme hizmeti sunan diğer kuruluşlar için, yemek israfını azaltırken çalışan memnuniyetini artıran yenilikçi çözümler sunmaktadır. Gelecekte yapılacak çalışmalarla modelin daha da geliştirilmesi ve farklı sektörlerde de uygulanabilir hale getirilmesi hedeflenmektedir.