🧠 Customer Insight AI Platform (Northwind Edition)

Bu proje, Northwind veritabanı kullanılarak geliştirilen ve müşteri davranışlarını tahmin etmeye yönelik üç farklı derin öğrenme modelini kapsayan bir yapay zeka çözüm platformudur. Proje, her bir modeli bağımsız API'ler olarak servis eder ve veri bilimi araştırmalarına uygun olarak yapılandırılmıştır.

🚀 Amaçlar ve Modüller

1️⃣ Sipariş Verme Alışkanlığı Tahmini

Müşterinin geçmişteki sipariş verileri üzerinden, önümüzdeki 6 ay içinde tekrar sipariş verip vermeyeceğini tahmin eder.

• Özellikler: Toplam harcama, sipariş sayısı, ortalama sipariş büyüklüğü, son sipariş tarihi vb.
• Ar-Ge:
  • Temporal Features (mevsimsellik etkisi)
  • Class Imbalance çözümü (SMOTE, class weights)
  • Data Augmentation

2️⃣ Ürün İade Risk Skoru

Bir siparişin iade edilme olasılığını tahmin eder.

• Özellikler: İndirim oranı, ürün adedi, toplam harcama
• Ar-Ge:
  • Cost-sensitive Learning
  • Explainable AI (SHAP / LIME ile karar açıklaması)
  • Sahte etiketleme stratejisi (yüksek indirim + düşük harcama = yüksek risk)

3️⃣ Yeni Ürün Satın Alma Potansiyeli

Müşterinin geçmiş kategorik harcamalarına göre, yeni çıkan bir ürünü satın alma olasılığını tahmin eder.

• Özellikler: Ürün kategorilerine göre geçmiş harcamalar
• Ar-Ge:
  • Neural Recommendation Systems
  • Multi-label Prediction

🏗️ Proje Yapısı

customer_insight_ai/
├── app/              # FastAPI servisleri
├── pipeline/         # Model eğitimi ve ön işleme
├── data/             # Northwind veri dosyaları
├── models/           # Eğitilmiş modeller
├── notebooks/        # EDA ve araştırma not defterleri
├── requirements.txt  # Bağımlılıklar
└── README.md

⚙️ Kurulum

1. Ortamı Kur

git clone https://github.com/kullanici/customer-insight-ai.git
cd customer_insight_ai
python -m venv venv
source venv/bin/activate   # (Windows: venv\Scripts\activate)
pip install -r requirements.txt

2. Veri Kaynağını Hazırla

data/raw/ klasörüne Northwind veritabanını (.csv veya .sqlite) yerleştirin.

🚉 API Kullanımı

uvicorn app.main:app --reload

Swagger arayüzü için:

http://127.0.0.1:8000/docs

Örnek Endpoint'ler:

Problem	Endpoint URL	Input Tipi
Sipariş Tahmini	/predict-repeat-order/	CustomerFeatures
İade Riski	/predict-return-risk/	OrderFeatures
Yeni Ürün Önerisi	/predict-new-product/	PurchaseCategoryInput

📊 Kullanılan Teknolojiler

• Python 3.10+
• FastAPI
• TensorFlow / Keras
• scikit-learn, pandas, numpy
• imbalanced-learn (SMOTE)
• SHAP, LIME
• SQLite / PostgreSQL opsiyonlu
• joblib / pickle / h5

🧪 Geliştirme / Araştırma

Her model için pipeline/ klasörü altında ayrı eğitim, preprocessing ve veri analiz script'leri mevcuttur. Ek olarak notebooks/ klasörü, her bir model için yapılmış EDA (Exploratory Data Analysis) çalışmalarını içerir.

✨ Gelecek Geliştirmeler

• 🎯 Otomatik model güncelleyici cron job'lar
• 📈 Model performans metrik API'leri (monitoring)
• 🔐 Kullanıcı oturum sistemi (JWT)

👩‍💻 Katkıda Bulunmak

Pull request'ler ve issue'lar açıktır. Her katkıyı memnuniyetle karşılıyoruz!

📝 Lisans

Bu proje MIT lisansı ile lisanslanmıştır.