ENG - In this project, machine learning models were developed for gender and salary prediction with salary_data dataset by addressing the gender equality issue in the field of technology. Random Forest model was used for 'Gender' prediction and Polynomial Regression model was used for 'Salary' prediction. These studies aim to promote social equality.
Salary_Data.csv ----> The main dataset for this project was obtained from Kaggle.(https://www.kaggle.com/datasets/mohithsairamreddy/salary-data) New datasets were developed based on this master dataset. The master dataset served as a basic source for the analysis and model development in the project. It also allowed us to understand more details about the content and structure of the data and to better shape the scope and methods of the project.
other jobs.csv ----> A new data set was created for professions that are not related to the technology/STEM field in order to make comparisons in the analysis and visualization part.
salary data.csv ----> A new data set was created for professions related to the technology/STEM field in order to make comparisons in the analysis and visualization part. This clean data set was also used in the machine learning section.
RandomForest.ipynb ----> Random Forest classification algorithm was used for gender prediction.
PolynomialRegression.ipynb ----> Polynomial regression model is preferred for salary forecasts to increase the depth of the analysis. The picture I added here is about why it is 3rd order because it causes problems when uploading it here.
TR - Bu projede, cinsiyet eşitliği konusunu teknoloji alanında ele alarak salary_data veri seti ile cinsiyet ve maaş tahmini için makine öğrenimi modelleri geliştirilmiştir. 'Cinsiyet' tahmini için Random Forest, 'Maaş' tahmini için Polinomsal Regresyon modeli kullanılmıştır. Bu çalışmalar, toplumsal eşitliği desteklemeyi amaçlamaktadır.
Salary_Data.csv ----> Bu proje için ana veri seti Kaggle'dan edinildi.(https://www.kaggle.com/datasets/mohithsairamreddy/salary-data) Yeni veri setleri bu ana set üzerinden geliştirildi. Ana veri seti, projede gerçekleştireceğimiz analizler ve model geliştirmeleri için temel bir kaynak teşkil etti. Ayrıca, verinin içeriği ve yapısı hakkında daha fazla detay anlaşıldı ve projenin kapsamı ile yöntemleri daha iyi şekillendirildi bu sayede.
other jobs.csv ----> Teknoloji/STEM alanı ile ilgili olmayan meslekler için analiz ve görselleştirme kısmında karşılaştırma yapabilmek için yeni veri seti oluşturuldu.
salary data.csv ----> Teknoloji/STEM alanı ile ilgili olan meslekler için analiz ve görselleştirme kısmında karşılaştırma yapabilmek için yeni veri seti oluşturuldu. Aynı zamanda bu temiz veri seti makine öğrenimi kısmında da kullanıldı.
RandomForest.ipynb ----> Cinsiyet tahmini için Random Forest sınıflandırma algoritması kullanıldı.
PolinomsalRegresyon.ipynb ----> Maaş tahminlerinin gerçekleştirilmesinde polinomsal regresyon modeli tercih edilerek analizlerin derinliği artırılmıştır. Buraya yüklerken sorun çıkarttığı için buraya eklediğim resim de neden 3.dereceden olduğu ile ilgilidir.
