Finans & Bankacılık · Web & SaaS + ML
Akıllı Kişisel Finans Uygulaması: ML ile Harcama Kategorisi Tahmini
Harcamaları otomatik kategorileyen, bütçe sapmalarında gerçek zamanlı uyaran finans uygulaması — web + ML servis mimarisi.
Gizlilik sözleşmesi gereği anonimleştirilmiştir.
Problem
Finans uygulaması geliştiren ekip, kullanıcı harcamalarının elle kategorilenmesinin ürünün en büyük terk sebebi olduğunu görüyordu: ilk hafta herkes düzenli, ikinci hafta veriler boş. Kategorileme otomatikleşmeden bütçe özellikleri anlamsızdı.
Yaklaşım
- İşlem açıklamalarından kategori tahmini için ML servisi kuruldu (Python); ana uygulama (ASP.NET) ile temiz API sınırından konuştu.
- Türkçe işlem metinlerinin dağınıklığı (kısaltmalar, POS adları) için normalizasyon sözlüğü + model karışımı kullanıldı.
- Kullanıcı düzeltmeleri geri besleme döngüsüne bağlandı: düzeltilen her işlem, kullanıcıya özel kural ve genel modelin eğitim kuyruğuna düşer.
- Bütçe sapmaları SignalR ile gerçek zamanlı bildirime bağlandı: ay sonunda rapor değil, harcama anında uyarı.
Sonuç
Otomatik kategorileme, elle işlem girme yükünü ortadan kaldırdı; bütçe uyarıları uygulamanın en çok etkileşim alan özelliği oldu. Mimari — çekirdek uygulama + ayrık ML servisi — sonraki projelerimizde de tekrar kullandığımız bir şablona dönüştü.
İlgili yazılar
Kurumsal RAG Bilgi Asistanı: 500+ Sayfalık Arşivden Kaynaklı Yanıt
Referans çalışma: kurumsal doküman arşivi üzerinde RAG bilgi asistanı — topraklanma 0,94, gecikme P95 1,8 sn, kurum içi (on-prem) vektör deposu ve maskeleme.
Okuyun →E-Ticarette Talep Tahminleme: Stok Maliyetinde Ölçülen Düşüş
Referans çalışma: e-ticarette SKU bazlı talep tahminleme — mevsimsellik ve kampanya bilinçli modeller, %30 stok maliyeti düşüşü, A/B doğrulaması.
Okuyun →FinTech'te KYC Belge Otomasyonu: İşlem Süresinde %73 Düşüş
Referans çalışma: fintech KYC belge otomasyonu — OCR + LLM çıkarım, güven eşikli insan onayı, işlem süresinde %73 azalma.
Okuyun →Projenizi konuşalım
30 dakikalık ücretsiz keşif görüşmesi — kapsam, süre ve yaklaşımı birlikte netleştirelim.