ai-career-insights

# 💼 AI Career Insights: İş İlanı Metninden Maaş Tahmini

<div align="center">

![Python](https://img.shields.io/badge/Python-3.9+-blue.svg)
![ML](https://img.shields.io/badge/ML-Scikit--learn-orange.svg)
![NLP](https://img.shields.io/badge/NLP-Transformers-green.svg)
![Status](https://img.shields.io/badge/Status-Active-success.svg)

**Bir iş ilanının başlığı, pozisyon seviyesi, çalışma şekli ve diğer özelliklere bakarak tahmini maaşı belirleyen akıllı makine öğrenmesi projesi.**

[🚀 Demo](#demo) • [📊 Veri Analizi](#veri-analizi) • [⚙️ Kurulum](#kurulum) • [🧠 Model](#model)

</div>

---

## 🎯 Proje Amacı

Bu proje, **Natural Language Processing (NLP)** ve **Machine Learning** tekniklerini birleştirerek:
- İş ilanlarından maaş tahmini yapan bir model geliştirir
- Kullanıcıların iş başlığı girişine göre gerçek zamanlı tahmin sunar
- Veri bilimi ve makine öğrenmesi becerilerini portföy projesi olarak sergiler

## 📦 Dataset

**Kaynak:** [Data Science Job Salaries - Kaggle](https://www.kaggle.com/datasets/ruchi798/data-science-job-salaries)

**Veri Özellikleri:**
- 📅 **work_year**: Yıl (2020-2023)
- 🎓 **experience_level**: EN (Entry), MI (Mid), SE (Senior), EX (Executive)
- 💼 **employment_type**: FT (Full-time), PT (Part-time), CT (Contract), FL (Freelance)
- 🏢 **job_title**: İş unvanı (Data Scientist, ML Engineer, vb.)
- 💰 **salary_in_usd**: Hedef değişken - USD cinsinden maaş
- 🌍 **employee_residence**: Çalışan lokasyonu
- 📍 **company_location**: Şirket lokasyonu
- 🏭 **company_size**: S (Small), M (Medium), L (Large)
- 🏠 **remote_ratio**: 0 (On-site), 50 (Hybrid), 100 (Remote)

## 🗂️ Proje Yapısı

```
ai-career-insights/
├── data/
│   ├── raw/              # Ham veri dosyaları
│   └── processed/        # İşlenmiş veri dosyaları
├── notebooks/
│   ├── 01_eda.ipynb      # Keşifsel Veri Analizi
│   └── 02_modeling.ipynb # Model Geliştirme
├── src/
│   ├── data_preprocessing.py    # Veri ön işleme
│   ├── feature_engineering.py   # Özellik mühendisliği
│   ├── train_model.py          # Model eğitimi
│   └── predict_salary.py       # Tahmin fonksiyonları
├── app/
│   └── streamlit_app.py        # Web arayüzü
├── models/                     # Eğitilmiş modeller
├── requirements.txt
└── README.md
```

## ⚙️ Kurulum

### 1️⃣ Repository'yi klonlayın
```bash
git clone https://github.com/canuzlas/ai-career-insights.git
cd ai-career-insights
```

### 2️⃣ Virtual environment oluşturun
```bash
python -m venv venv
source venv/bin/activate  # Mac/Linux
# venv\Scripts\activate   # Windows
```

### 3️⃣ Gerekli kütüphaneleri yükleyin
```bash
pip install -r requirements.txt
```

### 4️⃣ Kaggle API kurulumu (opsiyonel - veri indirme için)
```bash
# Kaggle hesabınızdan API token indirin (kaggle.json)
mkdir ~/.kaggle
mv kaggle.json ~/.kaggle/
chmod 600 ~/.kaggle/kaggle.json
```

### 5️⃣ Veriyi indirin
```bash
cd data/raw
kaggle datasets download -d ruchi798/data-science-job-salaries
unzip data-science-job-salaries.zip
cd ../..
```

## 🚀 Kullanım

### 📊 Veri Analizi
```bash
jupyter notebook notebooks/01_eda.ipynb
```

### 🧠 Model Eğitimi
```bash
python src/train_model.py
```

### 💻 Web Uygulamasını Çalıştırma
```bash
streamlit run app/streamlit_app.py
```

Tarayıcınızda `http://localhost:8501` adresini açın.

## 🧠 Model ve Teknikler

### Machine Learning Modelleri
- ✅ **Linear Regression** (Baseline)
- ✅ **Random Forest Regressor**
- ✅ **XGBoost**
- ✅ **CatBoost**
- ✅ **Ridge & Lasso Regression**

### NLP Teknikleri
- 🔤 **TF-IDF Vectorization** (job_title için)
- 🤖 **Sentence-BERT Embeddings** (all-MiniLM-L6-v2)
- 📝 **Text Preprocessing**: Lowercase, Stopwords Removal, Lemmatization

### Feature Engineering
- 🎯 **Seniority Level Extraction** (Junior/Mid/Senior from job_title)
- 🔢 **Experience Score** (experience_level + seniority_level)
- 🏠 **Remote Binary Feature**
- 📊 **Company Size Ordinal Encoding**

### Model Performansı
| Model | R² Score | MAE | RMSE |
|-------|----------|-----|------|
| XGBoost | 0.XX | $X,XXX | $XX,XXX |
| Random Forest | 0.XX | $X,XXX | $XX,XXX |
| CatBoost | 0.XX | $X,XXX | $XX,XXX |

*Not: Gerçek değerler model eğitimi sonrası güncellenecektir.*

## 📊 Veri Analizi Örnekleri

### 💰 Deneyim Seviyesine Göre Ortalama Maaş
```
Entry Level (EN):    $65,000
Mid Level (MI):      $95,000
Senior Level (SE):   $135,000
Executive Level (EX): $180,000
```

### 🏠 Remote Çalışma Etkisi
```
On-site (0):   $105,000
Hybrid (50):   $115,000
Remote (100):  $120,000
```

## 🎨 Demo Örnekleri

### Örnek 1: Machine Learning Engineer
```
Job Title: Machine Learning Engineer
Experience: Senior
Remote: Yes
Company Size: Large
Country: Germany
```
**📈 Tahmini Maaş: $118,500 USD**

### Örnek 2: Data Analyst
```
Job Title: Data Analyst
Experience: Junior
Remote: No
Company Size: Medium
Country: Turkey
```
**📈 Tahmini Maaş: $42,300 USD**

## 🛠️ Teknoloji Yığını

| Alan | Teknoloji |
|------|-----------|
| **Veri İşleme** | Pandas, NumPy |
| **Görselleştirme** | Matplotlib, Seaborn, Plotly |
| **Machine Learning** | Scikit-learn, XGBoost, CatBoost |
| **NLP** | NLTK, Sentence-Transformers |
| **Web Framework** | Streamlit |
| **Model Persistence** | Joblib, Pickle |

## 📈 Geliştirme Aşamaları

- [x] ✅ Proje yapısı kurulumu
- [ ] 🔄 Keşifsel veri analizi (EDA)
- [ ] 🔄 Veri ön işleme ve temizleme
- [ ] 🔄 Özellik mühendisliği
- [ ] 🔄 Model eğitimi ve karşılaştırma
- [ ] 🔄 NLP pipeline entegrasyonu
- [ ] 🔄 Streamlit web uygulaması
- [ ] 🔄 Model deployment
- [ ] 🔄 Dokümantasyon ve testler

## 🤝 Katkıda Bulunma

Katkılarınızı bekliyoruz! Pull request göndermekten çekinmeyin.

## 📝 Lisans

MIT License - detaylar için [LICENSE](LICENSE) dosyasına bakınız.

## 👤 Geliştirici

**[Adınız]**
- GitHub: [@canuzlas](https://github.com/canuzlas)
- LinkedIn: [linkedin.com/in/canuzlas](https://linkedin.com/in/canuzlas)

---

<div align="center">
⭐ Projeyi beğendiyseniz yıldız vermeyi unutmayın!
</div>