Mesleklerin 2025 Yılındaki Önemini Tahmin Etmek

import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt
# ------------------------------
# 1. Örnek veri seti
# ------------------------------
data = {
    'Meslek': [
        'Yazılım Geliştirici', 'Veri Analisti', 'Siber Güvenlik Uzmanı',
        'Kasiyer', 'Çağrı Merkezi', 'Üretim İşçisi',
        'Yaşlı Bakım Uzmanı', 'Dijital Pazarlama', 'Genetik Mühendisi'
    ],
    'Otomasyon_Riski': [10, 15, 20, 85, 75, 90, 20, 30, 15],
    'Talep_Artisi': [25, 30, 40, -5, -10, -15, 35, 28, 38],
    'Beceri_Puani': [9, 9, 9, 4, 4, 3, 8, 7, 9]
}
df = pd.DataFrame(data)
# ------------------------------
# 2. Basit lineer regresyon ile tahmini talep
# ------------------------------
yillar = np.arange(2020, 2025).reshape(-1,1)
talep_matrix = np.array([
    [20, 22, 23, 24, 25],
    [15, 18, 20, 25, 30],
    [10, 15, 20, 30, 40],
    [-5, -5, -5, -5, -5],
    [-10, -10, -10, -10, -10],
    [-20, -18, -16, -15, -15],
    [20, 25, 30, 32, 35],
    [20, 22, 25, 27, 28],
    [25, 28, 30, 35, 38]
])
future_year = np.array([[2025]])
future_talep = []
for i, meslek in enumerate(df['Meslek']):
    model = LinearRegression()
    model.fit(yillar, talep_matrix[i].reshape(-1,1))
    pred = model.predict(future_year)[0][0]
    future_talep.append(pred)
df['Tahmini_Talep_2025'] = future_talep
df['Tahmini_Onem_2025'] = df['Tahmini_Talep_2025'] * (df['Beceri_Puani'] / df['Otomasyon_Riski'])
# ------------------------------
# 3. Monte Carlo simülasyonu (pozitif std ile)
# ------------------------------
simulations = 10000
mc_results = {}
for i, row in df.iterrows():
    # Std pozitif olmalı, min 0.1 kullanıyoruz
    std_dev = max(abs(row['Tahmini_Talep_2025']*0.1), 0.1)
    simulated = np.random.normal(row['Tahmini_Talep_2025'], std_dev, simulations)
    simulated_score = simulated * (row['Beceri_Puani'] / row['Otomasyon_Riski'])
    mc_results[row['Meslek']] = {
        'Ortalama': simulated_score.mean(),
        'Std': simulated_score.std(),
        '95_CI_Lower': np.percentile(simulated_score, 2.5),
        '95_CI_Upper': np.percentile(simulated_score, 97.5)
    }
mc_df = pd.DataFrame(mc_results).T.sort_values(by='Ortalama', ascending=False)
# ------------------------------
# 4. Görselleştirme
# ------------------------------
plt.figure(figsize=(12,6))
plt.barh(mc_df.index, mc_df['Ortalama'], xerr=mc_df['Std'], color='skyblue')
plt.xlabel('Tahmini Gelecek Önem Skoru (2025)')
plt.title('2025: Mesleklerin Tahmini Önem Skoru ve Risk Aralığı')
plt.gca().invert_yaxis()
plt.show()