Stok kontrolü her işletmenin göz önünde bulundurması gereken önemli bir husustur. Çok fazla stok, satış süresinin artmasına ve verimsizleşmesine, hatta kayıplara neden olabilir. Talebi ve envanteri tahmin etmek, fazla stoğu ve eksik stoğu en aza indirgemek için ve kayıp riskini azaltmak için çok gereklidir. Talep tahmini, tüm işletmelerin çok önemli bir parçasıdır ve şu soruyu gündeme getirir: Bir şirket/işletme, talepleri karşılamak için bir ürünün ne kadarını bulundurmalıdır, yani bir ürünün tahmini talebi ne olmalıdır? Pek çok avantajının yanı sıra stokta kalmama durumlarının azaltılması yoluyla daha iyi bir müşteri deneyimi ve daha iyi planlanmış envanter ve daha az iptal edilen kalemler nedeniyle daha düşük maliyetler için önemli bir kolaylaştırıcıdır. Yapay zekâ (YZ) çağında, makine öğrenmesi (MO) teknolojisinin yükselişi, birçok mühendislik uygulamasının karşılaştığı zorluklara hızlı ve etkili çözümler sunabilen önemli bir alandır. MO, veri analizi, desen tanıma ve öngörülebilirlik gibi konularda çığır açan gelişmeler sağlamaktadır. Ancak, bu alanda hala birçok varsayım ve tartışma bulunmaktadır. Tekstil sektöründe makine öğrenmesi yöntemleri, geleneksel üretim süreçlerine yenilikçi ve verimli çözümler sunma potansiyeli taşımaktadır. Bu alandaki gelişmeler, işletmelerin üretim, stok yönetimi ve talep tahmini gibi kritik süreçlerde daha etkili ve optimize edilmiş kararlar almasına olanak tanımaktadır. Tekstil sektöründe bu konuda sınırlı literatür bulunması, bu çalışmanın işletmelere yol gösterici bir kaynak olması beklentisini artırmaktadır. Tekstil sektöründe, talep tahmini işlemi, üretim planlaması ve envanter yönetimi açısından kritik bir rol oynamaktadır. Bu çalışmada, makine öğrenmesi (MO) algoritmaları kullanılarak bir tekstil işletmesindeki gerçek veri seti üzerinde talep tahmini modeli geliştirilmiştir. Bu model, işletmenin gelecekteki taleplerini daha doğru bir şekilde tahmin etmeyi amaçlamaktadır.