Görüntü işleme ve veri bilimi alanlarında çalışıyorum. Derin öğrenme ile görüntülerden anlam çıkaran ve veriden tahmin üreten uçtan uca projeler geliştiriyorum. Modeli eğitmekle kalmıyor, API ve arayüzle kullanılabilir hâle getiriyorum.
- 🖼️ Odak: Nesne tespiti (YOLO), görüntü sınıflandırma (CNN), gerçek zamanlı görüntü işleme
- 📊 Veri bilimi: Keşifsel veri analizi, öznitelik mühendisliği, gradient boosting, hiperparametre optimizasyonu
- 🤝 Ekip çalışması: YZTA Bootcamp'te Scrum Master
- 🔌 Ek olarak: Arduino ve IoT ile gömülü sistemler
Görüntü işleme / derin öğrenme
Veri bilimi / makine öğrenmesi
Servis ve dağıtım
Diğer
Ekip projesi · Görüntü işleme tarafı
Yüzü tespit edip PID kontrollü pan-tilt kamerayla sürekli görüntünün merkezinde tutan otonom takip sistemi.
- YOLOv8n ile transfer learning: tek sınıflı yüz dedektörü (precision 0.88, mAP50 0.75)
- Gerçek zamanlı tespit hattı: OpenCV ile kare yakalama, kutu merkezi hesaplama, görselleştirme
- X ve Y eksenleri için PID kontrol, seri port üzerinden Arduino + 2 servo
- Hata, güven skoru ve servo açısı zaman serisi analizi
YOLOv8 Object Detection OpenCV PID Arduino
YZTA Bootcamp ekip projesi · Scrum Master
Bitki fotoğraflarından hastalık tespiti yapan web uygulaması.
- TensorFlow ile eğitilmiş CNN tabanlı görüntü sınıflandırma modeli
- Görüntü ön işleme hattı: RGB dönüşümü, 224×224 yeniden boyutlandırma, normalizasyon
- FastAPI ile
/predictuç noktası üzerinden gerçek zamanlı tahmin - Teşhis, şiddet ve tedavi için Gemini tabanlı 3 ajanlı öneri sistemi
TensorFlow CNN Pillow FastAPI Gemini Multi-Agent
Telekom müşterilerinin aboneliği bırakıp bırakmayacağını tahmin eden uçtan uca makine öğrenmesi projesi.
- 7.043 müşteri, 21 özellik (IBM Telco veri seti)
- 10 model karşılaştırması, en iyisi LightGBM: ROC-AUC 0.84, Recall 0.79
- Sınıf dengesizliği için
class_weightve eşik optimizasyonu - FastAPI servisi, web arayüzü ve Docker desteği
LightGBM XGBoost scikit-learn FastAPI Docker
Uyku, stres ve yaşam alışkanlıklarından bilişsel performans skorunu tahmin eden regresyon hattı.
- Eksik değer ve aykırı değer analizi, encoding, öznitelik mühendisliği
- CatBoost, LightGBM ve XGBoost ile stacking ensemble
- Optuna ile Bayesian hiperparametre optimizasyonu, OOF RMSE 1.219
CatBoost LightGBM XGBoost Optuna Ensemble
Veri ön işleme, doğrusal ve polinom regresyon, istatistiksel model seçimi üzerine adım adım çalışmalar.
pandas scikit-learn statsmodels Jupyter
| Proje | Açıklama |
|---|---|
| Arduino Soğutma Sistemi | LM35 ile sıcaklık ölçen, 25 kHz PWM ile fanı kontrol eden sistem |
| MPU6050 + Servo + SD Kart | İvmeölçer verisine göre servo kontrolü ve SD karta kayıt (Wokwi) |
| Proje | Teknoloji | Açıklama |
|---|---|---|
| Mobil Öğrenci Bilgi Sistemi | Flutter, Firebase | Öğrenci, not ve devamsızlık yönetimi yapan mobil uygulama |
| Öğrenci Otomasyonu | Python | Öğrenci kaydı, not ortalaması ve harç hesaplama |
| Bakkal Otomasyonu | Python | Ürün, veresiye ve gelir takibi |
| Python Projeleri | Python | Başlangıç ve orta seviye algoritma ve oyun projeleri |
| Nesne Tabanlı Programlama | Java | Dosya tabanlı öğrenci ve ders otomasyonu |
| OOP Çalışmaları | Java | Nesne yönelimli programlama ödevleri ve sınav çözümleri |