Merhaba, ben Soner

Veri Bilimci

Veri bilimci ve yazılım geliştiriciyim. Veri analizi, makine öğrenmesi, yapay zeka, görüntü işleme ve web geliştirme alanlarında çalışıyorum. Hakkımda daha fazla bilgi edinmek için hakkımda kısmını inceleyebilirsiniz.

Detaylar Konuşalım

Benim Hakkımda

benim_fotoğrafım

Veri Bilimci

Merhaba, ben Soner Kar. Eskişehir Osmangazi Üniversitesi Elektrik Elektronik Mühendisliğinden mezunum ve 2 yıldır yazılım geliştirici olarak çalışıyorum. Python, PostgreSQL, Node.js ve React teknolojilerini kullanıyorum. Python'da makine öğrenmesi, derin öğrenme, görüntü işleme ve veri analizi alanlarında çalıştım. Geçen yıl Ankara Üniversitesi Yapay Zeka Yüksek Lisans programına başladım ve dersleri tamamlayıp tez aşamasına geçtim. Web geliştirme tarafında MVC yapısında Node.js ve PostgreSQL ile müşterilerin KVKK süreçlerini yöneten bir projede backend developer olarak tek başıma çalışıyorum. Büyük ölçekli projelerde çalışma fırsatım oldu, bu süreçte hızlı ve doğru aksiyonlar alarak faydalı çözümler üretme ve takımımla etkili bir iş birliği yapma yeteneklerimi geliştirdim. Hedefim yapay zeka ve ona ilişkin alanlardaki kompleks problemleri çözerek yazılım dünyasında sürekli gelişmeye devam etmek. LinkedIn profilimden veya e-posta yoluyla benimle iletişime geçebilirsiniz.

Detayları İncele

Benim Yolculuğum

Eğitim

2023 - ?

Yüksek Lisans - Yapay Zeka | İngilizce Tezli

Ankara Üniversitesi

Yüksek lisans eğitimim boyunca yapay zeka ve makine öğrenmesi konularında derinlemesine bilgi sahibi oldum. Özellikle derin öğrenme, görüntü işleme ve veri analizi alanlarında yoğun çalışmalar yaptım. Büyük veri setleri kullanarak karmaşık problemleri çözmeye odaklandım ve bu süreçte Python, TensorFlow, Keras gibi ileri düzey araçlar ile Numpy, Pandas, Scikit-learn, Matplotlib, Seaborn, Plotly gibi kütüphaneleri etkin bir şekilde kullandım. Ayrıca, projelerimde ekip çalışması ve problem çözme becerilerimi geliştirdim.

2018 - 2022

Lisans - Elektrik Elektronik Mühendisliği | İngilizce

Eskişehir Osmangazi Üniversitesi

Lisans eğitimim sırasında, elektrik ve elektronik mühendisliğinin temel prensiplerini öğrendim. Bilgisayar programlama, robotik sistemler, kontrol ve otomasyon sistemleri, görüntü işleme ve sinyal işleme gibi konularda derinlemesine bilgi edindim. Çeşitli projelerde yer alarak teorik bilgimi pratik uygulamalara dönüştürdüm. Özellikle bitirme projemde, yapay zeka ve EEG sinyalleri üzerine çalışarak derin öğrenme ve veri analizi konularında değerli deneyimler kazandım.

Tecrübe

2023 - ?

Node.js Backend Developer

Felece

Felece Teknoloji A.Ş.'de Node.js backend developer olarak çalıştım. Bu rolde, SAP'nin bulut çözümlerini kullanarak çeşitli iş süreçlerini optimize eden ve dijital dönüşümü destekleyen uygulamalar geliştirdim. Node.js ile yazılım geliştirme, MVC, RESTful API'lar oluşturma ve entegrasyonlar gerçekleştirme konularında yetkinlik kazandım. Bu süreçte, VsCode, PostgreSQL, Postman, Git, Github, Bitbucket ve Jira araçlarını kullandım. Ayrıca, projelerde takım çalışması, problem çözme ve müşteri ihtiyaçlarına yönelik çözümler üretme konularında önemli deneyimler edindim.

2022 - ?

SAP C4C Developer

Felece

Felece'de SAP C4C (Cloud for Customer) platformunda geliştirici olarak görev aldım. Bu pozisyonda, müşteri ilişkileri yönetimi (CRM) süreçlerini destekleyen ve optimize eden uygulamalar geliştirdim. SAP C4C'nin ağırlıklı olarak servis tarafında olmakla birlikte satış ve servis taraflarında özelleştirmeler yaparak, müşteri ihtiyaçlarına yönelik yenilikçi çözümler sundum. Aynı zamanda, SAP C4C'nin entegrasyonları ve veri yönetimi konularında da derinlemesine bilgi sahibi oldum. Bu süreçte, müşteri odaklı çalışma, detaylara dikkat etme ve projeleri zamanında tamamlama becerilerimi geliştirdim.

Benim Becerilerim

Yapay Zeka

  • Python

  • SQL, Postgre, Ms, NoSQL

  • Veri Analizi

  • Makine Öğrenmesi

  • Görüntü İşleme

    • Web Geliştirme

  • JavaScript

  • Node.js

  • React, HTML/CSS

  • SAP C4C & BTP

    • Araçlar

  • Jupyter Notebook, VS Code

  • pgAdmin, MS SQL, Postman

  • Kaggle, GitHub

  • Jira, Bitbucket

  • SAP Cloud App Studio, SAP BTP Cockpit

    • Projelerim

    Görüntülemek istediğiniz projenin üzerine tıklayın.

    Maske Dedektörü

    Bu proje yüz maskesi takılıp takılmadığını algılar. Transfer Learning metotu ile derin evrişimli sinir ağı modeli olan VGG16 eğitilmiştir.

    Kullanmak için Canlı Demo butonuna tıklayınız.

    Canlı Demo


    Müşteri Segmentasyonu

    Öncelikle Kümeleme, K-means Algoritması, Pazar Segmentasyonu ve Müşteri Segmentasyonu hakkında bilgilendirme yapılmıştır. Daha sonra Alışveriş Merkezi Müşteri Segmentasyonu veri setinde EDA-Keşifsel Veri Analizi yapılıp müşterilerin alışveriş alışkanlıkları ve demografik özelliklerine göre K-means algoritması kullanılarak segmentlere ayrılmıştır.

    EEG Biyometrik Tanımlama

    50 kişiden 2.5 dakikalık rutin EEG sinyalleri (beyin sinyallerini) toplanılmıştır, ardından bu sinyaller alt bantlarına ayrıştırılmış ve alt bant sinyallerinden oluşturulan veri setinin üzerine hangi EEG sinyalinin 50 kişiden kime ait olduğunu fark edebilecek bir yapay zeka sınıflandırma modeli training from scratch methodu ile inşa edilmiştir.


    Ev Satışları Regresyonu

    ABD King County’de ev satışları veri seti kullanılarak ev fiyatlarını tahmin eden bir regresyon modeli oluşturulmuştur. Modelin doğruluğunu değerlendirmek için R² skoru hesaplanmış ve %97.5 gibi yüksek bir doğruluk oranı elde edilmiştir.

    Sümer Çivi Yazısı Görüntü İşleme

    Bu projede Sümer Dili Çivi Yazısı veri seti kullanılarak önce bütün görüntülere Standardizasyon ve Normalizasyon uygulanmıştır. Ardından düşük görüntü kalitesindeki görüntülerden anlamlar çıkarmak için Blurring, Division, Thresholding (Binarization), ve Morphology görüntü işleme teknikleri uygulanmıştır.


    Cam Sınıflandırma

    Bu projede, cam sınıflandırma veri seti kullanılarak cam türlerini doğru bir şekilde sınıflandıran bir makine öğrenmesi modeli geliştirilmiştir. Veri seti dengesiz olduğu için modelin performansı F1 skoru ile değerlendirilmiş ve %80 başarı elde edilmiştir.

    Reklam Veri Setinde Thompson Örnekleme

    Öncelikle Beta Dağılımı ve Thompson Sampling algoritması hakkında bilgi verilmiştir. Ardından Reklam Tıklama Oranı Optimizasyonu veri seti kullanılarak reklamların geçmiş tıklama oranlarına dayalı olarak kullanıcıya hangi reklamların gösterileceğini belirlemek için Thompson Sampling kullanılmıştır.

    İletişime Geçin!