Öne ÇıkanTahminlemeLightGBMTweedie
Seyrek Talep Tahminleme Sistemi
Günlük ürün satış verileri üzerinde seyrek talep tahmini için iki aşamalı bir makine öğrenmesi sistemi.
Ürün
20k
Geçmiş
3 yıl
Sıfır talep
85%
Metrikler
WAPE / RMSSE
Vaka analizi
İTÜ Elektronik ve Haberleşme Mühendisliği
Mehmet Ünlü
Elektronik ve Haberleşme Mühendisliği Öğrencisi
Uygulamalı projeler ve erken aşama ürün denemeleriyle tahminleme, bilgisayarlı görü ve veri odaklı sistemler geliştiriyorum.
Modelin tek başına yeterli olmadığı problemleri seviyorum: düzensiz veri, doğrulama stratejisi, süre kısıtları ve deneyi kullanılabilir hale getiren mühendislik kararları.
Seçili vaka analizi
Seyrek Talep Tahminleme Sistemi
Günlük ürün satış verileri üzerinde seyrek talep tahmini için iki aşamalı bir makine öğrenmesi sistemi.
Odak Alanlarım
Gerçek veriyle karşılaşınca ayakta kalan modellere odaklanıyorum.
Çoğu işim zor bir kısıtla başlıyor: sıfır ağırlıklı hedefler, yavaş özellik üretimi, gürültülü hareket verisi veya dikkatle kurgulanması gereken doğrulama planları.
01
Tahminleme
Seyrek talep, kayan pencere doğrulama ve geleceğe bakmadan özyinelemeli tahmin.
02
Doğrulama
Skora güvenmeden önce kurulumun adil ve gerçekçi olup olmadığını test etme.
03
Hız
Yavaş döngüleri ve tekrar eden işleri daha temiz, daha hızlı veri dönüşümleriyle sadeleştirme.
04
Veri Hatları
Projeyi uçtan uca kullanılabilir tutan backend ve veri akışı tasarımları.
05
Deneyler
Bilgisayarlı görü, konuşma işleme ve mobil fikirlerin çalışan prototipleri.
Seçili Çalışmalar
Ödünleşimleri açık bırakan proje anlatımları.
Her vaka analizi; problemi, denenen yaklaşımı, ölçümleri ve kısıtların uygulamayı nasıl şekillendirdiğini anlatır.
OptimizasyonNumPyPandas
ML Veri Hattı Performans Optimizasyonu
Gereksiz hesaplamaları, bellek şişmesini ve Python seviyesindeki darboğazları azaltarak büyük ölçekli bir ML özellik üretimi ve tahmin hattını optimize ettim.
Süre
40dk -> 4dk
Satır
3M
Vaka analizi
Bilgisayarlı GörüRAFTORB
Hibrit Görsel Odometri Sistemi
Derin öğrenme tabanlı optik akış ile klasik bilgisayarlı görüyü birleştiren, güven skoruna duyarlı bir görsel odometri sistemi.
Dal
2
Seçici
Güven
Vaka analiziKaynak
Next.jsTypeScriptExpress
Kişisel Portfolyo Platformu
Dinamik projeler, notlar, medya yüklemeleri, admin araçları ve güvenli self-hosted dağıtım içeren full-stack portfolyo platformu. Özellik geliştirme aktif olarak devam ediyor.
Teknoloji
Next.js + API
İçerik
Dinamik
Vaka analiziKaynak
Araçlar
Problemin ihtiyacına göre kullandığım araçlar.
PythonLightGBMNumPyPandasScikit-learnPyTorchHugging FaceWhisperTypeScriptNext.jsFlutterFirebasePrisma
Notlar
Geliştirme sürecinden kısa notlar.
Özet KartıSignalSystemsFourier Transform
Signals & Systems
Signals & Systems formulas
BlogWhisperNLPDağıtım
Kendi Sunucunda Whisper Veri Hatları Kurmak
Whisper, transkripsiyon daha büyük bir NLP sisteminin aşamalarından biri olarak ele alındığında daha kullanışlı hale gelir.
BlogBilgisayarlı GörüGörsel Odometri
Hibrit Görsel Odometri: RAFT + ORB
Güven seçici, derin ve klasik görsel odometri dallarını daha dayanıklı bir araştırma mimarisine dönüştürebilir.