Utku U.
Deep-Learning-Spezialist
Erfahrungen
Kombinieren von Neural Fields mit Hypernetworks
- Entwickelte zusammen mit einem Teammitglied einen Meta-Learning-Ansatz, um mehrere Neural Fields zu einer einzigen Szenendarstellung mit Hilfe eines Hypernetworks zu verschmelzen.
- Implementierte und evaluierte die Methode an 2D-(MNIST)- und 3D-(ShapeNet)-Daten und zeigte eine schnellere Inferenz im Vergleich zu Overfitting-basierten Baselines.
Datenanalyse für Yacht-Charter
- Arbeitete in einem vierköpfigen Team zusammen, um prädiktive Modelle und ein Dashboard für Yacht-Charter im Rahmen eines interdisziplinären Projekts an der TUM zu entwickeln.
- Führte explorative Datenanalyse (EDA), Feature Engineering und Clustering (HDBSCAN) durch, um Fahrtgebiete zu definieren.
- Entwickelte Modelle zur Nachfrageprognose, Preisgestaltung und Segmentierung, um Yachtbesitzer und Charterfirmen in strategischen Entscheidungen zu unterstützen.
Karriereberatung in VR
- Erstellte ein VR-Spiel, das im Browser läuft, um Studierende bei ihrer Berufswahl mit realistischen und immersiven Simulationen zu unterstützen, im Rahmen eines praktischen Kurses zu Serious Games in Extended Reality an der TUM.
Big-Data-Praktikant
HAVELSAN
- Lernte den Umgang mit Open-Source-Software zur Verarbeitung und zum Streamen von großen Datenmengen wie Apache Spark und Apache Kafka.
Praktikant
Parton Big Data Analytics and Consulting
- Entwarf und entwickelte Webanwendungen für verschiedene Einsatzgebiete mit HTML, CSS, JavaScript und Python.
- Erstellte eine Konsolenanwendung für Cloud-Dienste mit Funktionen wie dem Erstellen von AWS EC2-Instanzen und einem voll funktionsfähigen SSHv2-Terminal für EC2-Instanzen.
- Entwickelte ein Dashboard zur Visualisierung der Ergebnisse eines KI-Systems, das Qualitätskennzahlen der Produktion in Echtzeit vorhersagt.
- Trainierte, bewertete und verglich verschiedene Deep-Learning-Modelle wie LSTMs und Transformers für Zeitreihenprognoseaufgaben mit PyTorch.
Undergraduate-Forschungsassistent
ITU Vision Lab
- Absolvierte Online-Kurse und Vorlesungen zu Computer Vision mit Deep Learning.
- Bearbeitete das Material der Vorlesung "Deep Learning for Computer Vision" der Michigan University.
- Schloss meine Bachelorarbeit zum Thema Novel Class Discovery in einem kontinuierlichen Lernsetting ab.
- Las und untersuchte sowohl grundlegende als auch aktuelle Publikationen zu den Themen kontinuierliches Lernen und selbstüberwachtes Lernen.
- Entwarf und testete verschiedene Deep-Learning-Modelle mit PyTorch, um die Leistung moderner Methoden durch Integration neuer Ideen aus dem selbstüberwachten Lernen zu verbessern.
Zusammenfassung
Ich bin ein Deep-Learning-Spezialist mit fundiertem Hintergrund in der Forschung zu neuronalen Netzen und Datenanalyse. Meine Arbeit umfasst Meta-Learning, Computer Vision und Zeitreihenprognosen, wobei ich Modelle entwickelt und bewertet habe, die Inferenz und Entscheidungsfindung verbessern. Ich habe ein solides Verständnis sowohl der praktischen als auch der theoretischen Aspekte des Deep Learning und integriere stets die neuesten Forschungsergebnisse in meine Projekte.
Ich bringe praktische Erfahrung im Training von Deep-Modellen mit realen Daten aus verschiedenen Bereichen wie Szenendarstellung, Yacht-Charter und VR-Simulationen mit. Ich arbeite gerne mit Frameworks wie PyTorch und Big-Data-Tools und konzentriere mich darauf, praxisnahe, skalierbare und effiziente Lösungen zu liefern.
Sprachen
Ausbildung
Technical University of Munich
MSc · Informatik · München, Deutschland · 1.5/1.0
Istanbul Technical University
BSc · Computertechnik · İstanbul, Türkei · 3.82/4.0
Zertifikate & Bescheinigungen
Deep-Learning-Spezialisierung
Coursera
Flutter & Dart - Der vollständige Leitfaden [2025 Edition]
Udemy
Maschinelles Lernen
Coursera
Ähnliche Freelancer
Entdecken Sie andere Experten mit ähnlichen Qualifikationen und Erfahrungen.
- English
- Deutsch
2025 © FRATCH.IO GmbH. All rights reserved.