Özgeçmiş
Bilgisayar Mühendisliği Öğrencisi · Backend Geliştirme & Yapay Zeka
İletişim Bilgileri
- E-posta [email protected]
- Telefon +90 531 340 7939
- LinkedIn linkedin.com/in/dogukannparlak
- GitHub github.com/dogukannparlak
- Portfolio dogukanparlak.com
Profesyonel Özet
Backend geliştirme ve uygulamalı yapay zeka alanlarında iki staj deneyimine sahip 4. sınıf Bilgisayar Mühendisliği öğrencisi. Hyperever'da YOLOv11 ve OpenCV ile gerçek zamanlı nesne tespiti modelleri eğitti, YoSoft'ta Flask/MySQL tabanlı REST API'ler geliştirdi. Kişisel projelerinde FOL tabanlı sembolik ve LLM tabanlı multi-agent sistemlerini karşılaştırdı, makine öğrenmesi modelleriyle %75 accuracy'ye ulaştı.
🚀 Teknik Yetkinlikler
Diller
Python
JavaScript
SQL
Makine Öğrenmesi / Yapay Zeka
PyTorch
scikit-learn
XGBoost
OpenCV
YOLOv11
Backend & API
FastAPI
Flask
SQLAlchemy
REST API
Deneyimler
Hyperever (İTÜ ARI Teknokent)
Computer Vision Stajyeri
- YOLOv11, OpenCV ve Ultralytics ile gerçek zamanlı nesne tespit modellerini eğitip optimize ederek hedef sınıf ayrımını görsel olarak benzer nesnelere karşı iyileştirdim.
- Model dayanıklılığını artırmak ve robot köpek platformuna entegrasyon için deployment hazırlığını güçlendirmek amacıyla veri ön işleme ve fine-tuning pipeline'ları geliştirdim.
Pasific Bilişim / YoSoft
Yazılım Geliştirme Stajyeri
- Bir teknoloji firması ile eczane müşteri ağı arasındaki operasyonel iletişimi kolaylaştırmak için WhatsApp tabanlı toplu mesajlaşma sistemi tasarladım ve geliştirdim.
- Çoklu profil kullanımı ve dinamik mesaj yönetimini destekleyen, MySQL entegrasyonlu ve oturum tabanlı kimlik doğrulamalı Flask REST API geliştirdim.
Eğitim
🎓 Bilgisayar Mühendisliği (İngilizce)
Aydın Adnan Menderes Üniversitesi · 4. Sınıf
Eylül 2022 - Ağustos 2027
Diller
- Türkçe Anadil
- İngilizce Eğitim Dili (İngilizce Bölüm)
Seçilmiş Projeler
🎮 Digital Game Marketplace
Steam ve Epic Games'ten ilham alan; oyun satın alma, geliştirici portalı ve admin paneli sunan rol tabanlı REST API ile tam yığın dijital oyun mağazasıdır.
🆘 Disaster Rescue Multi-Agent System
İş birlikçi afet müdahale simülasyonu için geliştirilmiş çoklu ajan sistemi; FOL tabanlı sembolik ve LLM tabanlı (Ollama) olmak üzere iki ayrı depo bileşeninden oluşur. FOL edition tüm koşum turlarında %100 deterministik sonuç (görev-eşleşme, tamamlanma, maliyet oranı 1.0) verirken, LLM edition aynı seed'te %80-100 arasında dalgalanan sonuçlar üreterek non-determinism'i somut biçimde ortaya koydu.
🎬 Movie Rating Predictor
Veri ön işleme, özellik mühendisliği ve model değerlendirmesi ile film puanlarını tahmin eden bir makine öğrenmesi projesidir. 1.312 film üzerinde Gradient Boosting sınıflandırma %75 accuracy (ROC-AUC 0.81), SVR regresyon ise MAE 0.93 (10 üzerinden) sonucuna ulaştı.
Daha Fazla Bilgi Almak İster misiniz?
Benimle tanışmak, projelerim hakkında konuşmak veya iş birliği yapmak için iletişime geçin.