İstatistik · Dokuz Eylül · İzmir
İstatistik öğrencisi · Veri Madenciliği & Makine Öğrenmesi
Staja açık
01 — Örneklem
Ben Gökhan; Dokuz Eylül'de İstatistik son sınıf öğrencisiyim. Veriye bakınca önce dağılımı, sonra hikâyeyi görmeye çalışırım: gürültülü veriden sinyali ayırmak ve modelin neden öyle karar verdiğini açıklayabilmek. Kredi riskinden plaka tanımaya, açıklanabilir modellerden LLM ajanlarına kadar uçtan uca projeler geliştiriyorum. Şimdi bu yaklaşımı gerçek veriyle sınayabileceğim bir staj arıyorum.
02 — Modeller
Buluttaki her küme bir proje. Her biri aynı soruları yanıtlıyor: problem neydi, nasıl çözdüm ve sonuca ne kadar güvenilebilir?
05 proje
Fine-tune ettiğim YOLOv8 plakayı 0,94 mAP50 ile buluyor; OCR okuyor, yerel bir LLM özetliyor.
Python · YOLOv8 · OpenCV · Tesseract OCR · Ollama · +1
Şeffaf bir model kara kutularla başa baş: EBM, AUC 0,809 ile seçildi ve her kararını açıklıyor.
Python · pandas · scikit-learn · XGBoost · LightGBM · +5
8 günde sıfırdan: 5 uzman ajanlı, RAG destekli ve güvenliği kod katmanında duran bir banka asistanı.
Python · Ollama · qwen2.5:7b · nomic-embed-text · SQLite · +2
Kalibre XGBoost ile AUC 0,893; önce 20+ Kaggle notebook'unun kaçırdığı 5 veri sızıntısını yakaladım.
Python · pandas · NumPy · scikit-learn · XGBoost · +6
Bitirme projesi: ESG skorları ile firma performansı arasındaki ilişkiyi istatistiksel olarak sınıyorum.
Ön-kayıt · H₀ / H₁ sonuçlardan önce yazıldı
EasyOCR ve regex ile fiş fotoğraflarından mağaza, tarih ve toplamı çıkarıyor; SQLite'a tekrarsız kaydedip Flask arayüzünde Chart.js ile mağaza ve aylık harcama grafikleri çiziyor.
Python · EasyOCR · OpenCV · Flask · SQLite · Chart.js
Kodu gör03 — Değişkenler
Her nokta bir yetkinlik. Yatay eksen istatistikten mühendisliğe uzanıyor; dikey eksen o yetkinliği kullanan proje sayısı.
ŷ = 1,23 + 0,84·x. Eğim 0,84, r 0,23, R² 0,05, n 24.
y, o yetkinliği kullanan proje sayısı; tahmin değil, README'lerden sayıldı. Çizgi, görünen noktalara canlı uydurulan bir OLS doğrusu ve filtre değiştikçe yeniden hesaplanıyor. İçi boş noktalar henüz bir projeye dönüşmemiş ilgi alanları.
04 — Zaman serisi
İzmir'de İstatistik lisansına başladım. Örneklemin ilk gözlemi.
148.670 kayıtta 5 veri sızıntısını yakaladım; kalibre XGBoost ile AUC 0,893.
Sıfırdan 5 uzman ajanlı ve RAG destekli bir banka asistanı kurdum.
Şeffaf EBM, kara kutu modellerle istatistiksel olarak başa baş çıktı: AUC 0,809.
YOLOv8'i fine-tune ettim: 0,94 mAP50. OCR, regex ve yerel bir LLM ile uçtan uca akış.
ESG skorları ile firma performansı arasındaki ilişkiyi sınayan bitirme projeme başladım. Devam ediyor.
Bugün
İstatistik lisansını bitirmem bekleniyor. Bu noktadaki belirsizliğin en büyük kaynağı: hangi ekipte, hangi veriyle çalışacağım.
Tahmin
Bugünden sonrası gözlem değil, tahmin. Güven aralığı şimdilik geniş; doğru staj onu daraltır.
05 — Hipotez
H₀: Henüz tanışmadık.
Ekibinizde veriyle çalışan bir stajyere yer varsa kısa bir e-posta yeter. Sıfır hipotezini birlikte reddedelim.
İzmir'de saat