Araç Takip Sistemi

Python, YOLO

Mercedes-Benz Yetkili Servisi için bir sistem geliştiriyorum. Sistem, 30'dan fazla kamera kullanarak gerçek zamanlı olarak araç plaka ve özelliklerini tespit etmek için tasarlandı. Sistem, görüntü işleme için YOLO algoritmasını, plaka tanıma için CRNN mimarisini ve veri yönetimini kullanacak ve ilgili departmanların hızlı erişim sağlaması için kullanıcı dostu bir arayüz sunacak. Bu sistemin amacı, operasyonel verimliliği arttırmak ve araç takibini optimize etmektir.

Futbol Analiz Sistemi

Python, YOLO, Supervision

Gerçek zamanlı futbol analiz sistemi geliştiriyorum. YOLO algoritmasını kullanarak nesne tespiti, oyuncu pozisyonlarını izleme, hakem yerleri, top kontrol yüzdeleri, mini radar-kamera hareket tahmini, sıcaklık haritası, oyuncu hızları ve kat edilen mesafeler gibi özellikleri analiz edebiliyorum. Bu sistem, maç sırasında taktik karar verme ve takım strateji optimizasyonunu destekleyen gerçek zamanlı performans metriğini sağlar.

YOLO Tabanlı Market Raf Ürün Tespiti, Sınıflandırma ve Otomatik Stok Analizi

Python, YOLO

Şirketin Ar-Ge projesinin bir parçası olarak YOLO algoritması kullanarak bir nesne tanıma modeli geliştirildi ve %87 doğruluk oranı elde edildi. Bu proje, nesne tespiti konusunda uzmanlığımı önemli ölçüde arttırdı ve ekip çalışması ve proje yönetimi konusunda değerli deneyim kazandım.

Yapay Zeka Destekli Gayrimenkul Veri Analizi ve Fiyat Tahmin Sistemi

Python

Hindistan, Bangalore'daki gayrimenkul fiyatlarını tahmin etmek için %97 doğruluk oranına sahip bir makine öğrenmesi modeli oluşturdum. Model, veri önişleme için NumPy, Scikit-Learn ve Pandas kullanılarak geliştirildi ve hiperparametre ayarlaması için GridSearchCV kullanıldı, daha sonra Flask tabanlı bir web uygulaması olarak yayınlandı.

Yapay Sinir Ağları ile Banka Müşteri Terk Tahmini

Python

MySQL

Bankalar için %96 doğruluk oranına sahip bir Yapay Sinir Ağı (ANN) modeli geliştirdim. Bu model, çeşitli müşteri parametrelerini analiz ederek müşteri bağlama stratejilerini iyileştirmek için kullanılıyor ve Keşfedici Veri Analizi (EDA) ve veri önişleme teknikleri uygulanıyor.

Bitki Hastalık Tespiti Uygulaması

React

Derin Öğrenme ve React Native kullanarak domates bitkisi yapraklarından hastalık tespiti yapabilen bir uygulama geliştirmeyi amaçlamaktadır. Uygulama, tarım sektöründe hastalık teşhisini hızlandırmayı ve çiftçilerin verimliliğini arttırmayı hedeflemektedir. TensorFlow ile geliştirilen model, Konvolüyonel Sinir Ağı (CNN) mimarisini kullanmaktadır.