OnurErgüden

Ne yapıyorum

  1. RAG ve LLM uygulamaları

    Dil modellerini gerçek belgelere dayandıran bilgi erişim hatları; her cevabın nereden geldiğini gösteren değerlendirmelerle.

    • Python
    • Llama
    • FAISS
    • Hugging Face
    Course Intelligence’a bak

  2. Araç çağıran ajanlar

    LangGraph ve MCP üzerinden gerçek araçları çağıran ajanlar: korumalı döngüler, her yazmada şema doğrulaması ve gereken yerde insan onayı.

    • LangGraph
    • MCP
    • LangChain
    • Gemini
    GymRap AI Coach’a bak

  3. ML modelleri ve değerlendirme

    Dağınık açık verilerle eğitilen, dürüstçe karşılaştırılan ve karar için önemli metriklerle açıklanan modeller.

    • Python
    • scikit-learn
    • XGBoost
    • pandas
    HealthFactor-AI’a bak

  4. Full-stack ürünler

    Veritabanından arayüze web uygulamaları: Spring Boot servisleri, tipli React arayüzleri ve gerçek zamanlı güncellemeler.

    • Spring Boot
    • React
    • TypeScript
    • PostgreSQL
    TaskFoo’ya bak

  5. Mobil uygulamalar

    Firebase üzerinde, AI özelliklerini günlük akışlara yerleştiren çapraz platform Flutter uygulamaları.

    • Flutter
    • Dart
    • Firebase
    • Gemini
    Kuyumcum’a bak

Deneyim

  1. Future Is Now

    AI mühendisi

    • FastAPI ile sunulan full-stack, müşteriye yönelik AI uygulamaları.
    • OpenAI, Anthropic ve Gemini API’leri üzerinde LangChain ve LangGraph ile agentic iş akışları.
    • RAG pipeline’ları için Qdrant tabanlı bilgi getirme mimarileri.
    • Python
    • LangChain
    • LangGraph
    • Qdrant
    • OpenAI API
    • Anthropic API
    • Gemini
    • FastAPI

  2. Future Is Now

    AI mühendisliği stajyeri

    • AI prototipleri.
    • Bilgi erişimi tabanlı uygulama özellikleri.

  3. VBT Software

    Yazılım mühendisliği stajyeri

    • TaskFoo’nun proje, epic ve görev akışları.
    • PostgreSQL ile rol tabanlı yetkilendirme.
    • Docker ile paketleme.
    • Spring Boot
    • React
    • TypeScript
    • PostgreSQL
    • Docker
    TaskFoo’ya bak

  4. BMC Otomotiv

    Yazılım mühendisliği stajyeri

    • SAP ABAP uygulamaları.
    • Depo envanter iş akışları.
    • SAP ABAP
my_tech_stack.exe

Her top kendi projelerimde kullandığım bir araç. Üzerine gel, adını gör; sürükleyip taşı.

Buradaki her araç kendi projelerimden; listede nerede kullandığım yazıyor.

Teknolojilerim

Tüm teknolojiler (48)

Diller

AI ve ML

Web ve mobil

Veri ve araçlar

Bliss © Microsoft · fotoğraf: Charles O’Rear

Hakkımda

Ben Onur, Future Is Now’da AI mühendisiyim. LLM uygulamalarını uçtan uca geliştiriyorum: bilgi erişimi, LangGraph ve MCP ile araç çağıran ajanlar ve bunların etrafındaki ürün; çoğunlukla Python, TypeScript ve Java ile.

Bir sistemin arkasındaki kararlarla ilgileniyorum: belirsizliği nasıl ele aldığı, nasıl değerlendirildiği ve insanların onu gerçekte nasıl kullandığı.

Klavyeden uzaklaştığımda genellikle bir basketbol ya da tenis sahasındayım.

Lisans
Yazılım Mühendisliğiİzmir Ekonomi Üniversitesi · Haziran 2026 · GPA 3.30 / 4.00
Akademi
Google AI & Technology AcademyDeep Learning · 2026
Yayın
IJEAKabul edildi · yayımlanması bekleniyor
Bana ulaşCV’mi isteAraştırmalarım

Projeler

Tüm projeler

  1. Kuyumcum

    Ürün geliştirme · uygulamalı yapay zekâ

    Proje incelemesiKapalı kaynak

    Değerli metal varlıklarını, portföy analizini ve yerel kuyumcuları bir araya getiren mobil ekosistem. Ürünü birlikte geliştirdim ve yapay zekâ özellikleri üzerinde çalıştım.

    Kuyumcum kuyumcu keşif haritasıKuyumcum AI rapor listesi

    Kullandıklarım

    • Flutter
    • Dart
    • Firebase
    • Python
    • YOLO11n
    • TensorFlow Lite
    • Gemini
    Proje incelemesini oku

  2. HealthFactor-AI

    Makine öğrenmesi · araştırma

    Proje incelemesiKaynak kod

    Su güvenliğini iki katmanda ele alan sistem: mevcut kirliliği tespit etmek ve güvenlik eğilimini öngörmek.

    İzmir su örneklerinde Ağustos 2025–Ağustos 2026 günlük ve aylık ortalama Sağlık Faktörü
    Su kalitesi parametreleri ile Sağlık Faktörü arasındaki korelasyon matrisi
    26.469

    76 örnekleme noktasından su kalitesi ölçümü, Ağustos 2025 – Temmuz 2026

  3. Course Intelligence RAG

    Bilgi getirme · LLM sistemleri

    Proje incelemesiKaynak kod

    Yerel dil modellerini, anlamsal aramayı ve yanıt sınırlarını birleştiren, farklı bölümlerin bilgilerine erişim sağlayan asistan.

    Ders belgeleriHiyerarşik parçalarSBERT embeddingFAISS aramasıFiltre + bağlamLlama 3.1 (8B)Kaynaklı yanıtBilgi getirme →← Üretim
    Kavramsal diyagram

    Kullandıklarım

    • Llama 3.1
    • SBERT
    • FAISS
    • PyQt6
    Proje incelemesini oku

  4. GymRap AI Coach

    MCP · ajan araçları

    Proje incelemesiKaynak kod

    Health Connect, Cloudflare ve OAuth korumalı bir MCP sunucusu üzerinde çalışan kişisel kuvvet koçu. Test edilmiş, deterministik analiz sunucuda yapılıyor; ChatGPT bunu MCP üzerinden okuyup koçluk yorumunu yazıyor.

    Günlük koç raporu e-postası, sentetik veriyleAntrenman sonrası rapor e-postası, sentetik veriyleNabız bölgeleri ve kas grubu başına haftalık setler, sentetik veriyle

    Kullandıklarım

    • MCP
    • TypeScript
    • Cloudflare Workers
    • D1
    • OAuth 2.1
    • Kotlin
    Proje incelemesini oku

Araştırma

Uygulamalı makine öğrenmesi, veri bilimi ve güvenilir AI sistemleriyle ilgileniyorum. Modellerin davranışını tek bir değerlendirme puanının ötesinde anlamak istiyorum.

Kabul edildi · yayımlanması bekleniyor

Two-layered Artificial Intelligence System to Assess and Forecast the Safety Level of Drinking Water Resources

International Journal of Engineering Approaches (IJEA)

O. Ergüden, B. Ceylani, A. Şengül, S. Yılmaz, E. Yılmaz, M. Y. Kalkan, D. E. Fawzy

Mevcut kirliliğin tespiti ve gelecekteki su güvenliği eğilimleri için iki katmanlı yaklaşım.

Bağımsız çalışma · hakemli yayına gönderilmedi

İzmir’de toplu taşıma yolculuklarının kümelenmesi ve tahmini

Üç kişilik CE 477 ders projesi

Ocak 2021 – Nisan 2025 arasında işletme ve tarife türüne göre 25.775 günlük İzmirim Kart yolcu kaydı. DBSCAN kümeleme, mevsimsel özellikler ve XGBoost ile Random Forest kullanan talep tahmini.

Üzerinde düşündüğüm sorular

  1. Mevcut kanıt yanıtı desteklemiyorsa bilgi erişim sistemleri nasıl davranmalı?
  2. Tahmin modelleri zaman içinde ve veri kaynakları değiştiğinde ne kadar genellenebilir?
  3. Değerlendirme, model kalitesini veri sızıntısından ve veriye özgü kestirmelerden nasıl ayırabilir?
HealthFactor-AI vaka çalışmasıAraştırma ayrıntıları

GitHub aktivitesi

GitHub aktivitesi yükleniyor… GitHub profilime bak

Sertifikalar

  • Yapay Zeka ve Teknoloji Akademisi’nden eğitim tamamlama belgesi.

  • Mesleki sertifika · geleneksel ve çevik proje yönetimini kapsayan altı kurs.

  • Yapay Zeka ve Teknoloji Akademisi’nden eğitim tamamlama belgesi.

  • Sınavlı başarı belgesi · %80. Verimli AI için model sıkıştırma ve düşük bitli kuantizasyon.

  • Katılım belgesi. PyTorch ile CNN’ler, vision transformer’lar, segmentasyon ve nesne tespiti.

  • Sınavlı başarı belgesi · %78,3. Yazılımın enerji tüketimi ve LLM performansının ölçümü.

Yapay Zeka ve Teknoloji Akademisi’nin Onur Ergüden’e 22 Mayıs 2026’da verdiği derin öğrenme eğitimi tamamlama belgesi.

Derin öğrenme

Yapay Zeka ve Teknoloji Akademisi ·

Yapay Zeka ve Teknoloji Akademisi’nden eğitim tamamlama belgesi.

Tam boy görseli aç

İyi işler bir sohbetle başlar.

Tanışalım

onurerguden5@gmail.com