| ÖĞRETİM ÜYESİ | AKTİF ARAŞTIRMA KONULARI | Projeler |
|---|---|---|
 | Çalışma Alanları: Bilgisayarla Görü, Makine Öğrenimi, Yapay Zeka, Video Adaptasyonu, Video İşleme Genel Bilgi: Bu çalışma alanında, uzamsal çözünürlük bağlantılı ve derin öğrenme modellerine dayanarak ölçümlenen derinlik ipuçlarını temel alarak, bant genişliği, izleyici cihaz ekran boyutu ve farklı ortam aydınlatma koşulları kısıtlamaları altında, derinlik algısını optimum seviyede tutan ve iletim kanalını en etkin şekilde kullanan özgün bir adaptasyon karar alma tekniği ve onunla uyumlu çalışan yenilikçi bir 3B video adaptasyon modeli geliştirilecektir.
İlgili Dersler: Bilgisayarla Görü (CS 566) | Tübitak Projesi:
|
 | Çalışma Alanları: Bilgisayar Grafikleri, İnsan Bilgisayar Etkileşimi, Sanal Gerçeklik, Bilgisayarla Görü, Görüntü İşleme
 | |
 | Çalışma Alanları: Sinyal İşleme, Dijital Konuşma İşleme, Derin Sinir Ağları, Ses Kopyalama, Derin Sahte Üretimi ve Tespiti, Kimlik Doğrulama, Konuşma Sentezi, Makine Öğrenimi, Büyük Dil Modelleri, Gömülü Donanım, Gömülü Yazılım, Gömülü Sistemler Genel Bilgi: Alanında uzmanlaşmış bir araştırmacı olarak, sinyal işleme ve konuşma işleme başta olmak üzere; derin sinir ağları, ses kopyalama, derin sahte (deep fake) üretimi ve tespiti, kimlik doğrulama, konuşma sentezi ve otomatik konuşma tanıma gibi konuşma ve ses teknolojileri üzerine yoğunlaşmaktadır. Aynı zamanda, makine öğrenimi ve destek vektör makineleri gibi temel öğrenme algoritmalarıyla birlikte, büyük dil modelleri (LLM) ve bilgi getirmeli üretim (RAG) yaklaşımları üzerinde çalışmakta; bu bağlamda özellikle kuantizasyon ve distilasyon tekniklerine odaklanmaktadır. Ayrıca, gömülü donanım, gömülü yazılım ve gömülü sistemler konularında da uygulamalı projeler yürütmektedir.  | |
 | Çalışma Alanları: Sağlıkta Makine Öğrenimi, Bilgi Güvenliği ve Biyometri Genel Bilgi: Kalp izi sinyali, mevcut sensörler kullanılarak invaziv olmayan bir şekilde yakalanabilen biyometrik bir yöntemdir. Kalp izi sinyalinin invaziv olmayan ve uzaktan sensörlerle yakalanabilir yöntemlerini ve güvenli biyometrik tanıma için olası makine öğrenimi tekniklerini araştırmaktayız. Bu yöntemin çeşitli alanlardaki olası uygulamalarına örnek olarak sürekli biyometrik kimlik doğrulama, güvenli kimlik yönetimi, dijital imza doğrulama, çok modlu biyometrikte canlılık tespiti, kriptografik anahtar üretimi ve kimlik izleme verilebilir. Gelişmekte olan bu biyometrik yöntem, üretken makine öğrenimi çağında dijital kimlik yönetimi ve bilgi güvenliğinde önemli bir rol oynayabilir.  | |
 | Çalışma Alanları: Görüntü İşleme, Bilgisayarla Görü, Makine Öğrenimi, Simetri Analizi ve Symmetry Analysis and Tekrarlayan Desenlerin Sınıflandırılması Genel Bilgi: Ana ilgi alanı, tekrarlanan örüntülerin farklı yönlerinin araştırılmasında yatmaktadır: otomatik sınıflandırma, desenlerde stil yakalama, iki desen arası stil aktarma, simetri kırılması, metamorfoz.
 Dersler: Makine Öğrenmesine Giriş (CMPE 442), Makine Öğrenmesi (CS 542) Öğrenciler: Yaşar Anıl Sansak (yüksek lisans, mezun), Mert Kaya | BAP Projesi:
|
| Çalışma Alanları: Duygu Analizi, Doğal Dil işleme, Bilgi Erişim Sistemleri, İstatistik, Veri Madenciliği, Derin ve Makine Öğrenimi (Yapay Zeka) Genel Bilgi: Çalışma alanının konuları doğal dil işleme ve duygu analizi yöntemlerine dayanmaktadır. Bu aşamada gerçek kullanıcıların metinsel verilerinin anlamlandırılması aşamasında verimli çalışan algoritmaların geliştirmesine odaklanılmıştır. Bu verilerin anlamlandırılması için yeni yöntemlerin geliştirilmesi ve çeşitli analizlerin yapılabilmesi amaçlanmıştır. Akademik çalışmalarında popüler istatistiksel regresyon, derin yapay zeka ve veri madenciliği algoritmaları yeni analiz modellerinin oluşturulması amacıyla incelenmiş ve kullanılmıştır. Bu teknolojiler ChatGPT, Gemini, DeepSeek vb. gibi günümüzde popular olarak kullanılan Chatbot teknolojilerinin en önemli kısımlarını oluşturmaktadır.  Dersler: Bilgi Erişimi | |
 | Çalışma Alanları: Artificial Intelligence, Deep Reinforcement Learning, Natural Language Processing Genel Bilgi: Eren Ulu'nun araştırması Derin Takviyeli Öğrenme üzerinde odaklanmaktadır. Bu, otonom ajanların çevrelerinden karmaşık karar verme görevlerini öğrenmelerine yardımcı olan algoritmalar oluşturmayı amaçlar. Çalışması robotik, oyun ve otonom sistemler gibi çeşitli alanları kapsar ve Derin Takviyeli Öğrenme teorisini ve pratik uygulamalarını inceleyerek gerçek dünya problemlerine çözümler sunar. Ayrıca, Derin Takviyeli Öğrenme ve Doğal Dil İşleme arasındaki sinerjiyi araştırır ve otonom ajanların insan dilini anlamalarını ve üretmelerini sağlayacak yeni yollar arar.
  |
