Applied AI Engineer & Data Scientist: Mapin Data
Yüksek Lisans Araştırmacısı: İstanbul Üniversitesi-Cerrahpaşa

Araştırma

Yüksek lisansa başladığımdan bu yana üzerinde çalıştığım konular, kabaca ters kronolojik sırayla. Yayınların tam listesi ORCID üzerinde.

Çoklu-Ajan LLM Sistemlerinde Covert Kanallar

LLM ajanlarına akıl yürütme ve birbirleriyle serbestçe konuşma özgürlüğü verdikçe, ele geçirilmiş bir ajan göreve ait olmayan bilgiyi üslup, sıralama ya da zamanlama tercihlerine gömerek bir diğerine sızdırabilir — sözdizimsel filtrelerin ve statik DLP'nin tertemiz gördüğü bir steganografik kanal. Alan bu gizli anlaşmanın var olduğunu gösterdi, ama bir arayüzün ne kadar kapasite taşıdığını ölçmedi. Tez çalışmam bu niceliği tanımlıyor ve ondan pratik bir sonuç çıkarıyor: çalışma zamanında izleme yapmak kapasiteyi düşürmez, tek kaldıraç tasarım zamanında arayüzü kısıtlamaktır.

Medikal Görüntüde Derin Öğrenme

MR, BT ve röntgen görüntülerinde derin öğrenme modelleri uzman hekime yakın doğruluk verebiliyor; asıl darboğaz model değil, etiketli veri. Medikal veri etiketlemek pahalı, yavaş ve dengesiz — nadir sınıflar için birkaç yüz örnek bulmak bile zor. Doktorlar ve öğretim üyeleriyle birlikte transfer learning temelli çözümler üzerinde çalıştım: meningioma derecelendirme, torakolomber kırık tespiti, oral kanser sınıflandırma ve süregelen bir diş furkasyonu çalışması. Bu alan akademik omurgamı oluşturdu.

Otonom Ajanlar ve Orkestrasyon

Otonom ajanlar demoda etkileyici, üretimde kırılgan: belirsiz durumda takılır, sessizce yanlış yapar ve hata ayıklanması güçtür. İlgilendiğim soru, tek bir dev prompt yerine sorumluluğu birden çok ajana bölmenin sistemi gerçekten daha güvenilir yapıp yapmadığı. Google Maps üzerinde manuel kalite kontrolünü belirgin ölçüde azaltan bir otonom tarama ajanı ile doğal dil girdisini görev planına çeviren hiyerarşik bir orkestrasyon sistemi kurdum. Bu hat aynı zamanda tez konumun uygulama zeminini oluşturuyor.

Bilgi Erişimi ve RAG

RAG'in zor kısmı üretim değil, erişim: yüz tablolu bir şemada ya da binlerce makalelik bir külliyatta doğru parçayı bulmak. Yanlış bağlam verildiğinde model kendinden emin biçimde uydurur. Doğal dilden SQL üreten bir asistan üzerinden halüsinasyonun nereden geldiğini adım adım gösteren bir yazı serisi yazdım; hâlihazırda tez literatürünü taramak için atıf grafiğiyle zenginleştirilmiş akademik bir RAG sistemi kuruyorum.

yüksek lisans tezi · devam ediyor

Measuring the Undetectable: Covert-Channel Capacity in Multi-Agent LLM Systems

Danışman: Şafak Durukan Odabaşı — İstanbul Üniversitesi-Cerrahpaşa

Çoklu-ajan LLM sistemlerinde iki ajan arasındaki bir arayüzün taşıyabileceği tespit edilemez gizli bilgi kapasitesini ölçüyorum.

Çalışma sürüyor; makale henüz yayımlanmadı. İlgilenirseniz e-posta ile paylaşabilirim.

yayınlar

Deep Learning Based Meningioma Grading: ResNet50 Based ApproachBrain and Spine · 2025 · Dergi makalesidoi:10.1016/j.bas.2025.105324MR görüntülerinden meningioma derecelendirme; ResNet50 tabanlı yaklaşım.
Detection of Fractures in the Thoracolumbar Vertebrae Using U-NET Transfer LearningBrain and Spine · 2025 · Dergi makalesidoi:10.1016/j.bas.2025.105513U-Net transfer learning ile torakolomber omurga kırığı tespiti.
Oral Cancer Classification with CNN Based State-of-the-art Transfer Learning MethodsBlack Sea Journal of Engineering and Science · 2025 · Dergi makalesidoi:10.34248/bsengineering.1528581Güncel CNN tabanlı transfer learning yöntemleriyle ağız kanseri sınıflandırma.
Grade Prediction Using Transfer Learning Methods on Meningioma Brain Tumor ImagesISMSIT 2025 (IEEE) · 2025 · Konferans bildirisi · TÜBİTAK 2209-A desteklidoi:10.1109/ismsit67332.2025.11268153Meningioma beyin tümörü görüntülerinde transfer learning ile derece tahmini.

Başlıklar DOI kaydına gider. Tam liste: ORCID 0009-0002-4262-0585.

eğitim

2025 – devam

İstanbul Üniversitesi-Cerrahpaşa

Bilgisayar Mühendisliği — Yüksek Lisans

2021 – 2025

İstanbul Medeniyet Üniversitesi

Bilgisayar Mühendisliği — Lisans

Bitirme tezi · Haziran 2025 · Özet · PDF