Emirhan Karatepe

Şirketin kendi ajan platformu üzerine LangGraph, FastAPI, PostgreSQL ile kuruldu. Ajan üretim verisine serbest sorgu üreterek değil, sabit ve salt-okunur bir SQL araç kümesi üzerinden ulaşıyor; rapor ettiği her rakam insana ulaşmadan önce bağımsız bir sorguyla yeniden doğrulanıyor. Araç kümesi büyüdükçe yanıtların dürüst kalmasını sağlayan değerlendirme düzeneğini ve iş yükünün sütunlu bir veritabanına taşınması için ölçülmüş gerekçeyi de ben kurdum.

Python, LightGBM, PostgreSQL ile uçtan uca kurdum: talep dağılımı modeli, onu her gece çalıştıran iş ve operasyon ile gelir tarafı için iki canlı pano. İşin ilginç yeri quantile seçimi — boş kalan bir slotun maliyetiyle geri çevrilen bir siparişin maliyeti simetrik değil, dolayısıyla doğru kota beklenen talep değil.

Sistem talebi XGBoost, LightGBM, p-median / p-center ile puanlıyor, çıkan skoru mağazaların ve hizmet poligonlarının nereye oturacağını seçen kapasiteli konum–atama modellerine veriyor.

Bilerek aşamalı: önce tedarikçi yönetimli stok ve gradyan artırmalı talep tahmini, sonra pekiştirmeli öğrenme politikası katmanı — akademik danışmanlıkla.

PyTorch, DCN-v2, GRU, BERT, attention pooling ile kuruldu. Dört uzman ağ — tablosal veri, üç yıllık makro ve mahalle fiyat serileri üzerinde bir GRU, ilan metni üzerinde Türkçe BERT, ve 2 km yarıçaptaki ilgi noktaları üzerinde dikkat havuzlaması — uzman başına öğrenilen bir kapıyla birleşiyor. Galatasaray Üniversitesi'ndeki bitirme projemin yarısı; diğer yarısı aşağıdaki arama chatbot'u.

4 mikroservis API'si üzerinde LLM araç çağırma ve Python, function calling, PostgreSQL pg_trgm; konumları, ilan tiplerini ve 40+ süzgeci trigram bulanık eşleşmeyle çözüyor. Zor kısım Türkçe konum adları — çekim ekleri, birbirine benzeyen ilçe adları ve aynı yerin altı farklı yazımı. Konteynerlendi ve CI üzerinden dağıtıldı.

Kayıtta yalnızca ilan, tarayıcıya özgü bir kimlik ve zaman damgası var — oturum yok, gezinme yolu yok. Üstel sönümlü bir model oturum sınırlarını çıkarıyor; ardından üç farklı kenar ağırlıklandırmasıyla ilan–ilan birlikte-ziyaret grafları kuruluyor ve hem topluluk yapısı hem öneri kalitesi bakımından, derece koruyan bir boş modele karşı değerlendiriliyor. 45 days pencerede: 449,774 ilan üzerinde 2,727,327 tıklama olayı.

Hexagonal mimaride bir Spring Boot 3.5, Java 24, PostgreSQL, Elasticsearch, D3, deck.gl, Leaflet servisi; sanal iş parçacıkları ve iki katmanlı önbellek ile bir PostgreSQL eylem kaydını Elasticsearch ilan indeksine bağlıyor. Yedi eşgüdümlü görünüm: mekânsal ısı haritaları, 3B altıgen talep yüzeyi, il bazlı renk haritaları, dönüşüm hunileri ve iki kenar demetlenmiş köken–varış grafı. Yöntem katkısı, coğrafi kalkış ve varış açılarını sabit koordinatlarda koruyan uç-çıpalı bir kuvvet yönelimli kenar demetleme varyantı.

Kapak görseli ve öznitelik gömmeleri üzerinde çok sinyalli bir benzerlik skoru, görsel–başlık örtüşmesiyle birlikte; öğrenilmiş ve kural tabanlı bileşenlerin melezi bir ağırlıklandırma, ve istendiğinde verilen bir ilanın mükerrerlerini döndüren bir ajan. Python, scikit-learn, embeddings.

İlan görselleri üzerinde tespit, konumlandırma ve bulanıklaştırma; iletişimi platform dışına taşımak için kullanılan bir yolu kapatıyor.

Dönüşüm SQL'ini yazdım ve ambarın bağımlılık grafiğine bağladım; platformun sahibi olan veri mühendisliği ekibinin yanında. Apache Airflow, BigQuery, SQL.