Bilgisayar Mühendisliği Bölümü 2023-2024yılı Bahar Dönemi BLM19401 Bitirme Projesi I dersi için verilmesi düşünülen proje konuları aşağıdaki gibi belirlenmiştir. Proje alabilecek durumda olan öğrenciler (Bölüm web sayfasındaki Bitirme Projesi Yönergesindeki şartları sağlayan) almak istediği proje konusunu ilgili öğretim elemanı ile görüşüp Bitirme projesi öneri formunu doldurup gerekli imzalar atıldıktan sonra e-posta yolu ile Dr. Öğr. Üyesi Sultan ZEYBEK’ e göndermelidirler.

NOT: Önerilen Bitirme Projesi Konuları grup çalışması şeklinde yapılacaktır. 

Dr. Zeki KUŞ

Metrobüs yolcuları için durak hatırlatıcı ve alarm sistemi (2 öğrenci)

Metrobüs araçları içerisinde durak bilgileri ile ilgili bilgilendirme ekranları bulunmaktadır. Ancak bu ekranlar çoğu zaman doğru bilgi vermemekte ve çalışmamaktadır. Bu durum, sabah saatlerinde yolculuk yapan veya yabancı uyruklu vatandaşlar için sorun oluşturmaktadır. Bu projede, metrobüs hattındaki duraklar için hatırlatıcı, uyarı verici bir mobil uygulamanın tasarlanması hedeflenmektedir. Yolcular, anlık olarak bulundukları ve bir sonraki durak hakkında bilgi sahibi olabilecek, aynı zamanda hedeflediği durağa yaklaştığında veya belirli adet durak kaldığında uyarı verilecektir. Öğrencilerin, Java, Kotlin, Swift, Objective-C, Swift veya Flutter’a hakim olması gerekmektedir.

Derin Öğrenme Bazlı Görsel Benzerlik Arama Motoru (2 öğrenci)

Bu projede, Stanford Cars veri kümesi kullanılarak derin öğrenme bazlı görsel benzerlik arama motoru geliştirilecektir (ing: deep learning based visual similarity, image retrieval problem). Web ve mobil uygulama arayüzü geliştirilmesi hedeflenmektedir. Kullanıcı, çekilen bir görüntü üzerinde benzerini bulmak istediği aracı işaretleyecek ve bu araca benzerliği en yüksek olan araçların önerilmesi gerçekleştirilecektir. Derin öğrenme modeli olarak Segment Anything modelinin kullanılması, benzerlik için ise metrik tabanlı yöntemlerin kullanılması hedeflenmektedir. Web geliştirme için Django/Flask kütüphaneleri, mobil uygulama için ise öğrencinin isteğine göre Android/IOS veya cross-platform uygulama geliştirilmesi istenecektir.

Derin Öğrenme Modellerinin İnce-Ayar ile Yeni Medikal Bölütleme Problemlerine Adapte Edilmesi (2 öğrenci)

Bu projede, Segment Anything modelinin ince-ayar (ing: fine-tuning) ile daha önce görülmemiş olan medikal bölütleme problemlerine adapte edilmesi hedeflenmektedir. Segment Anything modeli Meta firması tarafından geliştirilen ve çeşitli görüntü bölütleme problemleri için başarılı sonuçlar veren bir derin öğrenme modelidir. Bu modelin eğitilmiş ağırlıkları kullanılarak daha önce eğitime dahil edilmeyen medikal bölütleme problemlerine adaptasyonu sağlanacaktır. Bu proje için öğrencilerin evrişimli sinir ağları konusunda bilgi sahibi olması veya projeyi geliştirmek için belirli bir eğitimi takip etmeyi kabul etmeleri gerekmektedir. Aynı zamanda öğrencilerin nesne yönelimli Python konusunda bilgi sahibi olmaları beklenmektedir.

Öğrenci Önerisi (2 veya 3 öğrenci)

Yukarıdaki konu başlıkları dışında bilgisayarlı görü için derin öğrenme, makine öğrenmesi, evrimsel algoritmalar konularında öğrencinin önereceği bir konu üzerinde de uzlaşma sağlanabilir.

Dr. Kadir ARAM

Gazebo Simülasyon Ortamında Gezgin Robot Kontrolü

ROS Gazebo simülasyon ortamında bir gezgin robot hareket ettirilecektir.Öncelikle simülasyonda  bir ortam oluşturulacaktır. Robotun bu ortamda ilerlerken  kameradan aldığı görüntüler ile önüne çıkan bir cisim ile mesafesini hesaplayıp, bu cisimden kaçınarak hedefine ulaşması beklenmektedir.

Dr. Cumali TÜRKMENOĞLU / Dr. Öğr. Üyesi Berna KİRAZ

Doğal Dil İşleme ile  Sohbet Botu Proje Genel Bakışı

Python kullanarak NLTK veya spaCy gibi Doğal Dil İşleme (NLP) kütüphanelerini içeren sofistike bir sohbet botu oluşturun. Sohbet botu, kullanıcı sorularını işleme, ilgili bilgileri sağlama ve sorunsuz etkileşimde bulunma amacıyla tasarlanmalıdır. Dış API'ları entegre ederek (örneğin, hava durumu bilgisi almak veya haber güncellemeleri sağlamak) yeteneklerini artırın. Örnek: Futbol asistanı Chatbotu: Bu bot Futboll ilgili güncel ve sorulması muhtemel birçok soruya cevap verebilmeli. Proje, bir bulut sistemine deploy etmeyi, tüm işlevler için API uç noktaları oluşturmayı ve API'leri kullanarak kullanıcı dostu bir deneyim için sezgisel bir sohbet arayüzü tasarlamayı içermektedir.

End-to-End AutoML Framework Development with Object-Oriented Programming

In this project, you will develop a comprehensive end-to-end AutoML (Automated Machine Learning) framework using object-oriented programming (OOP) principles. The framework will automate essential tasks in the machine learning pipeline, including data preprocessing, feature engineering, model selection, and hyperparameter tuning. The goal is to create a modular, scalable, and extensible system that integrates various AutoML tools. The main expectation here is to automate data processing in a way that enhances the performance of ML algorithms. Algorithms can be used from external libraries to achieve this goal.

Öğrencilerin önerdiği, grup çalışmalasına (2-3 kişi) uygun bir konu üzerinde anlaşılabilir.

Nesne Tabanlı Programlama ile Baştan-Uca AutoML Framework Geliştirme

Bu projede, nesne tabanlı programlama (OOP) prensiplerini kullanarak kapsamlı bir end-to-end AutoML (Otomatik Makine Öğrenimi) çerçevesi geliştireceksiniz. Çerçeve, veri ön işleme, öznitelik mühendisliği, model seçimi ve hiperparametre eniyileme gibi makine öğrenimi iş hattındaki temel görevleri otomatikleştirecek. Hedef, çeşitli AutoML araçlarını entegre eden modüler, ölçeklenebilir ve genişletilebilir bir sistem oluşturmaktır. Buradaki aslı beklenti ML algortimalarının başarımlarını arttıracak şekilde veri işlemelerinin otomasyonunun sağlanmasıdır. Algoritmalar harici kütüphanelerden kullanılabilir.

Dr. Öğr. Üyesi Gönül ULUDAĞ

Fonksiyonel manyetik rezonans  görüntüleme (Functional magnetic resonance imaging: fMRI ) temelli etkin bağlantısallık yöntemlerine sezgisel tabanlı yaklaşımlar. (2/3 öğrenci) 

fMRG için etkin bağlantısallık yöntemleri araştırılacak ve seçilen bir yöntem için meta-sezgisel yaklaşımlarından biri ile çözüm gerçekleştirilecek.

Fonksiyonel manyetik rezonans görüntüleme (fMRG) veri önişleme için Python kütüphanlerinin karşılaştırılması. (2/3 öğrenci)

Nörogörüntüleme verilerinin analizinde kullanılan Python yazılım kütüphanelerinin karşılaştırılması. fMRG ham verisi üzerinde, karşılaştırılması yapılacak yazılım kütüphaneleri ile veri ön-işleme süreçlerinin gerçeklenmesi.

Bayesçi optimizasyon (Bayesian Optimization) algoritması ile sınıflandırma (2 öğrenci)

Bayesçi optimizasyon (Bayesian Optimization) algoritması kullanılarak daha etkin sınıflandırma algoritması geliştirmek ve diğer sınıflandırma yaklaşımları ile kıyaslanması.

Değişim noktası (change point) problemlerinde Bayesçi çıkarım (Bayesian inference) yaklaşımları. (2 öğrenci)

Rassal olarak oluşturulacak veri seti üzerinde, çevrimiçi değişim nokta problemine Bayesçi çıkarım yaklaşımları ile çözüm geliştirilmesi. Bir sonraki adımda (vakit olursa) gercek veri seti uzerinde doğruluğunun gerceklenmesi. 

Öğrenci Önerisi

Yukarıdaki konu başlıkları dışında makine öğrenmesi, veri madenciliği, veri bilimi ve meta-sezgiseller vb. konularında öğrencinin önereceği bir konu üzerinde de uzlaşma sağlanabilir.

Bilgisayar Mühendisliği Bölüm Başkanlığı

Duyuru tarihi: 26/01/2024 16:45