>Süleyman_Çoğaltay|

Bilgisayar Müh. Öğrencisi • Android • AI

Mobil uygulama mimarileri, görüntü işleme ve yapay zeka alanlarında yenilikçi çözümler geliştiren mühendis adayı.

KotlinPythonTensorFlowKerasOpenCVAndroid SDKJetpack ComposeGitLinuxSQLRoomRetrofitC++BashNumPyPandasMatplotlibFigma
KotlinPythonTensorFlowKerasOpenCVAndroid SDKJetpack ComposeGitLinuxSQLRoomRetrofitC++BashNumPyPandasMatplotlibFigma

Çalışma Alanlarım

Teknik derinlik ve mühendislik disiplini.

MÜHENDİS PROFİLİ

Süleyman
Çoğaltay

🚀 TÜBİTAK 2209-A📱 Android (Kotlin)🧠 Deep Learning👁️ Computer Vision

# Hakkımda

Bilgisayar mühendisliği yolculuğum, teknolojiyi sadece tüketen değil, onu üreten biri olma tutkusuyla başladı. Android Bootcamp deneyimimle mobil dünyada MVVM, Room ve Retrofit gibi modern mimarilerle profesyonel uygulamalar geliştirdim.

Ancak merakım beni sadece arayüzde bırakmadı; verinin derinliklerine indim. Şu anda TÜBİTAK projesi kapsamında, Derin Öğrenme ve Görüntü İşleme tekniklerini kullanarak, gerçek saha verileriyle (BYD) batarya ömrü tahmini yapan Ar-Ge projeleri yürütüyorum.

İşletim sistemleri, süreç yönetimi ve C programlama gibi temel mühendislik disiplinlerine olan hakimiyetimi, Python tabanlı yapay zeka çalışmalarıyla birleştirerek; mobilin pratikliğini yapay zekanın vizyonuyla buluşturan "Akıllı Sistemler" tasarlıyorum.

TEKNİK YETKİNLİKLER

▹ Kotlin / Android
▹ Python / AI
▹ TensorFlow
▹ OpenCV
▹ C / System
▹ Git / Linux
▹ SQL / Room
▹ Data Analysis

Teknik Portfolyo

Mühendislik disipliniyle geliştirdiğim kod tabanları.

E-Commerce App (Bootcamp)

MVVM mimarisi, Room veritabanı ve Retrofit kullanılarak geliştirilmiş, ürün listeleme ve sepet yönetimi içeren kapsamlı mobil uygulama.

KotlinMVVMRetrofitRoom

Task Manager

Kullanıcı deneyimi odaklı, LiveData ile reaktif veri akışı sağlayan görev yönetim uygulaması.

Android SDKLiveDataCoroutines

Öne Çıkan Proje

Akademik literatüre katkı sağlayan, gerçek saha verileriyle geliştirilmiş Ar-Ge çalışması.

TÜBİTAK 2209-A

Batarya Ömür Analizi:
Derin Öğrenme Tabanlı Sistem

Bu proje, BYD Blade Batarya teknolojisine sahip araçlardan VDS2100 cihazı ile toplanan gerçek saha verilerini kullanır. LSTM ve GRU hibrit modelleriyle batarya sağlığı (SOH) ve kalan ömür (RUL) tahmini yapar.

RUL Tahmini
🔍
Erken Arıza Tespiti
Input
V, I, T Data
VDS2100
LSTM + GRU Layers
Hybrid Architecture
Output%94.2 SOH
Mobil Sosyal Medya

Snappy: Flutter & Firebase ile Video Akışı

Kullanıcıların kısa videolar paylaşabildiği, Firebase altyapısı ile anlık etkileşim (beğeni, yorum) sunan modern bir platform. GetX durum yönetimi ve MVC mimarisi ile geliştirilmiş ölçeklenebilir bir yapı.

Tech
Flutter & Dart
Backend
Cloud Firestore
Auth
Firebase Login
Data
Real-time Stream
@suleymancogaltay
Snappy ile anları yakala! #flutter #dev
Home
Search
+
Inbox
Profile
1.2k
💬
342

Notlar & Çıkarımlar

Öğrendiklerimi ve teknik notlarımı paylaştığım dijital bahçem.

Android2 Gün Önce

MVVM & Clean Architecture

ViewModel, Repository pattern ve UseCase katmanlarının doğru kullanımı üzerine kısa bir rehber.

#Kotlin#Arch
Deep Learning1 Hafta Önce

LSTM vs GRU: Hangisi?

Zaman serisi verilerinde (Time-Series) model seçimi yaparken dikkat edilmesi gerekenler.

#AI#Research
System2 Hafta Önce

Linux Process Management

Fork, Exec ve Wait sistem çağrılarının işletim sistemi çekirdeğindeki (kernel) karşılığı.

#C#OS