Merve Acar，美国加利福尼亚州圣克拉拉市的开发人员
Merve is available for hire
Hire Merve

Merve Acar

Verified Expert  in Engineering

数据科学家和软件开发人员

Location
圣克拉拉，加州，美国
至今成员总数
March 11, 2019

Merve是一位经验丰富的机器学习工程师，他喜欢揭示数据的故事并构建预测模型，并具有设计和实现提取管道的良好记录, validating, cleaning, transforming, 建模数据. 她热衷于解决现实世界中的行业问题，并渴望接受新的挑战和机遇.

机器学习Data Cleaning探索性数据分析Web Scraping人工智能(AI)SQLPythonScikit-learnPandasMicrosoft Power BIStatistics软件工程Data AnalyticsData MiningDeep LearningSeabornMatplotlib情绪分析HaskellRapidMinerPlotly

Portfolio

Trust & 安全实验室
Python, SQL, 亚马逊网络服务(AWS)， Amazon EC2, Amazon S3 (AWS S3)...
土耳其航空航天工业
计算机视觉，数据挖掘，数据科学，深度学习，Git, Jira, Python...
维达斯大宗商品
Slack, Jira, Git, Plotly, Selenium, RapidMiner, Keras, PyTorch...

Experience

MySQL - 7 yearsPython - 6 years机器学习- 5年数据挖掘- 5年数据科学- 5年PyTorch - 4年深度学习- 4年表- 2年

Availability

Full-time

首选的环境

Git, PyCharm, Jupyter Notebook, Linux, Windows, Amazon EC2, Jira, Slack

The most amazing...

...我开发的自动化机器学习工具利用元学习的能力来选择最优算法及其参数, 适应任何任务.

Work Experience

Data Analyst

2023 - PRESENT
Trust & 安全实验室
  • 自动收集从多个事实核查网站传播错误信息的社交媒体账户.
  • 利用hug Face的CLIP模型进行零射击学习，检测图像中的有害内容.
  • 执行分析可视化不良行为者和他们的朋友的朋友网络图.
  • 将客户需求转换为Tableau中的交互式仪表板.
技术:Python, SQL, 亚马逊网络服务(AWS)， Amazon EC2, Amazon S3 (AWS S3), Protobuf, Okta, Twitter API, Beautiful Soup, NetworkX, Gephi, Snowflake, OpenAI GPT-3 API, Tableau, Bazel, Databases, Data Cleaning

Data Scientist

2019 - 2022
土耳其航空航天工业
  • 开发了一个基于仪表板的监控系统，利用IP摄像机记录改善工厂的工作流程. 应用视频和图像处理算法使用OpenCV库与目标检测和目标跟踪算法.
  • 建立一个基于lstm的模型来识别人们的行为并改进工厂的工作流程.
  • 使用ARIMA和LSTM算法开发了一个预测性维护模型，该模型使用飞机部件的时间序列数据来洞察飞机部件的故障. 应用数据操作、分析和可视化.
Technologies: 计算机视觉，数据挖掘，数据科学，深度学习，Git, Jira, Python, 对象检测, Object Tracking, 时间序列分析, MySQL, PostgreSQL, PyTorch, 长短期记忆(LSTM), Bash Script, Keras, PyCharm, Windows, Jupyter Notebook, Neural Networks, Scikit-learn, Matplotlib, Visualization, Seaborn, SQL, 数据可视化, 软件工程, 卷积神经网络(CNN), Data Analysis, 机器学习, Python, Pandas, Data Modeling, Data Processing, 监督式机器学习, Regression, Classification, CSV, Reports, Data Scientist, OpenCV, 你只看一次(YOLO), Data Cleaning

机器学习工程师

2016 - 2019
维达斯大宗商品
  • 使用Selenium参与了几个数据抓取项目, API calls, 请求库, and more.
  • 在Microsoft Power BI上创建报告以实现数据可视化.
  • 使用Python和Keras实现多层感知器模型来预测未来几天英国的天然气需求.
  • 部署LSTM模型，预测土耳其未来几天的电价.
  • 实现了一个scraper来获取和操作GFS天气数据，以用作模型训练的源.
  • 研究了深度学习方法，以提高当前工作模型对时间序列数据的性能.
  • 实施了一个异常值检测项目，该项目由基于概率和聚类的算法以及自动编码器方法组成，用于检测与英国天然气需求相关的极端天数.
技术:松弛, Jira, Git, Plotly, Selenium, RapidMiner, Keras, PyTorch, Microsoft Power BI, MySQL, Python, 亚马逊网络服务(AWS), Amazon S3 (AWS S3), Amazon EC2, 长短期记忆(LSTM), XGBoost, 数据可视化, Data Scraping, 时间序列分析, PyCharm, Windows, Neural Networks, Scikit-learn, Matplotlib, Slack API, Seaborn, SQL, Amazon RDS, Data Mining, 卷积神经网络(CNN), Data Analysis, 机器学习, 预测建模, Pandas, Data Modeling, Data Processing, Web Scraping, 监督式机器学习, Regression, Classification, Decision Trees, APIs, 统计分析, 探索性数据分析, Databases, Data Cleaning

机器学习工程师

2016 - 2017
Independent Work
  • 实现的数据预处理, data imputation, 特征提取, 以及使用Scala的Vitriol项目的模型创建模块.
  • 研究并测试了一种元学习策略，用于使用Scala和Spark为给定问题预测具有最佳参数的最佳模型.
  • 使用Python实现了一个解析器来处理来自不同来源的非结构化数据.
  • 使用Apache Spark框架和Scala处理大数据.
技术:Git, PostgreSQL, Spark, Scala, Python, Python 3, Data Science, Spark ML, Matplotlib, Visualization, Seaborn, Data Mining, Data Analysis, 机器学习, 预测建模, Data Modeling, Data Processing, 监督式机器学习, Regression, Classification, Decision Trees, 决策建模, Data Cleaning

软件开发人员

2015 - 2015
C3S命令控制 & 控制论系统
  • 开发连接器可靠性测试软件，控制Linux平台上PCI卡与连接器之间的连接.
  • 开发软件，计算员工在办公室花费的时间.
  • 编写SQL数据库查询，分析员工的工作日程.
技术:MySQL, Python, c++， Linux, PostgreSQL, SQL

软件测试开发人员

2014 - 2014
Taleworlds娱乐
  • 为Mount开发了自动化测试&Blade: Bannerlord II项目.
  • 每天监控测试结果并报告在预发布软件中发现的错误.
  • 执行单元测试和集成测试，以确定游戏场景是否正常工作.
  • 在敏捷环境中与多个团队一起工作.
技术:Git, c++

软件开发人员

2014 - 2014
TUBITAK |土耳其科学技术研究委员会
  • 为Pardus开发了一个家长控制工具, 一个由土耳其政府支持的Linux发行版.
  • 实现了内容过滤、使用控制和监视模块.
  • 获得了开源开发和安全领域的经验.
技术:PyQt, Bash, Python, Linux, Bash Script

Vitriol

http://senior.ceng.metu.edu.tr/2016/mallorn/
这是一个自动化的机器学习工具，它使用机器学习和数据挖掘技术来预处理数据，并为给定的问题自动选择机器学习模型.

我使用元学习策略来选择最合适的算法及其参数. 本项目采用Spark和Scala编程语言实现大数据处理.

天然气需求预测

该项目旨在利用几种技术预测英国的天然气需求, 比如特征工程和数据增强.

首先，我实现了一个极端天气检测模块，将数据标记为极端或非极端. 过采样方法有助于增强极端天气，因为它们只占数据的一小部分. 我还使用多层感知器(MLP)和线性回归模型实现了一个动态加权集成模型，以考虑线性和非线性趋势.

股价预测

该项目的目标是预测法兰克福证券交易所的股票价格, 包括宝马和戴姆勒. 我在PyTorch中构建了RNN, GRU和LSTM模型，因为它是一个时间序列问题.

图像去噪

In this project, 我主要实现各种生成网络, 以及它们的组成部分来执行无监督学习，用于生成新的数据样本(图像)和, 图像去噪.

PriceTag

这个项目的目的是利用图片预测几个领域产品的市场价格和相应的市场价值. 我用Python和Keras训练了一个卷积神经网络来预测给定产品的价格.

Pardus Gozcu

这是一个包含内容过滤的家长控制工具, 使用时间控制, 使用管理(允许/阻止一组软件类型), 和监控，以观察和报告用户活动. 它是一个为Pardus开发的开源项目, Linux发行版, using PyQt, Python, and Bash.

Languages

Python, SQL, Python 3, Bash, Scala, c++， Haskell, Bash Script, R, XML, Snowflake

Libraries/APIs

Matplotlib, Scikit-learn, Pandas, PyTorch, Keras, Slack API, XGBoost, OpenCV, 自然语言工具包(NLTK), Spark ML, PyQt, Beautiful Soup, TensorFlow, Protobuf, Twitter API, NetworkX

Tools

Microsoft Power BI, PyCharm, Slack, Git, Seaborn, Plotly, Tableau, Jira, Bazel, 你只看一次(YOLO)

Paradigms

Data Science

Other

机器学习, 预测建模, Data Processing, Web Scraping, 谷歌合作实验室(Colab), Regression, Classification, Decision Trees, 人工智能(AI), CSV, 探索性数据分析, Data Cleaning, Computer Vision, Metric Learning, Time Series, Data Mining, Visualization, Deep Learning, Statistics, 对象检测, Object Tracking, 时间序列分析, 数据可视化, 软件工程, 卷积神经网络(CNN), Image Analysis, Neural Networks, Data Structures, Data Analysis, Data Modeling, 版本控制系统, Models, Modeling, Communication, Data Analytics, APIs, Data, 无监督学习, 监督式机器学习, 决策建模, 数据驱动的决策, 工程数据, Dashboards, Reports, Data Scientist, 统计分析, Remote Sensing, 自然语言处理(NLP), Cloud Services, Design, 机器学习自动化, 门控循环单元(GRU), 生成对抗网络(GANs), 长短期记忆(LSTM), Data Scraping, 特性分析, Amazon RDS, 情绪分析, GPT, 生成预训练变压器(GPT), Okta, OpenAI GPT-3 API

Frameworks

Selenium, Spark

Platforms

Windows, Linux, Jupyter Notebook, RapidMiner, Amazon EC2, 亚马逊网络服务(AWS), Gephi, AWS Lambda

Storage

PostgreSQL, MySQL，数据管道，数据库，Amazon S3 (AWS S3)， JSON

2017 - 2020

计算机工程硕士学位

伊斯坦布尔技术大学-伊斯坦布尔，土耳其

2012 - 2016

计算机工程学士学位

中东技术大学-安卡拉，土耳其

2023年2月至今

使用Python访问Web数据

Coursera

2022年10月至今

构建机器学习项目

Coursera

2022年9月至今

卷积神经网络

Coursera

2019年9月至今

实用时间序列分析

Coursera

2019年9月至今

可视化的基础与Tableau

Coursera

2019年8月至今

谷歌云平台大数据和机器学习基础

Coursera

2018年9月至今

神经网络和深度学习

Coursera

2016年11月至今

机器学习基础:案例研究方法

Coursera

有效的合作

如何使用Toptal

在数小时内，而不是数周或数月，我们的网络将为您直接匹配全球行业专家.

1

Share your needs

在与Toptal领域专家的电话中讨论您的需求并细化您的范围.
2

选择你的才能

在24小时内获得专业匹配人才的简短列表，以进行审查，面试和选择.
3

开始你的无风险人才试验

与你选择的人才一起工作，试用最多两周. 只有当你决定雇佣他们时才付钱.

对顶尖人才的需求很大.

Start hiring