İlk ders ücretsiz
Ibrahim profili ve iletişim bilgileri uzmanlarımız tarafından doğrulanmıştır.
Ibrahim
- Ücret 1250₺
- Cevaplama 2 saat
-
Öğrenci1
Ibrahim Superprof'a katıldığı günden itibaren ders verdiği öğrenci sayısı
Ibrahim Superprof'a katıldığı günden itibaren ders verdiği öğrenci sayısı
1250₺/saat
Ders talep et
İlk ders ücretsiz
- Yazılım mühendisliği
Tallinn University of Technology mezunu yazılım geliştirme uzmanından Endüstriyel Görüntü İşleme ve Kalite Kontrol Eğitimi
- Yazılım mühendisliği
Ders mekanı
Ibrahim ile ilgili bilgiler
2009 yılında Tallinn University of Technology'den aldığım yazılım mühendisliği formasyonuyla, 10 yılı aşkın süredir yazılım sektörünün merkezinde yer alıyorum.
2009 yılından bu yana görüntü işleme, yapay zekâ ve gerçek zamanlı video analizi alanlarında çalışan bir görüntü işleme mühendisi olarak kariyerimi özellikle AI tabanlı EDGE sistemler, çoklu kamera mimarileri ve yüksek performanslı gerçek zamanlı analiz altyapıları üzerine inşa ettim. Kariyerim boyunca güvenlik teknolojileri, endüstriyel otomasyon, tıbbi görüntüleme, tarım teknolojileri ve savunma sanayi gibi farklı alanlarda yapay zekâ destekli görüntü işleme sistemleri geliştirdim. Çalışmalarımın temel odağı yalnızca model geliştirmek değil; aynı zamanda bu modellerin sahada stabil, ölçeklenebilir, düşük gecikmeli ve düşük donanım kaynaklarıyla verimli şekilde çalışmasını sağlayan uçtan uca sistem mimarileri tasarlamak oldu.
Teknik olarak uzmanlık alanım büyük ölçüde Python ekosistemi etrafında şekillendi. Özellikle Python tabanlı gerçek zamanlı görüntü işleme sistemleri, AI inference altyapıları, GPU hızlandırmalı video analiz pipeline’ları ve edge AI çözümleri geliştirmekteyim. Kariyerim boyunca yoğun olarak Python kullandım ve bu süreçte OpenCV, NumPy, SciPy, Pandas, PyTorch, TensorFlow, ONNX Runtime, TensorRT Python API, CuPy ve scikit-learn gibi kütüphanelerle çalıştım. Gerçek zamanlı video akışı yönetimi için GStreamer Python binding’leri, FFmpeg entegrasyonları ve DeepStream SDK altyapıları üzerinde uzun yıllardır geliştirme yapıyorum. Özellikle çoklu kamera sistemlerinde frame senkronizasyonu, GPU memory yönetimi, düşük gecikmeli inference pipeline’ları ve paralel veri işleme mimarileri üzerine yoğun şekilde çalıştım.
Yapay zekâ modellerinin yalnızca laboratuvar ortamında değil, gerçek saha koşullarında çalıştırılması benim uzmanlık alanlarımın en önemli parçalarından biri oldu. Bu nedenle özellikle NVIDIA Jetson platformları üzerinde edge AI sistemleri geliştirdim. Jetson Nano, Xavier ve Orin tabanlı cihazlarda TensorRT optimizasyonları, CUDA hızlandırmalı inference yapıları, ONNX model dönüşümleri ve GPU tabanlı video işleme pipeline’ları üzerine çalıştım. Gerçek zamanlı çalışan çoklu kamera sistemlerinde CPU/GPU yük dengelemesi, inference batching, memory pooling ve düşük latency optimizasyonları gerçekleştirdim. Bu süreçte Docker, Kubernetes ve edge-cloud hibrit mimarilerle dağıtık sistem tasarımları da geliştirdim.
Kariyerimin ilk yıllarında klasik bilgisayarlı görü algoritmaları üzerine yoğunlaştım. OpenCV tabanlı hareket algılama sistemleri, arka plan çıkarma algoritmaları, kontur analizi, optik akış, nesne takibi ve bölgesel ihlal analizleri geliştirerek güvenlik odaklı görüntü işleme sistemleri ürettim. Özellikle düşük çözünürlüklü IP kameralar üzerinde çalışan gerçek zamanlı güvenlik analiz sistemleri, trafik yoğunluğu ölçüm altyapıları ve araç sayma sistemleri geliştirdim. Bu projelerde performans optimizasyonu kritik olduğu için düşük donanımlı cihazlarda çalışan yüksek verimli algoritmalar tasarlamaya odaklandım.
2013 sonrasında yüz tanıma, kimlik doğrulama ve gerçek zamanlı insan analizi sistemleri üzerine çalışmaya başladım. OpenCV Haar Cascade altyapılarıyla başlayan süreç daha sonra derin öğrenme tabanlı yüz analizi sistemlerine dönüştü. Kamera görüntülerinden gerçek zamanlı kişi tespiti, personel doğrulama, davranış analizi ve güvenlik doğrulama sistemleri geliştirdim. Bu süreçte embedding tabanlı yüz tanıma sistemleri, feature extraction altyapıları ve GPU hızlandırmalı inference çözümleri üzerine yoğunlaştım.
Endüstriyel görüntü işleme alanında üretim hatlarında çalışan kalite kontrol sistemleri geliştirdim. Kamera görüntüleri üzerinden yüzey kusuru analizi, hizalama kontrolü, eksik parça tespiti, renk doğrulama ve ölçüsel kalite kontrol sistemleri tasarladım. Bu projelerde klasik görüntü işleme yöntemlerinin yanında CNN tabanlı anomaly detection ve segmentasyon modelleri de kullandım. Endüstriyel kamera sistemleriyle entegre çalışan gerçek zamanlı kontrol altyapıları geliştirirken Python ile birlikte OpenCV, NumPy ve CUDA hızlandırmalı görüntü işleme tekniklerinden yoğun şekilde yararlandım.
Savunma ve saha izleme teknolojileri alanında drone ve uydu görüntülerinden nesne takibi, segmentasyon ve çevresel değişim analizi sistemleri geliştirdim. Büyük boyutlu görüntüler üzerinde çalışan CNN tabanlı segmentasyon modelleriyle tarımsal alan sınıflandırması, değişim tespiti ve hedef analizi çalışmaları gerçekleştirdim. Uydu görüntülerinin işlenmesi sırasında yüksek boyutlu veri yönetimi, tile-based segmentation ve distributed inference mimarileri üzerine çalıştım.
Gerçek zamanlı PTZ kamera takip sistemleri kariyerimde önemli bir uzmanlık alanına dönüştü. Hareketli kameralar üzerinde çalışan nesne takip sistemleri geliştirerek insan ve araçların otonom biçimde izlenmesini sağlayan altyapılar oluşturdum. Bu sistemlerde hedef kaybı sonrası yeniden yakalama mekanizmaları, hareket tahmin algoritmaları, otomatik kamera yönlendirme sistemleri ve alarm üretim altyapıları geliştirdim. Özellikle düşük gecikmeli tracking pipeline’ları, asynchronous processing yapıları ve GPU hızlandırmalı video analiz mimarileri üzerinde yoğunlaştım.
Tıbbi görüntüleme alanında MRI, CT ve X-Ray görüntüleri üzerinde çalışan AI destekli analiz sistemleri geliştirdim. Segmentasyon, sınıflandırma ve anomali tespiti modelleriyle tümör, kırık ve yapısal bozuklukların otomatik analizine yönelik projeler yürüttüm. Medikal görüntü işleme süreçlerinde özellikle PyTorch tabanlı derin öğrenme modelleri, DICOM veri işleme, GPU hızlandırmalı inference sistemleri ve hacimsel görüntü analizi üzerine çalıştım. Ayrıca cerrahi planlama için 3D görselleştirme ve volumetrik analiz sistemleri geliştirdim.
Tarım teknolojileri alanında geliştirdiğim Smart Vesna sistemi ile kamera görüntülerinden bitki gelişimi, yaprak sağlığı, stres analizi ve çevresel değişim tespiti yapan AI destekli analiz altyapıları geliştirdim. Sensör verileri ile görüntü işleme sistemlerini birleştiren hibrit mimariler kurarak gerçek zamanlı tarımsal analiz çözümleri oluşturdum. Bu sistemlerde görüntü segmentasyonu, renk analizi, bitki büyüme takibi ve zaman serisi veri analizi üzerine çalıştım.
Kurucu ortağı olduğum IBBTech Industrial Control Engineering bünyesinde geliştirdiğimiz IBBVision DLN-64 platformu ile gerçek zamanlı çoklu kamera analizi yapan kurumsal video analiz sistemleri geliştiriyorum. Bu platformda nesne tespiti, insan ve araç takibi, bölge ihlali analizi, iş güvenliği kontrolleri, geçmiş görüntüler üzerinde akıllı arama ve otonom alarm üretim sistemleri üzerine çalışıyorum. Özellikle TensorRT optimizasyonları, DeepStream tabanlı video pipeline’ları, GStreamer mimarileri ve ONNX Runtime hızlandırmaları kullanarak düşük gecikmeli yüksek performanslı edge AI sistemleri geliştiriyorum.
Teknik yaklaşımımda her zaman performans, stabilite ve sürdürülebilirlik öncelikli oldu. Bu nedenle geliştirdiğim sistemlerde yalnızca AI modeli doğruluğuna değil; memory yönetimi, GPU kaynak optimizasyonu, thread mimarileri, veri akış kontrolü, hata toleransı ve saha stabilitesi gibi mühendislik detaylarına da yoğun şekilde odaklandım. Gerçek zamanlı çalışan sistemlerde performans darboğazlarının analiz edilmesi, inference sürelerinin optimize edilmesi ve edge cihazlarda maksimum verim alınması konularında uzun yıllara dayanan saha deneyimine sahibim.
İbrahim ÖZTÜRK Yazılım Geliştirme Uzmanı ve Danışmanı
daha fazla gör
Dersle ilgili bilgiler
- Tüm seviyeler
- Türkçe
Dersin işlenebildiği tüm diller :
Türkçe
Bu eğitim, Python ile temel görüntü işleme öğrenmek için hazırlanmış klasik bir kurs değildir. Programın amacı; gerçek üretim hatlarında çalışan, kamera tabanlı endüstriyel görsel kalite kontrol sistemleri geliştirebilen uzmanlar yetiştirmektir. Eğitim boyunca akademik örnekler veya hazır veri setleri yerine; gerçek endüstriyel kameralar, canlı üretim görüntüleri ve fabrikalarda karşılaşılan kalite kontrol senaryoları üzerinden çalışılır. Bu nedenle eğitim, yalnızca teknik bilgi aktaran bir içerik değil; doğrudan sahaya yönelik profesyonel bir uzmanlaşma süreci olarak tasarlanmıştır.
Eğitimi başarıyla tamamladığınızda Python tabanlı gerçek zamanlı endüstriyel görüntü işleme sistemleri geliştirebilen bir uzman seviyesine ulaşırsınız. Kamera ile ürün görüntüsü alabilen, üretim hattındaki parçaları analiz edebilen, hata ve kusur tespiti yapabilen, ölçüm gerçekleştirebilen, renk ve şekil kontrolleri uygulayabilen ve sistemi uçtan uca çalıştırabilen bir yetkinlik kazanırsınız. Bu noktada artık yalnızca “Python biliyorum” diyen biri değil; belirli bir kalite kontrol problemini hangi yöntemle çözdüğünü teknik olarak açıklayabilen bir profile sahip olursunuz.
Bu eğitim; Python bilgisi olup bunu gerçek endüstriyel projelere dönüştürememiş geliştiriciler, görüntü işleme alanında uzmanlaşmak isteyen yazılım profesyonelleri, fabrika otomasyonu ve akıllı kalite kontrol sistemleri geliştirmek isteyen mühendisler ve kendi ticari görüntü işleme çözümlerini üretmeyi hedefleyen kişiler için tasarlanmıştır.
Eğitim tamamen birebir ve kişiye özel olarak yürütülür. Toplam eğitim süresi 140 saattir ve program 8 aya yayılır. Dersler haftada iki gün, toplam dört saat olacak şekilde planlanır. Her ders 40 dakika sürer ve Zoom üzerinden birebir olarak gerçekleştirilir. Eğitim süreci katılımcının teknik seviyesi, öğrenme hızı ve hedef sektörüne göre şekillendirilir.
Programın ilk aşamasında endüstriyel görüntü işleme için gerekli profesyonel geliştirme ortamı kurulur. Kamera haberleşme yapıları, proje mimarisi, modüler kod geliştirme, hata ayıklama ve performans optimizasyonu süreçleri ele alınır. Amaç yalnızca çalışan kod yazmak değil; sürdürülebilir, geliştirilebilir ve sahada çalışabilecek sistemler tasarlayabilen bir bakış açısı kazandırmaktır.
Devamında görüntü işlemenin temel prensipleri ele alınır. Görüntünün veri olarak nasıl işlendiği, piksel yapıları, renk kanalları, görüntü formatları, OpenCV kullanımı ve endüstriyel kamera akışları detaylı şekilde işlenir. Bu aşamada görüntü işleme mantığı ezberle değil; sistematik analiz yaklaşımıyla öğretilir.
Görüntü analizi bölümünde filtreleme, gürültü azaltma, kenar ve kontur tespiti, histogram analizi, renk uzayları ve morfolojik işlemler üzerinde durulur. Amaç; üretim hattındaki ürünleri doğru şekilde analiz edebilmek, yanlış tespitleri azaltmak ve kararlı kalite kontrol sonuçları üretebilmektir.
Segmentasyon ve bölge analizi aşamasında ürün ayrıştırma, kusur tespiti, eksik parça kontrolü, renk doğrulama, etiket kontrolü, yüzey hatası analizi ve ölçüsel kontroller gibi gerçek endüstriyel senaryolar ele alınır. Eğitim boyunca teorik örneklerden çok, fabrikalarda karşılaşılan gerçek problemler üzerinden ilerlenir.
Eğitimin en kritik bölümlerinden biri gerçek zamanlı endüstriyel kamera sistemleridir. Bu aşamada GigE, USB ve RTSP tabanlı kamera sistemleriyle canlı görüntü alınır, üretim hattından gelen görüntüler anlık olarak analiz edilir ve performans, gecikme yönetimi ile sistem kararlılığı konuları işlenir. Eğitim bu noktadan itibaren tamamen gerçek dünya uygulamalarına dönüşür.
Makine öğrenmesi ve derin öğrenme entegrasyonu bölümünde kusur sınıflandırma, ürün tanıma ve yapay zeka destekli kalite kontrol sistemleri ele alınır. CNN mimarileri, TensorFlow ve YOLO tabanlı nesne tespit sistemleri üzerinde çalışılır. Bu bölümde amaç; her probleme yapay zeka eklemek değil, hangi senaryoda klasik görüntü işlemenin, hangi senaryoda yapay zekanın doğru çözüm olduğunu teknik olarak değerlendirebilmektir.
Eğitimin son aşamasında uçtan uca gerçek bir endüstriyel kalite kontrol projesi geliştirilir. Gerçek bir problem belirlenir, sistem mimarisi oluşturulur, kamera entegrasyonu yapılır, analiz algoritmaları geliştirilir ve çalışan bir demo sistemi ortaya çıkarılır. Eğitim yalnızca içerik tamamlandığında değil; sahada çalışabilecek bir sistem geliştirildiğinde tamamlanmış kabul edilir.
Bu programda mezuniyet, video izlemek veya test çözmekle sağlanmaz. Mezuniyet kriteri; gerçek bir endüstriyel görüntü işleme veya kalite kontrol problemini baştan sona çalışan şekilde çözebilmektir. Eğitimi başarıyla tamamlayan katılımcılara IBBTech onaylı sertifika verilir; ancak programın asıl değeri, geliştirilen sistemler ve kazanılan profesyonel yetkinliktir.
Eğitim, Tallinn University of Technology mezunu, 10 yılı aşkın süredir Python ile büyük ölçekli yazılım ve görüntü işleme projeleri geliştiren, endüstriyel otomasyon, yapay zeka ve kamera tabanlı analiz sistemleri üzerine çalışan bir yazılım geliştirme uzmanı tarafından birebir olarak verilmektedir.
Eğer amacınız yalnızca Python öğrenmekse bu eğitim sizin için fazla kapsamlı olabilir. Ancak Python ile gerçek üretim hatlarında çalışan, canlı kamera verisiyle analiz yapan, endüstriyel kalite kontrol süreçlerini otomatikleştiren ve somut problemler çözen sistemler geliştirmek istiyorsanız, bu program tam olarak bunun için tasarlanmıştır.
daha fazla gör
Ücretler
Ücret
- 1250₺
Paket fiyatları
- 5 saat: 6250₺
- 10 saat: 12500₺
Online
- 1250₺/saat
ücretsiz dersler
Ibrahim ile yapacağınız bu ücretsiz ilk ders, birbirinizi tanımanıza ve sonraki dersleriniz için ihtiyaçlarınızı belirtmenize olanak sağlayacaktır.
- 1sa
Benzer Yazılım mühendisliği öğretmenleri
Erhan
İstanbul & Online
- 600₺/saat
- İlk ders ücretsiz
Aziz
İstanbul & Online
- 750₺/saat
- İlk ders ücretsiz
Meric
İstanbul & Online
- 750₺/saat
- İlk ders ücretsiz
Rabia
İstanbul & Online
- 850₺/saat
- İlk ders ücretsiz
Barbaros
İstanbul & Online
- 250₺/saat
- İlk ders ücretsiz
Vedat
İstanbul & Online
- 600₺/saat
- İlk ders ücretsiz
Burak
İstanbul & Online
- 1000₺/saat
- İlk ders ücretsiz
Salim
& Online
- 2400₺/saat
Sedat
& Online
- 1000₺/saat
- İlk ders ücretsiz
Çağrı
& Online
- 1000₺/saat
- İlk ders ücretsiz
Adem
& Online
- 750₺/saat
- İlk ders ücretsiz
Egemen
& Online
- 150₺/saat
- İlk ders ücretsiz
Hakan
& Online
- 250₺/saat
- İlk ders ücretsiz
Erdi
& Online
- 1500₺/saat
- İlk ders ücretsiz
Berkay Şahin
Güngören & Online
- 250₺/saat
- İlk ders ücretsiz
Batuhan
& Online
- 1000₺/saat
- İlk ders ücretsiz
Bilal
& Online
- 1000₺/saat
- İlk ders ücretsiz
Emre
Bahçelievler & Online
- 500₺/saat
- İlk ders ücretsiz
Hakan
& Online
- 500₺/saat
- İlk ders ücretsiz
Etem
& Online
- 1500₺/saat
-
Yazılım mühendisliği öğretmenlerini gör
