Veri Bilimci · Necromancer
Burak Suyunu
Makine öğrenmesi ve optimizasyon modellerini kuruyor; araştırma tarafından gelen yöntemleri sahaya taşıyor.
Lumtify’ın kurucu ortağı; şirketin ismini de o buldu. Akademi ile sektör arasında mekik dokuyor: Boğaziçi Üniversitesi’nde araştırma görevlisiydi, Trendyol’un veri bilimi ekibinde NLP tarafında çalıştı, şimdi de biyoinformatik alanında doktorasını sürdürüyor. Üç dünyayı da içeriden bildiği için sabah okuduğu bir makaleyi akşam koda dökebiliyor, hangi yöntemin hangi probleme yakışacağını da genelde daha baştan kestiriyor.
Bir modelin “çalışıyor” olması onu tatmin etmiyor; “en iyi hali bu mu?” sorusuna cevap bulana kadar deneyi bir kez daha kuruyor. Çimsa ve MMK optimizasyon projelerinde model geliştirme tarafında çalıştı. Takma adı Necromancer: kimsenin umut bağlamadığı veri setini, bir kenara bırakılmış modeli geri getirme işi genelde ona kalıyor.
Dahil olduğu projeler
Çimsa
Çimsa S&OP: global ağ optimizasyonundan yakıt satın alma kararına
Çimsa'nın 15 lokasyondaki üretim, lojistik ve satış ağını tek bir karma tamsayılı modele bağladık; ardından çıkan klinker üretim planını yakıt reçetesi ve satın alma kararına dönüştüren ikinci bir model kurduk.
- %10 ↓ Stok maliyeti
- %3 ↓ Üretim, depolama, dağıtım maliyeti
MMK
MMK: çelik sac üretiminde hat dengeleme ve sipariş–hammadde eşleştirme
Açık siparişleri doğru hammaddeyle eşleştiren, bunu yaparken üretim hatlarının kapasitesini ve ürün ağacının her aşamasını gözeten bir optimizasyon sistemi. Üç fazda kuruldu.
- 4.000+ Açık satış siparişi
- ~9 Sipariş başına hammadde adayı
Kuveyt Türk
Kuveyt Türk: Dijital Pazarlama ve Bireysel Müşteri Analitiği ekiplerine usta–çırak mentörlüğü
2023'te Dijital Pazarlama'nın analitik ekibiyle SQL, Power BI, Python ve makine öğrenmesi eğitimleriyle başladı. Ardından ekip kendi projelerini Lumtify mentörlüğünde kurdu: dijitallik puanı, hedef kitle yönetimi, churn neden analizi, arayüz kullanım analizi, ürün öneri ve churn tahmin modelleri. 2025'ten beri Bireysel Müşteri Analitiği ekibiyle harcama analitiği, lüks harcama skoru ve sonraki en iyi aksiyon önceliklendirmesi üzerinde çalışılıyor. Kodu ekip yazıyor; Lumtify yön gösterip yöntemi getiriyor ve çıktıyı denetliyor.
- Usta – çırak Model
- 8+ Dijital projeler
Kalekim
Kalekim: üç yılda MVP'den tahmin yönetim sistemine
İki ürün grubu için Excel'den beslenen bir makine öğrenmesi MVP'siyle başladık; ikinci yıl tüm ürünler için her ay yeniden eğitilen bir tahmin sürecine, üçüncü yıl planlamacının kendi çalıştırdığı Kalekimforecast uygulamasına dönüştü. Tahmin bugün Kalekim'in tedarik, üretim ve lojistik planlamasının girdisi.
- 2 grup → tümü Kapsam
- 3 Encoding yöntemi
Hayat Kimya
Hayat Kimya: e-ticaret siparişleri için Microsoft Fabric üzerinde haftalık tahmin
Pazaryeri ve e-ticaret siparişlerini, depo vardiya planının ihtiyaç duyduğu kırılımda haftalık tahmin eden ve veri ambarından rapora kadar tek bir Fabric pipeline'ı olarak çalışan sistem.
- Haftalık Tahmin ufku
- Tek pipeline Otomasyon
Türkiye Finans Katılım Bankası
Türkiye Finans: İK analitiği ekibine eğitim ve proje mentörlüğü
2024'te katılım bankasının İK Analitiği ekibiyle haftada bir gün çalıştık: önce Python ve makine öğrenmesi eğitimi, ardından ekibin kendi projelerinde mentörlük. İşe alım değerlendirme envanterinin performans ve tutundurmayla ilişkisi iş grubu bazında analiz edildi; çalışan kaybı tahmini için literatür taraması ve model tasarımı yapıldı. Ekip öğrendiği yöntemi hemen kurumun kendi verisine uyguladı.
- Haftada 1 gün Format
- Python · ML Eğitim
Kale Seramik
Kale Seramik: devam etmediğimiz talep tahmini PoC'si
Kalekim'le aynı yol haritasıyla başlayan bir MVP: iki ürün fonksiyonu, 34 metot, üç encoding yöntemi. Sonuç hedefin altında kaldı ve ikinci faza geçilmedi. Bu sayfa neyin işe yaramadığını ve nedenini anlatıyor.
- 141 DFU
- 200+ Ürün özelliği
Türkiye Bankalar Birliği
TBB: bankacılar için veri bilimi eğitimi
Türkiye Bankalar Birliği'nin eğitim programı kapsamında, işinde veri kullanan banka çalışanları için 62 saatlik, 21 günlük 'Veri Analitiği Yolculuğu' programı: veri bilimine giriş, SQL, Python, istatistik ve EDA, görselleştirme, makine öğrenmesi, sektör vakaları. Oturumlar akşamları yapıldı, her modülün ödevi vardı, uygulamalar Colab'da yürüdü. TBB her modülü katılımcı anketiyle 10 üzerinden puanladı; ortalama 9'un üzerinde çıktı.
- 62 saat Süre
- 9+ / 10 Değerlendirme