IEEE-CIS verileri üzerinde BigQuery, dbt, LightGBM ve FastAPI ile geliştirilen uçtan uca sahtekârlık analitiği platformu. Yönetici ve analist incelemesi için yayımlanan panoda zaman bazlı doğrulama esastır.
804,5 milyon satırlık piyasa verisini 16 GB belleğe sahip bir dizüstünde işleyen tahmin sistemi. Ana katkı, holdout ile genel sıralama sonuçları arasındaki farkı inceleyen doğrulama çalışmasıdır.
10.000 AI4I kaydıyla kestirimci bakım, sensör özellikleri, arıza riski puanlaması, DuckDB SQL ve bakım önceliklendirmesi; NASA C-MAPSS ile ayrı kalan ömür tahmini.
1.800 NEU-CLS görüntüsü üzerinde çelik kusuru sınıflandırması, model kıyaslaması, hata analizi ve insan inceleme kuyruğu; ölçülmüş embedding-RAG yardımcısı ve 3B dijital ikiz ile genişletilmiştir.
3.662 retina fotoğrafıyla diyabetik retinopati derecelendirme çalışması. Kamera etkileri, farklı popülasyonlarda genelleme ve etiket kalitesi ayrı ayrı sınanır.
Uygulamalı Veri BilimciBilgisayarlı Görü
Yayımlanmış kanıt
3,662 fundus görüntüsü; beş katlı topluluk QWK 0.9091
Enveda CASMI 2026 ve Playground S6E10 Kaggle yarışmalarına yönelik doğrulama odaklı modelleme. Genel sıralama sonuçları gürültülü bir örneklem olarak değerlendirilir.
Veri BilimciMakine Öğrenmesi
Yayımlanmış kanıt
CASMI 2026: genel 0.422, 8 Ekim 2026 görüntüsü: 2,797 takım içinde 353. sıra
Endüstriyel OT telemetrisi için açıklanabilir anomali sistemi. İstatistiksel algılayıcı karar verir, LLM yalnızca açıklar; BATADAL üzerinde çevrimdışı sınanır.
Yapay Zekâ MühendisiUygulamalı Yapay Zekâ
Yayımlanmış kanıt
BATADAL: 43 sinyal, 14 saldırı, tüm algılayıcılarda ortak yanlış alarm bütçesi
dbt/BigQuery veri katmanı, DuckDB CI, Power BI, DAX, Olist analizi, kohort/RFM SQL ve istatistiksel testleri birleştiren analitik mühendisliği ve BI çalışması.
Güvenilir veri hazırlama ve raporlama desteği isteyen iş zekâsı ve yazılım ajansları için kapsamı belirli, Python ve SQL uyumlu bir iş akışı. Bu, gerçek müşteri işi değil, herkese açık ve sentetik verili bir demonstrasyondur.
Excel/CSV Reporting Automation
Tekrarlanabilir iş akışı. Denetlenebilir çıktılar.
Tutarsız dosyaları temizleyip birleştirin, hatalı kayıtları ayırın, üzerinde anlaşılan KPI’ları hesaplayın ve doğrulama testleriyle yeniden kullanılabilir Python kodunu teslim alın. Canlı HTML paneli örnek çıktıyı gösterir.
Kaynak satırlarıyla mutabakat kontrolü başarılıdır. CI, Python 3.11 ve 3.12 üzerinde çalışır.
01
İçe aktar
İki örnek veri kaynağı: satış CSV dosyası ve müşteri Excel çalışma kitabı.
02
Doğrula
Geçersiz değerleri, çakışan siparişleri ve eşleşmeyen müşterileri belirle.
03
Mutabakat yap
Kabul edilen ve dışlanan kayıtların bütün kaynak satırlarını kapsadığını denetle.
04
Teslim et
Temiz verileri, kalite günlüklerini, KPI tablolarını ve bağımsız raporu dışa aktar.
Yayımlanan sayfa statik bir rapordur; müşteri dosyası yüklemesi kabul etmez. Kapsam, ücret, gizlilik ve teslim tarihleri anonimleştirilmiş örnek veriler değerlendirildikten sonra kararlaştırılır.