Özgeçmiş

HAKKIMDA

Dr. Ozan Önal; yapay zekâ, veri bilimi, makine öğrenmesi, açıklanabilir yapay zekâ, güvenilir yapay zekâ ve yapay zekâ sistemlerinin değerlendirilmesi alanlarında çalışan uzman, araştırmacı ve denetçidir.

Profesyonel çalışmalarını yapay zekâ sistemlerinin güvenilirliği, veri yönetişimi, risk yönetimi, model değerlendirme, standardizasyon ve uygunluk değerlendirmesi ekseninde sürdürmektedir.

Akademik araştırmalarında ise makine öğrenmesi ve açıklanabilir yapay zekâ yöntemlerini bilimsel problemlerin çözümünde kullanmakta; veri odaklı modelleme, tahmin, doğrulama ve yorumlanabilirlik konularına odaklanmaktadır.

UZMANLIK ALANLARI

• Yapay Zekâ
• Makine Öğrenmesi
• Veri Bilimi
• Derin Öğrenme
• Açıklanabilir Yapay Zekâ (XAI)
• Büyük Dil Modelleri (LLM)
• Retrieval-Augmented Generation (RAG)
• Görüntü İşleme ve Bilgisayarlı Görü
• Güvenilir ve Sorumlu Yapay Zekâ
• Yapay Zekâ Risk Yönetimi
• Veri Yönetişimi
• Model Doğrulama ve Değerlendirme
• Yapay Zekâ Yönetişimi
• Yapay Zekâ Standardizasyonu
• İstatistiksel Model Değerlendirme
• Biyometrik Yapay Zekâ Sistemleri

Yapay zekâ ve veri bilimi alanlarında teknik, yönetsel ve standardizasyon odaklı çalışmalar yürütmektedir.

Başlıca çalışma alanları:

• Yapay zekâ sistemlerinin teknik değerlendirilmesi
• Güvenilir ve sorumlu yapay zekâ
• Yapay zekâ risklerinin değerlendirilmesi
• Veri yönetişimi
• Model ve veri dokümantasyonu
• İnsan gözetimi
• Yapay zekâ sistemlerinin doğrulanması
• Makine öğrenmesi ve veri analitiği
• Yapay zekâ standartlarının incelenmesi ve uygulanması
• Yapay zekâ odaklı teknik kılavuz ve değerlendirme çalışmalarının hazırlanması

GÜVENİLİR VE SORUMLU YAPAY ZEKÂ

Çalışmalarının önemli bir bölümünü yapay zekâ sistemlerinin yalnızca performans açısından değil; güvenilirlik, açıklanabilirlik, veri kalitesi, risk, insan gözetimi ve yönetişim açısından da değerlendirilmesi oluşturmaktadır.

Bu kapsamda;

• Güvenilir Yapay Zekâ
• Sorumlu Yapay Zekâ
• Veri Yönetişimi
• Yapay Zekâ Risk Yönetimi
• İnsan Gözetimi
• Model Dokümantasyonu
• Veri Kalitesi
• Yapay Zekâ Sistemlerinin Değerlendirilmesi

konularında çalışmalar yürütmektedir.

YAPAY ZEKÂ VE STANDARDİZASYON

Ulusal ve uluslararası yapay zekâ standardizasyon çalışmalarını takip etmekte ve yapay zekâ sistemlerinin değerlendirilmesine yönelik teknik çalışmalarda görev almaktadır.

Yapay zekâ sistemlerinin güvenilir, ölçülebilir ve değerlendirilebilir hale getirilmesine yönelik standart, kılavuz ve teknik dokümantasyon çalışmalarına katkı sağlamaktadır.

Çalışmaları özellikle yapay zekâ sistemlerinin;

• yaşam döngüsü,
• veri yönetimi,
• model geliştirme,
• risk analizi,
• performans değerlendirmesi,
• açıklanabilirlik,
• insan gözetimi
• ve teknik dokümantasyon

boyutları üzerinde yoğunlaşmaktadır.

ARAŞTIRMA VE MAKİNE ÖĞRENMESİ ÇALIŞMALARI

Doktora araştırmasında LLZO tabanlı katı elektrolitlerin iyonik iletkenliğinin makine öğrenmesi ve açıklanabilir yapay zekâ yöntemleri kullanılarak tahmin edilmesi ve analiz edilmesi üzerine çalışmıştır.

Bu kapsamda;

• Regresyon modelleri
• Random Forest
• Gradient Boosting
• XGBoost
• Support Vector Regression
• Ensemble yöntemleri
• Sentetik veri üretimi
• Model performans analizi
• SHAP tabanlı açıklanabilir yapay zekâ

yaklaşımları kullanılmıştır.

Çalışmalarda yalnızca tahmin doğruluğuna değil, model davranışının anlaşılmasına ve değişkenlerin tahminler üzerindeki etkilerinin açıklanmasına da odaklanılmaktadır.

YAPAY ZEKÂ SİSTEMLERİNİN DOĞRULANMASI

Araştırma alanlarından biri de yüksek güvenilirlik gerektiren yapay zekâ sistemlerinin istatistiksel ve teknik olarak doğrulanmasıdır.

Özellikle biyometrik sistemler, yüz karşılaştırma sistemleri ve çok düşük hata oranlarının doğrulanması gibi konularda istatistiksel değerlendirme yaklaşımları üzerinde çalışmaktadır.

Bu çalışmalar; model performansının yalnızca ortalama başarı metrikleriyle değil, gerçek kullanım koşullarındaki risk ve hata olasılıklarıyla birlikte ele alınmasını hedeflemektedir.

ARAŞTIRMA İLGİ ALANLARI

• Yapay Zekâ
• Makine Öğrenmesi
• Açıklanabilir Yapay Zekâ
• Güvenilir Yapay Zekâ
• Yapay Zekâ Yönetişimi
• Yapay Zekâ Risk Yönetimi
• Büyük Dil Modelleri
• RAG Sistemleri
• Görüntü İşleme
• Biyometrik Yapay Zekâ Sistemleri
• Model Doğrulama
• Veri Bilimi
• Yapay Zekâ Standardizasyonu
• Yapay Zekânın Bilimsel Araştırmalarda Kullanımı

YAKLAŞIM

Yapay zekâyı yalnızca yüksek doğruluk sağlayan algoritmalar geliştirmek olarak değil; veriden başlayarak model geliştirme, doğrulama, açıklanabilirlik, güvenilirlik, risk yönetimi ve yönetişimi kapsayan bütüncül bir sistem problemi olarak ele almaktadır.

Akademik araştırma, uygulamalı yapay zekâ, veri bilimi ve standardizasyon deneyimini bir araya getirerek güvenilir, açıklanabilir ve değerlendirilebilir yapay zekâ sistemleri üzerine çalışmalarını sürdürmektedir.