MLOps · AIOps · DevOps

MLOps, AIOps ve DevOps odaklı
Yazılım Mühendisliği öğrencisi.

Log analizi, Prometheus/Grafana gözlemlenebilirliği, Airflow/MLflow ile MLOps pipeline’ları ve bulut altyapı otomasyonu üzerine çalışıyorum. Kurumsal staj tecrübelerimi açık kaynak sistemlerle geliştiriyorum.

01 MLOps & Model İzleme

Airflow, MLflow, model metrikleri ve veri kayması (PSI/KS) analizleri

02 Altyapı & DevOps

Docker, NGINX, CI/CD, canlıya alma otomasyonu ve SCCM

03 Gözlemlenebilirlik

Prometheus, Grafana, Loki, Alertmanager ve SLO/SLI panelleri

01 / Deneyim

Kurumsal ve Açık Kaynak
MLOps, AIOps ve altyapı deneyimi.

Beko Corporate’te AIOps Engineer ve System Infrastructure Intern, Türkiye İş Bankası’nda AI Engineer Intern ve Gambia Garden’da System Infrastructure & DevOps Fellow olarak görev aldım.

Deneyim Zaman Çizelgesi Kariyer Özeti · 2025—2026
Eylül 2026 — Kasım 2026 01

AI Engineer Intern · Türkiye İş Bankası

Yapay zeka modellerinin MLOps pipeline’larına entegrasyonu, MLflow ve Airflow ile model performans takibi, deney kaydı ve veri/model kayması (PSI, KS drift) analizleri üzerine çalışmalar.

Python / MLflow / Airflow / MLOps / Model Drift (PSI/KS) / LLM

Temmuz 2026 — Ağustos 2026 02

System Infrastructure Intern · Beko Corporate

SCCM modernizasyonu, yama yönetimi ve uyumluluk analizlerine katkı sağladım. Windows/Linux kurumsal altyapı operasyonlarını inceledim ve tekrarlanan işler için otomasyon fırsatları üzerinde çalıştım.

SCCM / yama yönetimi / uyumluluk / Windows / Linux / PowerShell

Haziran 2026 — Günümüz 03

System Infrastructure & DevOps Fellow · Gambia Garden

Web platformunun production ortamında canlıya alınması, Linux sunucu kurulum ve yapılandırması, NGINX, SSL/DNS yönetimi ve Docker tabanlı CI/CD dağıtım otomasyonları.

DevOps / Production Deployment / Docker / NGINX / CI/CD / Linux / DNS / SSL

Aralık 2025 — Temmuz 2026 04

AIOps Engineer — PREP Program · Beko Corporate

Docker tabanlı uygulama loglarını inceledim; olay ve kök neden analizi çalışmalarına katıldım. DevOps ekipleriyle birlikte anomali örüntülerini, izleme ve gözlemlenebilirlik akışlarını değerlendirdim.

Docker / log analizi / anomali tespiti / izleme / gözlemlenebilirlik

Diğer deneyimler

Aralık 2025 — Günümüz

Gönüllü Eğitmen · Habitat Derneği

Finansal okuryazarlık ve dijital yetkinlikler üzerine gönüllü eğitimler.

Ağustos 2025

QNB 101 Programı · QNB Türkiye

Bankacılık teknolojileri, fintech ve dijital dönüşüm odaklı eğitim programı.

Ekim 2024

Yazılım Geliştirme Deneyimi · Elmar Yazılım

Yazılım geliştirme ve test süreçlerine odaklanan kısa süreli çalışma.

02 / Projeler

MLOps, AIOps ve DevOps
odaklı projeler.

Seçili projeler; anomali tespiti, Prometheus/Grafana gözlemlenebilirliği, MLOps pipeline’ları, cloud maliyet optimizasyonu ve kestirimci bakıma odaklanıyor.

01

FinOps / AIOps Bulut Maliyet Platformu

GhostCost

AWS harcama sinyallerini, kaynak bazlı israf önerilerini ve maliyet sıçramalarını tek akışta görünür kılan FinOps/AIOps platformu.

  1. 01AWS maliyet verisi
  2. 02Salt okunur tarama
  3. 03Anomali + israf tespiti
  4. 04Öneri + rapor
Problem

Servis ve kaynaklara dağılan AWS maliyetlerinde beklenmeyen artışları ve atıl kaynakları takip etmek zorlaşıyor.

Yaklaşım

Açıkça işaretlenmiş örnek AWS verileri üzerinde 21 günlük medyan tabanını ve salt okunur IAM/STS ExternalId bağlantı akışını modelliyor.

Next.js / Vercel / AWS IAM / STS / FinOps

02

Açık kaynak · MLOps / anomali tespiti

Cosmic Pipeline

Radyasyon kaynaklı uydu telemetrisi bozulmalarını kural, istatistik ve ML/DL katmanlarıyla tespit edip yalnızca işaretli noktaları onaran açık kaynak pipeline.

  1. 01Telemetri + detrend
  2. 02Katmanlı tespit
  3. 03Ensemble kararı
  4. 04Onarım + doğrulama
Problem

Veri boşluğu, ani sıçrama, sensör donması ve veri kayması (drift) gibi farklı bozulma türleri tek yöntemle güvenilir biçimde yakalanamıyor.

Yaklaşım

Deterministik kontrolleri Z-score, kayan pencere, Isolation Forest ve LSTM Autoencoder ile katmanlı bir akışta birleştiriyor.

Python / NumPy / SciPy / scikit-learn / PyTorch / Docker / CI

03

Açık kaynak · AIOps / SRE prototipi

Cloud-Native Reliability Platform

Telemetriyi SLO değerlendirmesi, anomali tespiti, veri kayması izleme ve geri alınabilir iyileştirme komutlarına bağlayan AIOps/SRE mimari prototipi.

  1. 01Telemetri
  2. 02Anomali + SLO
  3. 03Simüle iyileştirme
  4. 04Gözlemlenebilirlik + IaC
Mimari

FastAPI ve Redis telemetri akışı; Prometheus/Grafana gözlemlenebilirliği; Docker, Kubernetes ve Terraform/AWS altyapı tanımları.

Kapsam

Z-score, EMA ve PSI tabanlı izleme ile simüle edilmiş, geri alınabilir iyileştirme akışları.

FastAPI / Prometheus / Grafana / Redis / Kubernetes / Terraform / AWS

04

Açık kaynak · Kestirimci bakım MVP’si

AegisOps

Sıcaklık, basınç, titreşim ve devir telemetrisini kural katmanı ile Isolation Forest üzerinden işleyip olay kaydına dönüştüren kestirimci bakım MVP’si.

  1. 01Ekipman telemetrisi
  2. 02Kural + Isolation Forest
  3. 03Olay kaydı
  4. 04UI konsepti
Problem

Ekipman telemetrisindeki eşik ihlallerini ve davranış değişimlerini bakım ekiplerinin inceleyebileceği olaylara dönüştürmek.

Yaklaşım

FastAPI arka uç, kural tabanlı kontrolleri Isolation Forest ile birleştiriyor. Ayrı canlı UI konsepti bu akışı görselleştiriyor; işlemsel bir ürün değil.

FastAPI / scikit-learn / Pandas / SQLite / Docker Compose

03 / Teknik odak

Teknik çalışma alanlarım.

Ağırlıklı olarak MLOps pipeline’ları, Prometheus/Grafana gözlemlenebilirliği, otomasyon, DevOps dağıtım altyapısı ve makine öğrenmesi operasyonları üzerine çalışıyorum.

A

Gözlemlenebilirlik & Metrikler

Log ve metriklerden sistem davranışını anlamak; Prometheus, Grafana ve Loki ile anomali takibi, SLO/SLI panelleri ve Alertmanager uyarı kuralları kurgulamak.

Prometheus / Grafana / Loki / Alertmanager / Log Analysis / SLO & SLI

B

MLOps & Model Yaşam Döngüsü

Makine öğrenmesi modellerini Airflow ile otomatik eğitmek, MLflow ile model/deney takibi yapmak ve model kayması (PSI/KS drift) metriklerini izlemek.

Airflow / MLflow / Model Monitoring / Data Drift (PSI/KS) / PyTorch / scikit-learn

C

Otomasyon ve IaC

Tekrarlanan operasyonları Python ve altyapı koduyla (Terraform) otomatikleştirmek.

Python / Terraform / Bash / GitHub Actions

D

Konteyner ve Dağıtım (DevOps)

Uygulamaları Docker, Kubernetes ve CI/CD akışlarıyla tutarlı biçimde canlıya almak ve production sunucularını yapılandırmak.

Docker / Kubernetes / CI/CD / NGINX / AWS / Linux

E

Sistem ve Altyapı Operasyonları

Windows/Linux altyapısı, canlıya alma süreçleri, SCCM, yama yönetimi ve uyumluluk süreçleri.

Linux / Windows / SCCM / Patch Management / Compliance / Production Deployment

04 / Eğitim

Eğitim ve
teknik gelişim.

Eğitim

Fırat Üniversitesi
Yazılım Mühendisliği

4. sınıf öğrencisi · Algoritma, yazılım mimarisi ve sistem derslerini MLOps, AIOps ve DevOps projeleriyle destekliyorum.

Seçili eğitimler ve sertifikalar

Tümünü LinkedIn’de gör
  1. 01AWS Cloud Practitioner EssentialsAmazon Web Services
  2. 02AWS ObservabilityAmazon Web Services
  3. 03Introduction to MLOpsMicrosoft
  4. 04Machine Learning in ProductionDeepLearning.AI
  5. 05LLMOpsGoogle Cloud
  6. 06CI/CD Fundamentals with GitHub ActionsMicrosoft

05 / İletişim

MLOps, AIOps veya DevOps
üzerine konuşalım.

MLOps, AIOps, DevOps, bulut altyapısı ve platform mühendisliği rollerine açığım.

omercangumus3@gmail.com