2026 Güz Dönemi | Sağlıkta Yapay Zeka
Sağlık teknolojileri ile yapay zekânın kesişiminde, gerçek dünya problemlerine çözüm üreten sistemler geliştiriyoruz. Tıbbi görüntü analizi, DICOM veri işleme, hastalık/risk modelleme ve klinik karar destek sistemleri gibi sağlıkta yapay zekâ odaklı Ar-Ge çalışmalarımızı daha ileriye taşırken, bu süreçte aktif rol alacak stajyer ekip arkadaşları arıyoruz.
Ar-Ge ekibimize katılacak; öğrenme motivasyonu yüksek, teknik derinlik kazanmak isteyen ve sağlık alanında yapay zekâ çözümleri geliştirmeye ilgi duyan adaylarla çalışmayı hedefliyoruz.
Ne Üzerine Çalışacaksın?
Tıbbi Görüntü İşleme:
DICOM formatındaki tıbbi veri setleri üzerinde veri temizleme, metadata analizi, filtreleme, ön işleme ve normalizasyon süreçlerine katkı sağlamak.
Makine Öğrenmesi ve Derin Öğrenme:
MONAI, FAISS ve benzeri araçlarla hastalık tespiti, görüntü tabanlı analiz ve risk tahmini modellerinin geliştirilmesine destek olmak.
Güncel Yapay Zekâ Yaklaşımları:
Agentic AI, LLM/LAM ve RAG mimarileri gibi güncel yapay zekâ yaklaşımlarının sağlık teknolojilerine uygulanmasına yönelik araştırma ve prototipleme çalışmalarında yer almak.
Performans Odaklı Geliştirme:
Algoritma ve veri yapıları bilgisini kullanarak optimize edilmiş, sürdürülebilir ve ölçeklenebilir Python çözümleri geliştirmek.
Teknik ve Kişisel Yetkinlikler
- Bilgisayar Mühendisliği, Yapay Zekâ, Yazılım Mühendisliği veya ilgili bölümlerde 3. veya 4. sınıf öğrencisi olmak
- Python’da iyi seviyede yetkinlik sahibi olmak
- Algoritma ve veri yapıları konusunda güçlü bir temele sahip olmak
- Makine öğrenmesi, derin öğrenme ve bilgisayarlı görü alanlarına ilgi duymak
- Yapay zekâ literatürünü takip etmek
- GitHub, Kaggle veya benzeri platformlara aşina olmak
- Analitik düşünebilen, problem çözmeye odaklı ve detaylara dikkat eden bir çalışma yaklaşımına sahip olmak
Artı Değer Sağlayacak Nitelikler
- Tıbbi yapay zekâ, sağlık bilişimi veya medikal görüntü işleme alanlarına ilgi duymak
- Yerel dil modelleri, MoE, RAG veya agentic AI gibi ileri düzey yapay zekâ yaklaşımlarına aşina olmak
- Akademik proje, açık kaynak katkısı, Kaggle çalışması veya kişisel proje portföyüne sahip olmak
- DICOM, medikal veri formatları veya klinik veri işleme süreçleriyle daha önce çalışmış olmak