Lisans öğrencilerimiz ikinci sınıftan itibaren ilgi duydukları bir alanda bir öğretim üyesi ile beraber çalışmaya başlayabilirler. Özellikle 3 ve 4. sınıfta bu çalışmalar verimli sonuçlar vermektedir. Bu şekilde öğrencilerimiz daha lisans eğitimi sırasında araştırmalara katılıp makale yazma tecrübesi kazanmaktadır. Dileyen öğrencilerimiz bu çalışmalarını müfredatın bir parçası olan seçmeli dersler (CS390 Kişisel Araştırma Çalışması ve CS490 İleri Lisans Araştırma Çalışması) kapsamında da yapabilmektedir.
Güz 2024 döneminde toplam 26 öğrencimiz CS390 ve CS490 kapsamında çalışmalar yapmıştır. 2-3 Ocak 2025 tarihlerinde son sunumları gerçekleştirilen bu çalışmalar için tüm öğrencilerimizi tebrik ediyoruz.
Projeler:
- Causality on diffusion models
- Subproblem generation in 2D pick-place puzzles
- Assessment of pain intensity through a transformer architecture
- Encoder-decoder transformer model to generate RNA sequences for compounds with high bidding affinity
- Sequential manipulation through subgoal generation
- Improving scheme-linking for text-to-SQL task through generating intermediate inferences
- BugScope: Automated visual bug report analysis
- Identity preserving 3D head stylization with multiview score distillation
- Image-guided style transfer in video domain
- Comparison of autoregressive and non-autoregressive models in biological sequence generation
- Cross-modality sequence generation for compound-RNA and protein-RNA with multilingual T5
- Using locally consistent parsing for variation graphs: A method for Representing Variations
- Automated analysis of refactor oriented pull request with large language models
- Hades-FL: Hybrid approach for encrypted federated learning
- Personality expression in LLM-based personas
- Vision transformers for whole slide breast histopathology image classification
- BugCraft: End-to-end crash bug reproduction using LLMs in Minecraft
- Halo-based graph partitioning
- A transformer-based framework for RNA-protein interactions: Integrating GenerRNA and ProtBERT for sequence generation
- BAIS: Background-informed adaptive CNN for semi-supervised stance detection
- Detecting software requirement smells through retrieval-augmented generation
- Evaluation and benchmarking of string partitioning and sketching techniques