Lebenslauf

Ausbildung

Universität des Saarlandes — M.Sc. Bioinformatik · Okt. 2024 – Jan. 2027 · Note: 2,3 / Gut

Lehrveranstaltungen: Maschinelles Lernen, Neuronale Netze, Datennetze, Verarbeitung biologischer Daten, C++-Programmierung

Wissenschaftliche Hilfskraft — I2SC, Universität des Saarlandes, Saarbrücken, Deutschland · Mai 2025 – heute

Eine Geodaten-Plattform mit Python, FastAPI, PostgreSQL/PostGIS, GeoPandas und Redis/Celery aufgebaut, die Analysen über 300.000 Points of Interest in mehr als 50 Regionen trägt.
Die Verarbeitungszeit pro Datensatz um 35 % gesenkt, durch Profiling der Pipeline, Modellierung des Hauptengpasses (R² = 0,92) und Optimierung von Anfragetakt und Nebenläufigkeit.
Asynchrone Verarbeitungs- und Caching-Workflows für lang laufende Geodaten-Jobs entworfen, was die Skalierbarkeit verbessert und wiederholte Berechnungen über Analyseläufe hinweg vermeidet.

Full-Stack Data Scientist — Bozkurt Lab, Emory University, Remote · Jun. 2024 – Okt. 2024

Eine Full-Stack-Plattform zur Governance von KI im Gesundheitswesen mit TypeScript, Next.js, Prisma und PostgreSQL entwickelt und bereitgestellt, mit datenbankgestützter Suche, Filterung, Vergleich und relationaler Analyse.
Über 3.800 Regulierungs- und Policy-Dokumente zu einem strukturierten Datensatz aus 140 geprüften Quellen aufbereitet, der die Analyse einer begutachteten Publikation in Erstautorenschaft trägt.
Das relationale Schema und die Abfrageschicht für länderübergreifende Policy-Analysen entworfen und dabei heterogene regulatorische Anforderungen in strukturierte, durchsuchbare Daten überführt.

Studentische Hilfskraft (Forschung) — Mangul Lab, University of Southern California, Remote · Aug. 2023 – Apr. 2024

Klassische und Deep-Learning-Modelle zur Mortalitätsvorhersage über 16 unabhängige Transkriptom-Kohorten mit über 1.000 Patientinnen und Patienten verglichen und mit Ensemble-Modellen eine AUC > 0,85 erreicht, bei gleichzeitiger Prüfung der kohortenübergreifenden Generalisierung.
SHAP, Permutationswichtigkeit und Drop-Column-Analysen eingesetzt, um reproduzierbare prädiktive Merkmale zu identifizieren und biologisches Signal von kohortenspezifischen Batch-Effekten zu trennen.

Studentische Hilfskraft (Forschung) — BRAIN Lab, Harvard Medical School, Remote · Jun. 2023 – Okt. 2023

Eine MRT-Rekonstruktions-Pipeline in TensorFlow über mehrere öffentliche Hirnbilddatensätze und Unterabtastungsszenarien hinweg umgesetzt und evaluiert, mit automatisierter Modellinferenz und automatisierter Bewertung der Rekonstruktionsqualität.

Topology-Aware Graph-MIL für die computergestützte Pathologie · Nov. 2025 – heute

Eine durchgängige graphbasierte Deep-Learning-Pipeline für die Klassifikation von Whole-Slide-Bildern aufgebaut, die 109 Gigapixel-Schnitte und über 3,9 Mio. Bildkacheln mit Foundation-Model-Embeddings und PyTorch Geometric verarbeitet.
Graph- und attentionsbasierte Architekturen mit 5-facher site-blockierter Kreuzvalidierung, Mehr-Seed-Experimenten und korrigierten statistischen Tests verglichen, um die Robustheit unter Verteilungsverschiebung zu bewerten.
Eine reproduzierbare ML-Pipeline im Terabyte-Maßstab für Bildkachelung, GPU-gestützte Merkmalsextraktion, Graphkonstruktion, Caching und verteilte HPC-Experimente entwickelt.

Eine interaktive Geodaten-Analyseplattform mit datenbankgestützten Abfragen, räumlicher PostGIS-Indizierung, gecachtem Routing und SQL-getriebenen Visualisierungen für umfangreiche Standortdaten aufgebaut.

Einen modularen Snakemake-Workflow entwickelt, der Vorverarbeitung und BLEND-basiertes Read-Alignment automatisiert mit Abhängigkeitsverfolgung, reproduzierbarer Ausführung und parallelisierbaren Pipeline-Stufen.

Sprachen: Python, SQL, C++, R, Bash

Maschinelles Lernen: PyTorch, PyTorch Geometric, TensorFlow, scikit-learn, pandas, NumPy, SHAP, Weights & Biases

Backend, Daten & Infrastruktur: FastAPI, PostgreSQL/PostGIS, DuckDB, Redis, Celery, Docker, SLURM/GPU-Cluster, GCP

Korukoglu, F. B. et al. “Mapping ethical guidelines for AI in healthcare: A global perspective.” Studies in Health Technology and Informatics, 2025. PubMed
Icer Baykal, P. et al., Korukoglu, F. B. “Assessing genomic reproducibility of read alignment tools.” bioRxiv, 2025. Preprint
Chhugani, K. et al., Korukoglu, F. B. “Benchmarking machine learning algorithms for sepsis mortality prediction.” RECOMB-seq, 2024. Poster