Mustafa Can, doktora derecesini University College London (UCL) bünyesindeki SpaceTimeLab’de, akıllı ulaşım sistemleri için makine öğrenmesi ve büyük veri analitiği alanında tamamlamıştır.

Araştırmaları, uzay-zamansal ve karmaşık ağ sistemleri için foundation modeller üzerine odaklanmakta olup, özellikle ağ yapısındaki değişimler ve veri seyrekliği altında grafik-temelli öğrenme yaklaşımlarını ele almaktadır.

Bu kapsamda Graf Sinir Ağları, transformer modeller ve pekiştirmeli öğrenme yöntemlerini entegre ederek büyük ölçekli ulaşım ağları için ölçeklenebilir tahmin modelleri geliştirmiştir.

Imperial College London ve UCL’den yüksek lisans derecesine sahip olup, doktora sürecinde UCL ve LSE’de ders vermiş, ayrıca Yale University’de ziyaretçi araştırmacı olarak çalışmıştır.

• Uzay-zamansal modelleme ve zaman serisi tahmini (trafik akışı, çok değişkenli veriler, dönüştürücüler, temel modeller)
• Graf Sinir Ağları ve dinamik ağlar ( yapısal değişiklikler, Uzay-zamansal GNN'ler)
• Ağ sistemleri için Foundation modeller (GNN + Transformer)
• Pekiştirmeli öğrenme ve karar verme (davranış klonlama, karar verme, adaptif kontrol)
• Veri odaklı ağ optimizasyonu ve tahmine dayalı modelleme (büyük ölçekli sistemler için ölçeklenebilir derin öğrenme)
• Ulaşım sistemleri ve coğrafi uzamsal veri analizi (kentsel hareketlilik, sensör verisi füzyonu, anomali tespiti)

• GNN ve Transformer tabanlı foundation modeller
• Pekiştirmeli öğrenme ile graf tabanlı modellerin entegrasyonu
  Büyük ölçekli ağlarda tahmin ve optimizasyon
• Gerçek dünya sensör verilerinde robust ve anomaliye duyarlı öğrenme
• Gelişen ve dinamik ağ sistemleri için ölçeklenebilir yapay zeka yöntemleri