Yapay Zeka ve Veri Mühendisliği, verinin toplanmasını, saklanmasını, ilişkilendirilmesini ve bu verinin üzerine öğrenen sistemlerin kurulmasını konu edinen dört yıllık bir lisans programıdır. Alanın çalıştığı veri altyapılarının kamusal çerçevesine değen metinlerden biri 5490 sayılı kanundur. Bu rehber puan vermez.
- Puan türü
- SAY
- Seviye
- Lisans
- Süre
- 4 yıl
- ÖSYM 2025 taban
- 303,92–529,88
- Üniversite
- 13
- Genel kontenjan
- 432
- Meslek çıktısı
- 8
Taban puanlar ÖSYM'nin 2025 yerleştirme sonuçlarından alınmıştır; başarı sıralaması içermez ve her yıl değişir.
Yapay Zeka ve Veri Mühendisliği Nedir?
Yapay Zeka ve Veri Mühendisliği, bir kurumun elindeki verinin nereden geldiğini, nasıl saklandığını, nasıl temizlendiğini ve birbirinden ayrı duran kayıtların nasıl ilişkilendirildiğini konu edinen; ardından bu verinin üzerine öğrenen sistemler kuran dört yıllık bir lisans programıdır. Alanın adı iki işi birleştirir: yapay zekâ tarafı modeli, veri mühendisliği tarafı ise o modelin beslendiği boruları kurar. Bir modelin başarısı çoğu zaman modelin kendisinden değil, altındaki veri düzeninin sağlamlığından gelir; bu program tam olarak o düzenin mühendisliğidir.
Alanın birinci ayağı mühendisliğin sayısal temelidir. Matematik, doğrusal cebir, ayrık matematik, olasılık ve istatistik, sayısal yöntemler ve eniyileme bu ayağın konularıdır. Öğrenen bir sistem özünde bir eniyileme problemidir; bu problemin dili burada öğrenilir. Bu ayak alanı bir bilişim teknolojisi programından ayıran şeydir.
İkinci ayak bilgisayar biliminin çekirdeğidir. Programlamaya giriş, veri yapıları, algoritma çözümlemesi, nesneye yönelik programlama, formel diller ve otomata ile veri tabanı sistemleri bu ayağın konularıdır. Veriyi taşıyan yapıları ve sorgulayan dilleri tanımayan bir kişi büyük ölçekli bir veri düzeni kurup ayakta tutamaz.
Üçüncü ayak veri mühendisliğinin kendisidir. Veri bilimine ve veri mühendisliğine giriş, uygulamalı veri mühendisliği, veri madenciliği ve büyük veri çözümlemesi bu ayağın konularıdır. Verinin kaynağından alınması, dönüştürülmesi, bir şemaya oturtulması, sürüm ve kalite denetiminin kurulması ve bu akışın kesintisiz çalıştırılması bu ayağın gündelik işidir.
Dördüncü ayak öğrenen sistemlerdir. Yapay zekânın temelleri, veriden öğrenme, derin öğrenme, doğal dil işleme, bilgisayarlı görü ve robotik bu ayağın konularıdır. Metnin, görüntünün ve hareketin ayrı ayrı yöntemleri vardır; program bu yöntemleri aynı çatı altında sırayla açar.
Beşinci ayak hukuk, etik ve iktisat tarafıdır. Yapay zekâ ile veri mühendisliğinin hukuki yanları, alanın etik sorunları ve ekonomi bu ayağın konularıdır. Bu ayak alanı yalnızca teknik bir uğraş olmaktan çıkarır: verinin kimden toplandığı, kiminle paylaşılabildiği ve hangi kararların otomatikleştirilebildiği teknik olduğu kadar hukuki bir sorudur.
Altıncı ayak yazma, sunma ve tasarım tarafıdır. Akademik yazımın esasları, araştırma yazısı yazma, akademik sunum ve son iki yarıyıla yayılan tasarım dersleri bu ayağın konularıdır. Bu alanda bir çalışmanın anlatılamaması, çalışmanın yapılmamış olmasıyla neredeyse aynı sonucu verir.
Bu altı ayak alanı hem bilgisayar mühendisliğine hem istatistiğe yakın kılar. Yazılımın bütününe ilgi duyan öğrenci için [bilgisayar mühendisliği](/bolum/bilgisayar-muhendisligi) ve [yazılım mühendisliği](/bolum/yazilim-muhendisligi), verinin çözümlenmesine ilgi duyan öğrenci için [veri bilimi ve analitiği](/bolum/veri-bilimi-ve-analitigi), yöntemin kendisine ilgi duyan öğrenci için [istatistik](/bolum/istatistik) ve [matematik](/bolum/matematik), kurumun bilgi düzenine ilgi duyan öğrenci için [yönetim bilişim sistemleri](/bolum/yonetim-bilisim-sistemleri) ve [bilişim sistemleri mühendisliği](/bolum/bilisim-sistemleri-muhendisligi) bu alanın komşularıdır.
Alanın Kamusal Çerçevesi: 5490 Sayılı Kanun
Bu alanın mezunu, çalıştığı yer kamu ya da özel sektör olsun, Türkiye'de bir yerde mutlaka ulusal ölçekli kamu veri tabanlarıyla temas eder: kimlik doğrulama, adres eşleştirme, kayıt birleştirme ve kurumlar arası veri paylaşımı bu temasın olağan biçimleridir. Bu kamusal veri altyapısının hukuki çerçevesine değen metinlerden biri 5490 sayılı kanundur. Kanunun adı kaynakta "NÜFUS HİZMETLERİ KANUNU" olarak yayımlanmıştır. Künye satırları kaynakta "Kanun Numarası : 5490", "Kabul Tarihi : 25/4/2006", "Yayımlandığı Resmî Gazete : Tarih : 29/4/2006 Sayı : 26153" ve "Yayımlandığı Düstur : Tertip : 5 Cilt : 45" biçiminde yer alır.
Kanunun birinci maddesi kaynakta "MADDE 1- (1)" işaretiyle başlar ve kenar başlığı "Amaç" olarak yayımlanmıştır. Maddenin metni şöyledir: "Bu Kanunun amacı; kişinin doğumundan ölümüne kadar kişisel ve medenî durumuna, uyrukluğuna ve bunlarda meydana gelebilecek değişikliklere ait doğal ve hukukî olayların belirlenip saptanması, bu amaçla düzenlenmiş kütüklere yazılması, elektronik ortamda ulusal adres veri tabanının oluşturulması, nüfus kayıtları ile adres bilgilerinin ilişkilendirilmesini sağlamaktır."
Bu cümle, bu program açısından okunmaya değer bir cümledir. Kanunun kendi amaç maddesi üç ayrı işi yan yana koyar: bir olayın belirlenip saptanması, bu olayın bir kütüğe yazılması ve iki ayrı kayıt kümesinin, yani nüfus kayıtları ile adres bilgilerinin birbiriyle ilişkilendirilmesi. Veri mühendisliğinin ders planındaki karşılığı da bundan farklı değildir: kaynağın tanımlanması, şemaya yazılması ve kayıtların eşleştirilmesi. Buradaki fark ölçek ve bağlayıcılıktır; bir kurumun iç veri tabanında yapılan eşleştirme o kurumu, ulusal ölçekte yapılan eşleştirme ise bir ülkenin bütün kayıt düzenini bağlar.
Kanunun ikinci maddesi kaynakta "MADDE 2- (1)" işaretiyle başlar ve kenar başlığı "Kapsam" olarak yayımlanmıştır. Maddenin metni şöyledir: "Bu Kanun, Türk vatandaşları, doğumla Türk vatandaşı olup da çıkma izni almak suretiyle Türk vatandaşlığını kaybedenler ve bunların altsoyları ile Türkiye'de bulunan yabancıların nüfus hizmetlerinin düzenlenmesine, yürütülmesine ve geliştirilmesine ilişkin esas ve usûl hükümlerini kapsar." Bir veri düzeninin kapsamının yani hangi kişi kümesini içerdiğinin bir kanun maddesiyle çizilmesi, bu alanda çalışan kişinin sık sık karşılaştığı bir durumdur; kapsam bir tercih değil, bir hükümdür.
Kanunun tanımlar maddesinden bu rehbere alınabilen bentler şunlardır. Kaynakta "k) Kimlik Paylaşımı Sistemi: Merkezi veri tabanında tutulan kayıtların kurumlar ve kamu hizmeti sunan tüzel kişiler ile paylaşıldığı sistemi" bendi yer alır. "o) Merkezî veri tabanı: Genel Müdürlükçe elektronik ortamda tutulan verileri" bendi yer alır. "ö) MERNİS: Merkezî Nüfus İdaresi Sistemini" bendi yer alır. "aa) Ulusal adres veri tabanı: Adres bilgilerinin tutulduğu merkezî veri tabanını" bendi yer alır. Bu dört bent bir arada okunduğunda kamusal veri altyapısının üç katmanı görünür hâle gelir: elektronik ortamda tutulan merkezî bir veri tabanı, bu veri tabanının adres tarafını taşıyan ulusal bir alt küme ve bu kayıtların kurumlarla paylaşılmasını sağlayan bir paylaşım sistemi. Bu üç katman, bu programın mezununun kamu tarafında karşılaştığı veri kaynağını, paylaşım kanalını ve merkezîlik rejimini oluşturur.
Buradan çıkarılması gereken sonuç şudur: bu kanun bir kayıt ve veri tabanı kanunudur ve alanın çalıştığı kamusal veri altyapısının hukuki çerçevesini kurar. Bu kanun yapay zekânın kanunu değildir; kanun bir modeli, bir algoritmayı ya da bir öğrenme yöntemini düzenlemez ve bu rehber böyle bir iddia kurmaz. Kanun, bu programın mezununun içine girdiği veri ortamının kurallarını koyar: verinin nerede tutulduğu, kimin tuttuğu ve kiminle paylaşıldığı. Bu kanunun bu programı, bu programın ders planını ya da mezununun görev tanımını düzenlediği yönünde de hiçbir iddia kurulmamıştır.
Bu başlıkta bilerek eksik bırakılanlar şunlardır. Kanunun metni üç ayrı okumayla çekilmiş, yalnızca en az iki okumada harfi harfine aynı çıkan satırlar alıntılanmıştır. Kanunun adı, künye değerleri, birinci ve ikinci maddenin kenar başlıkları ile gövdeleri, "Kimlik Paylaşımı Sistemi" ve "MERNİS" bentlerinin hem metni hem bent harfi üç okumanın üçünde de aynı çıkmıştır. Künye satırlarının birebir biçimi, "Merkezî veri tabanı" bendinin "o)" harfi, "Ulusal adres veri tabanı" bendinin tamamı ve madde numarası ayraç biçimi ise iki okumada örtüşmüştür. Bir okuma tanımlar listesinde aynı bent harfini iki ayrı tanım için kullanarak kendi içinde çeliştiği için o okumanın bent harflerine dayanılmamış, yalnızca metinleri sayılmıştır. Aynı okumanın künye satırlarını kendi biçimine çevirmiş hâli ve madde başlığını gövdeyle birleştirmiş hâli düşürülmüştür. Düstur satırının sayfa değeri hiçbir okumada gelmemiştir; bu değerin kaynakta bulunup bulunmadığı konusunda bu rehber bir iddia kurmaz. Tanımlar maddesinin yukarıda sayılan dört bendi dışındaki bentleri ile dördüncü ve sonraki maddeler okumalarda istenmediği için bu rehberde hiç yer almaz; bu maddelerin içeriği konusunda hiçbir iddia kurulmamıştır. Kaynakta bir yerde "Merkezi", başka bir bentte "Merkezî" yazımı görülmüş ve bu fark üç okumada da aynı çıktığı için düzeltilmeden bırakılmıştır. Dipnotlar, değişiklik ibareleri ve fıkra içi ayrıntılar aktarılmamıştır. Okumaların üçü de aynı önbellek penceresi içinde yapıldığından büyük olasılıkla tek bir belge dönüşümü üzerinde çalışmıştır; bu nedenle buradaki güvence düzeyi "en az iki okumada aynı" ile sınırlıdır. Kanunun güncel hâli için kaynak listesindeki bağlantıya bakılmalıdır.
Yapay Zeka ve Veri Mühendisliği ile Yakın Alanlar Aynı Şey Değil
Bu program birkaç alanla karıştırılır. En sık karıştığı yer bilgisayar tarafıdır. [Bilgisayar mühendisliği](/bolum/bilgisayar-muhendisligi) işletim sisteminden derleyiciye, ağdan donanıma kadar bilgisayarın bütününü konu edinir; bu program aynı çekirdeğin bir bölümünü alır ve ağırlığını veriye ve öğrenen sistemlere verir. [Yazılım mühendisliği](/bolum/yazilim-muhendisligi) yazılımın süreç, kalite ve mimari tarafına yoğunlaşır; bu programda yazılım bir amaç değil, veri akışını ve modeli taşıyan araçtır.
İkinci karışma noktası veri ve çözümleme programlarıdır. [Veri bilimi ve analitiği](/bolum/veri-bilimi-ve-analitigi) sorunun çözümlenmesine ve yöntem seçimine daha yakındır; bu program aynı işi yapabilmek için gereken altyapının, yani veri tabanının, akışın ve ölçeğin mühendisliğini de üstlenir. [Büyük veri analistliği](/bolum/buyuk-veri-analistligi) ise iki yıllık bir yoldur ve uygulamaya dönüktür.
Üçüncü karışma noktası yöntem bilimleridir. [İstatistik](/bolum/istatistik) çıkarımın kuramını, [matematik](/bolum/matematik) yapının kendisini, [ekonometri](/bolum/ekonometri) ekonomik verinin modellenmesini, [aktüerya bilimleri](/bolum/aktuerya-bilimleri) ise riskin fiyatlanmasını merkezine alır. Bu program bu yöntemleri kullanır ama sorusu farklıdır: bu yöntem, gerçek bir veri akışının üzerinde ve ölçekli biçimde nasıl çalıştırılır.
Dördüncü karışma noktası kurum bilişimi programlarıdır. [Yönetim bilişim sistemleri](/bolum/yonetim-bilisim-sistemleri) ve [bilişim sistemleri mühendisliği](/bolum/bilisim-sistemleri-muhendisligi) kurumun süreçleri ile bilişim düzeni arasındaki ilişkiye bakar; [bilişim sistemleri ve teknolojileri](/bolum/bilisim-sistemleri-ve-teknolojileri) uygulama tarafına daha yakındır. Bu programın merkezinde ise kurumun kendisi değil, verinin ve modelin mühendisliği durur.
Beşinci karışma noktası güvenlik programlarıdır. [Siber güvenlik](/bolum/siber-guvenlik) saldırı ve savunma tarafına, [bilgi güvenliği teknolojisi](/bolum/bilgi-guvenligi-teknolojisi) ve [bilişim güvenliği teknolojisi](/bolum/bilisim-guvenligi-teknolojisi) ise bu işin uygulama tarafına bakar. Veri paylaşımı ve erişim yetkisi bu programın da konusudur, ama bu program güvenliği bir uzmanlık alanı olarak değil, veri düzeninin bir gereği olarak görür.
Altıncı karışma noktası yapay zekânın uygulama tarafındaki komşularıdır. [Robotik ve yapay zeka](/bolum/robotik-ve-yapay-zeka) hareketin ve denetimin tarafına, [mekatronik mühendisliği](/bolum/mekatronik-muhendisligi) makine ile elektroniğin birleştiği yere, [elektrik elektronik mühendisliği](/bolum/elektrik-elektronik-muhendisligi) ve [elektronik ve haberleşme mühendisliği](/bolum/elektronik-ve-haberlesme-muhendisligi) sinyalin ve donanımın kendisine bakar. [Yapay zeka operatörlüğü](/bolum/yapay-zeka-operatorlugu) ile [bilgisayar programcılığı](/bolum/bilgisayar-programciligi) ve [yazılım geliştirme](/bolum/yazilim-gelistirme) iki yıllık yollardır ve bu programın yerine geçmez.
Bir Üniversitenin Ders Planı: İstanbul Teknik Üniversitesi
Bu programın somut bir örneği için İstanbul Teknik Üniversitesi'nin ders planı sayfası okundu. Üniversitenin adı sayfanın kendi metninde yayımlanmaktadır; buradaki ad bir çıkarım değil, sayfanın kendi bilgisidir. Sayfa program adını "Yapay Zeka ve Veri Mühendisliği (İngilizce) Lisans Ders Planı" biçiminde yayımlar; parantez içindeki ek sayfanın kendi yazımıdır ve burada da korunmuştur. Öğretim düzeyi de sayfada yazılıdır; dönem sayısından çıkarım yapılmamıştır. Sayfa dersleri sekiz dönem başlığı altında toplar.
Sayfa ders adlarının büyük bölümünü İngilizce, bir bölümünü Türkçe yayımlamaktadır ve adların bir kısmı sayfada kısaltılmış biçimde basılıdır; bu rehberde adlar sayfadaki yazımıyla bırakılmış, hiçbiri çevrilmemiş ve hiçbir kısaltma açılmamıştır. Birinci dönemin dersleri Physics I, Physics I Laboratory, Introduction to Information Systems, Intr. to AI & Data Eng& Ethics, Mathematics I, Linear Algebra and Applications ve EAP Through Global Goals olarak yayımlanmıştır. İkinci dönemin dersleri Mathematics II, Discrete Mathematics, Introduction to Programming for Data Science, Physics II, Physics II Laboratory, Basics of Academic Writing, Girişimcilik & Kariyer Danış. ve Türk Dili I olarak yayımlanmıştır. İlk yıl matematik ve fizik tabanını kurar, programlamayı veri bilimi yönünde açar ve alanın adını taşıyan giriş dersini daha birinci dönemde etikle birlikte plana koyar.
Üçüncü dönemin dersleri Probability and Statistics, Data Structures, Intro to Data Science and Eng., Türk Dili II, Essentials of Res.Paper Writ. ve ITB Elective I olarak yayımlanmıştır. Dördüncü dönemin dersleri Numerical Methods in Computer Engineering, Object Oriented Programming, Formal Languages and Automata, Learning From Data, Optimization for Data Science ve Fund.ofArtificial Intelligence olarak yayımlanmıştır. İkinci yıl olasılık, veri yapıları, sayısal yöntemler ve eniyileme ile alanın yöntem tabanını tamamlar; veriden öğrenme ve yapay zekânın temelleri de bu yılda plana girer.
Beşinci dönemin dersleri Analysis of Algorithms I, Database Systems, Deep Learning, Data Mining, Legal Aspects of AI&Data Eng., Atatürk İlk & İnkılap Trh I ve TM Elective I olarak yayımlanmıştır. Altıncı dönemin dersleri Analysis of Algorithms II, Applied Data Engineering, Natural Language Processing, Computer Vision ve TM Elective II olarak yayımlanmıştır. Üçüncü yıl alanın kimliğini kuran yıldır: veri tabanı sistemleri, derin öğrenme, veri madenciliği, uygulamalı veri mühendisliği, doğal dil işleme ve bilgisayarlı görü aynı yıl içinde yan yana gelir. Aynı yılda alanın hukuki yanlarına ayrılmış bir ders de plana girer.
Yedinci dönemin dersleri Robotics, Big Data Analytics, AI &Data Engineering Design I, MT Elective I ve ITB Elective II (SNT) olarak yayımlanmıştır. Sekizinci dönemin dersleri AI& Data Engineering Design II, Economics, Atatürk İlk & İnkılap Trh II, MT Elective II ve MT Elective III olarak yayımlanmıştır. Son yıl büyük veri çözümlemesi ile robotiği açar ve iki döneme yayılan bir tasarım dersi dizisiyle kapanır; ekonomi dersi de son dönemde yer alır.
Bu başlıkta bilerek eksik bırakılanlar şunlardır. Üniversite adı, program adı, öğretim düzeyi ifadesi, sekiz dönem başlığı ve yukarıda sayılan kırk dokuz ders adı sayfanın iki ayrı okumasıyla doğrulandığı için aktarılmıştır; hiçbir ders adı düşürülmemiştir. Üniversite adı sayfada yazılıdır, ancak iki okuma adı farklı büyük-küçük harf düzeniyle bildirmiştir; bu fark tek biçime düzeltilmemiş, rehbere olağan yazımla alınmıştır ve bu ayrım burada belirtilmektedir. Ders adlarının yazımında iki okuma arasında fark çıkmıştır: bir okuma bazı adları uzun ve açık biçimde, diğeri sayfadaki kısaltılmış biçimde bildirmiştir. Kısaltmalar açılmadığı için kısaltılmış biçimler esas alınmış, açılmış biçimler alınmamıştır; bu nedenle "Intr. to AI & Data Eng& Ethics", "Intro to Data Science and Eng.", "Essentials of Res.Paper Writ.", "Fund.ofArtificial Intelligence", "Legal Aspects of AI&Data Eng.", "AI &Data Engineering Design I", "AI& Data Engineering Design II", "Atatürk İlk & İnkılap Trh I", "Atatürk İlk & İnkılap Trh II", "Girişimcilik & Kariyer Danış." ve "ITB Elective II (SNT)" adlarındaki boşluk düzeni, nokta yerleri ve kısaltmalar düzeltilmeden bırakılmıştır. İki okuma dönem başlıklarını farklı etiketlerle bildirmiştir; bu rehberde dönemler sıra sayısıyla anılmış ve sayfadaki iki etiket biçiminden hiçbiri diğerinin yerine geçirilmemiştir. Adında seçmeli olduğu geçen dersler adıyla aktarılmıştır; bunun dışında hangi dersin zorunlu hangisinin seçmeli olduğu bu rehberde ayırt edilmemiştir. Ders kodları, kredi ve iş yükü değerleri bu rehberde hiçbir yerde verilmez. Sayfa bir puan türü yayımlamamaktadır; bu rehberdeki puan türü bu sayfaya dayandırılmamıştır. Bu program için ikinci bir üniversite sayfası raporlanamamıştır: bir aday sayfa erişim kısıtı nedeniyle okunamamış, bir başka aday sayfa ders adlarını sayfa metninde yayımlamadığı için kullanılamamıştır. Dolayısıyla bu plan tek bir üniversitenin planıdır ve diğer üniversitelerin planları için hiçbir şey söylemez.
Mezunlar Ne İş Yapar?
Bu programın mezununun ilk ve en yaygın çalışma alanı veri mühendisliğidir. Verinin kaynağından alınması, dönüştürülmesi, bir hedef şemaya yazılması, bu akışın planlanması ve izlenmesi, hata durumunda geri alınabilmesi ve verinin kalitesinin ölçülmesi bu işin gündelik gövdesidir. Bu tarafta çalışan kişi hem veri tabanı diliyle hem de akışı yürüten yazılımla aynı anda uğraşır.
İkinci alan veri bilimi ve modellemedir. Bir sorunun veriyle ifade edilmesi, uygun yöntemin seçilmesi, modelin kurulup sınanması ve sonucun karar verecek kişiye anlaşılır biçimde anlatılması bu tarafın işidir. Üçüncü alan makine öğrenmesi sistemlerinin işletilmesidir; bir modelin geliştirme ortamından çıkıp gerçek kullanıcıya ulaşması, sürümlenmesi, izlenmesi ve zamanla bozulduğunda yenilenmesi ayrı bir mühendislik işidir.
Dördüncü alan veri tabanı ve veri platformu yönetimidir. Şema tasarımı, dizin ve sorgu performansı, yedekleme ve erişim yetkileri bu tarafa girer. Bu alan kamu kurumlarında da özel sektörde de aynı temel bilgiyi ister. Beşinci alan metin ve görüntü tarafındaki uzmanlıklardır; doğal dil işleme ile bilgisayarlı görü kendi araç ve yöntem kümesine sahip iki ayrı çalışma çizgisidir.
Altıncı alan sektörel uygulamalardır: bankacılık ve sigortada risk ve dolandırıcılık çözümlemesi, perakendede talep ve stok tahmini, sanayide bakım ve kalite izleme, sağlıkta karar destek ve kamuda hizmet süreçlerinin veriyle izlenmesi bu tarafa girer. Yedinci alan akademik yoldur; yüksek lisans ve doktora ile araştırma tarafında kalmak bu alanda mümkündür.
Kamu kurumlarında çalışmanın kendi giriş koşulları vardır ve bu rehber o koşullar hakkında bir iddia kurmaz. Alanda bazı görevlerin belirli belge, yetki ya da oda kaydı şartlarına bağlı olduğu bilinmekle birlikte, bu rehber hangi görevin hangi şarta bağlı olduğu konusunda bir iddia kurmamaktadır; bu bilgi ilgili mevzuattan ve yetkili kurumdan öğrenilmelidir. Bu rehber hiçbir iş için ücret aralığı, işe girme oranı ya da kariyer hızı vermez; bunlar kurumun büyüklüğüne, sektöre ve kişinin kendi birikimine göre değişir ve bu rehberin kaynakları bu tür sayıları yayımlamamaktadır.
Kimler Tercih Etmeli?
Bu programı düşünen öğrencinin kendine sorması gereken ilk soru şudur: matematikle uğraşmak sizi yoruyor mu? Bu alanın çekirdeği doğrusal cebir, olasılık, istatistik ve eniyilemedir. Yapay zekâ alanı dışarıdan bakıldığında araç kullanmakla ilgili görünür, ama bu programın ilk iki yılı doğrudan sayısal derslerle geçer ve bu yük alanın sonraki yıllarında da hafiflemez.
İkinci soru programlamayla ilgilidir. Bu alanda kod yazmak bir yardımcı beceri değil, işin kendisidir; veri yapıları, algoritma çözümlemesi ve nesneye yönelik programlama planın omurgasındadır. Bilgisayar başında uzun süre bir sorunun üzerinde kalmayı sevmeyen bir öğrenci bu alanda zorlanır.
Üçüncü soru sabırla ilgilidir. Bu işin gerçek gündelik hâli çoğu zaman parlak modeller kurmak değil, bozuk, eksik ve tutarsız veriyi düzeltmektir. Veri mühendisliğinin işi büyük ölçüde bu ayıklama işidir ve bu iş görünürlüğü az, önemi büyük bir iştir. Bu tarafa tahammülü olmayan bir öğrenci alanın en çok zaman alan bölümünden hoşlanmaz.
Dördüncü soru İngilizceyle ilgilidir. Bu rehberde okunan plan ders adlarının büyük bölümünü İngilizce yayımlamaktadır ve alanın kaynakları da ağırlıkla bu dildedir. Bir programın öğretim dili tercihten önce mutlaka ilgili üniversiteden öğrenilmelidir; İngilizce yürüyen bir programda hazırlık düzeni ve dil yeterliği koşulu ayrıca sorulmalıdır.
Beşinci soru sorumlulukla ilgilidir. Bu alanda kurulan sistemler insanlar hakkında karar üretir ya da karara girdi sağlar; verinin kimden toplandığı, kiminle paylaşıldığı ve modelin kimi etkilediği teknik olduğu kadar hukuki ve etik bir sorudur. Bu rehberde okunan planda alanın etik ve hukuki yanlarına ayrılmış dersler bulunması bu gerçeği yansıtır. Bu soruları düşünmeye isteksiz bir öğrenci için alan eksik kalır.
Tercih Öncesi Notlar
Birinci not: Bu programın adı üniversiteler arasında farklılaşır. Yakın bir içerik yapay zeka ve veri mühendisliği, yapay zeka mühendisliği, yapay zeka ve makine öğrenmesi, veri bilimi ve analitiği ya da bilgisayar mühendisliğinin bir yan dalı başlığı altında açılabilmekte ve bu adların altındaki ders planları birbirinden belirgin biçimde ayrışmaktadır. Tercih listesi yapılırken adın değil, ilgili üniversitenin kendi ders planının okunması gerekir.
İkinci not: Programın hangi ağırlıkla kurulduğu sorulmaya değer. Bazı planlar veri tabanı, akış ve ölçek tarafını, yani veri mühendisliğini öne çıkarır; bazıları öğrenme yöntemlerini ve modelleme tarafını; bazıları da istatistiksel çıkarımı ağırlıklandırır. Bu üç yönelim aynı mezun profilini üretmez. Bu rehberde okunan planda hem veri tabanı ve uygulamalı veri mühendisliği hem derin öğrenme, doğal dil işleme ve bilgisayarlı görü aynı çatı altında yer almaktadır; her planın böyle olduğu varsayılmamalıdır.
Üçüncü not: Uygulama ve tasarım düzeni ayrıca sorulmalıdır. Bu rehberde okunan planda son iki dönemde iki aşamalı bir tasarım dersi dizisi bulunmaktadır. Tasarım ve bitirme çalışmasının nasıl yürütüldüğü, gerçek veriyle mi yoksa hazır veri kümeleriyle mi çalışıldığı, hesaplama kaynağının öğrenciye nasıl sağlandığı, staj zorunluluğunun bulunup bulunmadığı ve sektörle kurulmuş bir iş birliği olup olmadığı tercihten önce öğrenilmelidir.
Dördüncü not: Yazılımın bütününe ilgi duyan öğrenci için [bilgisayar mühendisliği](/bolum/bilgisayar-muhendisligi), [yazılım mühendisliği](/bolum/yazilim-muhendisligi) ve [bilişim sistemleri mühendisliği](/bolum/bilisim-sistemleri-muhendisligi); verinin çözümlenmesine ilgi duyan öğrenci için [veri bilimi ve analitiği](/bolum/veri-bilimi-ve-analitigi) ve [büyük veri analistliği](/bolum/buyuk-veri-analistligi); yöntemin kuramına ilgi duyan öğrenci için [istatistik](/bolum/istatistik), [matematik](/bolum/matematik), [ekonometri](/bolum/ekonometri) ve [aktüerya bilimleri](/bolum/aktuerya-bilimleri); kurumun bilgi düzenine ilgi duyan öğrenci için [yönetim bilişim sistemleri](/bolum/yonetim-bilisim-sistemleri), [bilişim sistemleri ve teknolojileri](/bolum/bilisim-sistemleri-ve-teknolojileri) ve [bilgi ve belge yönetimi](/bolum/bilgi-ve-belge-yonetimi); güvenlik tarafına ilgi duyan öğrenci için [siber güvenlik](/bolum/siber-guvenlik), [bilgi güvenliği teknolojisi](/bolum/bilgi-guvenligi-teknolojisi) ve [bilişim güvenliği teknolojisi](/bolum/bilisim-guvenligi-teknolojisi); donanım ve denetim tarafına ilgi duyan öğrenci için [elektrik elektronik mühendisliği](/bolum/elektrik-elektronik-muhendisligi), [elektronik ve haberleşme mühendisliği](/bolum/elektronik-ve-haberlesme-muhendisligi), [mekatronik mühendisliği](/bolum/mekatronik-muhendisligi) ve [robotik ve yapay zeka](/bolum/robotik-ve-yapay-zeka); süreç ve eniyileme tarafına ilgi duyan öğrenci için [endüstri mühendisliği](/bolum/endustri-muhendisligi) ve [lojistik yönetimi](/bolum/lojistik-yonetimi); konum verisine ilgi duyan öğrenci için [coğrafi bilgi sistemleri](/bolum/cografi-bilgi-sistemleri) ve [harita mühendisliği](/bolum/harita-muhendisligi); sağlık verisine ilgi duyan öğrenci için [biyomedikal mühendisliği](/bolum/biyomedikal-muhendisligi), [sağlık bilgi sistemleri teknikerliği](/bolum/saglik-bilgi-sistemleri-teknikerligi) ve [tıbbi veri işleme teknikerliği](/bolum/tibbi-veri-isleme-teknikerligi); biyolojik veriye ilgi duyan öğrenci için [biyomühendislik](/bolum/biyomuhendislik), [genetik ve biyomühendislik](/bolum/genetik-ve-biyomuhendislik) ve [moleküler biyoloji ve genetik](/bolum/molekuler-biyoloji-ve-genetik); temel bilimlere ilgi duyan öğrenci için [fizik](/bolum/fizik) ve [kimya](/bolum/kimya); ekonomiye ve işletmeye ilgi duyan öğrenci için [ekonomi](/bolum/ekonomi), [iktisat](/bolum/iktisat) ve [işletme](/bolum/isletme); verinin hukuki ve kamusal tarafına ilgi duyan öğrenci için [hukuk](/bolum/hukuk), [kamu yönetimi](/bolum/kamu-yonetimi) ve [siyaset bilimi ve kamu yönetimi](/bolum/siyaset-bilimi-ve-kamu-yonetimi); iki yıllık bir yoldan girmek isteyen öğrenci için [bilgisayar programcılığı](/bolum/bilgisayar-programciligi), [yazılım geliştirme](/bolum/yazilim-gelistirme), [yapay zeka operatörlüğü](/bolum/yapay-zeka-operatorlugu), [bulut bilişim operatörlüğü](/bolum/bulut-bilisim-operatorlugu) ve [internet ve ağ teknolojileri](/bolum/internet-ve-ag-teknolojileri) karşılaştırılmaya değer yollar oluşturur.
Beşinci not: Bu rehber bölümün ne olduğunu anlatır; hangi üniversiteye hangi puanla girileceğini anlatmaz. Taban puan, başarı sıralaması ve kontenjan her yıl değişir ve tek geçerli kaynağı ÖSYM tercih kılavuzu ile YÖK Atlas'tır. Bu sayfada bilerek puan, sıralama ya da maaş rakamı verilmiyor: eksik bilgi, yanlış bilgiden iyidir.
ÖSYM bu programı 13 üniversitede, 26 ayrı kontenjan satırında açtı. Aşağıdaki iki puan, bu programın ÖSYM'de yayımlanmış en yüksek ve en düşük taban puanıdır.
ÖSYM'nin bu tablolarında başarı sıralaması yoktur; sıralama için YÖK Atlas kullanılmalıdır. Taban puanlar geçmiş yılın sonucudur, her yıl değişir.
Bu rehber bilgilendirme amaçlıdır; müfredat ve koşullar üniversiteye göre değişir. Bölümün bulunduğu üniversiteler ile güncel taban puan, başarı sıralaması ve kontenjanlar için ÖSYM tercih kılavuzu ve YÖK Atlas esastır.