Yapay Zekâ ile İlgili Bölümler: Lisans, Önlisans ve Yüksek Lisans Seçenekleri

Yapay zekâ ile ilgili bölümler üç grupta toplanır. Birinci grupta doğrudan bu alana odaklanan yapay zekâ mühendisliği ile yapay zekâ ve veri mühendisliği gibi lisans programları yer alır. İkinci grupta bilgisayar mühendisliği, yazılım mühendisliği, istatistik ve matematik gibi yapay zekâya sağlam bir zemin hazırlayan bölümler bulunur. Üçüncü grup ise önlisanstaki bilgisayar programcılığı ve yapay zekâ operatörlüğü gibi programlarla, mezuniyet sonrası yapay zekâ ve veri bilimi yüksek lisanslarından oluşur.

Aşağıda bu bölüm türlerini ders içeriği ve mezunların hangi işlere yöneldiği açısından karşılaştırıyoruz. Taban puanı ve başarı sırası her yıl değiştiği için bunları yazmadık; tercih döneminde YÖK Atlas'tan güncel verileri kontrol etmenizi öneriyoruz.

Yapay zekâ bölümü okumak şart mı?

Yapay zekâ alanında çalışmak için adında "yapay zekâ" geçen bir bölüm okumak şart değildir. Bugün bu alanda çalışan mühendislerin ve araştırmacıların önemli bir kısmı bilgisayar mühendisliği, elektrik-elektronik mühendisliği, matematik, istatistik ya da fizik gibi bölümlerden gelir. İşverenler genellikle diplomanın adından çok, adayın programlama, matematik ve proje deneyimine bakar.

Adında yapay zekâ geçen bölümlerin avantajı, ders planının daha erken yıllarda makine öğrenmesi, derin öğrenme ve veri işleme derslerine yer vermesidir. Dezavantajı ise bu programların bir kısmının yeni açılmış olmasıdır; öğretim kadrosu, laboratuvar imkânı ve mezun ağı henüz oturmamış olabilir. Bu yüzden bölüm adından çok ders planına ve fakültenin imkânlarına bakmak daha sağlıklı bir yöntemdir.

Lisans düzeyinde yapay zekâ ile ilgili üniversite bölümleri

Lisans düzeyinde yapay zekâya doğrudan ya da dolaylı hazırlayan bölümler aşağıdaki tabloda karşılaştırılmıştır. Ders içerikleri üniversiteden üniversiteye değişir; tablo genel bir eğilimi yansıtır.

Bölüm	Odak	Öne çıkan dersler	Mezunların yöneldiği işler
Yapay Zekâ Mühendisliği	Doğrudan yapay zekâ sistemleri	Makine öğrenmesi, derin öğrenme, doğal dil işleme, görüntü işleme	Makine öğrenmesi mühendisi, yapay zekâ geliştirici
Yapay Zekâ ve Veri Mühendisliği	Yapay zekâ ile veri altyapısı birlikte	Veri tabanları, büyük veri, makine öğrenmesi, istatistik	Veri mühendisi, makine öğrenmesi mühendisi
Bilgisayar Mühendisliği	Yazılım ve donanımın genel temeli	Algoritmalar, veri yapıları, işletim sistemleri, seçmeli yapay zekâ dersleri	Yazılım geliştirici, yapay zekâ mühendisi, araştırmacı
Yazılım Mühendisliği	Yazılım geliştirme süreçleri	Yazılım mimarisi, test, proje yönetimi, seçmeli makine öğrenmesi	Yazılım geliştirici, yapay zekâ ürünlerinde mühendis
İstatistik	Veri analizi ve modelleme	Olasılık, regresyon, örnekleme, istatistiksel öğrenme	Veri bilimci, veri analisti
Matematik	Teorik temel	Lineer cebir, analiz, olasılık, optimizasyon	Araştırma, nicel analiz, veri bilimi
Elektrik-Elektronik Mühendisliği	Sinyal ve donanım	Sinyal işleme, kontrol, gömülü sistemler	Görüntü ve ses işleme, robotik, uç cihazlarda yapay zekâ

Tablodaki son sütun kesin bir yol değil, sık görülen bir eğilimdir. Bir istatistik mezunu yazılım becerisini geliştirerek makine öğrenmesi mühendisi olabilir; bir bilgisayar mühendisi de yapay zekâyla hiç ilgilenmeden kariyerine devam edebilir.

Tabloda olmayan ama yolu açık bölümler

Endüstri mühendisliği, yönetim bilişim sistemleri, fizik ve bilişsel bilim gibi bölümler de yapay zekâya kapı aralayabilir. Endüstri mühendisleri optimizasyon ve veri analizi bilgisini üretim ve lojistik projelerinde yapay zekâyla birleştirir; yönetim bilişim sistemleri mezunları ise yapay zekâ projelerinde iş tarafı ile teknik ekip arasında köprü rolü üstlenebilir. Bu bölümlerden gelenler genellikle programlama ve makine öğrenmesi bilgisini sertifika, kurs ya da yüksek lisansla tamamlar.

Yapay zekâ ve veri mühendisliği ne öğretir?

Yapay zekâ ve veri mühendisliği, yapay zekâ modellerini geliştirmeyi ve bu modellerin beslendiği veri altyapısını kurmayı birlikte öğreten bir programdır. Ders planlarında genellikle programlama, veri tabanları, dağıtık sistemler, istatistik ve makine öğrenmesi bir arada yer alır. Mezunlar hem model geliştiren hem de verinin toplanıp temizlendiği sistemleri kuran rollere aday olur.

Bu ikili odak, sektördeki gerçek bir ihtiyaca karşılık gelir. Bir şirkette yapay zekâ projesinin en çok zaman alan kısmı çoğu zaman model değil, verinin doğru, temiz ve erişilebilir olmasıdır. Veri mühendisliği bu işin adıdır ve yapay zekâ projeleri büyüdükçe bu beceriye talep de artma eğilimindedir.

Programları değerlendirirken ders planında Python ve veri tabanı derslerinin ilk iki yılda yer alıp almadığına, bitirme projesinin gerçek veriyle yapılıp yapılmadığına ve sektörle ortak projelerin varlığına bakın.

Önlisans seçenekleri: iki yılda alana girmek

Önlisans düzeyinde yapay zekâya en yakın programlar bilgisayar programcılığı ve son yıllarda açılan yapay zekâ operatörlüğü gibi programlardır. Bu programlar iki yıl sürer ve teoriden çok uygulamaya ağırlık verir.

Bilgisayar programcılığı, yazılım geliştirmenin temelini öğretir; mezunlar yazılım ekiplerinde giriş seviyesinde işlere başvurabilir. Yapay zekâ operatörlüğü ise yapay zekâ araçlarını kullanma, veri hazırlama ve veri etiketleme gibi uygulama işlerine odaklanır. Bu programın içeriği ve mezunlarının iş olanakları hakkında yapay zekâ operatörlüğü yazısında ayrıntılı bilgi bulabilirsiniz.

Önlisansın avantajı, iki yıl sonunda iş hayatına girip deneyim kazanmaya başlayabilmenizdir. Çalışırken alanı daha iyi tanır, isterseniz sonradan eğitiminizi lisansla tamamlarsınız. Dezavantajı ise bazı işverenlerin mühendislik pozisyonlarında lisans diploması aramasıdır.

Önlisans mezunları, dikey geçiş sınavıyla ilgili lisans bölümlerine geçiş yapabilir. Hangi önlisans programından hangi lisans bölümüne geçilebildiği her yıl ilan edilen kılavuzlarda belirtilir; bu yolu planlıyorsanız güncel kılavuzu kontrol edin.

Yapay zekâ yüksek lisans programları

Yapay zekâ yüksek lisans programları, lisansta farklı bir bölüm okuyup bu alana geçmek isteyenler için en yaygın yoldur. Türkiye'de birçok üniversite yapay zekâ, veri bilimi, bilgisayar mühendisliği ve bilişim alanlarında tezli ve tezsiz yüksek lisans programları açıyor; yurt dışında da benzer programlar yaygın.

Tezli ve tezsiz programlar arasındaki fark, kariyer hedefinizle ilgilidir. Tezli programlar araştırma ve akademiye, doktoraya devam etmeye daha uygundur; bir araştırma problemi üzerinde danışmanla çalışırsınız. Tezsiz programlar ise çoğunlukla çalışanlara yönelik, ders ağırlıklı ve uygulamaya dönük olur ve genellikle ücretlidir.

Başvuru öncesi nelere bakılır?

Yüksek lisans programı seçerken üç noktaya bakın. Birincisi ön koşul dersleri: programlama, lineer cebir ve olasılık bilgisi çoğu programda beklenir, eksikse bilimsel hazırlık dönemi istenebilir. İkincisi öğretim üyelerinin çalışma alanları: doğal dil işleme, görüntü işleme ya da sağlıkta yapay zekâ gibi ilgilendiğiniz konuda çalışan hocalar var mı? Üçüncüsü mezunların nerede çalıştığı: programın LinkedIn'deki mezun profilleri bu konuda fikir verir.

Hangi matematiğin ne düzeyde gerektiğini yapay zekânın matematiksel temelleri yazısında ele aldık.

Bölüm seçerken kendinize sormanız gereken sorular

Doğru bölüm, ilgi alanınıza ve nasıl öğrendiğinize bağlıdır. Tercih listesi hazırlamadan önce şu sorulara dürüstçe cevap vermek, yalnız popüler bir isme göre seçim yapmaktan korur.

1. Matematikten keyif alıyor musunuz? Yapay zekâ bölümleri ve bilgisayar mühendisliği yoğun matematik içerir. Matematikle aranız iyi değilse yazılım mühendisliği ya da önlisans programları daha uygun bir başlangıç olabilir.
2. Teori mi, uygulama mı? Araştırma ve yeni yöntem geliştirmek ilginizi çekiyorsa matematik ya da bilgisayar mühendisliği sonrası tezli yüksek lisans; ürün geliştirmek ilginizi çekiyorsa mühendislik ve uygulamalı programlar öne çıkar.
3. Bölümün ders planında ne var? Üniversitenin sitesinde ders kataloğunu açın ve yapay zekâ derslerinin zorunlu mu seçmeli mi olduğuna bakın.
4. Uygulama imkânı ne durumda? Laboratuvar, öğrenci toplulukları, yarışma takımları ve staj olanakları, diploma kadar önemli bir deneyim kaynağıdır.
5. Şehir ve maliyet: Vakıf üniversitesi ücretleri, burs imkânları ve şehirdeki yaşam maliyeti de kararın parçasıdır.

Örnek: iki öğrencinin farklı tercihi

Varsayımsal iki öğrenci düşünelim. Elif matematikte güçlü, kod yazmayı lise kulübünde denemiş ve araştırmaya meraklı; bilgisayar mühendisliğini tercih edip seçmeli yapay zekâ dersleri ve bir araştırma laboratuvarıyla ilerlemeyi planlıyor. Mert ise uygulamaya yatkın, hızlı iş hayatına girmek istiyor; önlisansta bilgisayar programcılığı okuyup çalışırken dikey geçişi değerlendirmeyi düşünüyor.

İki yol da yapay zekâ alanına çıkabilir. Elif'in yolu daha uzun ve teorik, Mert'in yolu daha kısa ve uygulamalı. Hangisinin doğru olduğu, kişinin ilgisine, maddi durumuna ve öğrenme biçimine bağlıdır; iki yolda da düzenli proje yapmak ortak şarttır.

Mezuniyet sonrası: diploma yetmez, ne gerekir?

Yapay zekâ alanında iş bulmak için diplomanın yanında somut proje deneyimi gerekir. İşverenler genellikle adayın gerçek bir veriyle ne yaptığını görmek ister: bir model eğitmiş mi, sonucu ölçmüş mü, kodunu düzenli tutmuş mu? Bu yüzden öğrencilik yıllarında birkaç küçük proje yapmak ve bunları GitHub gibi bir platformda paylaşmak çok değerlidir.

Alandaki roller de çeşitlidir. Veri bilimci, makine öğrenmesi mühendisi, veri mühendisi, yapay zekâ ürün yöneticisi ve araştırmacı birbirinden farklı beceriler ister. Bu rollerin ne iş yaptığını yapay zekâ mühendisliği ne iş yapar yazısında anlattık.

Yapay zekânın iş dünyasını nasıl etkilediği ve hangi becerilerin öne çıkabileceği tartışmalı bir konudur; tahminler kesin bilgi değil, görüş ve olasılık olarak okunmalıdır. Farklı mesleklerin geleceğine dair değerlendirmeleri geleceğin meslekleri yazısında topladık. Bölüm seçerken tek bir tahmine göre değil, ilgi alanınıza ve kalıcı becerilere göre karar vermek daha sağlıklıdır.

Alan hızla değiştiği için mezuniyetten sonra da öğrenmeye devam etmek gerekir. Bugün bir derste öğrendiğiniz araçlar birkaç yıl içinde değişebilir; temel matematik, programlama ve problem çözme becerisi ise kalıcıdır.

Tercih döneminden önce yapabilecekleriniz

Tercih listesini hazırlamadan önce bu ay birkaç somut adım atabilirsiniz. İlk olarak YÖK Atlas'ta ilgilendiğiniz beş bölümü açın ve her birinin ders planına, öğretim üyesi sayısına ve mezun bilgilerine bakın. Taban puanı ve sıralamayı da güncel hâliyle orada görürsünüz. Bu bilgileri bir tabloya yazmak, bölümleri yan yana karşılaştırmayı kolaylaştırır.

İkinci adım olarak bu bölümlerde okuyan ya da mezun olan birkaç kişiyle konuşun; sosyal medyada ve üniversitelerin tanıtım günlerinde bu fırsat sık çıkar. Son olarak bir haftalık küçük bir deneme yapın: ücretsiz bir Python kursunun ilk derslerini izleyin ve basit bir veri analizi deneyin. Bu deneme, alanın size uyup uymadığını herhangi bir tanıtım broşüründen daha iyi gösterir. Öğrenmeye nereden başlayacağınızı yapay zekâ öğrenme yol haritası yazısında adım adım bulabilirsiniz.