Aday Öğrenci
Yapay Zeka Mühendisliği
Geleceği tasarlayanların bölümü
Yapay zeka artık yalnızca bir teknoloji alanı değil; sağlık, oyun, savunma, finans, eğitim ve üretim dünyasının yeni dili. Bu sayfa, aday öğrencinin ilk bakışta ihtiyacı olan her şeyi tek akışta sunar.
Bölümle ilgili merak ettiğiniz her şey, 14 başlık altında.
Bölümde neler kazanırsın?
Sadece kod değil; bir düşünme biçimi kazanırsın.
📊
Veri okuryazarlığı
Veriyi temizleme, görselleştirme, yorumlama ve modele hazırlama becerisi.
🧩
Problem çözme
Problemi doğru tanımlama, alt parçalara bölme ve ölçülebilir çözüm üretme.
🛡️
Güvenilir AI
Adil, açıklanabilir ve sürdürülebilir yapay zeka sistemleri geliştirme.
🛠️
Ürünleştirme
Modeli arayüz, servis, test ve gerçek kullanım akışına taşıma.
Adaydan mühendise
Karar sürecinde: tanı, karşılaştır, bağlan.
1. Tanı
Bölümün dili, misyonu, güçlü yönleri ve akademik kültürünü keşfet.
2. Karşılaştır
Kontenjan, ders planı, laboratuvar ve kariyer başlıklarını incele.
3. Bağlan
Sosyal medya, bölüm e-postası ve adres bilgileriyle bize ulaş.
Yapay zeka alanları
Makine öğrenmesinden sağlıkta yapay zekaya: tüm alanlar.
Her kartı açarak özgün koddaki açıklamaları, konuları ve proje fikirlerini inceleyebilirsin.
🧠Yapay Zeka Nedir?
Veriden öğrenen, karar süreçlerini destekleyen ve karmaşık problemleri çözmeye çalışan sistemlerin genel alanı.
- Yapay zeka, makinenin belirli bir problemi verilerden ve kurallardan yararlanarak çözmesini hedefler.
- Aday öğrenci burada “model”, “veri”, “eğitim”, “test” ve “başarım” gibi temel kavramlarla tanışır.
- Alan yalnızca sohbet robotlarından ibaret değildir; görüntü, ses, metin, sensör verisi ve karar destek sistemlerini de kapsar.
- Proje fikri: Basit bir karar destek sistemi veya küçük bir sınıflandırma demosu hazırlanabilir.
💻Kodlama ve Yazılım
Modeli yalnızca çalıştıran değil, gerçek ürüne dönüştüren yazılım disiplini.
- Python yapay zeka için güçlü bir başlangıçtır; fakat tek başına yeterli değildir.
- Veri yapıları, algoritmalar, nesne yönelimli programlama ve hata ayıklama alışkanlığı gerekir.
- Modelin kullanıcıya ulaşması için API, web arayüzü, dosya yönetimi ve test bilgisi önem kazanır.
- Proje fikri: Eğitilmiş bir modeli küçük bir web panelinde çalıştıran demo uygulama.
📊Veri Okuryazarlığı
Veriyi toplama, temizleme, anlama, görselleştirme ve doğru temsil etme becerisi.
- Gerçek veriler çoğu zaman eksik, gürültülü ve dengesizdir; bu yüzden veri hazırlama modeli doğrudan etkiler.
- Grafikler, dağılımlar ve temel istatistikler modele geçmeden önce problemi görmeyi sağlar.
- Veri sızıntısı, dengesiz sınıflar ve yanlış etiket gibi sorunlar aday öğrenciye erken anlatılmalıdır.
- Proje fikri: Bir veri setini temizleyip etkileşimli grafiklerle açıklayan analiz raporu.
⚙️Makine Öğrenmesi
Örneklerden genelleme yaparak tahmin, sınıflandırma ve öneri üretme yaklaşımı.
- Makine öğrenmesi, verideki örüntüyü öğrenerek yeni örnekler hakkında tahmin yapmayı sağlar.
- Başarı yalnızca yüksek doğruluk değildir; doğrulama, hata analizi ve genelleme kabiliyeti önemlidir.
- Karar ağaçları, k-NN, Naive Bayes, SVM ve ensemble yöntemler gibi temel modeller tanıtılabilir.
- Proje fikri: Öğrenci başarı tahmini, fiyat tahmini veya müşteri segmentasyonu.
🔬Derin Öğrenme
Görüntü, ses ve metin gibi karmaşık verilerde çok katmanlı modellerle temsil öğrenme.
- Derin öğrenme, çok katmanlı yapılarla veriden daha soyut özellikler çıkarmayı hedefler.
- CNN’ler görüntüde, Transformer tabanlı yapılar metin ve çok modlu verilerde sık kullanılır.
- Aşırı öğrenme, veri artırma, kayıp fonksiyonları ve optimizasyon adayın mutlaka tanıması gereken konulardır.
- Proje fikri: Görüntü sınıflandırma, duygu analizi veya küçük bir metin üretim demosu.
👁️Bilgisayarlı Görü
Görüntü ve videolardan anlam çıkaran; sağlık, güvenlik ve üretimde kullanılan alan.
- Bilgisayarlı görü; kameradan, mikroskoptan veya tıbbi cihazdan gelen görüntüleri analiz eder.
- Sınıflandırma, nesne tespiti ve segmentasyon farklı zorluk seviyelerine sahip temel görevlerdir.
- Tıbbi görüntüleme, kalite kontrol, tarım ve otonom sistemler bu alanın güçlü uygulamalarıdır.
- Proje fikri: Laboratuvar görüntülerinden nesne tespiti veya basit bir tıbbi görüntü sınıflandırma demosu.
💬Doğal Dil İşleme
Makinelerin insan dilini anlaması, üretmesi, özetlemesi ve yorumlaması üzerine çalışır.
- NLP; metin sınıflandırma, duygu analizi, otomatik özetleme, bilgi çıkarımı ve soru-cevap sistemlerini kapsar.
- Güncel dil modelleri güçlüdür; fakat veri, bağlam, güvenilirlik ve kaynak kontrolü hâlâ kritik önemdedir.
- Aday öğrenci burada dilin belirsizliğini, token mantığını ve model değerlendirmeyi görür.
- Proje fikri: Bölüm duyurularını özetleyen veya aday sorularını sınıflandıran mini chatbot.
🧾Üretken Yapay Zeka
Metin, görsel, kod, ses ve tasarım çıktıları üretebilen modern yapay zeka yaklaşımı.
- Üretken yapay zeka yalnızca içerik üretmek değil; fikir geliştirme, taslak çıkarma ve hızlı prototipleme imkânı da sunar.
- Prompt tasarımı, çıktı kontrolü, halüsinasyon riski ve telif/etik sorumluluk birlikte ele alınmalıdır.
- Kod yazdırma, görsel üretim ve metin düzenleme gibi kullanım senaryoları mühendislik bakışıyla değerlendirilir.
- Proje fikri: Aday öğrenci sorularını yanıtlayan kontrollü bilgi asistanı.
🛡️Etik ve Güvenilirlik
Adil, açıklanabilir, güvenli ve sorumlu yapay zeka sistemleri geliştirme yaklaşımı.
- Yapay zeka kararları insanlar üzerinde etki oluşturduğunda etik sorumluluk teknik başarı kadar önemlidir.
- Veri gizliliği, önyargı, açıklanabilirlik ve güvenlik konuları proje tasarımının başından itibaren düşünülmelidir.
- Aday öğrenci modelin yanlış karar verebileceğini ve bunun nasıl test edileceğini öğrenmelidir.
- Proje fikri: Bir modelin hatalarını ve önyargı riskini analiz eden açıklanabilirlik raporu.
🚀Proje Kültürü
Öğrenilen bilgiyi demo, rapor, takım çalışması ve gerçek çıktıya dönüştürme alışkanlığı.
- Yapay zeka öğrenimi proje yapılmadan eksik kalır; gerçek öğrenme hata görüp düzeltirken oluşur.
- Takım çalışması, versiyon kontrolü, rapor yazımı ve sunum becerisi teknik beceriyi görünür hale getirir.
- Küçük ama tamamlanmış projeler, büyük ama yarım kalmış fikirlerden daha değerlidir.
- Proje fikri: Dönem sonunda çalışan demo + kısa teknik rapor + GitHub sayfası.
🧩Problem Çözme
Model seçmeden önce problemi doğru tanımlama, parçalama ve ölçülebilir hale getirme becerisi.
- İyi yapay zeka projesi “hangi modeli kullanalım?” sorusuyla değil, “hangi problemi çözüyoruz?” sorusuyla başlar.
- Problem küçük parçalara ayrılır, ölçüt belirlenir ve veri uygunluğu kontrol edilir.
- Hata analizi, modelin nerede başarısız olduğunu görmeyi sağlar ve sonraki iyileştirmeyi yönlendirir.
- Proje fikri: Aynı problem için farklı modelleri karşılaştıran deney raporu.
🌐Kariyer Alanları
AI mühendisliğinin yazılım, veri bilimi, robotik, oyun, sağlık ve Ar-Ge kapıları.
- Mezunlar yazılım geliştirici, veri bilimci, makine öğrenmesi mühendisi, görüntü işleme uzmanı veya Ar-Ge mühendisi gibi rollere yönelebilir.
- Kamu, özel sektör, akademi ve girişim ekosistemi farklı kariyer yolları sunar.
- Portföy, proje ve staj deneyimi kariyer başlangıcında çok belirleyicidir.
- Proje fikri: Kişisel portföy sayfası ve 3 güçlü AI demo projesi.
🎮Yaratıcı Uygulamalar
Oyun, tasarım, medya ve eğitimde yapay zekayı yaratıcı üretim aracı olarak kullanma.
- Yapay zeka; karakter davranışı, prosedürel içerik üretimi, kişiselleştirilmiş öğrenme ve tasarım destek sistemlerinde kullanılabilir.
- Yaratıcı uygulamalar teknik beceriyle estetik ve kullanıcı deneyimini birleştirir.
- Bu alan özellikle portföyde görsel ve etkileşimli demo üretmeye çok uygundur.
- Proje fikri: Oyun içi NPC davranışı, eğitim öneri sistemi veya üretken görsel aracı.
🏭Endüstri ve Üretim
Kalite kontrol, kestirimci bakım, otomasyon ve süreç optimizasyonu gibi alanlardaki AI kullanımı.
- Endüstride yapay zeka çoğu zaman maliyeti azaltmak, hatayı erken görmek ve süreci hızlandırmak için kullanılır.
- Sensör verisi, görüntü verisi ve üretim kayıtları modelleme için güçlü kaynaklardır.
- Modelin sahada çalışması için güvenilirlik, izleme ve bakım planı gerekir.
- Proje fikri: Üretim hatası tespiti veya sensör verisinden arıza tahmini.
🩺Sağlıkta Yapay Zeka
Tıbbi görüntülerden hastalık teşhisine, yapay zekanın sağlıktaki dönüştürücü rolü.
- Derin öğrenme modelleri; MR, tomografi ve mamografi gibi tıbbi görüntülerde hekimlere teşhis desteği sağlar.
- Hastalık riski tahmini, tedavi planlama ve ilaç keşfi, yapay zekanın en hızlı büyüyen uygulama alanları arasındadır.
- Bölümümüzde tıbbi görüntü analizi üzerine araştırmalar ve öğrenci projeleri yürütülmektedir.
📌Adaya Öneri
Bu bölümü hedefleyen aday için temel çalışma ve hazırlık tavsiyeleri.
- Başlangıçta her şeyi bilmek gerekmez; düzenli merak ve küçük adımlar çok daha önemlidir.
- Python, temel algoritmalar, lise/başlangıç düzeyi matematik ve basit veri projeleri iyi bir hazırlık sağlar.
- İngilizce teknik kaynak okumaya alışmak, alanı takip etmeyi kolaylaştırır.
- Proje fikri: Yaz boyunca her hafta küçük bir veri/kod denemesi ve kısa not tutma rutini.
Sık sorulan sorular
Aklındaki soruların cevapları hazır.
Hazırlık var mı?
Hayır, bölümümüzde hazırlık sınıfı yoktur; öğrenciler doğrudan birinci sınıftan eğitime başlar.
Öğretim dili nedir?
Bölümümüzün öğretim dili Türkçedir.
Staj zorunlu mu, kaç gün?
Evet, staj zorunludur ve süresi 30 gündür. Ayrıntılar bölümün staj yönergesinde yer alır.
Mezun olunca hangi alanlarda çalışabilirim?
Yazılım geliştirme, veri bilimi, makine öğrenmesi, görüntü işleme, doğal dil işleme, ürün geliştirme ve Ar-Ge alanları öne çıkar.
Kendimi nasıl hazırlarım?
Temel programlama, matematik, problem çözme ve küçük projelerle portfolyo geliştirme en iyi başlangıçtır.
