Yapay zekâ mühendisliği; verilerden öğrenen sistemleri tasarlayan, eğiten ve gerçek ürünlere dönüştüren mühendislik alanıdır. Matematiği, programlamayı ve problem çözmeyi seven öğrenciler için uygun bir yoldur, ancak kestirme bir yolu yoktur. Bu rehber hangi lisans programlarının bu alana açıldığını, hangi matematik ve istatistik temelinin gerektiğini, rollerin farkını ve portfolyo ile açık kaynak katkısının nasıl kurulacağını anlatıyor.
Kısa cevap: En doğrudan yol bilgisayar mühendisliğidir; yapay zekâ mühendisliği, matematik, istatistik ve benzeri programlar da uygundur ve hepsi YKS'de SAY puan türüyle öğrenci alır. Diplomanın yanında doğrusal cebir, olasılık ve istatistik temeli, yazılım becerisi ve gösterilebilir projeler aranır. Araştırma ağırlıklı roller çoğunlukla yüksek lisans ya da doktora ister; özel sektör ve yurt dışı gelirleri için bu yazıda rakam verilmemiştir.
Yapay zekâ mühendisi ne iş yapar?
Makine öğrenmesi, bilgisayarların kuralları tek tek yazılmadan örnek verilerden örüntü öğrenmesini sağlayan yöntemlerin genel adıdır; derin öğrenme ise bunun çok katmanlı yapay sinir ağlarına dayanan koludur. Yapay zekâ mühendisi bu yöntemleri bir ürünün içine yerleştirir. Başlıca görevler şunlardır:
- Problemi tanımlamak ve verinin uygun olup olmadığını değerlendirmek
- Veriyi toplamak, temizlemek ve modele uygun hâle getirmek
- Modeli eğitmek ve uygun ölçütlerle değerlendirmek
- Modeli bir servis olarak paketleyip canlı ortama almak
- Canlıdaki doğruluğu, gecikmeyi ve maliyeti izlemek
- Sonuçların sınırlarını ve olası yanlılıklarını belgelemek
Büyük dil modelleri bu alanın yalnızca bir koludur; bu rehber hangi kolu seçerseniz seçin gereken temel yetkinliklere odaklanıyor.
Roller: makine öğrenmesi mühendisi, veri bilimci ve MLOps
Unvanlar şirketten şirkete değiştiği için ilanın görev tanımına bakmak gerekir. Genel ayrım şöyledir:
- Makine öğrenmesi mühendisi: Modeli eğitir, değerlendirir ve ürüne taşır; Python, derin öğrenme çerçeveleri ve yazılım mühendisliği öne çıkar.
- Veri bilimci: Veriyi analiz eder, deney tasarlar ve iş sorularına yanıt arar; istatistik, SQL ve anlatım becerisi öne çıkar.
- MLOps mühendisi: Modellerin sürümlenmesini, otomatik dağıtımını ve izlenmesini sağlar; konteyner, bulut ve otomasyon bilgisi öne çıkar.
- Araştırma bilimcisi ya da mühendisi: Yeni yöntemler geliştirir ve bulguları yayımlar; ileri matematik ve akademik yazım öne çıkar.
Modeli canlıya alma sürecinin ayrıntısı için makine öğrenmesi mühendisliği rehberimize bakabilirsiniz.
Hangi bölümler ve sınavlar?
Lisans (4 yıl): Bu alana açılan başlıca programlar şunlardır:
- Bilgisayar mühendisliği: Programlama, algoritma, veri yapıları, işletim sistemleri ve veri tabanı temelini verir; makine öğrenmesine en doğrudan yoldur.
- Yapay zekâ mühendisliği ve benzer adlı programlar: Yapay Zeka Mühendisliği, Yapay Zeka ve Veri Mühendisliği, Yapay Zeka ve Makine Öğrenmesi gibi adlarla bazı üniversitelerde açılmıştır; her üniversitede bulunmaz ve ders içerikleri farklıdır.
- Veri bilimi ve analitiği: Bu adla açılan programlar genellikle istatistik, veri işleme ve uygulama ağırlıklıdır.
- Matematik ve istatistik: Doğrusal cebir, analiz, olasılık ve çıkarım derslerini en derin işleyen programlardır; Matematik ve Bilgisayar Bilimleri ile İstatistik ve Bilgisayar Bilimleri gibi karma programlar da vardır.
- Yazılım, elektrik-elektronik ve endüstri mühendisliği: Bu mezunlar da alana geçebilir; matematik, makine öğrenmesi ve programlama eksiklerini ayrıca kapatmaları gerekir.
YKS: Bu programların hepsi SAY puan türüyle öğrenci alır; TYT'nin yanında AYT'nin matematik, fizik, kimya ve biyoloji testleri belirleyicidir. Öğretim dili ve ders içeriği üniversiteye göre değişir. Güncel taban puanı, başarı sırası ve kontenjan için YKS bölümler sayfasına bakın.
Önlisans: Bilgisayar Programcılığı ve Yapay Zeka Operatörlüğü gibi önlisans programları TYT puanıyla öğrenci alır ve uygulama ağırlıklıdır; mezunlar DGS ile lisansa geçmeyi değerlendirebilir. Hangi önlisansın hangi lisans programına başvurabildiği ÖSYM'nin DGS kılavuzundaki tabloda yazar.
Lisansüstü: Araştırma ağırlıklı roller için yüksek lisans ya da doktora çoğunlukla tercih edilir. Türkiye'deki lisansüstü başvurularda ALES ve yabancı dil koşulu aranır; tezli yüksek lisans için ALES'ten en az 55 puan istenir, üniversiteler daha yüksek bir sınır koyabilir. Sınavı tanımak için ALES rehberine göz atabilirsiniz.
Matematik ve istatistik temeli
Kütüphaneyi çağırıp sonuç almak ilk günlerde yeterli görünebilir; ancak hatayı bulmak ve sonucu yorumlamak matematik bilgisine dayanır. Başlıca konular şunlardır:
| Konu | Ne işe yarar? | Hangi derste öğrenilir? |
|---|---|---|
| Doğrusal cebir | Veriyi vektör ve matrislerle göstermek, sinir ağlarındaki temel işlemleri anlamak | Lineer cebir |
| Analiz ve çok değişkenli türev | Modelin hatayı nasıl azalttığını (gradyan) kavramak | Analiz, çok değişkenli analiz |
| Olasılık | Belirsizliği modellemek; dağılımlar ve Bayes kuralı | Olasılık |
| İstatistik | Örnekleme, hipotez testi ve regresyonla sonucu yorumlamak | İstatistik, regresyon |
| Optimizasyon | Parametreleri en iyi değere yaklaştıran yöntemleri anlamak | Optimizasyon, sayısal yöntemler |
| Ayrık matematik ve algoritmalar | Veri yapıları, karmaşıklık ve graf problemleri | Ayrık matematik, algoritmalar |
Çalışırken şunlara dikkat edin:
- Önce kavramı, sonra kodu öğrenin; bir yöntemin neden çalıştığını anlatamıyorsanız sonucuna da güvenemezsiniz.
- Doğrusal regresyon gibi küçük bir yöntemi kütüphane kullanmadan kendiniz yazın, sonra kütüphane sonucuyla karşılaştırın.
- İstatistiği ihmal etmeyin; aşırı öğrenme, veri sızıntısı ve yanlış ölçüt seçimi istatistik bilgisiyle fark edilen hatalardır.
Portfolyo ve açık kaynak katkısı
Diploma kapıyı açar; portfolyo ise neyi yapabildiğinizi gösterir. Mülakatlarda projeleriniz ve kodunuz sorulabilir.
Portfolyo nasıl kurulur?
- Çok sayıda yüzeysel proje yerine birkaç uçtan uca projeyi derinlemesine yapın.
- Her proje için problemi, veri kaynağını ve lisansını, seçtiğiniz ölçütü ve nedenini yazın.
- Hata analizi ekleyin: modelin nerede yanıldığını ve olası nedenini gösterin.
- Çalışmanızı başkası tekrar üretebilsin: kodu, ortam bilgisini ve açık bir kullanım kılavuzunu (README) paylaşın.
- Bir projeyi veriden canlıya taşıyın: basit bir servis kurun, izleme mantığını anlatın.
- Kişisel veri içeren ya da lisansı belirsiz veri kullanmayın.
Açık kaynağa nasıl katkı verilir?
- Kullandığınız bir kütüphanenin katkı rehberini okuyun.
- Küçük başlayın: dokümantasyondaki yanlışı düzeltin, örnek ekleyin ya da hata bildirimi hazırlayın.
- Yeni başlayanlara etiketlenmiş sorunlara bakın; bir test yazmak bile değerli bir katkıdır.
- Değişikliği küçük ve açıklamalı tutun, geri bildirimleri sabırla uygulayın.
- Katkılarınızı portfolyonuzda bağlantıyla gösterin.
Kamu ve özel sektörde çalışma alanları
| Alan | Nasıl girilir | Not |
|---|---|---|
| Yazılım ve teknoloji şirketleri | Şirket ilanı, staj, portfolyo ve teknik mülakat | Ürün ekiplerinde makine öğrenmesi, yapay zekâ özellikleri ve MLOps rolleri bulunur |
| E-ticaret, finans ve telekomünikasyon | Şirketlerin ilan ve staj programları; kamu bankaları KPSS aramadan kendi sınavlarıyla personel alır | Öneri sistemleri, dolandırıcılık tespiti, müşteri analitiği; sektör mevzuatı önemlidir |
| Sanayi, otomotiv ve savunma | Firma ilanları; ilgili diploma, İngilizce, bazı görevlerde güvenlik soruşturması | Görüntü işleme, kestirimci bakım, sensör verisi |
| Kamu kurumları ve kamu araştırma kuruluşları | Kurum ilanı; mühendis kadrolarında KPSS ya da kurumun kendi sınavı | Bilişim ve Ar-Ge birimleri; şartlar ilanda yazar |
| Üniversiteler | Lisansüstü eğitim, ALES ve yabancı dil; akademik kadro ilanları | Araştırma, ders verme ve proje çalışmaları |
| Girişimler, serbest ve uzaktan çalışma | Portfolyo, açık kaynak katkıları, referans ve müşteri çevresi | Danışmanlık ve proje bazlı işler; sözleşme ve vergi düzeni çalışana aittir |
| Yurt dışı | Diploma denkliği ya da tanınması, dil yeterliği, çalışma izni ve portfolyo | Süreç ülkeye ve işverene göre değişir |
Maaş neye göre değişir?
Kamu kurumlarında mühendis (8/1) kadrosunun giriş neti yaklaşık 94.000 TL'dir (Temmuz 2026, bekâr, giriş; eş ve çocuk yardımı hariç). Üniversitede araştırma görevlisi (7/1) kadrosunun giriş neti yaklaşık 96.650 TL'dir (Temmuz 2026, bekâr, giriş). Derece ve kademe ilerledikçe maaş artar; genel çerçeve için devlet memuru maaşları rehberine bakabilirsiniz.
Özel sektörde, serbest çalışmada ve yurt dışında bu rolleri tek bir rakama bağlamak mümkün değildir; bu yüzden tutar yazmıyoruz. Belirleyen başlıca etkenler şunlardır:
- Rol: makine öğrenmesi mühendisliği, veri bilimi, MLOps ya da araştırma
- İşverenin türü, sektörü ve ölçeği
- Şehir ve çalışma biçimi: ofis, hibrit ya da uzaktan
- Deneyim, üstlenilen sorumluluk ve portfolyonun gücü
- Teknik derinlik ve yabancı dil düzeyi
- Lisansüstü eğitim ve yayın
Adım adım yol haritası
- Temeli lisede atın. Matematiğe ve Python gibi bir programlama diline düzenli çalışın; SAY puan türü için AYT testlerine hazırlanın.
- Programı bilinçli seçin. İlgili programları ders içeriği, öğretim dili ve staj olanakları açısından karşılaştırın.
- Matematik derslerini ciddiye alın. Doğrusal cebir, olasılık ve istatistikte kavramları anlamaya odaklanın.
- Yazılım temelini kurun. Python, SQL, Git ve veri yapılarını öğrenin; ardından API geliştirme ve konteyner kullanımına geçin.
- Makine öğrenmesini uygulayarak öğrenin. Denetimli ve denetimsiz öğrenmeyi, model değerlendirmeyi ve derin öğrenmeyi küçük deneylerle pekiştirin.
- Portfolyonuzu kurun. Birkaç uçtan uca proje yapın; sonuçları, hataları ve sınırları açıkça yazın.
- Açık kaynağa ve stajlara katılın. Küçük katkılar ve staj deneyimi hem beceri hem referans kazandırır.
- Yönünüzü seçin. Araştırma için yüksek lisans ve yayın, ürün ve MLOps için dağıtım ve izleme deneyimi planlayın; İngilizcenizi sürekli geliştirin.
Sık Sorulan Sorular
Yapay zekâ mühendisi olmak için hangi bölüm okunmalı?
Zorunlu tek bir bölüm yoktur. Bilgisayar mühendisliği en doğrudan yoldur; yapay zekâ mühendisliği, matematik, istatistik, yazılım ve elektrik-elektronik mühendisliği de sık görülen yollardır.
Yapay zekâ mühendisliği bölümünü okumak şart mı?
Hayır. Bu programlar her üniversitede bulunmaz; bu alanda çalışan mühendisler arasında bilgisayar mühendisliği ya da matematik gibi köklü bölümlerden gelenler de vardır. Tercih edecekseniz müfredatta matematik, programlama ve yazılım mühendisliği derslerinin yeterli olup olmadığına bakın.
Matematiğim zayıfsa bu alanda çalışabilir miyim?
Matematik temeli bu alanın ayrılmaz parçasıdır; ancak zayıf bir başlangıç telafi edilebilir. Doğrusal cebir, olasılık ve istatistiği adım adım ve uygulamayla çalışmak mümkündür.
Makine öğrenmesi mühendisi ile veri bilimci arasındaki fark nedir?
Veri bilimci çoğunlukla veriyi analiz eder ve iş sorularına yanıt arar; makine öğrenmesi mühendisi ise modelin canlı ortamda güvenilir ve izlenebilir çalışmasına odaklanır. Küçük ekiplerde iki rol iç içe geçebilir; ilanın görev tanımı belirleyicidir.
Yüksek lisans ya da doktora gerekli mi?
Role bağlıdır. Yeni yöntem geliştiren araştırma rollerinde lisansüstü eğitim ve yayın sık aranır; hazır modelleri ürünlere bağlayan, değerlendiren ve izleyen rollerde güçlü mühendislik ve proje deneyimi öne çıkar.
Online kurs ya da sertifika yeterli mi?
Kurslar ve sertifikalar öğrenmeyi destekler ancak diploma yerine geçmez; kamu kadrolarında lisans diploması şarttır, özel sektörde de diploma, proje ve staj birlikte değerlendirilir. Sertifikanızı ürettiğiniz projelerle birlikte göstermek daha güçlü bir tablo çizer.
Bölüm ve sınav planınızı birlikte kurmak için koçluk sayfasına göz atabilirsiniz.
