Hacettepe Yapay Zeka ve Veri Mühendisliği Dersleri Nasıl?
Hacettepe Yapay Zekâ ve Veri Mühendisliği müfredatını programlama, matematik, yapay zekâ, veri bilimi, laboratuvar, staj ve proje dersleri açısından inceleyin.
Hacettepe Yapay Zekâ ve Veri Mühendisliği dersleri yalnızca yapay zekâ modelleri öğrenmeye odaklanan dar bir program değil. Müfredatın ilk kısmında programlama, matematik, fizik, veri yapıları, algoritmalar, olasılık ve istatistik temeli kuruluyor; sonraki yıllarda makine öğrenmesi, derin öğrenme, veri mühendisliği, optimizasyon, MLOps ve alan seçmelileri geliyor.
Program sekiz yarıyıl ve toplam 240 AKTS. Eğitim dili İngilizce. Ayrıca teori derslerinin yanında laboratuvarlar, iki staj ve iki yarıyıla yayılan bitirme projesi bulunuyor.
İlk yıl doğrudan “ileri yapay zekâ” ile başlamıyor
İlk yılın ağırlığı mühendislik ve hesaplama temeli.
Birinci yarıyılda örneğin:
- Yapay Zekâ Oryantasyonu,
- Programlamaya Giriş I ve laboratuvarı,
- Matematik I,
- Fizik I ve fizik laboratuvarı
yer alıyor.
İkinci yarıyılda Programlamaya Giriş II, Yapay Zekâ İlkeleri, Temel Doğrusal Cebir ve Matematik II ile temel biraz daha derinleşiyor.
Bu yapı önemli çünkü bölümün adı “Yapay Zekâ ve Veri Mühendisliği” olsa da ileride makine öğrenmesini gerçekten anlayabilmek için doğrusal cebir, kalkülüs, olasılık, algoritma ve programlama bilgisi gerekiyor. Yani ilk yılda “neden bu kadar matematik ve programlama var?” diye düşünmek yerine bunları sonraki derslerin altyapısı olarak görmek daha doğru.
İkinci yılda veri bilimi ve makine öğrenmesi belirginleşiyor
Üçüncü yarıyılda Veri Biliminin Temelleri ve Veri Bilimi Laboratuvarı başlıyor. Aynı dönemde Veri Yapıları, Yazılım Laboratuvarı, Ayrık Yapılar ve Olasılık da var.
Dördüncü yarıyılda ise:
- Makine Öğrenmesinin Temelleri,
- Makine Öğrenmesi Laboratuvarı,
- Algoritmalar,
- Yazılım Laboratuvarı II,
- Bilgisayar Sistemleri,
- İstatistik
bir araya geliyor.
Bu noktadan sonra programın karakteri daha net görülüyor: öğrenci yalnızca hazır bir model kullanmayı değil, veriyi hazırlamayı, algoritmik düşünmeyi, yazılım geliştirmeyi ve modelin matematiksel temelini birlikte öğreniyor.
Üçüncü yılda iş daha teknik ve sistem odaklı hale geliyor
Beşinci yarıyılda Derin Öğrenmenin Temelleri ve laboratuvarı, Sinyaller ve Sistemler, Sayısal Hesaplama ve Optimizasyon ile ilk staj bulunuyor.
Altıncı yarıyıldaki dikkat çekici derslerden biri Makine Öğrenmesi Yazılım Geliştirme ve Operasyonları. Bu ders, bölümün yalnızca model eğitmeye değil, makine öğrenmesi sistemlerinin yazılım ve operasyon tarafına da yer verdiğini gösteriyor.
Aynı dönemde seçmeli derslerin payı artmaya başlıyor. Bu nedenle üçüncü sınıftan itibaren hangi alana yaklaşmak istediğiniz daha önemli hale geliyor.
Son sınıfta seçmeliler ve proje ağırlığı artıyor
Yedinci ve sekizinci yarıyılda iki aşamalı bitirme projesi bulunuyor. İkinci staj da yedinci yarıyılda yer alıyor.
Teknik seçmeli havuzunda bölümün resmî müfredatında şu tür dersler bulunuyor:
- Bilgisayarlı Görünün Temelleri,
- Doğal Dil İşlemenin Temelleri,
- Büyük Veri Analitiği ve Madenciliği,
- Üretici Yapay Zekâ,
- Yapay Sinir Ağları,
- Metin Madenciliği,
- Bilgi Erişimi,
- Robotik alanındaki çeşitli dersler,
- Biyoinformatiğin Temelleri,
- Yapay Zekâ için Araştırma.
Ayrıca belirli koşullarla Bilgisayar Mühendisliği bölümündeki bazı fakülte teknik seçmelileri de seçilebiliyor. Ancak teknik seçmelilerin her dönem mutlaka açılacağı varsayılmamalı; bölüm de derslerin öğretim elemanı uygunluğu, kontenjan ve ön koşullara bağlı olarak açılabileceğini belirtiyor.
Dersler zor mu?
“Zor” öğrenciden öğrenciye değişir; ancak müfredata bakınca hangi noktalarda düzenli çalışma gerekeceğini tahmin etmek mümkün.
Programlama ile matematiği aynı anda yürütmek ilk yıllarda önemli. İkinci sınıftan sonra buna algoritmalar, olasılık-istatistik ve laboratuvar yükü ekleniyor. Üçüncü ve dördüncü sınıfta ise dersleri yalnız sınavdan geçecek kadar bilmek yerine proje ve uygulamaya dönüştürmek daha fazla zaman isteyebilir.
Özellikle ön koşullu ve eş koşullu dersleri küçümsememek gerekir. Örneğin bazı teori ve laboratuvar dersleri birlikte alınmak zorunda; önceki programlama veya makine öğrenmesi dersleri de sonraki derslerin ön koşulu olabiliyor. Bir dersi geciktirmek, yalnız o dönemi değil sonraki ders zincirini de etkileyebilir.
Ders kaydı döneminde ön koşullu laboratuvar ve seçmelileri haftaya yerleştirirken, farklı şube seçeneklerini gerekli.tr Program üzerinde ayrı planlarda deneyerek resmî BİLSİS kaydından önce haftalık yükün nasıl göründüğünü karşılaştırabilirsiniz.
Bu bölüm kim için daha uygun görünüyor?
Müfredat, “yapay zekâ ilgimi çekiyor” demenin ötesinde şu üç alana aynı anda belli ölçüde açık olmayı gerektiriyor:
- Matematik: doğrusal cebir, kalkülüs, olasılık, istatistik ve optimizasyon.
- Yazılım: programlama, veri yapıları, algoritmalar ve sistem dersleri.
- Uygulamalı yapay zekâ: veri bilimi, makine öğrenmesi, derin öğrenme ve seçmeli uzmanlık alanları.
Sadece yapay zekâ araçlarını kullanmak isteyen biri için müfredat beklenenden daha mühendislik ağırlıklı gelebilir. Buna karşılık yapay zekâ sistemlerinin hem model hem veri hem de yazılım tarafını öğrenmek isteyen biri için ders dizilimi oldukça doğrudan bir yol sunuyor.
Kaynak: Hacettepe Üniversitesi Yapay Zekâ ve Veri Mühendisliği – Müfredat ve Dersler