Hacettepe Yapay Zeka ve Veri Mühendisliği Müfredatı Nasıl?

Hacettepe Yapay Zekâ ve Veri Mühendisliği lisans programı 8 yarıyıl ve 240 AKTS üzerinden ilerleyen, eğitim dili İngilizce olan bir mühendislik programıdır. Müfredat yalnız yapay zekâ modellerine odaklanmıyor; programlama, veri yapıları ve algoritmalar, matematik, olasılık-istatistik, veri bilimi, makine öğrenmesi, derin öğrenme, yazılım sistemleri, MLOps, staj ve bitirme projesini birlikte içeriyor.

Bu nedenle programı "dört yıl boyunca yapay zekâ dersi alınan bir bölüm" gibi düşünmek yanıltıcı olur. İlk yıllar ciddi biçimde matematik ve bilgisayar bilimi temeli kuruyor; uzmanlaşma daha sonra geliyor.

1. yıl: programlama ve matematik temeli

İlk yılın ana yükü programlama ile temel bilimlerdir.

Öne çıkan dersler arasında:

• Programlamaya Giriş I-II,
• Programlama Laboratuvarı I-II,
• Matematik I-II,
• Temel Doğrusal Cebir,
• Fizik,
• Yapay Zekâ Oryantasyonu,
• Yapay Zekâ İlkeleri

bulunuyor.

Buradaki yapı önemli: öğrenciden daha ilk yılda yalnız teori dinlemesi değil, programlama laboratuvarlarıyla düzenli kod yazması bekleniyor. Doğrusal cebir ve matematik dersleri de sonraki makine öğrenmesi, optimizasyon ve derin öğrenme derslerinin matematiksel altyapısını hazırlıyor.

2. yıl: veri bilimi, algoritmalar ve makine öğrenmesi

İkinci yılda bölümün kimliği daha görünür hâle geliyor.

3. yarıyılda Veri Biliminin Temelleri ve buna bağlı Veri Bilimi Laboratuvarı ile birlikte Veri Yapıları, Yazılım Laboratuvarı, Ayrık Yapılar ve Olasılık dersleri yer alıyor.

4. yarıyılda ise:

• Makine Öğrenmesinin Temelleri,
• Makine Öğrenmesi Laboratuvarı,
• Algoritmalar,
• Yazılım Laboratuvarı II,
• Bilgisayar Sistemleri,
• İstatistik

dersleri bulunuyor.

Özellikle teori ve laboratuvarın eş zamanlı ilerlemesi müfredatın ayırt edici noktalarından biri. Veri bilimi ve makine öğrenmesi dersleri, ilgili laboratuvar dersleriyle birlikte alınacak şekilde tasarlanmış.

3. yıl: derin öğrenme, optimizasyon ve MLOps

Üçüncü yılda dersler daha sistem ve uygulama odaklı hâle geliyor.

5. yarıyılda Derin Öğrenmenin Temelleri ve Derin Öğrenme Laboratuvarı yanında Sinyaller ve Sistemler ile Sayısal Hesaplama ve Optimizasyon bulunuyor. Ayrıca Staj I bu dönemin müfredatında yer alıyor.

6. yarıyılda dikkat çeken derslerden biri Makine Öğrenmesi Yazılım Geliştirme ve Operasyonları. Bu ders, yalnız model geliştirme değil, makine öğrenmesi sistemlerinin yazılım ve operasyon tarafına da odaklanıldığını gösteriyor.

Aynı dönemde Yapay Zekâ, Teknoloji ve Toplum ile Biçimsel Diller ve Özdevinirler Kuramı dersleri ve seçmeli dersler bulunuyor.

Bu yapı, bölümü klasik bir "veri bilimi" programından ayıran noktalardan biri: model eğitiminin yanında yazılım altyapısı ve gerçek sistem kurma tarafı da müfredatta yer tutuyor.

4. yıl: seçmeliler, staj ve bitirme projesi

Son yıl öğrencinin uzmanlaşma alanını daha fazla seçebildiği dönemdir.

7. yarıyılda:

• Staj II,
• Proje I,
• bir kısıtlı seçmeli,
• bir teknik seçmeli,
• bir teknik olmayan seçmeli

bulunuyor.

8. yarıyılda ise Proje II ile birlikte üç teknik seçmeli ve bir teknik olmayan seçmeli yer alıyor.

Proje I ve Proje II iki yarıyıla yayılan bir bitirme projesi dizisi oluşturuyor. Bu yüzden son sınıf yalnız ders alma dönemi değil, daha uzun süreli bir mühendislik veya araştırma çalışmasının yürütüldüğü dönem olarak düşünülmeli.

Hangi yapay zekâ alanlarında seçmeli ders var?

Bölümün güncel müfredatında teknik seçmeli havuzu oldukça geniş. Örnek dersler arasında:

• Üretici Yapay Zekâ,
• Yapay Sinir Ağları,
• Doğal Dil İşlemenin Temelleri,
• Bilgisayarlı Görünün Temelleri,
• Büyük Veri Analitiği ve Madenciliği,
• Metin Madenciliğinin Temelleri,
• Bilgi Erişimi,
• Robotiğe Giriş,
• Otonom Çok Etmenli Sistemler,
• Bilişsel Robotik,
• İnsan-Robot Etkileşimi,
• Biyoinformatiğin Temelleri,
• Yapay Zekâ için Araştırma

yer alıyor.

Ayrıca fakülte teknik seçmelileri kapsamında Bilgisayar Mühendisliği derslerinden işletim sistemleri, yazılım mühendisliği, bilgisayar ağları, dağıtık sistemler, veritabanı yönetim sistemleri ve güvenlik gibi alanlardan da uygun dersler seçilebiliyor.

Burada dikkat edilmesi gereken nokta, seçmeli havuzunda bir dersin bulunmasının o dersin her dönem mutlaka açılacağı anlamına gelmemesidir. Ders açılışı, öğretim elemanı uygunluğu, kontenjan ve ön koşullara bağlıdır.

Müfredat zor mu?

Müfredatın yükü yalnız ders sayısından kaynaklanmıyor. Programlama laboratuvarları, matematiksel dersler ve birbirine bağlı ön koşullar birlikte ilerlediği için özellikle ilk iki yıldaki temel dersleri sağlam geçirmek önemli.

Örneğin programlama dersleri sonraki veri yapıları, algoritmalar ve birçok yapay zekâ dersinin ön koşul zincirinde bulunuyor. Benzer biçimde doğrusal cebir ve matematik, optimizasyon ve sinyal derslerinin temelini oluşturuyor.

Bu yüzden bölüm öğrencisi için "hangi dersi hangi dönemde geçerim?" sorusu yalnız dönemlik değil, sonraki yarıyılları da etkileyen bir planlama konusu. Dersleri ve ön koşulları kendi dönem planınıza yerleştirirken gerekli.tr üzerinde haftalık ve dönemlik planınızı daha görünür hâle getirmeniz, yoğun laboratuvar ve proje dönemlerini önceden fark etmenizi kolaylaştırabilir.

Kimler için uygun bir müfredat?

Bu program, yalnızca yapay zekâ araçlarını kullanmak isteyen bir öğrenciye göre değil; yapay zekâ sistemlerinin matematiğini, yazılımını ve veri altyapısını birlikte öğrenmek isteyen öğrenciye göre tasarlanmış görünüyor.

Özellikle şu alanların bir arada olması dikkat çekici:

• güçlü programlama temeli,
• matematik ve istatistik,
• veri bilimi,
• makine öğrenmesi ve derin öğrenme,
• yazılım sistemleri ve MLOps,
• iki staj,
• iki dönemlik bitirme projesi,
• geniş teknik seçmeli havuzu.

Tercih aşamasındaki bir öğrenci için en doğru soru "kaç tane yapay zekâ dersi var?" değil, bu matematik + yazılım + veri + yapay zekâ dengesinin kendi ilgi alanına uyup uymadığıdır.

Kaynak: Hacettepe Üniversitesi Yapay Zekâ ve Veri Mühendisliği – Müfredat ve Dersler