Veri Toplama ve Depolama
Sensör, web ve veritabanı kaynaklarından veri çekmeyi, bunları büyük veri ambarlarında saklamayı öğrenirsin. Veri boru hatlarını kurup çalışır hale getirmek bu başlığın ana işidir.
Yapay Zeka ve Veri Mühendisliği
34 programs · 21 universities · 10 cities · Science (SAY) score type · 2026 YKS data
Base scores for Yapay Zeka ve Veri Mühendisliği, the nets you need, how the department changed over the last four years and which programs went unfilled, on one page.
- Programs
- 34
- Universities
- 21
- Total Quota
- 633
- Placed
- 546
- Fill Rate
- %86,3
- Highest Score
- 530,13
- Lowest Score
- 351,45
- Programs With No Placements
- 3
Where Can You Study This Department with Your Rank
Enter your success rank to see which of the 34 Yapay Zeka ve Veri Mühendisliği programs are open to you. We split them into safe, target and ambitious.
About the Department
Yapay Zeka ve Veri Mühendisliği Ne Öğretir
Kısaca: ham veriyi toplamaktan, temizlemekten, depolamaktan ve bu veriden karar destekleyen modeller çıkarmaktan sorumlu mühendisler yetiştirir. Veriyi analiz etmekle yapay zeka modeli kurmak arasındaki bağı kurmayı öğretir. Adayların çoğu bölümü yalnızca yapay zeka sanır; oysa veri altyapısı ve istatistik dersleri müfredatın belkemiğidir.
Veri Temizleme ve Hazırlama
Eksik, hatalı ve tutarsız kayıtları bulup modele uygun hale getirmeyi öğrenirsin. Bir projenin zamanının büyük kısmı bu aşamaya gittiği için derslerde ağırlıklı yer tutar.
İstatistik ve Olasılık
Hipotez testi, regresyon ve zaman serisi analizini öğrenirsin. Bir sonucun şans eseri mi yoksa gerçek bir etki mi olduğunu ayırt etme becerisi bu derslerde kazanılır.
Makine Öğrenmesi Uygulamaları
Sınıflandırma, kümeleme ve tahmin modellerini kurup değerlendirirsin. Modelin başarısını doğru ölçmek ve eğitim verisini ezberlemekten ayırmak önemli bir konudur.
Veri Görselleştirme ve Raporlama
Karmaşık sonuçları karar vericiye anlaşılır grafik ve panolarla aktarmayı öğrenirsin. Yanlış okunabilecek bir grafiğin nasıl hazırlanmaması gerektiğini bilmek bu başlığın ayrılmaz parçasıdır.
Bulut ve Büyük Veri Altyapısı
Dağıtık işleme sistemleri, konteyner ve bulut platformlarında veri işlemeyi görürsün. Büyük veri setlerinin tek bir bilgisayara sığmadığı durumlarda çözüm üretmeyi öğrenirsin.
- Duration
- 4 yearsHazırlık varsa 5 yıl
- Score Type
- Science (SAY)TYT ve AYT birlikte
- Degree Title
- Yapay Zeka ve Veri Mühendisi
- Workload
- 240 AKTS8 yarıyıl
- Internship
- ZorunluGenelde üçüncü yıldan sonra, veri ekiplerinde
- Final Project
- Zorunlu7. ve 8. yarıyıl
Courses
Dört Yılda Hangi Dersleri Alacaksın
Akışta programlama ve istatistik ilk iki yılın omurgasıdır. Veri altyapısı üçüncü yılda, yapay zeka modelleri dördüncü yılda ağırlık kazanır.
- 1
Birinci Sınıf
- Matematik I
- Matematik II
- Programlama I
- Programlama II
- Fizik I
- Ayrık Matematik
- Mühendisliğe Giriş
- İngilizce
- 2
İkinci Sınıf
- Olasılık ve İstatistik
- Lineer Cebir
- Veri Yapıları
- Veritabanı Yönetim Sistemleri
- Nesneye Yönelik Programlama
- Diferansiyel Denklemler
- İstatistiksel Yöntemler
- 3
Üçüncü Sınıf
- Veri Madenciliği
- Makine Öğrenmesi
- Zaman Serileri Analizi
- Büyük Veri Sistemleri
- Veri Görselleştirme
- Yazılım Mühendisliği
- Doğal Dil İşleme
- Veri Güvenliği
- Ekonometri
- 4
Dördüncü Sınıf
- Derin Öğrenme
- Veri Etiği ve Mahremiyet
- Bitirme Projesi I
- Bitirme Projesi II
- Bilgisayarla Görme
- Pekiştirmeli Öğrenme
- Bulut Mimarileri
- Karar Destek Sistemleri
- Nedensel Çıkarım
Required courseElective course
Source and caveat. Ders adları, bu bölümün Türkiye'deki programlarında yaygın olan derslerden derlenmiş örnek bir akıştır. Hangi dersin hangi yılda okutulacağı ve seçmelilerin sayısı okuldan okula değişir.
Specializations
Son İki Yılda Hangi Yöne Gidebilirsin
Veri ve yapay zeka alanı, işletmelerin kendi veri ekiplerini kurmasıyla büyüyor. Son iki yılda seçtiğin ders kümesi, veri altyapısı ile model kurma arasındaki dengeni belirler.
Veri Mühendisliği
Veri akışlarını, ambarları ve işleme hatlarını kurmak. Modeli besleyen altyapı bu rolde şekillenir ve dağıtık sistem bilgisi ister.
- Büyük Veri Sistemleri
- Veritabanı Yönetim Sistemleri
- Bulut Mimarileri
Veri Bilimi ve Analitik
Zaman serileri, ekonometrik modeller ve görsel raporlama ile iş birimlerine öngörü sunmak. Sayısal sonucu yorumlayabilmek bu işin asıl becerisidir.
- Zaman Serileri Analizi
- Ekonometri
- Veri Görselleştirme
Makine Öğrenmesi Mühendisliği
Modelleri eğitmek, doğrulamak ve üretime taşımak. Derin öğrenme ve pekiştirmeli öğrenme bu alanın ileri konularıdır.
- Makine Öğrenmesi
- Derin Öğrenme
- Pekiştirmeli Öğrenme
İş Zekası ve Karar Destek
Yöneticilerin kararlarını destekleyen sistemleri tasarlamak. Nedensel çıkarım ile yalnızca korelasyon değil, etkiyi ölçmek bu rolde önemlidir.
- Karar Destek Sistemleri
- Veri Görselleştirme
- Nedensel Çıkarım
Veri Güvenliği ve Gizlilik
Kişisel verinin korunması, erişim denetimi ve anonimleştirme. Kişisel veri mevzuatına uyum bu alandaki işlerin önemli bir kısmını oluşturur.
- Veri Güvenliği
- Veri Etiği ve Mahremiyet
- İstatistiksel Yöntemler
Akademi ve Ar-Ge
Veri bilimi alanında lisansüstü programlara girip ölçeklenebilir analiz yöntemleri üzerine çalışmak. Açık veri setleriyle yapılan projeler bu yolda önemli bir referans olur.
- Bitirme Projesi I
- Bilgisayarla Görme
- Büyük Veri Sistemleri
Who It Suits
Bu Bölüm Sana Uyar mı, Uymaz mı
Veri ve yapay zeka bölümlerinin farkı genellikle istatistik ağırlığında gizlidir. Veriyle uğraşmayı sevip sevmediğini düşünerek karar ver.
You Will Probably Enjoy It
- Bir tablodaki düzensizliği görünce bunun nedenini araştırmak istiyorsan.
- İstatistiği sınav için değil, bir sonucun güvenilirliğini anlamak için çalışabiliyorsan.
- Yazılım ile analizi aynı ekranda yapmaya alışkınsan.
- İş birimleriyle konuşup bir sorunu veri diliyle tanımlamaktan hoşlanıyorsan.
- Gizlilik ve veri etiği konularına duyarlı, dikkatli bir çalışma tarzın varsa.
You May Struggle
- İstatistik ve lineer cebir yükü yüksektir; bu iki derste başarısız olmak tüm dönemi zorlaştırır.
- Veri temizliği zahmetlidir; yapay zeka dersinde görmeyi beklediğin işin büyük kısmı bu olabilir.
- Veri ekipleri şirketten şirkete çok farklı kurulur; bazı yerlerde iş tanımı belirsiz kalabilir.
- Mezuniyet sonrası sertifika ve bulut platformu eğitimleri ek zaman ve maliyet gerektirir.
- Hem veri hem yapay zeka aynı bölümde olduğu için her iki alanda da derinlik kazanmak zordur; birini öne çıkarman gerekir.
Required Nets
How Many Nets Did Admitted Students Score in Each Subject
Subject nets of the last student placed in each program, grouped by base score band. Each row is the average of the programs in that band.
Source: YÖK Atlas net data, 2025 YKS. ÖSYM publishes subject statistics after the placement results, so the latest net year is 2025 while scores are from 2026. Bands use 2025 base scores. Nets belong to a single candidate, not a class average, so they are the program's lower bound.
Supply and Demand
What the Department Did in Four Years
The base score alone does not tell whether a department is good. If the rank falls while the number of programs grows, getting in becomes easier but the degree also becomes more common. We put the median success rank next to the number of scored programs.
- 2023 median rank
- 40.553
- 2026 median rank
- 63.940
- Rank change
- %+57,7
- Program change
- %+525
Between 2023 and 2026 the number of scored programs rose by 525 percent, while the median success rank worsened by 58 percent. A worsening rank means it became easier to get in. Only programs with a base score are compared across years.
Quality Signals
What the Score Does Not Tell You
Two programs with the same base score are not the same. The indicators below show the differences the score does not.
Faculty Members
Sum of professors, associate professors and assistant professors reported by the programs at the 21 universities offering this department. The same staff may be counted again in scholarship and paid variants; per-program numbers are in the table below.
Quota per Faculty Member
The median ratio of quota to faculty members across this department's programs is 3,3. The lower the ratio, the more academic attention per student.
All Programs
Which Universities Offer Yapay Zeka ve Veri Mühendisliği
All 34 programs. Filter by city, university type and tuition, and sort them.
34 programs
Cities
Where Can You Study This Department with the Lowest Score
City is the most concrete constraint of a preference list. Lowest and highest base scores in each city, starting from the lowest. Only programs with a base score are counted.
Related Departments
If You Are Considering This, Look at These Too
Departments that start with similar courses and lead to nearby fields after graduation.
- 332Bilgisayar Mühendisliğiat 180 universities · highest 544,75
- 40Yapay Zeka Mühendisliğiat 17 universities · highest 549,43
- 164Yazılım Mühendisliğiat 81 universities · highest 474,04
- 43Veri Bilimi ve Analitiğiat 28 universities · highest 515,24
- 271Elektrik-Elektronik Mühendisliğiat 163 universities · highest 550,97
- 207Endüstri Mühendisliğiat 111 universities · highest 544,90
AI Career Tools
You Picked a Department, Get Ready for What Comes Next
Internships while studying, a job after graduation. Prepare your CV with AI, practice with the AI interviewer and browse open positions.
University and program data are compiled from YÖK Atlas and the ÖSYM Higher Education Programs and Quotas Guide. Please make your final checks against the official ÖSYM guide.