Yapay Zeka ve Makine Öğrenmesi Mezunu Ne İş Yapar? Maaş ve Taban Puan (SAY) — Program Tanıtım Raporu (2025-2026)

1. Bu Sektör Ne İle Uğraşır? Topluma Ne Çözer?

Yapay zeka ve makine öğrenmesi, makinelerin verilerden öğrenerek zamanla daha doğru tahmin/karar üretmesini sağlayan algoritmaların geliştirilmesiyle ilgilenir. Bu takip listesindeki #40 Yapay Zeka ve Veri Mühendisliği ve #51 Yapay Zeka Mühendisliği’nden en temel farkı, bu programın adında “mühendislik” geçmeyen, mühendislik fakültesi dışında (genellikle bilgisayar/bilişim teknolojileri fakültesi bünyesinde) sunulan bir lisans programı olmasıdır — enformel kaynaklara göre müfredat içeriği büyük oranda benzer olsa da, mühendislik unvanına sahip programlara kıyasla bazı derslerin daha yüzeysel işlendiği belirtiliyor.

Somut olarak: bir mezun, bir e-ticaret sitesinin ürün öneri algoritmasını geliştirebilir, bir görüntü tanıma modelini eğitebilir, ya da bir şirketin makine öğrenmesi modellerinin bakımını/güncellemesini yapabilir. Bu, yapay zeka teknolojilerinin günlük hayata ve iş süreçlerine entegrasyonunu sağlayan bir uzmanlıktır.

2. Toplumsal Algı ve Gerçeklik Farkı

Toplumda “yapay zeka” ismi geçen her bölüm, günümüzün en parlak teknoloji trendiyle özdeşleştirilip yüksek prestijli ve garantili bir kariyer olarak algılanıyor. Ancak enformel kaynaklarda çarpıcı bir gerçeklik anlatısı var: bu takip listesindeki verilere göre en iyi taban puanla dolan üniversite olan Marmara Üniversitesi’nde bu bölümün yeni açıldığı dönemde başlangıçta hocası, laboratuvarı, hatta sınıfı olmadığı, bir “hayalet bölüm” gibi başladığı anlatılıyor — bu, yüksek taban puanla dolan bir programın bile altyapı olarak henüz olgunlaşmamış olabileceğini gösteren çarpıcı bir örnek.

Ayrıca Ekşi Sözlük’teki tartışmalarda, bilgisayar mühendisleri bile sektörde iş bulmakta zorlanırken, özellikle yapay zeka/makine öğrenmesi bilen birine yönelik ayrı bir “özel piyasa talebi” olmadığı vurgulanıyor — yani “yapay zeka” adının kendisi otomatik bir iş garantisi anlamına gelmiyor.

3. Bölümün Varoluş Gerekçesi: Mevzuattaki Konum ve Yasal Yetkiler

Bu program, mühendislik unvanı vermediği için (bazı üniversitelerde “Bilişim Teknolojileri Bilimi” ya da benzeri bir lisans derecesi veriyor) 6235 sayılı TMMOB Kanunu kapsamındaki mühendis odalarına üyelik ve mühendislik imza yetkisi sağlamıyor — bu, #40 ve #51’deki “mühendis” unvanından temel bir hukuki fark. Düzenlenmiş bir meslek pratik değil; mezunlar teknik yetkinliklerine göre iş piyasasında konumlanıyor.

4. Eğitim İçeriği: Ne Öğretiliyor, Nasıl Farklılaştırıyor?

Müfredat, programlama, istatistik, makine öğrenmesi algoritmaları ve derin öğrenme derslerini kapsar. Enformel kaynaklara göre, aynı konudaki mühendislik programlarına (#51 gibi) kıyasla işletim sistemleri, bilgisayar organizasyonu, dijital tasarım gibi bazı temel bilgisayar bilimi derslerinin bu programda eksik ya da daha yüzeysel işlendiği eleştiriliyor — bu, mezunların algoritma geliştirme derinliğinde bir sınırlılık yaratabiliyor.

5. Kariyer ve İş İmkanları

Mezunlar yapay zeka mühendisi, makine öğrenmesi uzmanı ve veri bilimci gibi pozisyonlarda çalışabiliyor — ama bu roller genellikle #40/#51/#69 gibi “komşu” programların mezunlarıyla doğrudan rekabet gerektiriyor, ve işverenler çoğu zaman unvan yerine somut proje portföyüne bakıyor. Bu bölüme özel, güncel ve resmi bir maaş/istihdam verisi bulunamadı; genel yapay zeka/veri bilimi sektör trendleri (bkz. #40, #51, #69 raporları) burada da geçerli kabul edilebilir.

İstatistik okuryazarlığı notu: “Yapay zeka bilen birine özel bir piyasa talebi yok, bilgisayar mühendisleri bile iş bulamıyor” şeklindeki enformel gözlem, tek kişilerin öznel deneyimidir; bu bölüme özel resmi bir istihdam/nitelik uyuşmazlığı oranı bulunamadı. Yine de bu gözlem, “yapay zeka” isminin otomatik bir iş garantisi olmadığını hatırlatması açısından önemli.

Network/Referans Bağımlılığı: Karma. İşe alım büyük ölçüde teknik portföy ve proje deneyimine dayanıyor (liyakat ağırlıklı), ama unvanın mühendislik olmaması nedeniyle bazı işverenler CV eleme aşamasında #51 gibi “mühendislik” unvanlı adayları önceliklendirebiliyor — bu, mezunun güçlü bir portföy ve network ile bu dezavantajı telafi etmesini daha önemli kılıyor.

6. Kariyer Doygunluğu: Diploma mı Yeterli, Sürekli Gelişim mi Şart?

Bu meslek net biçimde “işletme modeli”ne örnektir — yapay zeka/makine öğrenmesi araçları ve modelleri hızla değiştiği için, lisans diploması yalnızca bir başlangıç; kariyer ilerlemesi sürekli güncel araç/model bilgisine ve portföy geliştirmeye doğrudan bağlı. Enformel kaynaklardaki tavsiye net: bu alanda derinleşmek isteyenlerin geleneksel bir mühendislik lisansı (bilgisayar, elektrik, makine) alıp yapay zekaya yüksek lisansta yönelmesi öneriliyor — bu, lisans düzeyindeki bu programın tek başına yeterli görülmediğini gösteriyor.

7. İstihdam Dağılımı: Mezunlar Nerede Çalışıyor?

Bu bölüme özel, ayrıştırılmış ve güncel resmi bir istihdam dağılımı istatistiği bulunamadı. Genel eğilim olarak mezunlar teknoloji şirketleri, veri analitiği firmaları ve yazılım şirketlerinin yapay zeka/makine öğrenmesi ekiplerinde istihdam ediliyor; bir kısmı ise lisansüstü eğitime yönelerek akademik kariyer ya da daha derin teknik uzmanlık arıyor.

8. Mesleğin Geleceği: Teknoloji/Otomasyon Etkisi ve Arz-Talep Dengesi

Yapay zeka teknolojilerinin hızla yaygınlaşması bu alana olan talebi artırıyor, ama aynı zamanda alanın kendisi de sürekli otomasyon ve büyük dil modelleri tarafından dönüştürülüyor — bu, mesleğin sürekli kendini yenilemesini gerektiren bir alan haline getiriyor. Arz-talep dengesi açısından, Türkiye’de bu ve benzer isimli (#40, #51) programların hızla çoğalması, bu takip listesindeki gözlemlere göre arzın hızla arttığı ama gerçek sektör talebinin bu hızla büyümeyebileceği bir tabloya işaret ediyor.

9. YÖK Atlas 2025-2026 İstatistik Özeti

Ölçüt	Tüm Üniversiteler	Devlet + TB Üniversiteleri	Fark/Not
Toplam kontenjan	461	385	Ücretli/%50 burslu vakıf kontenjanları dahil edildiğinde toplam kontenjan artıyor
Ortalama kapanış sırası	345.048	177.768	Ücretli kontenjanlar ortalamayı belirgin biçimde düşürüyor (kötüleştiriyor)
En iyi (min) sıra	68.230	68.230	Marmara Üniversitesi
En düşük (max) sıra	1.252.442	1.115.036	Tüm üniversiteler verisinde ücretli/%50 burslu kontenjanlar dahil

En iyi taban puanla dolan Marmara Üniversitesi’nin (rank 68.230) bölümün yeni açıldığı dönemde altyapı sorunları (“hayalet bölüm”) yaşadığı yönündeki enformel bulgu, yüksek taban puanın her zaman olgun bir altyapıyla eşleşmediğini gösteren önemli bir uyarı.

Veri sınırlılığı notu: Bu rapordaki başarı sıraları, ÖSYM’nin resmi yerleştirme puan tablosu ile yığınsal puan dağılımı tablosundan interpolasyon yöntemiyle türetilmiştir, doğrudan yayınlanan resmi bir başarı sırası değildir. Program görece yeni olduğu için elimizde yalnızca tek bir yılın verisi bulunuyor; gelecek yıllardaki değişimi öngörmek şu an için mümkün değil.

10. Öne Çıkan Üniversiteler (2025-2026 Taban Sıralamasına Göre)

Yapay Zeka ve Makine Öğrenmesi Türkiye’de 19 üniversitede (devlet ve vakıf karışık) sunulmaktadır.

Üniversite	Tip	Burs	Sıra
Marmara Üniversitesi (İstanbul)	Devlet	Devlet	68.230
Eskişehir Teknik Üniversitesi (İngilizce)	Devlet	Devlet	71.192
Bursa Teknik Üniversitesi	Devlet	Devlet	84.527
Kocaeli Üniversitesi	Devlet	Devlet	90.646
Manisa Celâl Bayar Üniversitesi	Devlet	Devlet	120.908
Çukurova Üniversitesi (Adana, İngilizce)	Devlet	Devlet	124.679
Konya Teknik Üniversitesi	Devlet	Devlet	143.130
İstanbul Rumeli Üniversitesi	Vakıf	Tam Burslu	170.637
Kayseri Üniversitesi	Devlet	Devlet	185.409
Kapadokya Üniversitesi (Nevşehir)	Vakıf	Tam Burslu	234.126

Üniversite Kalitesinin/Markasının Etkisi: Karma. Merkezi bir sınav/atama olmadığı için işe alım teknik portföye dayansa da, Marmara örneğinde görüldüğü gibi yüksek taban puanla dolan bir üniversitenin bile bölüm altyapısının (hoca, laboratuvar) henüz olgunlaşmamış olabileceği unutulmamalı — bu nedenle üniversite seçerken yalnızca taban puana değil, bölümün kaç yıldır aktif olduğuna ve akademik kadrosuna da bakılması önerilir.

11. Kimler İçin Uygun?

Yapay zeka ve makine öğrenmesi; matematik/istatistiğe ve programlamaya gerçek bir ilgi duyan, “mühendislik” unvanı almadan da bu alanda teknik derinlik kazanabileceğine inanan, sürekli kendini geliştirmeye istekli öğrenciler için uygundur. Yalnızca “yapay zeka” isminin cazibesiyle ve unvanın mühendislik olup olmadığına dikkat etmeden bu bölümü seçen bir öğrenci, iş piyasasında beklenmedik bir rekabet dezavantajıyla karşılaşabilir.

Mücadele tipi: Belirsizlik (unvanın mühendislik olmamasının iş piyasasındaki etkisi net değil) ve tanımsız problemler (yapay zeka projelerinin açık uçlu doğası). Günlük pratikte baskın mücadele, hem teknik olarak açık uçlu makine öğrenmesi problemleriyle hem de “mühendis” unvanına sahip adaylarla girilen dolaylı bir rekabetle baş etmektir.

12. Fedakarlık-Kazanç Dengesi: Karşılığında Ne Elde Edilir?

İş güvencesi ve bulunabilirlik açısından, unvanın mühendislik olmaması bazı işverenler nezdinde bir dezavantaj yaratabilir, ama güçlü bir portföy bu farkı kapatabilir. Ekonomik konfor açısından, komşu programlara (#40, #51, #69) benzer bir gelir potansiyeli beklenebilir, ama bu doğrulanmış bir veri değil. Coğrafi esneklik açısından, yapay zeka becerileri küresel olarak yüksek talep gördüğü için yurt dışı geçiş potansiyeli yüksek.

Statü açısından “yapay zeka” ismi popüler bir cazibe taşıyor, ama mühendislik unvanı olmaması bazı çevrelerde bir eksiklik olarak algılanabiliyor. Zaman/esneklik dengesinde, yapay zeka projeleri genellikle proje bazlı ve uzaktan çalışmaya elverişli bir yapıya sahip. Bu bölümü seçen bir öğrenci, unvan belirsizliği fedakarlığının karşılığında, esnek ve teknik olarak zengin bir kariyer potansiyeli kazanıyor — ama bu potansiyeli gerçekleştirmek büyük ölçüde bireysel çabaya bağlı.

13. Bilgi Alma Görüşmesi İçin Sorular

Mezun olduğun bölümün ‘mühendislik’ unvanı olmaması iş bulma sürecinde fark yarattı mı?
Okulda öğrendiğin teknik bilgiler iş hayatı için yeterli oldu mu, yoksa kendini ayrıca mı geliştirmen gerekti?
Mezun olduğun üniversitenin bölüm altyapısı (hoca, laboratuvar) ne durumdaydı, seninle aynı yıllarda mı olgunlaştı?
Bu işe girmeden önce keşke bilseydim dediğin bir şey var mı?
#40/#51 gibi mühendislik unvanlı adaylarla iş piyasasında nasıl bir rekabet yaşıyorsun?
Lisansüstü eğitime (yüksek lisans) yönelmeyi düşündün mü, neden?

14. Sonuç

Yapay Zeka ve Makine Öğrenmesi, #40 ve #51’deki mühendislik unvanlı programlardan farklı olarak mühendislik odalarına üyelik/imza yetkisi sağlamayan bir lisans programıdır — enformel kaynaklara göre içerik büyük oranda benzer olsa da bazı temel dersler daha yüzeysel işleniyor. En yüksek taban puanla dolan üniversitede bile bölümün başlangıçta altyapı sorunları yaşadığı bulgusu, yüksek taban puanın tek başına bir kalite garantisi olmadığını hatırlatıyor. Matematik/programlamaya gerçek ilgi duyan, unvan yerine somut beceriye odaklanabilen öğrenciler için anlamlı ama emek gerektiren bir yoldur.