MEF ÜNİVERSİTESİ – YABEM

Yapay Zeka Mühendisliğine Giriş 

Teknik Eğitim Programı (10 Hafta)

Eğitim Amacı

Bu program, temel düzeyde programlama bilgisine sahip katılımcıların yapay zeka mühendisliği alanına sistematik, sağlam bir teorik arka plan üzerine uygulama odaklı bir giriş yapmasını amaçlar. Eğitim boyunca katılımcıların yalnızca model eğitme becerisi kazanması değil; veri hazırlama, problem tanımlama, uygun algoritma seçimi, model değerlendirme, açıklanabilirlik, üretken yapay zeka araçlarının bilinçli kullanımı ve agentic AI tabanlı iş akışlarının temel düzeyde tasarlanması gibi uçtan uca yapay zeka mühendisliği yetkinliklerini edinmesi hedeflenir. Bu teknik eğitim programı, müşteri segmentasyonu, churn prediction, recommendation engine, fraud detection, credit default prediction, stock analysis, forecasting, GenAI tool use ve Agentic AI gibi gerçek dünya kullanım alanları üzerinden ilerler.

Eğitim Kapsamı

Yapay zeka Mühendisliğine Giriş Teknik Eğitim Programı, 9 haftalık ve toplam 45 saatlik yoğun bir gelişim programı olarak tasarlanmıştır. Her hafta 2 saat teorik eğitim, 2 saat pratik uygulama ve 1 saat ofis saati olmak üzere toplam 5 saatlik bir yapı izlenir. Program, yapay zekanın tarihsel gelişimi ve mühendislik perspektifiyle başlar; ardından müşteri analitiği, tavsiye sistemleri, dolandırıcılık tespiti, kredi riski, finansal veri analizi, zaman serisi tahmini, üretken yapay zeka araçları ve agentic AI mimarileri gibi başlıklarla devam eder. Katılımcıların asgari olarak temel düzeyde programlama ve tercihen Python bilmeleri beklenir. Eğitim sürecinde Python, Jupyter/Colab, pandas, NumPy, scikit-learn, temel görselleştirme araçları, basit derin öğrenme kütüphaneleri, LLM tabanlı araçlar ve prototipleme yaklaşımları kullanılabilir. Program sonunda katılımcılar, öğrendikleri konuları bir mini proje veya prototip üzerinden bütünleştirerek sunar.

Eğitim Türü

Bu teknik eğitimin tamamı çevrimiçi olarak gerçekleştirilecektir, buluşmalar için Zoom ve Meet sistemleri kullanılacaktır.

Eğitim Süresi ve Takvimi

• Toplam 50 saat: 10 hafta x 5 saat. Her hafta 2 saat teorik eğitim, 2 saat pratik eğitim ve 1 saat ofis saati olarak uygulanacaktır.
• Bu eğitim programı 28 Haziran 2026 (Pazartesi) günü başlayıp 5 Eylül 2026 (Cumartesi) günü bitecektir. 
• Eğitimler, Pazartesi günleri saat 19:00-21:00 arasında, Perşembe günleri saat 19:00-21:00 arasında, Cumartesi günleri saat 13:00-14:00 arasında gerçekleşecektir.  

Eğitime Katılabilmek için Gerekli Ön Koşul

Katılımcıların temel düzeyde programlama bilmeleri beklenmektedir; Python bilgisi tercih sebebidir. Temel veri yapıları, fonksiyon kullanımı, dosya okuma/yazma ve basit kütüphane kullanımı konularına aşinalık önerilir.

Eğitim Ücreti

• Eğitim ücreti KDV dahil 45.000 TL’dir. (Başvuru sürecinde bursa hak kazanması durumunda KDV dahil 22.500 TL olacaktır.) 
• Burs başvurusu için 31 Mayıs 2026 (23:59) tarihine kadar aşağıdaki linki kullanabilirsiniz: https://forms.gle/6W7immz21xKCvX3e7 
• Programa başvuru sırasına göre kabul önceliği esastır. Azami katılımcı sayısı 30’dur. 
• Eğitim programında en iyi performans gösteren 10 kişiye 2 aylık gerçek sektör verisi ile stajyer pozisyonunda çalışma şansı sunulacaktır. 
• Bu 10 kişiden en yüksek performans gösteren azami 3 kişiye de yarı zamanlı veya tam zamanlı iş imkanı sağlanacaktır.

• Eğitimlerin en az %90’ına katılım gösterip verilen proje ve ödevleri %90 oranında tamamlayanlar katılım belgesi alabileceklerdir. 
• Eğitimdeki performansınıza ilişkin detaylı bir rapor ve referans mektubu talebiniz üzerine hazırlanacaktır.

Eğitim Sertifika Süreci Değerlendirme

Sertifika süreci; haftalık uygulama ödevleri, ara uygulama raporu, finansal veya zaman serisi uygulaması, GenAI/RAG/Agentic AI prototipi ve final mini proje sunumu üzerinden değerlendirilecektir. Önerilen değerlendirme dağılımı şu şekildedir: haftalık uygulama ödevleri %30, ara değerlendirme %20, finansal/zaman serisi uygulaması %15, GenAI/RAG/Agentic AI prototipi %15, final mini proje ve sunum %20. Final mini projede katılımcılardan problem tanımı, veri hazırlama, modelleme, metrik değerlendirme, açıklanabilirlik, çıktı yorumlama ve kısa demo/sunum bütünlüğünü göstermeleri beklenir.

Eğitim İçeriği

1. Hafta – YZM Tarihine Giriş ve Yapay zeka Mühendisliği Perspektifi
2. Hafta – Customer Segmentation & Churn Prediction
3. Hafta – Recommendation Engine
4. Hafta – Fraud Detection
5. Hafta – Credit Default Prediction
6. Hafta – Stock Analysis and Demand Prediction
7. Hafta – Forecasting
8. Hafta – Reinforcement Learning
9. Hafta – GenAI Tool Use
10. Hafta – Agentic AI ve Uçtan Uca Mini Proje

Eğitim Açıklaması

Bu 9 haftalık teknik eğitim programı, yapay zeka mühendisliğine giriş yapmak isteyen ve temel düzeyde programlama bilgisine sahip katılımcılar için tasarlanmıştır. Program, yapay zekanın tarihsel gelişimiyle başlar ve her hafta gerçek bir iş problemi üzerinden ilerler. Katılımcılar müşteri segmentasyonu, churn prediction, recommendation engine, fraud detection, credit default prediction, stock analysis, forecasting, GenAI tool use ve Agentic AI başlıklarını yalnızca kavramsal düzeyde değil, uygulamalı olarak da deneyimler. Eğitim boyunca her haftanın teorik kısmında problem tanımı, veri yapısı, algoritma ailesi, metrik seçimi ve mühendislik bakışı aktarılır. Pratik kısımda ise Python tabanlı uygulamalar, notebook çalışmaları, veri temizleme, özellik mühendisliği, model eğitimi, model değerlendirme, hata analizi ve temel prototipleme adımları yapılır. Ofis saatleri, katılımcıların teknik sorunlarını çözmeleri, haftalık uygulamalarını güçlendirmeleri ve final mini projelerini olgunlaştırmaları için mentorluk alanı olarak tasarlanmıştır. Program sonunda katılımcıların, bir yapay zeka problemini uçtan uca ele alabilen; veri hazırlama, modelleme, metrik yorumlama, açıklanabilirlik, sorumlu AI, GenAI kullanımı ve temel agentic workflow tasarımı konularında başlangıç-orta düzeyde uygulama becerisi kazanmış olmaları hedeflenir.

Eğitim Programı Kazanımları

1. Yapay zekanın tarihsel gelişimini ve yapay zeka mühendisliğinin temel kapsamını açıklayabilir.
2. Bir AI projesinde problem tanımı, veri hazırlama, model geliştirme, değerlendirme, açıklanabilirlik ve ürünleştirme adımlarını ayırt edebilir.
3. Python tabanlı ortamda veri okuyabilir, temizleyebilir, keşifsel veri analizi yapabilir ve temel özellik mühendisliği uygulayabilir.
4. Customer segmentation, churn prediction, recommendation engine, fraud detection, credit default prediction, stock analysis ve forecasting problemleri için temel modelleme yaklaşımlarını uygulayabilir.
5. Sınıflandırma, regresyon, tavsiye ve zaman serisi problemleri için uygun metrikleri seçebilir ve model sonuçlarını yorumlayabilir.
6. Dengesiz veri, veri sızıntısı, overfitting, threshold seçimi ve hata maliyeti gibi kritik modelleme konularını temel düzeyde değerlendirebilir.
7. Model çıktıları için açıklanabilirlik, model kartı, risk matrisi ve sorumlu AI kontrol listesi hazırlayabilir.
8. GenAI araçlarını prompt engineering, doküman analizi, RAG ve kod/test üretimi bağlamında bilinçli kullanabilir.
9. Basit bir agentic AI workflow tasarlayabilir ve insan onayı, guardrail, izleme ve güvenli kullanım ihtiyaçlarını açıklayabilir.
10. Final mini proje kapsamında uçtan uca çalışan bir AI prototipi veya analiz dosyası hazırlayıp teknik olarak sunabilir.

Eğitim Koordinatörü Hakkında

Doç. Dr. Tuna Çakar, MEF Üniversitesi Mühendislik Fakültesi Bilgisayar Mühendisliği alanında akademik çalışmalarını sürdüren; yapay zeka, makine öğrenmesi, derin öğrenme, veri analizi, algoritma geliştirme, karar verme süreçleri ve uygulamalı nörobilim alanlarında uzmanlaşmış bir akademisyendir. Lisans eğitimini Sabancı Üniversitesi Biyoloji Bilimleri ve Biyomühendislik Bölümü’nde tamamlayan Çakar, yüksek lisansını Boğaziçi Üniversitesi Bilişsel Bilim programında, doktorasını ise Orta Doğu Teknik Üniversitesi Bilişsel Bilimler alanında tamamlamıştır. Akademik ve uygulamalı çalışmalarında insan davranışlarının, karar verme süreçlerinin ve bilişsel mekanizmaların veri temelli yöntemlerle anlaşılmasına odaklanan Çakar; yapay zeka, makine öğrenmesi ve nörobilim kesişiminde disiplinler arası araştırmalar yürütmektedir. Bu kapsamda müşteri davranışı analizi, finansal karar verme, kullanıcı deneyimi, nöropazarlama, uygulamalı nörobilim, tahminleme modelleri ve yapay zeka destekli karar destek sistemleri gibi alanlarda hem akademik hem de uygulamalı projelerde görev almaktadır. Program kapsamında katılımcıların yalnızca yapay zeka modellerini teknik olarak öğrenmeleri değil; veri hazırlama, model geliştirme, model değerlendirme, açıklanabilirlik, sorumlu yapay zeka, üretken yapay zeka araçları ve agentic AI sistemleri gibi güncel mühendislik başlıklarını uygulamalı olarak kavramaları hedeflenmektedir. Çakar’ın veri bilimi, makine öğrenmesi, derin öğrenme ve insan merkezli yapay zeka alanlarındaki akademik birikimi, programın hem teknik hem de uygulamalı yönünü güçlendirmektedir.