Veri Analizi

Yapay zekayı doğru besleyin; doğru sonuç gelsin.

Veriyle karar almak artık sadece rapor üretmek değil, doğru veriyi doğru şekilde hazırlamak ve yapay zekâ ile anlamlı hale getirmektir. Bu eğitim, katılımcılara veri kaynaklarından başlayarak veri hazırlama, entegrasyon, kalite yönetimi ve yapay zekâ ile karar destek süreçlerine kadar uçtan uca bir bakış açısı kazandırır.

0,5 Gün Yoğun · 1 Gün Uygulamalı

Veri & Yapay Zeka Odaklı

Kuruma Özel Uyarlanabilir

0,5 / 1

Gün Yoğun · Uygulamalı

5 / 14

Modül · Konu

Tüm

Seviyeler İçin Uygundur

KİMLER KATILMALI?

🤖

AI Süreçlerini Yönetenler

Yapay zekâyı iş süreçlerine entegre etmek isteyen ekipler ve yöneticiler

🗄️

Veri Sorumluları

Veri kalitesi, entegrasyonu ve yönetişimiyle ilgilenen herkes

📊

Analist & Uzmanlar

AI’dan anlamlı çıktı almak için veriyi doğru hazırlamak isteyenler

BU EĞİTİMDEN NE KAZANACAKSINIZ?

Veri Türlerini ve Kaynaklarını Tanımlamak

Veri Kalitesini Değerlendirip İyileştirmek

Eksik Veri Türlerini ve Etkilerini Anlamak

Farklı Kaynaklardan Gelen Veriyi Birleştirmek

Yapay Zeka İçin Veri Sözlüğü Oluşturmak

NLP ve LLM Kavramlarını İş Hayatına Uygulamak

EĞİTİM ÖNCESİ → SONRASI

Öncesi

✕ “AI’a Veriyi Verdim, Saçma Sonuç Geldi”

✕ Hangi Verinin Hazır Olduğunu Bilmiyorum

✕ Veri Temizliği Neden Önemli, Anlamıyorum

✕ ERP’den Çıkan Veri Direkt Kullanılır Sanıyorum

Sonrası

✓ “AI’a Doğru Soruyu Sormak İçin Veriyi Hazırladım”

✓ Veri Kaynaklarımı ve Kalitemi Değerlendirebiliyorum

✓ Eksik Veriyi Fark Edip Önlem Alabiliyorum

✓ AI Projesine Veri Tarafından Katkı Koyabiliyorum

İÇERİK

01
AI Çağında Veri
2 Konu
›

Yapay zeka felaketlerinden dersler: veri kalitesinin AI başarısındaki kritik rolü

Veriye dayalı karar alma süreci ve yapay zekanın rolleri

02
Veri Toplama & Kaynak Yönetimi
4 Konu
›

Veri türleri: yapılandırılmış, yarı yapılandırılmış ve yapılandırılmamış veri

Kurumsal veri kaynakları: ERP, CRM, sensör, log ve modern kurumun genişleyen veri yelpazesi

Veri toplama yöntemleri: API, ETL/ELT, CDC, scraping, OCR, RPA

NLP ve LLM ile metin verisinden anlam üretme

03
Veri Temizliği & Kalite
3 Konu
›

Eksik veri türleri (MCAR, MAR, MNAR): tespit ve doldurma taktikleri

Veri kalitesini bozan klasik ve modern sorunlar: tutarsızlık, sızıntı, çoklama, uyumsuzluk, istisna

Bias (yanlılık) türleri ve AI çağına özgü yanlılıklar: halüsinasyon, proxy, sycophancy

04
Veri Entegrasyonu & Dönüştürme
3 Konu
›

Modern veri mimarisi: Data Lake, Data Warehouse ve Anlamsal Katman (Semantic Layer)

Veri dönüşüm yöntemleri ve özellik mühendisliği (feature engineering)

Anlamsal katmanın AI projelerindeki rolü ve eksikliğinin sonuçları

05
Veri Yönetişimi & Etik
2 Konu
›

Veri yönetişimi sütunları ve roller: Data Owner, Steward, Custodian ve RACI sorumluluk dağılımı

Veri gizliliği ve KVKK

EĞİTMEN

Deniz Aksoy, MBA

Kurucu Eğitmen

LinkedIn Profili ↗

SIK SORULAN SORULAR

Teknik Bilgi Gerekiyor Mu?
›

Hayır. Eğitim teknik ekipler değil, iş birimlerindeki karar alıcılar ve veri ile çalışan herkes için tasarlanmıştır. Kod yazma ya da teknik altyapı bilgisi gerekmez.

Eğitim Sonunda Sertifika Veriliyor Mu?
›

Evet, eğitimi tamamlayan katılımcılara katılım sertifikası düzenlenmektedir.

Kurumum İçin Özel Bir Program Yapılabilir Mi?
›

Evet. İçerikler kurumunuzun sektörüne, kullandığı veri sistemlerine ve yapay zeka olgunluk seviyesine göre özelleştirilebilir. İletişim formundan ulaşabilirsiniz.

Bu Eğitimi Hangi Eğitimlerle Birleştirebilirim?
›

Veri Okuryazarlığı, ChatGPT ile İleri Veri Analizi ve Algoritmik Akıl eğitimleriyle birleştirilerek kapsamlı bir veri & AI yetkinlik programı oluşturulabilir.

Bu Eğitimi Ekibiniz İçin Almak İster Misiniz?

Size özel program ve tarih seçenekleri için bizimle iletişime geçin.

Teklif Alın

Tanıtım Dokümanı

İLGİLİ EĞİTİMLER

#VeriHazırlığı
#YapayZeka
#VeriYönetişimi
#DataGovernance
#VeriKalitesi
#AIReadiness
#KurumsalEğitim
#creadata