KURUMSAL EĞİTİM, VERİ ODAKLI KARAR DESTEK SİSTEMLERİ

EĞİTİM SÜRESİ

• Eğitim Süresi: 5 Gün
• Günlük Eğitim Süresi: 6 Saat
• Ders Yapısı: 50 dakika oturum + 10 dakika mola
• Eğitim Saatleri: 10:00 - 17:00
• Öğle Arası: 12:00 - 13:00 (1 Saat)

Eğitimler, uzaktan canlı sınıf formatında Microsoft Teams platformu üzerinden gerçekleştirilir. Katılımcılar eğitim öncesinde paylaşılan bağlantılarla oturumlara katılır. Eğitim süresince eğitmen, uygulamalı anlatım, canlı demo ve anlık soru-cevap yöntemlerini birlikte kullanarak maksimum etkileşim sağlar.

Uygulamalı bölümlerde GitHub, Codespaces ve Power BI ile birlikte Python ekosistemindeki Pandas, NumPy, Scikit-learn, Statsmodels, Plotly, SHAP, LIME; Airflow ve FastAPI gibi araçlar kullanılır. Katılımcılar bu araçlar üzerinden veri işleme pipeline'ları, metrik izleme, tahminleme, optimizasyon ve MLOps senaryolarını uygulamalı olarak gerçekleştireceklerdir.

Program, veri odaklı kültür ve modül bazlı ilerleme modeli ile tasarlanmıştır. Katılımcılar her modülde gerçek dünya problemlerine yönelik çözümler geliştirerek, hem teorik bilgileri içselleştirir hem de kurumsal uygulamalarda kullanılabilecek pratik beceriler kazanır.

PROGRAM YAKLAŞIMI

5 gün sürecek bu yoğun ve uygulamalı program, Python Geliştirme Uzmanlarınızı, kurum verisini kullanarak değer yaratan, otomatize edilmiş ve akıllı karar mekanizmaları inşa edebilen kilit oyunculara dönüştürmeyi hedefler.

EĞİTİM HEDEFİ

• Veri Odaklı Kültür ve Yönetişim: Veri kalitesi, sahipliği ve güvenliğini gözeten Python tabanlı süreçler tasarlama.
• Metrik Tasarımı ve İzleme: KPI/SLI/SLO tanımlama, hesaplama ve hata bütçesi yönetimi.
• Veri Mühendisliği: ETL/ELT pipeline'ları, boyutsal modelleme ve veri kalitesi otomasyonu.
• Görselleştirme ve Dashboard: Plotly/Power BI ile etkileşimli rapor ve gerçek zamanlı metrik izleme.
• Modelleme: Özellik mühendisliği, denetimli öğrenme, zaman serisi ve tahminleyici analitik.
• Optimizasyon: Prescriptive analitik ve Python ile matematiksel optimizasyon.
• MLOps ve Dağıtım: FastAPI, Docker ve CI/CD ile model servisleştirme ve izleme.
• Sorumlu AI: XAI (SHAP/LIME), bias tespiti ve etik-uyumlu AI tasarımı.

EĞİTİM İÇERİĞİ

Modül 1: Stratejik Temeller ve Veri Odaklı Kültür

Seviye: Başlangıç

Karar Destek Sistemlerinin Evrimi ve Stratejik Önemi

Geleneksel BI'dan AI-destekli Decision Intelligence platformlarına geçiş; Python ekosisteminin rolü ve fırsatlar.

Veri Odaklı Kültür ve Yönetişim (Data Governance)

Veri kalitesi, sahipliği, güvenliği ve yönetişimin Python veri pipeline'larına etkisi.

Python ile Temel İstatistiksel Analiz ve EDA

Pandas/NumPy ile veri hazırlama; Matplotlib/Seaborn ile görsel keşif.

Kazanımlar: Kodun iş değerine etkisini kavrama; güvenilir ve ölçeklenebilir veri süreçleri için yönetişim bilinci.

İşlenen Anahtarlar: DSS, Veri Kültürü, Descriptive Analytics.

Modül 2: Kurumsal Performans Metrikleri: KPI, SLI, SLO

Seviye: Başlangıç

İş Hedeflerinden Metriklere: KPI Tanımlama Metodolojisi

Stratejik hedefleri ölçülebilir KPI'lara dönüştürme; vaka çalışmaları.

Servis Kalitesinin Teknik Ölçümü: SLI ve SLO

Kullanıcı deneyimi metrikleri (gecikme, hata oranı, kullanılabilirlik) ve hedef belirleme.

Python ile Metrik Hesaplama ve Hata Bütçesi Yönetimi

Log/DB'den veri çekme, Python ile SLI hesaplama; inovasyon-stabilite dengesi.

Kazanımlar: İş hedefleriyle hizalı, servis kalitesini güvence altına alan sistemler tasarlama.

İşlenen Anahtarlar: KPI, SLI, SLO, Error Budget.

Modül 3: Veri Mühendisliği ve ETL/ELT Pipeline'ları

Seviye: Orta

Modern Veri Mimarileri

Data Warehouse, Data Lake, Lakehouse karşılaştırması ve kullanım senaryoları.

Python ile ETL/ELT Süreçleri

API/SQL/CSV kaynaklarından veri çekme; Pandas/Dask ile dönüşüm; hedefe yükleme.

Boyutsal Modelleme ve Veri Kalitesi Otomasyonu

Star/Snowflake şemaları; Great Expectations ile veri kalite testleri ve entegrasyon.

Kazanımlar: Ölçeklenebilir, izlenebilir ve otomatik veri akışları tasarlama.

İşlenen Anahtarlar: ETL/ELT, Airflow, Data Modeling, Data Quality.

Modül 4: İleri Veri Görselleştirme ve Dashboard Yönetimi

Seviye: Orta

Python ile Programatik Görselleştirme

Matplotlib, Seaborn, Plotly ile interaktif ve özelleştirilebilir grafikler.

Power BI & Python Entegrasyonu

Python script'leriyle özel dönüşümler ve gelişmiş görseller.

Grafana ile Gerçek Zamanlı İzleme

SLI/SLO metrikleri ve zaman serisi verileri için dashboard tasarımı.

Kazanımlar: Karar vericilere yönelik etkileşimli ve canlı dashboard'lar geliştirme.

İşlenen Anahtarlar: Data Viz, Dashboard, Grafana, Prometheus.

Modül 5: Özellik Mühendisliği (Feature Engineering)

Seviye: Orta

Model Performansını Artıran Özellikler

Tarih, metin ve kategorik değişkenlerden anlamlı özellikler türetme.

Veri Temizleme ve Hazırlama

Eksik veri, aykırı değer yönetimi; scikit-learn pipeline'ları ile otomasyon.

Kategorik ve Metin Verileri

One-Hot/Label Encoding, TF-IDF ve Word2Vec ile özellik çıkarımı.

Kazanımlar: Doğru özelliklerle daha doğru, genellenebilir ve yorumlanabilir modeller.

İşlenen Anahtarlar: Feature Engineering, NLP Features, Pipelines.

Modül 6: Tahminleyici Analitik (Predictive Analytics)

Seviye: Orta

Scikit-learn ile Denetimli Öğrenme

Regresyon ve sınıflandırma algoritmaları; model eğitimi ve optimizasyonu.

Vaka: Müşteri Kaybı (Churn) Analizi

Uçtan uca sınıflandırma projesi: veri ön işleme, eğitim, GridSearchCV, yorumlama.

Model Değerlendirme ve Seçimi

Confusion Matrix, Precision/Recall/F1, ROC/AUC, MAE/MSE/RMSE/R² ile seçim.

Kazanımlar: "Ne olacak?" sorusuna yanıt veren tahmin modelleri geliştirme.

İşlenen Anahtarlar: Supervised Learning, Metrics, Model Selection.

Modül 7: Zaman Serisi Analizi ve Tahminleme

Seviye: Orta

Zaman Serisi Özellikleri

Trend, mevsimsellik, döngüsellik; stationarity ve ADF testi.

Klasik ve Modern Modeller

ARIMA/SARIMA (statsmodels), Prophet ve sklearn tabanlı yaklaşımlar.

Uygulama: Satış ve Talep Tahminleme

Gelecek dönem tahmini, görselleştirme ve iş kararlarına etkisi.

Kazanımlar: Operasyonel verimliliği artıran isabetli tahminleme çözümleri.

İşlenen Anahtarlar: Time Series, ARIMA, Prophet, Forecasting.

Modül 8: Yönlendirici Analitik (Prescriptive) ve Optimizasyon

Seviye: İleri

Tahminden Aksiyona

Predictive vs. Prescriptive; karar verme sürecinin otomatizasyonu.

Python ile Matematiksel Optimizasyon

PuLP ve SciPy.optimize ile kısıtlar altında amaç fonksiyonu optimizasyonu.

Vaka: Tedarik Zinciri Optimizasyonu

Envanter/taşıma maliyetlerini minimize eden model; what-if analizleri.

Kazanımlar: Milyonlarca olasılık içinde en iyi kararı bulan sistem tasarımı.

İşlenen Anahtarlar: Prescriptive Analytics, Optimization, What-if.

Modül 9: MLOps ve Dağıtım (Deployment)

Seviye: İleri

MLOps Prensipleri ve CI/CD

Veri/model versiyonlama, CI/CD; GitHub Actions ile ML pipeline.

Modeli Servis Olarak Sunma

Scikit-learn modelini FastAPI/Flask ile REST API'ye dönüştürme.

Konteynerleştirme ve Ölçeklendirme

Docker ile paketleme; izleme ve yeniden eğitim stratejileri.

Kazanımlar: Notebook'tan üretime; güvenilir ve ölçeklenebilir AI servisleri.

İşlenen Anahtarlar: MLOps, Serving, Docker, Monitoring.

Modül 10: Açıklanabilir AI (XAI) ve Sorumlu Yapay Zekâ

Seviye: İleri

"Kara Kutu" Modelleri Anlamak

Şeffaflık ihtiyacı, regülasyonlar ve paydaş güveni.

Python ile XAI Teknikleri: SHAP ve LIME

Özellik katkılarını görselleştirme ve tekil tahmin açıklamaları.

Yapay Zekâ Etiği: Bias Tespiti ve Azaltma

Adil ve sorumlu sistemler için veri/model tarafsızlığı teknikleri.

Kazanımlar: Etik, adil ve şeffaf AI sistemleri ile sürdürülebilir değer üretimi.

İşlenen Anahtarlar: XAI, SHAP, LIME, Responsible AI.