Veri ve Analitik için Yapay Zeka Eğitimi | Kurumsal AI

Paket Özeti

Yapay Zeka ile Veri ve Analitik Paketi, veriyle çalışan ekiplerin analiz, dashboard oluşturma ve içgörü üretme süreçlerini yapay zeka ile hızlandırmasını sağlayan, birbirini tamamlayan 3 eğitimden oluşan bir programdır.Program, “veri çok, içgörü yok” problemini çözmeyi hedefler; katılımcıların yapay zeka destekli analiz, dashboard zekâsı, temel forecasting ve otomatik raporlama konularında somut yetkinlik kazanmasını sağlar. İçerik, kurumun kullandığı araçlara (Excel, PowerBI, Looker, Tableau vb.), sektörüne ve ekip büyüklüğüne göre özelleştirilebilir.

Hedef Kitle

• Veri analistleri ve iş analistleri
• Raporlama ve finans ekipleri
• İş geliştirme ve strateji ekipleri
• Veri ve BI (Business Intelligence) ekipleri

1. Eğitim: Excel, PowerBI, Bard ve ChatGPT ile Yapay Zeka Destekli Veri Analizi

1. Veri temizleme, düzenleme ve hazırlığın yapay zeka ile hızlandırılması Dağınık veri setlerinde hatalı, eksik ve tutarsız kayıtların tespitiTemel dönüşüm adımlarının (birleştirme, filtreleme, gruplaya alma) metin komutlarıyla tarif edilmesi
2. Dağınık veri setlerinde hatalı, eksik ve tutarsız kayıtların tespiti
3. Temel dönüşüm adımlarının (birleştirme, filtreleme, gruplaya alma) metin komutlarıyla tarif edilmesi
4. Prompt tabanlı analiz: satır, sütun, formül, pivot ve veri bağıntıları “Bu tabloda ne var?” sorusuna özet, pivot ve ilişki analiziyle yanıt almaFormül yazımı ve mantığını yapay zeka ile hızla doğrulama ve düzeltme
5. “Bu tabloda ne var?” sorusuna özet, pivot ve ilişki analiziyle yanıt alma
6. Formül yazımı ve mantığını yapay zeka ile hızla doğrulama ve düzeltme
7. Excel formülleri, PowerBI sorguları ve görselleştirmeler için yapay zeka asistanı kullanımı Formül, DAX ve M sorguları için hazır örnekler ve açıklamalar üretmeGrafik ve görselleştirme seçiminde amaca uygun (trend, kıyas, dağılım) öneriler alma
8. Formül, DAX ve M sorguları için hazır örnekler ve açıklamalar üretme
9. Grafik ve görselleştirme seçiminde amaca uygun (trend, kıyas, dağılım) öneriler alma
10. Veri seti üzerinden içgörü çıkarma, karşılaştırma ve trend analizi Segment bazlı kıyaslama (ürün, bölge, kanal, dönem vb.) için soru seti oluşturmaTrend, sezonluk etki ve anomalileri basit sorularla görünür kılma
11. Segment bazlı kıyaslama (ürün, bölge, kanal, dönem vb.) için soru seti oluşturma
12. Trend, sezonluk etki ve anomalileri basit sorularla görünür kılma
13. Veri hikayeleştirme (data storytelling) için özet çıkarma ve görsel öneriler “Yönetici özeti” formatında kısa, anlaşılır veri hikâyeleri yazmaÖne çıkarılması gereken grafik, tablo ve metrikleri belirleyen öneriler alma
14. “Yönetici özeti” formatında kısa, anlaşılır veri hikâyeleri yazma
15. Öne çıkarılması gereken grafik, tablo ve metrikleri belirleyen öneriler alma
16. Yapay zeka tabanlı analiz doğrulama: hata tespiti, eksik veri kontrolü ve alternatif senaryolar Hesaplama hatası, mantık hatası ve tutarsızlıkları ikinci göz olarak kontrol ettirme“Başka nasıl bakabiliriz?” sorusuna alternatif kırılımlar ve senaryolarla yanıt alma
17. Hesaplama hatası, mantık hatası ve tutarsızlıkları ikinci göz olarak kontrol ettirme
18. “Başka nasıl bakabiliriz?” sorusuna alternatif kırılımlar ve senaryolarla yanıt alma

2. Eğitim: Raporlama Otomasyonu, İçgörü Üretimi ve Dashboard Intelligence

1. Tek tıkla yönetime sunulabilir rapor taslakları oluşturma Format, başlık, giriş cümleleri ve KPI düzeniyle hazır rapor iskeletleri üretmeFarklı hedef kitle (C-level, ekip, saha) için farklı detay seviyelerinde rapor taslakları çıkarma
2. Format, başlık, giriş cümleleri ve KPI düzeniyle hazır rapor iskeletleri üretme
3. Farklı hedef kitle (C-level, ekip, saha) için farklı detay seviyelerinde rapor taslakları çıkarma
4. PowerBI, Google Looker, Tableau vb. araçlarda yapay zeka destekli dashboard geliştirme Dashboard amaç, kullanıcı tipi ve kullanım senaryosunu yapay zekaya tarif ederek sayfa kurgusu almaHangi metriklerin hangi görsel bileşenlerle (card, bar, line, table) gösterileceğini belirleme
5. Dashboard amaç, kullanıcı tipi ve kullanım senaryosunu yapay zekaya tarif ederek sayfa kurgusu alma
6. Hangi metriklerin hangi görsel bileşenlerle (card, bar, line, table) gösterileceğini belirleme
7. Metrik tanımlama: KPI, OKR, hedef ve uyarı eşiği (threshold) tasarımı İş hedefleriyle bağlantılı net, ölçülebilir KPI ve hedef değerleri tarif etmeAlarm eşikleri, uyarı sınırları ve “kırmızı–sarı–yeşil” durum mantığını yapılandırma‍
8. İş hedefleriyle bağlantılı net, ölçülebilir KPI ve hedef değerleri tarif etme
9. Alarm eşikleri, uyarı sınırları ve “kırmızı–sarı–yeşil” durum mantığını yapılandırma‍
10. İçgörü (insight) üretimi: veri → anlam → aksiyon akışı‍ ““Bu tablo bize ne söylüyor?” sorusuna kısa içgörü cümleleriyle yanıt üretmeİçgörüleri somut aksiyon önerileriyle birleştirerek karar notu haline getirme
11. ““Bu tablo bize ne söylüyor?” sorusuna kısa içgörü cümleleriyle yanıt üretme
12. İçgörüleri somut aksiyon önerileriyle birleştirerek karar notu haline getirme
13. Yapay zeka ile rapor yorumlama: “Bu veriden ne anlamalıyım?” modeli Düşen/artış gösteren metrikler için muhtemel neden ve etkileri listelemeÖncelikli müdahale edilmesi gereken alanları vurgulayan kısa analiz notları yazma
14. Düşen/artış gösteren metrikler için muhtemel neden ve etkileri listeleme
15. Öncelikli müdahale edilmesi gereken alanları vurgulayan kısa analiz notları yazma
16. Raporlama rutinlerinin otomasyonu: planlı güncelleme, dağıtım ve özet çıkarma Periyodik raporlar için güncelleme, çıktı alma ve dağıtım adımlarını şablonlamaDashboard üzerinden alınan veriyi otomatik metin özetlere dönüştürme
17. Periyodik raporlar için güncelleme, çıktı alma ve dağıtım adımlarını şablonlama
18. Dashboard üzerinden alınan veriyi otomatik metin özetlere dönüştürme

3. Eğitim: Tahminleme Modellerine Giriş (Forecasting + Vaka Çalışmaları)

1. Tahminleme metodolojilerine giriş (regression, time-series, hybrid yaklaşımlar) Farklı forecast yaklaşımlarının (trend, sezonluk, regresyon tabanlı) iş dilinde farklarını açıklamaHangi karar türü için hangi model tipinin daha uygun olabileceğini çerçeveleme
2. Farklı forecast yaklaşımlarının (trend, sezonluk, regresyon tabanlı) iş dilinde farklarını açıklama
3. Hangi karar türü için hangi model tipinin daha uygun olabileceğini çerçeveleme
4. Excel, ChatGPT, Bard ve PowerBI üzerinden hızlı forecasting uygulamaları Basit zaman serisi tahminlerini Excel ve BI araçları ile kurmaTahmin çıktısını yapay zeka ile yorumlatıp kısa senaryo notları üretme
5. Basit zaman serisi tahminlerini Excel ve BI araçları ile kurma
6. Tahmin çıktısını yapay zeka ile yorumlatıp kısa senaryo notları üretme
7. Gerçek senaryolar: satış tahmini, talep analizi, eğitim planlama, bütçeleme Farklı departmanlara uygun örnek senaryolar (finans, satış, eğitim, operasyon) üzerinden uygulama“Bu forecast’e göre ne yapmalıyız?” sorusunu basit karar kuralına dönüştürme
8. Farklı departmanlara uygun örnek senaryolar (finans, satış, eğitim, operasyon) üzerinden uygulama
9. “Bu forecast’e göre ne yapmalıyız?” sorusunu basit karar kuralına dönüştürme
10. Model değerlendirme: hata oranı, güven aralığı ve doğruluk kontrolü Hata oranlarını (ör. MAPE) iş tarafının anlayacağı şekilde yorumlamaTahminlerin güvenilirlik seviyesini üst yönetime sade bir dille aktarabilme
11. Hata oranlarını (ör. MAPE) iş tarafının anlayacağı şekilde yorumlama
12. Tahminlerin güvenilirlik seviyesini üst yönetime sade bir dille aktarabilme
13. Model çıktılarının iş kararlarına dönüştürülmesi (senaryo planlama ve risk analizi) Farklı senaryolar (iyimser, gerçekçi, kötümser) için aksiyon planı taslağı çıkarmaTalep fazlası/eksikliği, bütçe sapması gibi riskleri önceden görünür kılma
14. Farklı senaryolar (iyimser, gerçekçi, kötümser) için aksiyon planı taslağı çıkarma
15. Talep fazlası/eksikliği, bütçe sapması gibi riskleri önceden görünür kılma
16. Yapay zeka ile hızlı deneme–yanılma: farklı model tiplerini test etme ve iyileştirme Farklı parametre ve varsayımlarla denemeler yaparak tahmin kalitesini artırma“Bu modeli nasıl geliştiririz?” sorusuna yapay zeka üzerinden öneriler alma
17. Farklı parametre ve varsayımlarla denemeler yaparak tahmin kalitesini artırma
18. “Bu modeli nasıl geliştiririz?” sorusuna yapay zeka üzerinden öneriler alma

Eğitmenlerimiz

Çağrı Güngör

**Finis AI & Dashy Digital co-Founder | Full Stack AI Engineer | Eğitmen**

Çağrı Güngör, 13 yılı aşkın yazılım geliştirme, e-ticaret ve eğitim deneyimine sahip bir Full Stack AI Engineer, girişimci ve eğitmendir. Finis Yazılım ve Dashy’nin kurucu ortağı olarak yapay zekâ tabanlı ürünler ve dijital çözümler geliştirirken, Arı Bilgi Bilişim Teknolojileri Akademisi’nde uzun süredir Yapay Zekâ, Python, PHP, JavaScript ve React Native alanlarında eğitimler vermektedir. Daha önce Clickolic, Airby Mühendislik, Cazipshop, ANTA Sports gibi yapılarda yazılım geliştirici, full stack engineer, e-ticaret ve dijital operasyon sorumlusu olarak görev almış; hem ürün geliştirme hem de eğitim tarafında farklı sektörlere dokunan projeler yürütmüştür.Çağrı’nın öne çıkan yetkinlikleri; Python, PHP, JavaScript ve React Native ile full-stack yazılım geliştirme, yapay zekâ ve makine öğrenmesi tabanlı uygulamalar inşa etme, e-ticaret ve dijital operasyon süreçlerini uçtan uca yönetme, kurumlara özel eğitim programları ve bootcamp kurguları tasarlayıp uygulamalı şekilde yürütme ile girişimci bakış açısını teknik uzmanlıkla birleştirerek ürün geliştirme ve teknik ekip yönetimini birlikte yürütebilme becerilerini kapsamaktadır.

Özkan Yazıcı

**AI & Data Science Expert | COO | Big Data, SQL & Analytics | Leading Teams & Scaling EdTech Operations**

Özkan Yazıcı, 6+ yıllık veri bilimi ve analitik deneyimine sahip, Python, SQL, makine öğrenmesi, öngörüsel analitik ve veri mühendisliği alanlarında uzman bir Veri Bilimci ve Analiz Uzmanıdır. Eğitim teknolojileri ve veri odaklı iş modelleriyle çalışan kurumlarda; öneri sistemleri, tahmin modelleri, NLP tabanlı çözümler, büyük veri ETL süreçleri ve etkileşimli dashboard tasarımlarıyla karar alma mekanizmalarını güçlendirmiştir. 1.000+ saat Python ve Veri Bilimi eğitimi vererek 1.000’den fazla öğrenciye özel müfredatlar hazırlamış, Bilişim School’da COO, OAK Academy’de öğrenci kayıt ve analitik sorumluluğu gibi rollerle hem teknik hem operasyonel tarafta sorumluluk üstlenmiştir.Özkan’ın öne çıkan yetkinlikleri; Python veri bilimi ekosistemi (Pandas, NumPy, Scikit-learn, TensorFlow, PyTorch), SQL ve büyük veri altyapıları, Power BI ve GCP (BigQuery, Data Studio) üzerinde dashboard ve KPI raporlama, makine öğrenmesi modelleri (sınıflandırma, regresyon, clustering, predictive analytics), CRM analitiği ve funnel optimizasyonu (Salesforce, Bitrix24) ile eğitim operasyonlarında süreç otomasyonu ve veriyle performans yönetimi kurabilme becerilerini kapsamaktadır. Teknik uzmanlığını iş hedefleriyle hizalayarak kurumların sürdürülebilir büyümesine katkı sağlayan veri odaklı çözümler üretmeye odaklanmaktadır.