Yapay Zeka Veri Stratejisi Eğitimi | Digital Vizyon Akademi

Eğitim Hakkında

Bu eğitim, kurumun yapay zeka hedeflerini destekleyecek veri stratejisini tasarlamak ve hayata geçirmek isteyen veri, teknoloji ve iş liderleri için tasarlanmış uygulamalı bir programdır. Katılımcılar veri olgunluğunu değerlendirir, mimari ve yönetişim kararlarını KVKK ve EU AI Act gereklilikleriyle ele alır ve kurumlarına özel veri yol haritası hazırlar.

Neden Bu Eğitim?

Kullanım Senaryosu Odaklı. Veri yatırımlarını soyut hedeflere değil, değer üretecek yapay zeka kullanım senaryolarının ihtiyaçlarına bağlayın.

Yönetişim ve Uyum. KVKK, EU AI Act veri gereklilikleri ve ISO/IEC 42001 beklentilerini veri stratejisinin parçası haline getirin.

Uygulanabilir Yol Haritası. Olgunluk analizinden hızlı kazanımlara ve 18 aylık planlara uzanan somut bir veri yol haritasıyla ayrılın.

“Yapay zeka stratejisi vizyonla başlar, ancak onu gerçeğe dönüştüren şey sabırla kurulmuş, iyi yönetilen bir veri temelidir.”

Ön Koşullar

Veri Deneyimi — Veri yönetimi, iş zekası, raporlama veya BT projelerinde en az birkaç yıllık deneyim.
Kurumsal Bakış — Kurumun temel veri kaynakları, sistemleri ve iş hedeflerine genel düzeyde hakimiyet.
Kodlama Şartı Yok — Programlama bilgisi gerekmez; teknik kavramlar karar verme düzeyinde ele alınır.
Ön Hazırlık — Kurumunuzdaki öncelikli yapay zeka girişimlerini ve bilinen veri sorunlarını not etmeniz önerilir.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiYapay zeka odaklı veri stratejisinin çerçevesini kurmak, kurumun veri olgunluğunu değerlendirmek ve kullanım senaryolarına uygun veri mimarisi kararlarını vermek.

Modül 1

Yapay Zeka Çağında Veri Stratejisi

İş stratejisi, yapay zeka stratejisi ve veri stratejisi ilişkisi
Savunmacı ve hücumcu veri stratejisi dengesi
Üretken yapay zekanın veri ihtiyaçlarını değiştirmesi
Yapılandırılmamış verinin stratejik değeri: belge, e-posta, ses
Veri stratejisinin başarısız olmasının yaygın nedenleri
Vaka: Pilot projeleri ölçekleyemeyen bir bankanın dersleri

Modül 2

Veri Olgunluğu ve Yapay Zeka Hazırlığı

DAMA-DMBOK bilgi alanları ile veri yönetimi kapsamı
Veri olgunluk modelleri ve değerlendirme boyutları
Yapay zeka hazırlığı: erişim, kalite, etiket, geçmiş derinliği
Veri envanteri ve kritik veri varlıklarının belirlenmesi
Mevcut durum ile hedef durum arasındaki boşluk analizi
Atölye: Kurumunuz için veri olgunluk değerlendirmesi

Modül 3

Yapay Zeka İçin Veri Mimarisi Kararları

Veri ambarı, veri gölü ve lakehouse seçim ölçütleri
Merkezi mimari, veri ağı (data mesh) ve veri dokusu
Üretken yapay zeka için belge işleme ve vektör veritabanları
Bulut, şirket içi ve hibrit tercihlerde veri egemenliği
Hazır platform ile kendi çözümünü geliştirme kararı
Vaka: Bir üretim şirketinde lakehouse dönüşüm kararı

Modül 4

Veri Ürünleri ve Yatırım Önceliklendirme

Ürün olarak veri yaklaşımı ve veri ürünü sahipliği
Veri sözleşmeleri (data contracts) ile üretici-tüketici uyumu
Özellik deposu ve yeniden kullanılabilir yapay zeka verisi
Kullanım senaryosu ile veri yatırımı eşleştirme matrisi
Atölye: Öncelikli senaryolar için veri ürünü tasarımı
Günün değerlendirmesi ve yönetişim gününe köprü

Günün hedefiYapay zekaya uygun veri yönetişimi ve kalite süreçlerini kurgulamak, mevzuat gerekliliklerini karşılamak, operasyon modelini belirlemek ve veri yol haritası hazırlamak.

Modül 1

Yapay Zeka İçin Veri Yönetişimi ve Kalite

Veri sahibi, veri sorumlusu (steward) ve yönetişim kurulu
Veri kataloğu ve soy ağacı: Microsoft Purview, DataHub, Collibra
Veri kalitesi boyutları, kalite kuralları ve hizmet seviyeleri
Eğitim verisi, istem ve model çıktıları için yönetişim
ISO/IEC 5259 serisiyle analitik ve ML veri kalitesi
Atölye: Kritik veri alanları için RACI matrisi

Modül 2

Mevzuat, Etik ve Güvenli Veri Kullanımı

KVKK: işleme şartları, aydınlatma ve yurt dışına aktarım
EU AI Act Madde 10: yüksek riskli sistemlerde veri yönetişimi
Anonimleştirme, takma adlandırma ve sentetik veri
Gizlilik artırıcı teknolojiler: diferansiyel gizlilik ve federe ML
Veri etiği, yanlılık ve temsil sorunlarının yönetimi
Vaka: İşe alım modelinde eğitim verisi kaynaklı yanlılık

Modül 3

Operasyon Modeli, Yetkinlikler ve Değer Ölçümü

Merkezi, federe ve merkez-uç veri organizasyon modelleri
Veri mühendisi, analitik mühendisi ve ML mühendisi rolleri
Veri okuryazarlığı programı ve değişim yönetimi
Veri stratejisi için KPI'lar ve değer ölçüm çerçevesi
Veri yatırımlarında bütçe ve finansman modelleri
Vaka tartışması: Federe modele geçişte yaşanan zorluklar

Modül 4

Veri Yol Haritası Atölyesi ve Kapanış

Hızlı kazanımlar, temel yatırımlar ve uzun vadeli adımlar
Atölye: 18 aylık yapay zeka veri yol haritası hazırlama
Grup sunumları ve eğitmen geri bildirimi
Yönetim kuruluna veri stratejisi sunumunun kurgulanması
Eğitim değerlendirmesi, Soru-Cevap ve sertifika takdimi
Şablonların teslimi ve kapanış oturumu

Eğitim Kazanımları

Stratejik Hizalama — Veri stratejisini iş hedefleri ve öncelikli yapay zeka kullanım senaryolarıyla uyumlu biçimde kurgulayabileceksiniz.
Olgunluk Analizi — Kurumunuzun veri olgunluğunu ve yapay zeka hazırlığını yapılandırılmış bir çerçeveyle değerlendirebileceksiniz.
Mimari Kararlar — Lakehouse, veri ağı ve vektör veritabanı gibi seçenekleri gerekçelendirerek mimari kararlar verebileceksiniz.
Veri Ürünleri — Veri sözleşmeleri ve net sahiplikle yapay zeka projelerinde yeniden kullanılabilir veri ürünleri tasarlayabileceksiniz.
Veri Yönetişimi — Veri sahipliği, katalog, soy ağacı ve kalite kurallarını içeren yapay zekaya uygun bir yönetişim modeli kurabileceksiniz.
Mevzuat Uyumu — KVKK ve EU AI Act veri gerekliliklerini veri toplama, saklama ve model eğitimi süreçlerine yansıtabileceksiniz.
Operasyon Modeli — Kurumunuza uygun veri organizasyon modelini, rollerini ve değer ölçüm göstergelerini belirleyebileceksiniz.
Veri Yol Haritası — Hızlı kazanımları ve temel yatırımları dengeleyen 18 aylık bir yapay zeka veri yol haritası hazırlayacaksınız.

Kimler İçin Uygundur?

Veri yöneticileri ve CDO'lar
veri ve kurumsal mimarlar
BT yöneticileri
yapay zeka program liderleri
veri yönetişimi sorumluları ile dijital dönüşüm yöneticileri.

Sıkça Sorulan Sorular

Yapay Zeka Veri Stratejisi Eğitimi kimler için uygundur?

Program; veri yöneticileri ve CDO'lar, veri ve kurumsal mimarlar, BT yöneticileri, yapay zeka program liderleri, veri yönetişimi sorumluları ve dijital dönüşüm yöneticileri için tasarlanmıştır.

Eğitim ne kadar sürer ve nasıl ilerler?

Eğitim 2 tam gün ve 8 modülden oluşur. İlk gün strateji çerçevesi, veri olgunluğu ve mimari kararlar; ikinci gün yönetişim, mevzuat, operasyon modeli ve yol haritası atölyesi işlenir.

Katılım için teknik bilgi gerekiyor mu?

Programlama bilgisi gerekmez. Veri yönetimi, raporlama veya BT projelerinde deneyim ve kurumun veri kaynaklarına genel hakimiyet beklenir; teknik kavramlar karar verme düzeyinde ele alınır.

Eğitimde hangi çerçeve ve düzenlemeler ele alınıyor?

DAMA-DMBOK, veri olgunluk modelleri, veri ağı ve lakehouse yaklaşımları, veri sözleşmeleri, ISO/IEC 5259 veri kalitesi serisi, ISO/IEC 42001, KVKK ve EU AI Act'in veri ve veri yönetişimi gereklilikleri ele alınır.

Eğitim sonunda hangi çıktılar elde ediliyor, sertifika veriliyor mu?

Katılımcılar veri olgunluk değerlendirmesi, veri ürünü tasarımı, RACI matrisi ve 18 aylık veri yol haritası taslağıyla ayrılır ve Digital Vizyon Akademi sertifikası alır. Kapalı gruplarda atölyeler kurumun kendi durumu üzerinden yürütülür.

Sertifikalandırma

Bu eğitim Katılım Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika

YAPAY ZEKA VERİ STRATEJİSİ EĞİTİMİ