Veriyi yalnızca doğru değil, doğru biçimde kullanın
Veri etiği: mahremiyet ve rıza, anonimleştirme ve yeniden kimliklendirme riski, algoritmik yanlılık kaynakları, adillik ölçütleri, şeffaflık/açıklanabilirlik ve sorumlu AI yönetişimi gerçek vakalarla uygulamalı işlenir.
Sorumlu veri ve yapay zekâ için etik ilkeler
Bu eğitim, veriyi toplarken, işlerken ve kullanırken ortaya çıkan etik sorunları ve sorumlu veri pratiğini öğretir. Veri etiğinin temel ilkeleri (mahremiyet, rıza, amaç sınırlaması, zarar vermeme, adillik, hesap verebilirlik) ele alınır. Kişisel verinin anonimleştirme ve takma adlaştırma (pseudonymisation) ile korunması, yeniden kimliklendirme (re-identification) riski işlenir. Algoritmik yanlılık (bias) kaynakları, veri temelli ayrımcılık, adillik ölçütleri (demografik parite, eşit fırsat) ve değerlendirme uygulanır. Şeffaflık ve açıklanabilirlik, otomatik kararların etkisi, onay ve kullanıcı hakları gösterilir. Veri yönetişimi, etik kurul/etki değerlendirmesi, sorumlu yapay zekâ ilkeleri ve gerçek vakalar (yanlı işe alım, kredi skoru, yüz tanıma) tartışılır. KVKK/GDPR ile ilişki kavramsal olarak kapsanır.
2 Gün. Her gün dört modül; ilkeler gerçek vaka ve senaryo tartışmalarıyla işlenir.
Temel Seviye — Veri etiği: mahremiyet, yanlılık, adillik, şeffaflık ve sorumlu veri/AI kullanımı.
Gerçek etik vakalar ve senaryolar üzerinde tartışma, yanlılık ve adillik ölçümü uygulamalı gösterim.
Etik veri pratiğiyle kullanıcı ve toplum güvenini korursunuz.
Yanlılığı ölçüp azaltarak adil sistemler kurarsınız.
Kararları açıklanabilir ve hesap verebilir kılarsınız.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
Veri toplama ve kullanımına dair temel farkındalık yeterlidir.
Model ve tahmin kavramına aşinalık faydalıdır.
Bir ürün/karar sürecinde yer almak örnekleri anlamlandırır.
Tartışma ve vaka incelemesi için temel bir çalışma ortamı.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
Veri etiğinin temel ilkelerini kararlara uygularsınız.
Veri minimizasyonu ve mahremiyet tasarımını benimsersiniz.
Anonimleştirmeyi ve yeniden kimliklendirme riskini değerlendirirsiniz.
Bilgilendirilmiş rıza ve kullanıcı haklarını gözetirsiniz.
Algoritmik yanlılık kaynaklarını tespit edersiniz.
Adillik ölçütlerini uygular ve dengeyi değerlendirirsiniz.
Kararları açıklanabilir ve belgelenebilir kılarsınız.
Etik etki değerlendirmesi ve sorumlu yönetişim kurarsınız.
Bu eğitim Digital Vizyon Akademi Başarı 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.
Veri hazırlama, SQL analizi, yıldız şema modelleme, pano tasarımı ve görselleştirme ilkeleriyle ham veriyi karar destekleyen raporlara dönüştürmeyi öğrenin.
Detayları Gör →
Tam popülasyon testi, mükerrer ödeme, Benford analizi, görev ayrılığı ve sürekli izlemeyle veri destekli denetim ve inceleme tekniklerini uygulamalı öğrenin.
Detayları Gör →
Dağıtık depolama, replikasyon, bölümleme, tutarlılık modelleri ve akış işlemeyle veri-yoğun uygulamalar için ölçeklenebilir platform mühendisliğini öğrenin.
Detayları Gör →
Google Cloud Vertex AI Forecasting ve BigQuery ML ARIMA_PLUS ile talep tahmini, quantile tahmin, backtest ve üretime almayı uygulamalı öğrenin.
Detayları Gör →
Virginia VCDPA kapsamı, veri sorumlusu/işleyen yükümlülükleri, tüketici hakları, rıza ve uyum programını CCPA ve GDPR karşılaştırmasıyla öğrenin.
Detayları Gör →