Yapay Zeka (AI) Destekli İş Analitiği Uzmanlık Programı Yapay Zeka Destekli

AMAÇ:

Kazanım: Bu modül, katılımcıların geleneksel iş zekası yaklaşımlarından yapay zeka destekli analitiğe zihinsel ve teknik geçiş yapmalarını sağlar. Katılımcılar, doğru istem (prompt) tekniklerini öğrenerek yapay zeka modellerini etkin birer iş asistanına dönüştürürken, halüsinasyon gibi riskleri yöneterek güvenilir çıktılar elde etmeyi öğrenirler.

ÖĞRENİLEN BECERİLER:

İş Analitiğinde Paradigma Değişimi: Klasikten Yapay Zekaya 

• İş Dünyasında GenAI ve LLM Entegrasyonu

• Prompt Mühendisliği: AI modellerinden en yüksek verimi alma stratejileri

• Risk Yönetimi: AI Halüsinasyonları, doğrulama süreçleri ve güvenilirlik

• Uygulama: İlk AI destekli iş analizi raporunun oluşturulması

AMAÇ:

Kazanım: İstatistiksel analiz süreçlerini yapay zeka ile hızlandırmayı hedefleyen bu bölümde, karmaşık veri setlerinden saniyeler içinde anlamlı içgörüler çıkarma yetkinliği kazandırılır. Katılımcılar, manuel kod yazmaya gerek kalmadan veriyi keşfetme ve hipotezleri test etme süreçlerini otomatikleştirerek karar alma mekanizmalarını veriye dayalı hale getirir.

ÖĞRENİLEN BECERİLER:

Veriden Değer Üretme Sürecini Hızlandırmak

• Otomatikleştirilmiş EDA (Keşifsel Veri Analizi)

• İnteraktif Hipotez Testleri: LLM desteği ile istatistiksel kararlar alma

• Hızlı İçgörü (Insight) Çıkarma: Karmaşık verilerden yönetici özetleri oluşturma

AMAÇ:

Kazanım: Bu ders, Python programlamayı bir amaç değil, veri analitiğinde güçlü bir araç olarak kullanmayı öğretir. Katılımcılar, yapay zeka asistanlarını (Copilot) kullanarak kod üretimini, hata ayıklamayı ve veri görselleştirmeyi nasıl otomatize edeceklerini deneyimleyerek teknik verimliliklerini maksimum seviyeye çıkarırlar.

ÖĞRENİLEN BECERİLER:

 Kod Üretimi, Optimizasyonu ve Süreç Yönetimi

• AI Copilot Entegrasyonu: "Describe & Generate" metodolojisi

• Hata Ayıklama (Debugging) ve Optimizasyon: Kod kalitesini AI ile artırma

• Görselleştirme Otomasyonu: Doğal dil komutları ile stratejik grafikler üretme

• Veri Zenginleştirme (Feature Engineering): Model başarısını artıracak değişkenlerin AI ile tespiti

AMAÇ:

Kazanım: Teknik uzmanlık gerektiren SQL sorgulama süreçlerini demokratikleştiren bu modül, doğal dil ile veritabanlarıyla konuşma becerisi kazandırır. İş birimlerinin IT'ye bağımlılığını azaltarak, karmaşık veritabanlarından ihtiyaç duyulan verinin hızlı, doğru ve optimize edilmiş şekilde çekilmesi sağlanır.

ÖĞRENİLEN BECERİLER:

 Teknik Bariyerleri Kaldırmak: Doğal Dil ile Veri Sorgulama

• Natural Language to SQL (NL2SQL): İş sorularını doğrudan SQL sorgularına dönüştürme

• Akıllı Sorgu Optimizasyonu: Veritabanı performansını artırma teknikleri

• Modern Veri Yığını (Data Stack): Snowflake ve BigQuery ML ekosistemlerine giriş

AMAÇ:

Kazanım: Kodlama bilgisine ihtiyaç duymadan gelişmiş makine öğrenmesi modelleri kurmayı sağlayan AutoML teknolojileri ele alınır. Katılımcılar, müşteri kaybı veya satış tahmini gibi kritik iş problemlerini çözen modeller geliştirirken, bu modellerin kararlarını (XAI) şeffaf bir şekilde yorumlayarak iş stratejilerine entegre etmeyi öğrenirler.

ÖĞRENİLEN BECERİLER:

 Kodlama Gerektirmeyen (Low-Code/No-Code) İleri Analitik

• AutoML Platformları: H2O.ai ve Vertex AI ile hızlı modelleme süreçleri

• Müşteri Kayıp (Churn) Analizi: Tahminsel modellerin iş süreçlerine entegrasyonu

• Açıklanabilir Yapay Zeka (XAI): "Model neden bu kararı verdi?" sorusunun yanıtlanması

AMAÇ:

Kazanım: Bu modül, genel yapay zeka modellerini kurumun kendi özel verileri ve dokümanlarıyla nasıl konuşturulacağını öğretir. Katılımcılar, RAG mimarisi sayesinde kurum içi bilgi birikimini (Knowledge Base) saniyeler içinde erişilebilir ve sorgulanabilir hale getiren güvenli sistemler tasarlama yetkinliği kazanırlar.

ÖĞRENİLEN BECERİLER:

 Kurum İçi Veriyle Konuşan Yapay Zeka Sistemleri

• RAG (Retrieval-Augmented Generation) Teknolojisi

• LangChain ile İş Akışları: Dokümanlardan (PDF, Excel) otomatik bilgi çekme

• Veri Gizliliği: Kurumsal verilerin güvenli bir şekilde AI ile işlenmesi

AMAÇ:

Kazanım: Sadece komut bekleyen değil, verilen hedefe ulaşmak için otonom plan yapan ve görev tamamlayan yeni nesil yapay zeka ajanları tanıtılır. Katılımcılar, farklı analitik görevleri yerine getiren birden fazla ajanı (Multi-Agent) koordine ederek karmaşık iş akışlarını insansız yönetebilen sistemler kurgularlar.

ÖĞRENİLEN BECERİLER:

 Geleceğin İş Gücü: Otonom Görev Yapan Sistemler

• AI Ajan Kavramı: Sadece sohbet eden değil, "görev tamamlayan" yapılar

• Multi-Agent Sistemler: Birbiriyle konuşan ve problem çözen analitik botlar tasarlama

• Uygulama: Kendi kişisel veri analist ajanınızı oluşturma

AMAÇ:

Kazanım: Geleceğe yönelik belirsizlikleri yönetmek adına TimeGPT ve Prophet gibi modern algoritmalarla talep ve trend tahminleme yöntemleri işlenir. İşletmelerin olası riskleri ve fırsatları önceden görmesini sağlayan anomali tespiti ve senaryo simülasyonları ile stratejik planlama süreçleri veri odaklı hale getirilir.

ÖĞRENİLEN BECERİLER:

 Belirsizliği Yönetmek: Gelecek Öngörüleri

• Modern Zaman Serileri: TimeGPT ve Prophet ile talep ve satış tahminleme

• Anomali Tespiti: Operasyonel hataların ve fırsatların erken uyarısı

• Senaryo Analizleri: "What-if" simülasyonları ile risk yönetimi

AMAÇ:

Kazanım: Program boyunca öğrenilen tüm yetkinliklerin gerçek bir iş problemi üzerinde uygulanarak pekiştirildiği final projesidir. Katılımcılar, verinin hazırlanmasından modelin kurulmasına ve otonom raporlamaya kadar uçtan uca bir yapay zeka analitik projesi geliştirerek, somut bir başarı hikayesi ile mezun olurlar.

ÖĞRENİLEN BECERİLER:

 Gerçek Hayat Senaryosu Üzerine Uygulama 

• Problem tanımlama, veri hazırlama, modelleme ve sunum aşamaları

• Proje portföyünün oluşturulması