🗣️ Eğitmen: Osman Can Gençyürek
⏳ Süre: 16 Saat (8 Oturum)
📍 Platform: Zoom (Katılım linki kayıt olduğunuzda sizlerle paylaşılacaktır.)
📅 Ders Tarihleri: 9 Ekim – 4 Kasım
🕒 Saat: 19:00 – 21:00 (Salı & Perşembe)

Veri raporları ve karmaşık grafikler arasında kaybolmak yerine, onlara yön veren bir profesyonel olmak ister misiniz? Bu program; pazarlama, insan kaynakları, finans veya operasyon gibi teknik olmayan rollerdeki profesyonelleri, ham veriyi anlamlı bir içgörüye, karmaşık analizleri ise ikna edici bir iş kararına dönüştürebilen bir "veri anlatıcısına" dönüştürmek için tasarlandı.

Bu dönüşüm için; teorik bilgiyi, “kötü grafikleri düzeltme” ve “analiz çıktıları için hikaye taslakları oluşturma” gibi atölyelerle kalıcı beceri haline getirip aşağıdaki yetkinlikleri kazanmış olacaksınız:
 
Veriyi Anlamak: Veri türlerini, kalitesini ve yanlılığını analiz ederek güvenilir veriyi tanımak.
Veriyi Yorumlamak: Temel istatistik ve doğru görselleştirme teknikleriyle (çubuk, histogram, çizgi vb.) verinin ne söylediğini net bir şekilde anlamak.
Veriyi Anlatmak: Analiz çıktılarını, paydaşları harekete geçiren, ikna edici bir veri hikayesine dönüştürmek.
Geleceğe Hazırlanmak: Yapay zekânın temel kavramlarını ve iş dünyasındaki fırsatları anlayarak stratejik bir bakış açısı kazanmak.
 
Program sekiz ana modülden oluşuyor:

1.Modül: Doğru Kararlar İçin Temel Kavramlar
Veri Okuryazarlığı (VOY) Nedir ve Neden "Yapay Zekâ" Kadar Önemli?
Veri Kültürü: Veriyle Konuşan Şirketler Neyi Farklı Yapıyor?
Bilgi Piramidi: Ham Veriden Bilgeliğe
Veri Tipleri: Nicel vs. Nitel 
Veri Tipleri: Yapısal vs. Yapısal Olmayan 
Büyük Veri (Big Data) ve 5V'si Nedir? 
Veri Kaynakları (Birincil ve İkincil Kaynaklar)
Veri Yaşam Döngüsü
 
2.Modül: Verinin Değeri için Stratejik Kavramlar
Veri Odaklı Karar Verme
Verinin Kurumsal Değeri ve Bir Varlık Olarak Yönetimi (Data Governance)
Veri Ölçüm Seviyeleri: Veriyi Doğru Sınıflandırmak
Ölçüm Seviyelerine Göre Analiz: Hangi Veriyle Ne Tür Sorular Sorulabilir?
Betimsel ve Yorumlayıcı İstatistik Kavramları
Veri Saklama Kavramına Giriş
 
3. Modül: Güvenilir Veriden Etkili Sunuma
Yaygın Veri Yönetişimi Hataları
Veri Kalitesi Neden Önemlidir? 
Yaygın Veri Kalitesi Problemleri 
Veri Yanlılığı (Bias) Nedir ve Kararlarımızı Nasıl Etkiler?
Veri Ön-İşleme Kavramı: Analize Hazırlık
Veri ile İletişim: Mesajını Doğru ve Anlaşılır Aktarmak
Etkili Veri Görselleştirme Prensipleri
Sık Kullanılan Grafik Türleri ve Kullanım Amaçları
 
4. Modül: Görsel Analiz ve İstatistik
Doğru Mesaj İçin Doğru Grafik: 4 Temel Analitik Amaç 
Karşılaştırmalar için Çubuk (Sütun) Grafikler
Dağılımlar için histogramlar
İstatistik Nedir
Merkezi Eğilim 
Kutu grafikleri
Dağılım (Yayılım) Eğilimi

5. Modül: Görselleştirmede İleri Teknikler ve Tuzaklar
Zaman Serisi Analizi: Çizgi Grafikleri (Line Graphs)
İlişki Analizi: Saçılım Grafikleri (Scatter Plots)
Yoğunluk Analizi: Isı Haritaları (Heatmaps)
Kritik Vaka İncelemesi: Pasta (Pie) ve Halka (Donut) Grafikleri
En Sık Yapılan 5 Görselleştirme Hatası 
Bir Grafiği Okurken Sorulması Gereken Sorular
Atölye-1: "Kötü" Bir Grafiği Tespit Etme ve Eleştirme
Atölye-2: Tespit Edilen Grafiği Birlikte İyileştirme

6. Modül: Veri Anlatıcılığı ile Rakamları Eyleme Dönüştürme
Etkili Analitik Soru Sorma Teknikleri
Analiz Düzeyleri
Veri Anlatıcılığı (Data Storytelling) Nedir ve Neden Grafikten Daha Fazlasıdır?
Etkili Bir Veri Hikayesinin 3 Bileşeni
Sunum Akışı Planlama: Storyboard Tekniği
Akılda Kalacak "Büyük Fikir" Nasıl Belirlenir?
Veri Anlatımında Takım Çalışması ve Roller
Atölye: Bir Analiz Çıktısı için Veri Hikayesi Taslağı Oluşturma
 
7. Modül: İstatistiksel Düşünce ile Belirsizliği Anlamak ve Fikirleri Test Etmek
Olasılığa Giriş: Belirsizlik ve Risk Kavramları
Koşullu Olasılık
Kesikli Dağılımlar
Devamlı Dağılımlar
İstatiksel Anlamlılık
Merkezi Limit Teoremi
Hipotez Testi
A / B Testi
Korelasyonlar
Yaygın İstatistiksel Hatalar ve Yanlış Yorumlamalar
 
8. Modül: Yapay Zekâ ve İş Dünyası için Fırsatlar
Yapay Zekâ (AI), Yapay Öğrenme (ML) ve Derin Öğrenme (DL) Nedir?
Üretken Yapay Zekâ (Generative AI) ve ChatGPT Gibi Araçlar
Yapay Zekâ İş Hayatını Nasıl Değiştiriyor? Departmanlardan Uygulama Örnekleri
Yapay Zekânın İnsan Tarafı: Etik, Riskler ve Sorumluluklar 
Veri Mahremiyeti: Yapay Zekâ Çağında Kişisel Verileri Koruma
Gelecek Perspektifi: Kurumunuzda Yapay Zekâdan Nasıl Yararlanırsınız? 
Yapay Zekânın Anatomisi: Veri, Model ve Tahmin 
Yapay Zekâ Model Performansı Görselleştirmeleri
Etkileşimli Oturum: Yapay Zekâ Araçları ile Demo

📝 Eğitim Notları
 
Tüm eğitimler canlı olarak gerçekleştirilir; dilediğiniz an eğitmene soru sorabilir, interaktif bir öğrenme ortamında yer alabilirsiniz.
Eğitimlerin kayıtları, yıl sonuna kadar erişime açık olacak ve tekrar izlenebilecektir.
Eğitim sonunda katılım sertifikası verilecektir.
Gerekli tüm eğitim materyalleri ve dokümanlar, katılımcılarla paylaşılacaktır.
 
👥 Kimler Katılmalı?
 
Pazarlama, insan kaynakları, finans ve operasyon gibi teknik
olmayan alanlarda çalışan profesyoneller
Takım liderleri, yöneticiler ve karar vericiler
Veri analistleri, iş analistleri ve raporlama uzmanları
Dijital dönüşüm ve veri yönetişimi süreçlerinde görev alan ekip üyeleri
Girişimciler ve veriyle desteklenen iş kararları almak isteyen startup kurucuları
Kariyerinde veri okuryazarlığı ve yapay zekâ yetkinlikleriyle öne çıkmak isteyen profesyoneller
Eğitim, araştırma veya akademik alanlarda çalışan; veriyi daha etkili anlatmak isteyen uzmanlar