-
Derece türü: Veri Analisti" sertifikası
"TÜV Rheinland onaylı yeterliliğe sahip AI Yöneticisi" Sertifikası -
Ek nitelikler: "İstatistik ve Veri Analizi" Sertifikası
“İlişkisel Veritabanları – SQL” Sertifikası
Sertifika "PCEP™ - Sertifikalı Giriş Seviyesi Python Programcısı"
Veri Mühendisi" sertifikası
Veri Analitiği" sertifikası -
Final Sınavı: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
Certified Entry-Level Python Programmer (PCEP™) (in englischer Sprache)
KI-Manager:in mit TÜV Rheinland geprüfter Qualifikation -
Ders saatleri: Tam zamanlıPazartesi'den Cuma'ya 8:30 - 15:35 (resmi tatil olan haftalarda 8:30 - 17:10)
-
Eğitim dili: Alman
-
Süre: 24 Haftalar
İstatistik ve veri analizi
İstatistiksel temeller (yaklaşık 6 gün)
Ölçme kuramının temelleri (evren, örneklem, örneklem türleri, ölçüm, ölçek düzeyleri)
Tek değişkenli tanımlayıcı istatistikler (frekans dağılımları, merkezi ölçümler, dağılım ölçümleri, standardizasyon, histogramlar, çubuk grafikler, pasta grafikler, çizgi grafikler, kutu grafikleri)
İki değişkenli tanımlayıcı istatistikler (korelasyon ölçümleri, korelasyon katsayıları, çapraz tablolar, dağılım grafikleri, gruplandırılmış çubuk grafikler)
Tümevarımsal çıkarımsal istatistiğin temelleri (olasılık dağılımları, normal dağılım, ortalamanın örnekleme dağılımı, anlamlılık testi, boş hipotez testi, anlamlılık düzeyi, etki büyüklüğü, parametre tahmini, güven aralıkları, hata çubuğu grafikleri, güç analizi, örneklem büyüklüğü)
Uygun yazılımlarla veri hazırlama ve veri temizleme
Tanımlayıcı analiz
İstatistiksel sonuçların görselleştirilmesi
İstatistiksel sonuçların yapay zeka destekli analizi ve yorumlanması
İki grubu karşılaştırma yöntemleri (yaklaşık 5 gün)
z-testi, tek örneklem için t-testi
Bağımsız ve ilişkili örneklemler için t-testi
İki gruplu ön test-son test tasarımları
Anlamlılık testlerinin desteklenmesi (Anderson-Darling testi, Ryan-Joiner testi, Levene testi, Bonett testi, korelasyonlar için anlamlılık testi)
Parametrik olmayan yöntemler (Wilcoxon testi, işaret testi, Mann-Whitney testi)
Olumsallık analizleri (binom testi, Fisher'in kesin testi, ki-kare testi, çapraz tablolar, ilişki ölçümleri)
Test sonuçlarının yorumlanması
Sonuçların yapay zeka destekli yorumlanması
Regresyon analizinin temelleri (yaklaşık 2 gün)
Doğrusal regresyon
Model yorumlama
Yapay zeka destekli model yorumlama
Korelasyon analizi
Çeşitli grupların ortalamalarını karşılaştırma yöntemleri (yaklaşık 3 gün)
Tek faktörlü ve iki faktörlü varyans analizi (ANOVA)
Post-hoc analizleri
Grup farklılıklarının yorumlanması
Çok faktörlü varyans analizi (genel doğrusal model)
Sabit, rastgele, çaprazlanmış ve iç içe geçmiş faktörler
Çoklu karşılaştırma yöntemleri (Tukey-HSD, Dunnett, Games-Howell)
Etkileşim analizi
Varyans analizleri için güç analizi
Deney Tasarımına Giriş (DoE) (yaklaşık 1 gün)
Tam faktöriyel ve kısmi faktöriyel deneysel tasarımlar
Proje çalışması (yaklaşık 3 gün)
Öğrenilen içeriği pekiştirmek için
Proje sonuçlarının sunumu
SQL ile ilişkisel veritabanları
Veritabanı sistemleri ve SQL'in temelleri (yaklaşık 3 gün)
Veritabanı sistemleri ve modellerine genel bakış
Yedekli veri ve veri bütünlüğü
Normalleştirme
Veritabanı tasarımı ve varlık ilişki modeli (ERM)
Birincil ve yabancı anahtarlar
İlişkiler arasındaki ilişkiler
SQL'de veri türleri
Endeksler ve performans
Kısıtlamalar ve doğrulama
SQL'de Sorgular
Yapay zeka destekli analiz yöntemlerinin temeli olarak yapılandırılmış veriler
SQL Server Management Studio'ya (SSMS) giriş (yaklaşık 2 gün)
SQL Server ve SSMS'ye Genel Bakış
Fiziksel veritabanı tasarımı
Tablo oluşturma ve veri türlerini tanımlama
Kısıtlamalar, varsayılan değerler ve ilişkiler
Veritabanı diyagramları (ERM) ve ilişkileri
Yedekleme ve geri yükleme
Performans izlemeye giriş
Yapay zeka destekli sorgu optimizasyonu ve sorgu analizine genel bakış
DDL (Veri Tanımlama Dili) ve DML'ye (Veri Manipülasyon Dili) giriş (yaklaşık 8 gün)
SQL temelleri ve genişletilmiş sözdizimi
Operatörler ve entegre fonksiyonlar
Sorgular ve veri manipülasyonu
Hata işleme ve işlem yönetimi
Veritabanı nesnelerinin oluşturulması ve yönetimi
Performans optimizasyonunun temelleri
Modern veri türleri ile çalışma
Yapay zeka ve analiz uygulamaları için veri modelleme ve yapılandırılmış hazırlık
DCL - Veri Kontrol Dili ve Güvenliği (yaklaşık 1 gün)
Kullanıcı yönetimi ve yetkilendirmeler
Roller ve güvenlik kavramları
Denetim
Satır Seviyesi Güvenliğine Giriş
Yapay zeka destekli analizler bağlamında veri güvenliği
Modern sistemlerde veri türleri, veri içe ve dışa aktarımı (yaklaşık 1 gün)
Veri içe ve dışa aktarma
Modern veri türleri
Analiz süreçleri için verilerin içe aktarılması, dönüştürülmesi ve sağlanması
Proje çalışması (yaklaşık 5 gün)
Öğrenilen içeriği pekiştirmek için
Proje sonuçlarının sunumu
Python ile Programlama
Python temelleri (yaklaşık 1 gün)
Tarihçe, kavramlar
Kullanım ve uygulama alanları
sözdizimi
Lexis, semantik
PEP-8 sözleşmeleri
Yorumlayıcı vs. derleyici
Rakam sistemleri: ikili, sekizli, onaltılı
Bilimsel gösterim
Python ile ilk adımlar (yaklaşık 5 gün)
Sayılar
Dizeler
Tarih ve saat
Standart giriş ve çıkış
Sayısal operatörler
Karşılaştırma, mantıksal ve bitsel operatörler
Veri türü dönüştürme
liste, tuple, dict, küme
İşlevleri ve yöntemleri listeleme
Dallanma ve döngüler (if, for, while)
Üye operatörler
Dize temelleri: kaçış, çok satırlı dizeler
Operatörlerin önceliklendirilmesi ve bağlanması
İş sürecinde yapay zeka (AI)
Belirli yapay zeka teknolojilerinin sunumu
ve profesyonel ortamdaki olası uygulamalar
Fonksiyonlar (yaklaşık 5 gün)
Kendi fonksiyonlarınızı tanımlayın
Değişkenler
Parametreler ve bağımsız değişkenler
Dönüş değerleri
Özyineleme
İsim Alanları
Fonksiyonel programlama
Parametre türleri: konumsal, anahtar sözcük, karışık
Varsayılan değerler
Gölgeleme ve küresel anahtar kelime
Yok ve değer olmadan döndür
Sorun giderme (yaklaşık 0,5 gün)
try ve except ile hata işlemenin temelleri
Tipik hata türleri ve istisna hiyerarşisi
Hata yayılımı ve program kesintileri
Harici blokların yapılandırılması
Nesne yönelimli programlama (yaklaşık 4,5 gün)
Python sınıfları
Yöntemler
Değişmez nesneler
Veri sınıfı
Kalıtım
Proje çalışması, sertifikasyon hazırlığı ve İngilizce "PCEP™ - Certified Entry-Level Python Programmer" sertifika sınavı (yaklaşık 4 gün)
Veri Mühendisi
Veri Mühendisliği ve Veri Mimarilerinin Temelleri (yaklaşık 2 gün)
Veri Mühendisliğinde Görevler ve Uygulama Alanları
Modern veri mimarileri ve veri platformlarının temelleri
Bulut tabanlı veri mimarilerinin temelleri ve karşılaştırması
OLTP ve OLAP
Yapılandırılmış, yarı yapılandırılmış ve yapılandırılmamış verilerin işlenmesi
Gereksinim Yönetimi ve Veri Modelleme (yaklaşık 1 gün)
Verilere ve veri kaynaklarına yönelik gereksinimler
Kavramsal veri modelleme
Veri yapıları ve veri akışlarının modellemesi
Veri Sözleşmeleri, Veri Yönetişimi ve Veri Kaynağı İzleme
Veritabanları ve Veri İşleme (yaklaşık 1 gün)
Veritabanı Sistemlerinin Mimarisi
SQL, NoSQL ve NewSQL karşılaştırması
İlişkisel veri modelleme
Verilerin Sorgulanması ve İşlenmesi için SQL
Veri Depolama ve Modern Veri Mimarileri (yaklaşık 2 gün)
Veri ambarı sistemlerinin temelleri ve mimarisi
Boyutsal veri modelleme ve şema tasarımı
Faktörler, boyutlar ve tarihsel veri depolama
Veri Ambarı, Veri Gölü ve Lakehouse Karşılaştırması
dbt'ye Giriş
Veri modellerinin uygulamaya yönelik hayata geçirilmesi
Veri Entegrasyonu ve Veri Akışları (yaklaşık 5 gün)
Veri entegrasyonu ve veri hazırlama
ETL ve ELT Süreçleri
Veri Boru Hatlarının Oluşturulması ve Koordinasyonu
Veri Temizleme, Doğrulama ve Veri Kalitesi
Toplu ve Akış İşleme
Airflow ve Spark'ın uygulamaya yönelik kullanımı
Programlama ve otomatik veri işleme (yaklaşık 4 gün)
Python ortamları ve paket yönetimi
Python ile veri işleme ve dönüştürme
Veri işleme süreçlerinin otomasyonu
Farklı veri kaynakları ve arayüzlerin entegrasyonu
Veri mühendisliği iş akışlarının geliştirilmesi
Docker ile konteynerleştirme
Geliştirme ve veri işleme süreçlerinde yapay zeka destekli yardım
Proje çalışması (yaklaşık 5 gün)
Öğrenilen içeriği pekiştirmek için
Proje sonuçlarının sunumu
Veri analitiği
Veri Analitiğine Giriş (yaklaşık 1 gün)
Veri Analitiğinin Görevleri, Uygulama Alanları ve Tipik Uygulama Örnekleri
Veri Analitiği Süreçleri ve CRISP-DM
Veri Analistinin Rolü ve Veri Bilimi, Veri Mühendisliği ve İş Zekası ile Arasındaki Farklar
Yapay Zeka ve Makine Öğreniminin Sınıflandırılması
Veri Analitiği için Python (yaklaşık 1 gün)
Jupyter Notebook'larla Çalışma
Veri analizi için NumPy ve Pandas
Çeşitli veri kaynaklarından (örn. Excel ve CSV) veri içe ve dışa aktarma
Verilerin Seçimi ve Dönüştürülmesi
Veri hazırlama ve keşifsel veri analizi (yaklaşık 3 gün)
Pandas ile veri temizleme ve dönüştürme
Eksik, hatalı ve dikkat çeken verilerin işlenmesi
Verilerin birleştirilmesi, gruplandırılması ve toplanması
Keşifsel veri analizi ve ilk bulguların çıkarılması
İstatistiksel değerlendirmelerin temelleri
SQL ve Veri Yönetimi (yaklaşık 2 gün)
İlişkisel veritabanları ve veri modelleri
SQL ile veri sorgulama ve işleme
Birleştirme, toplama ve analitik sorgular
Veri analizinde SQL ve Python'un birlikte kullanımı
Veri kalitesi ve veri gizliliği
Farklı veri kaynakları ve veritabanı sistemlerine bağlanma ve bunları kullanma
Veri Görselleştirme ve Veri Anlatımı (yaklaşık 2 gün)
Matplotlib, Seaborn ve Plotly ile görselleştirme
Uygun grafiklerin ve görselleştirme biçimlerinin seçimi
Analiz sonuçlarının işlenmesi ve yorumlanması
Veri Anlatımı ve hedef kitleye uygun iletişim
Power BI ve etkileşimli gösterge panelleri (yaklaşık 2 gün)
Power Query ile veri içe aktarma ve hazırlama
Veri modelleme ve ilişkiler
DAX ve metriklerin temelleri
Etkileşimli raporlar ve gösterge panelleri oluşturma
İş KPI'larının görselleştirilmesi ve iletişimi
Alternatif iş zekası ve görselleştirme çözümlerine genel bakış
Yapay zeka destekli veri analizi (yaklaşık 2 gün)
Veri analizi iş akışında üretken yapay zekanın kullanımı
AI destekli veri hazırlama, analiz ve görselleştirme
Python ve SQL sorgularında destek
Veri analizleri için komut satırı yönlendirmeleri ve sonuçların yorumlanması
Veri kaynaklarının eleştirel değerlendirmesi ile sentetik ve mantıksız verilerin tespiti
Kalite güvencesi, veri koruma ve sorumlu yapay zeka kullanımı
İş Analitiği ve İstatistiksel Temeller (yaklaşık 2 gün)
İşletme bağlamında göstergeler ve KPI'lar
Tanımlayıcı İstatistik ve İstatistiksel İlişkiler
Korelasyon, nedensellik ve basit regresyon analizleri
Güven aralıkları ve hipotez testlerinin temelleri
Analiz sonuçlarının yorumlanması ve verilere dayalı eylem önerilerinin türetilmesi
Proje çalışması (yaklaşık 5 gün)
Öğrenilen içeriği pekiştirmek için
Proje sonuçlarının sunumu
Yapay zeka: TÜV Rheinland onaylı yeterliliğe sahip yapay zeka yöneticisi
Operasyonel yapay zeka projelerinin temelleri (yaklaşık 5 gün)
Yapay zeka, makine öğrenimi, DL, NLP ve bilgisayarla görmeye giriş (operasyonel odak)
Roller ve görevler: ISO 42001'e uygun olarak yönetim sisteminin kurulması, işletilmesi ve etkinliğinin gözden geçirilmesi
Rol tanımlaması ve işbirliği: YZ sorumlusu, YZ yöneticisi ve YZ denetçisi
Şirketteki operasyonel kullanım durumlarının belirlenmesi ve değerlendirilmesi
Proje başlatma: hedef tanımı, kapsam, fizibilite analizi
Paydaş yönetimi
Yapay zeka aracılığıyla değer yaratma ve yatırım getirisi
Yönetimde başarılı yapay zeka girişimleri
Veri yönetimi ve araçların kullanımı (yaklaşık 3 gün)
Veri hazırlama, kalite ve entegrasyon
Yapay zeka araçlarının ve platformlarının seçimi ve uygulanması
Metin, resim ve video uygulamaları için pratik yönlendirmeler
Basit veri işlem hatları kurma
MLOps kavramlarına giriş
Yapay zeka otomasyon seçenekleri çalışıyor
Model eğitimi, doğrulama ve kullanım (yaklaşık 2 gün)
Modellerin eğitimi ve doğrulanması
Test prosedürleri: Kara kutu, beyaz kutu, birim testleri
Modellerin kullanımı
İzleme ve yinelemeli optimizasyon
Yapay zeka ajanlarının projelere entegrasyonu
Risk yönetimi ve kalite güvencesi (yaklaşık 2 gün)
Teknik risk analizi: yanlılık ölçümleri, adalet testleri, model hata analizi
Kalite güvencesi: KPI'lar, izleme, kabul süreçleri
ISO 42001'e uygun yönetim sistemi
Yapay zeka sistemlerinin güvenliği ve açıklanabilirliği
Operasyonel proje yönetimi ve çevik yöntemler (yaklaşık 2 gün)
Çevik yöntemler: Scrum, Kanban, yinelemeli dağıtım döngüleri
Kaynak ve bütçe planlaması
Ekip ve paydaş iletişimi
Devam eden optimizasyon ve sorun çözme stratejileri (CIP)
Dış ortaklarla işbirliği
Organizasyonel gelişim, yönetişim ve değişim yönetimi (yaklaşık 3 gün)
Şirket süreçlerinin analizi
Olgunluk seviyesi analizi, GAP analizi
Yapay zeka yol haritasının oluşturulması
Yapay zeka yönetişimi ve strateji geliştirme
Sürdürülebilir bir kurumsal yapının geliştirilmesi
Sorumluluklar
Yapay zeka operasyonlarında direncin pratik olarak ele alınması
Sürdürülebilirlik ve kurumsal dijital sorumluluk (CDR)
Proje çalışması, sertifikasyon hazırlığı ve sertifikasyon sınavı "TÜV Rheinland sertifikalı yapay zeka yöneticisi" (yaklaşık 3 gün)
Değişiklikler mümkündür, kurs içeriği düzenli olarak güncellenmektedir.
Bu eğitimden sonra temel istatistik bilgisine sahip olacak, SQL ile ilişkisel veritabanlarını kullanarak karmaşık sorgular gerçekleştirebilecek ve Python programlama dilinde yetkin olacaksınız. Kursta öğretilen veri mühendisliği ve veri analizi uzmanlık bilgileriyle birlikte, kapsamlı veri setlerini yönetebilecek, bunları istatistiksel olarak verimli bir şekilde analiz edebilecek ve sonuçları açık ve anlaşılması kolay bir şekilde özetleyebileceksiniz.
Ayrıca, yapay zeka destekli dönüşüm projelerini standartlara uygun olarak planlayıp uygulayabilecek ve bunları kuruluşunuzda sürdürülebilir bir şekilde sabitleyebileceksiniz. YZ girişimlerinin ekonomik faydalarını, değer yaratımını ve yatırım getirisini en üst düzeye çıkarabilecek, riskleri ve uyumluluk gereksinimlerini dikkate alabilecek ve YZ'nin başarılı bir şekilde kullanılması için sürdürülebilir bir organizasyon yapısı, yönetişim ve değişim yönetimi stratejileri oluşturabileceksiniz.
Kurs, işletme, matematik veya (işletme) bilişim alanında lisans derecesine ve benzer niteliklere sahip kişilere yöneliktir.
Şirketler, iş süreçlerini analiz etmek ve hedeflerini belirlemek için giderek artan miktarda veriyi yönetmek ve yapılandırmak zorunda olduğundan, veri analizi becerileri tüm sektörlerde talep görmektedir.
Yapay zeka (AI) alanındaki ek uzmanlık, bir uzman ve yönetici olarak şirketleri dijital dönüşümde ileriye götürmenize ve yapay zekayı verimliliği, karar verme sürecini ve inovasyonu iyileştirmek için bir araç olarak kullanmanıza yardımcı olacaktır.
Didaktik kavram
Eğitmenleriniz hem profesyonel hem de didaktik açıdan son derece kalifiyedir ve size ilk günden son güne kadar ders verecektir (kendi kendine çalışma sistemi yoktur).
Etkili küçük gruplar halinde öğreneceksiniz. Kurslar genellikle 6 ila 25 katılımcıdan oluşmaktadır. Genel dersler, tüm kurs modüllerinde çok sayıda pratik alıştırma ile desteklenmektedir. Uygulama aşaması kursun önemli bir parçasıdır, çünkü bu süre zarfında öğrendiklerinizi işler ve uygulamada güven ve rutin kazanırsınız. Kursun son bölümü bir proje, bir vaka çalışması veya bir final sınavını içerir.
Sanal sınıf alfaview®
BildungszentrumDersler, modern alfaview® video teknolojisi kullanılarak kendi evinizin rahatlığında ya da 'deki tesislerimizde gerçekleştirilir. Tüm kursiyerler alfaview® aracılığıyla birbirlerini yüz yüze görebilir, birbirleriyle dudak senkronize ses kalitesinde iletişim kurabilir ve ortak projeler üzerinde çalışabilir. Elbette, bağlı eğitmenlerinizi de istediğiniz zaman canlı olarak görebilir ve onlarla konuşabilirsiniz ve kursun tüm süresi boyunca eğitmenleriniz tarafından gerçek zamanlı olarak eğitileceksiniz. Dersler e-öğrenme değil, video teknolojisi aracılığıyla gerçek canlı yüz yüze öğretimdir.
alfatraining Agentur für Arbeit Eğitim kursları, AZAV onay yönetmeliğine uygun olarak sübvanse edilmekte ve sertifikalandırılmaktadır. Bildungsgutschein Aktivierungs- und VermittlungsgutscheinKurs başvurusunda bulunduğunuzda, kurs masraflarının tamamı genellikle finansman kuruluşunuz tarafından karşılanır.
Europäischen Sozialfonds Deutsche Rentenversicherung (ESF), (DRV) veya bölgesel finansman programları aracılığıyla da finansman mümkündür. Berufsförderungsdienst Düzenli bir asker olarak, (BFD) aracılığıyla daha fazla eğitim kursuna katılmak mümkündür. Agentur für Arbeit (Qualifizierungschancengesetz) Şirketler de çalışanlarını (BFD) tarafından sağlanan bir finansman programı aracılığıyla kalifiye hale getirebilirler.