Veri Analisti ve Yapay Zeka Yöneticisi

Eğitim, bir yandan veri setlerini kontrol etmek ve işlemek, istatistiksel olarak değerlendirmek ve ardından görselleştirmek için bir veri analisti olarak çalışmak üzere gerekli bilgileri sağlar. Diğer yandan, bir şirkette yapay zeka yöneticisi olarak yapay zeka projelerini planlamak, yönetmek ve uygulamak, değişim yönetimi süreçlerini uygulamak ve yapay zeka kullanımı yoluyla dijital dönüşümü yönlendirmek için kapsamlı bilgi edineceksiniz.
  • 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 zamanlı
    Pazartesi'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.

Python sertifikasyon sınavı için İngilizce bilgisinin yanı sıra "TÜV Rheinland onaylı yeterliliğe sahip AI temsilcisi" başarılı sertifikasyon sınavı veya benzer bir kanıt gereklidir.

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.

Size ücretsiz tavsiyede bulunmaktan memnuniyet duyarız.

0800 3456-500 Pzt - Cuma günleri sabah 8'den akşam 5'e kadar
tüm Alman şebekelerinden ücretsiz.

Bize ulaşın

Size ücretsiz tavsiyede bulunmaktan memnuniyet duyarız. 0800 3456-500 Pzt - Cuma günleri sabah 8'den akşam 5'e kadar tüm Alman şebekelerinden ücretsiz.