Bizi tercih ettiğiniz için teşekkür ederiz. Ekip üyelerimiz en kısa sürede sizlerle iletişime geçecektir.
Rezervasyonunuzu gönderdiğiniz için teşekkür ederiz! Ekibimizden bir yetkili kısa süre içinde sizinle iletişime geçecektir.
Eğitim İçeriği
- AI-Native Gereksinim Mühendisliği Temelleri [TEORİ & DEMO]
- Geleneksel iş analistliğinden AI-native yaklaşıma geçiş.
- ”Derlenebilir doküman” ve ”AI-okunabilir gereksinim” kavramları.
- ”Gereksinim kalitesi = Kod kalitesi” tezinin pratik temelleri.
- Prompt mühendisliği ile yapılandırılmış analiz çıktısı üretme.
- Yapay Zeka ile Use Case ve User Story Yazımı [UYGULAMALI]
- AI destekli Use Case diyagramları ve senaryo üretimi.
- User Story, Kabul Kriterleri (Acceptance Criteria) ve uç durum (edge case) keşfinde yapay zekanın konumlandırılması.
- INVEST kriterlerine uygun, AI ile iteratif hikaye iyileştirme (story refinement).
- Uygulama: Gerçek bir iş gereksiniminden AI ile eksiksiz bir hikaye seti oluşturma.
- Yapay Zekayı Gereksinim Mühendisi Olarak Konumlandırma [ATÖLYE]
- AI’ı paydaş (stakeholder) görüşmelerini yapılandırma, gereksinimleri önceliklendirme ve tutarsızlık tespitinde kullanma.
- PRD (Ürün Gereksinim Dokümanı) üretim ardışık düzeni (pipeline): Briefing’den dokümana.
- Gereksinim izlenebilirliği (traceability) ve etki analizi için AI iş akışı tasarımı.
- Marka Kimliğine Uygun AI Destekli Prototipleme [CANLI DEMO]
- Mevcut bir uygulamanın ekran görüntüsünden AI ile çalışan React prototipi oluşturma (Proto Cloner yöntemi).
- Marka renkleri, tipografi ve UI desenlerini koruyarak iteratif tasarım.
- PRD’den prototipe: Gereksinimden çalışan arayüze 15 dakikada geçiş demosu.
- Yapay Zeka ile Veri Modelleme ve Analiz [UYGULAMALI]
- İş gereksinimlerinden varlık-ilişki (entity-relationship) diyagramlarına AI destekli geçiş.
- Veri sözlüğü, normalizasyon ve ilişki haritalarının otomatik üretimi.
- API ve veritabanı şema tasarımında AI kullanımı.
- Mevcut veri yapılarının AI ile analizi ve optimizasyonu.
- Entegrasyon ve Çapraz Uygulama [BİTİRME PROJESİ]
- Tüm modüllerin bir arada uygulandığı bitirme projesi (Capstone): Gerçek bir iş senaryosunda gereksinim toplama, dokümantasyon, prototipleme ve veri modellemeyi AI ile uçtan uca gerçekleştirme.
- Takım bazlı çalışma, sunumlar ve geri bildirim süreçleri.
Kurs İçin Gerekli Önbilgiler
- İş analizi, yazılım geliştirme yaşam döngüsü (SDLC) veya ürün geliştirme süreçlerine dair temel bir anlayış.
- Dijital ürünler, yazılım projeleri veya veri odaklı sistemlerle çalışma konusunda temel deneyim.
- Herhangi bir programlama dili ile temel seviyede çalışma deneyimi (zorunlu değildir ancak faydalıdır).
Audience
- İş Analistleri (Business Analysts)
- Ürün Yöneticileri ve Ürün Sahipleri (Product Managers / Product Owners)
- Yazılım geliştiriciler, çözüm mimarları ve dijital ürün ekiplerinde çalışan profesyoneller.
7 Saatler
Danışanlarımızın Yorumları (2)
Python'daki Streamlit kütüphanesi hakkında bilgi edindim ve kesinlikle takımımızın R Shiny ile oluşturduğu uygulamaları geliştirmek için bunu kullanmaya çalışacağım.
Michal Maj - XL Catlin Services SE (AXA XL)
Eğitim - GitHub Copilot for Developers
Yapay Zeka Çevirisi
Eğitmen, konudaki anlamamızı karşılayacak şekilde eğitim seviyesini ayarlayabiliyor. Bu sayede, günlük işlerimizde araçları daha iyi kullanmamıza yardımcı olabilecek daha faydalı bilgiler edinebiliyoruz.
Tatt Juen - ViTrox Technologies Sdn Bhd
Eğitim - Intermediate GitHub Copilot
Yapay Zeka Çevirisi
