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.
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
Eğitmenin copilot ve ileri düzey kullanımını içeren yeterli ve etkili pratik oturumları
Tan - ViTrox Technologies Sdn Bhd
Eğitim - Intermediate GitHub Copilot
Yapay Zeka Çevirisi
