Eğitim İçeriği
Gün 1
• Veri Ürünleri Stratejisi ve Temelleri
• Modern Veri Ürünlerine Giriş
• Geleneksel Veri Sistemlerine Karşı Veri Ürünleri
• Verinin Stratejik Bir İş Varlığı Olarak Rolü
• Bir Veri Ürünleri Ekosisteminin Bileşenleri
• Veri Ürünleri İçin Uygun İş Problemlerinin Tespiti
• Veri Ürün Yaşam Döngüsü Genel Bakış (Fikir Aşamasından Ölçeklendirmeye)
• Vaka Çalışmaları: Sektörde Başarılı Veri Ürünleri
Gün 2
• Veri Ürünleri Tasarımı ve Mimarisi
• Veri Ürünleri Tasarım İlkeleri
• Kullanıcı Kişilikleri ve Veri Tüketicilerinin Anlaşılması
• Veri Mimari Modelleri (Merkezi vs. Data Mesh vs. Hibrit)
• Ölçeklenebilir Veri Boruhatlarının Tasarımı
• Analitik ve Operasyonel Kullanım İçin Veri Modelleme
• APIler ve Veri Erişilebilirlik Katmanları
• Bulut Altyapısı Üzerinde Veri Ürünleri (AWS / Azure / GCP Genel Bakış)
Gün 3
Veri Mühendisliği ve Uygulama
• Veri Alma Yöntemleri (Toplu vs. Akış)
• ETL ile ELT Çerçeveleri
• Güvenilir Veri Boruhatlarının Oluşturulması
• Veri Saklama Çözümleri (Data Lake, Data Warehouse, Lakehouse)
• Veri Dönüştürme ve Orkestrasyon Araçları
• Gerçek Zamanlı Veri İşleme Girişi
• Pratik Laboratuvar: Basit Bir Veri Boruhatının İnşası
Gün 4
Analitik, AI Entegrasyonu ve Yönetişim
• Analitiğin Veri Ürünlerine Yerleştirilmesi
• Görselleştirmeler (Dashboards), KPIlar ve Karar Zekası
• Veri Ürünlerinde AI/ML Girişi
• Öneri Sistemleri ve Tahmine Dayalı Modeller
• Veri Kalitesi Yönetimi ve İzleme
• Veri Yönetişimi, Gizlilik ve Uyumluluk (GDPR kavramları genel bakış)
• Veri Ürünlerinde Güven, Güvenlik ve Güvenilirliğin Sağlanması
Gün 5
Dağıtım, Ölçekleme ve Ürünleştirme
• Final Kullanıcılar İçin Veri Çözümlerinin Ürünleştirilmesi
• Dağıtım Stratejileri ve CI/CD Yöntemleri
• İzleme, Performans Optimizasyonu ve Ölçekleme
• Örgütler İçinde Veri Ürünleri Yaşam Döngüsü Yönetimi
• Veri Ürünleri İçin Gelir Modelleme Stratejileri
• Gelecek Trendler: Generative AI ve Otonom Veri Ürünleri
• Final Projesi Sunumu ve Geri Bildirim Oturumu
Kurs İçin Gerekli Önbilgiler
- Veri kavramları ve iş raporlaması temel düzeyde anlaşılmış olmalıdır.
- Excel veya herhangi bir temel veri analiz aracına aşinalık faydalı olacaktır.
- Birimin karar verme süreçlerinde verinin nasıl destek sağladığına dair farkındalık edinilmiş olmalıdır.
- İleri düzey programlama veya teknik geçmiş gerektirmez.
- Veri, analitik ve dijital ürün geliştirmeye ilgi duymak esastır.
Danışanlarımızın Yorumları (2)
Paylaşılan bilgilerin çeşitliliği ve terimleri basit İngilizce olarak açıklama konusundaki netlik.
Arisbe Mendoza - Fairtrade International
Eğitim - GDPR Workshop
Yapay Zeka Çevirisi
Bu, elden deneyimli bir oturumdur.
Vorraluck Sarechuer - Total Access Communication Public Company Limited (dtac)
Eğitim - Talend Open Studio for ESB
Yapay Zeka Çevirisi