İş Zekası ve Analitiği Sertifika Programı

Eğitimin Kapsamı ve Hedefi

Bu eğitim günümüzde işletmelerin en önemli organizasyonel kaynağı haline gelmiş olan bilgiye erişmek için yaygın olarak kullanılan iş zekası ve analitiği yöntemlerine odaklanacaktır. Bu kapsamda işletmelerin mevcut durumlarını ve geçmişlerini anlamlandırmalarına yardımcı olmak üzere iş zekası, geleceklerini öngörebilmelerini sağlamak üzere de iş analitiği yöntemleri teorik bir altyapı üzerine inşa edilmiş uygulamaya dönük bir eğitim şeklinde sunulacaktır. Daha açık bir ifadeyle, bu program bugün şirketlerin karar süreçlerinde yoğunlukla kullanılan iş zekası ve analitiğinin teorik temellerini oluşturacak derslerle başlayacak (örneğin, temel istatistiğe giriş, veritabanı yönetim sistemlerine giriş); sonrasında uygulama dersleri (örneğin, Python, Power BI vs.) vasıtasıyla iş zekası ve analitiğinin nasıl somut iş içgörülerine dönüştüğünü adım adım detaylandıracaktır. Eğitim kapsamında iş zekası betimsel istatistik, veri görselleştirme ve kümeleme gibi temel konular üzerine eğilirken, iş analitiği temel tahminci (örneğin, regresyon) ve sınıflandırıcı (örneğin, karar ağaçları, yapay sinir ağları vs.) makine öğrenmesi algoritmalarının uygulanması ve değerlendirilmesine odaklanacaktır.  Öğrenciler eğitimin son kısmında eğitmenler eşliğinde iş zekası ve analitiği için ayrı olmak üzere iki farklı proje uygulamasına katılacaklardır.

İş zekası ve analitiği sertifika programının sonunda her bir katılımcının aşağıda belirtilen becerilere sahip olması beklenmektedir:

·       İş zekası ve iş analitiği kavramlarını, aralarındaki ilişkiyi/farkı tanımlayabilmek

·       İş zekası ve analitiği kapsamında kullanılan temel yöntemleri tanımlayabilmek

·       İşletme problemlerinin çözümüne ilişkin iş zekası ve analitiği yöntemleri kullanarak uygun iş içgörülerini elde edebilmek

·       İşletme problemlerine doğru iş zekası ve analitiği yöntemleri kullanarak veri temelli çözümler getirebilmek

·       Temel ve gelişmiş raporlama teknikleri kullanarak organizasyonun her düzeyinde yöneticilerin bilgi ihtiyaçlarına cevap verebilecek raporlar hazırlamak

·       Program kapsamında eğitimi verilecek yazılımları kullanarak karar vericilerin şirketlerinin performansını takip edebildikleri bir yönetim paneli tasarlayabilmek

·       Program kapsamında eğitimi verilecek programlama dillerini kullanarak temel iş zekası ve analitiği yöntemlerini uygulayabilmek ·       Verileri iş zekası ve analitiği yöntemlerine uygun hale getirecek önişleme yöntemlerini tanımlamak ve uygulayabilmek

·       İş zekası ve analitiği modellerinin somut performans göstergelerine (isabet oranı, hata oranı vs.) dayalı karar doğruluklarını eniyileyecek yöntemleri tanımlayabilmek

Kimler Katılabilir

Bu programa işletmelerde veriyi karar mekanizmalarında etkin bir şekilde kullanarak değerli işletme içgörülerine dönüştürecek yöntemler hakkında bilgi ve beceri kazanmak isteyen kamu/özel sektör profesyonelleri (orta-üst düzey yöneticiler, çalışanlar vs.) katılabilirler. Öte yandan, halihazırda işinde veriyi kullan(a)mayan (ya da çok az kullanan) ancak kariyer rotasını bu yöne çevirmek isteyenler de bu kapsamlı eğitim sertifika programından faydalanabilirler. Son olarak, üniversitelerin ilgili bölümlerinde (Yönetim Bilişim Sistemleri, İşletme, Endüstri Mühendisliği vs.) eğitim alan ve iş zekası ve analitiği alanında bir kariyer inşa etmek isteyen öğrenciler de bu sertifika programına katılabilir.  

Eğitimin İçeriği:  

1.     İş zekası ve analitiğine giriş

a.       İş zekası/analitiği tanımlama

b.      Kısa tarihçe

c.       Neden iş zekası/analitiği?

d.      Veri görsel okuryazarlığı

e.      İş zekası/analitiği kullanım alanları

2.     Temel İstatistik 

a.       Temel istatistik kavramları

b.      Veri kavramı ve veri toplama yöntemleri

c.       Anakütle – Örnekleme

d.      Nitel (Kalitatif), nicel (Kantitatif) veriler

e.      Kesikli ve sürekli veriler

f.        Ortalamalar, varyans, standart sapma

g.       Histogram

h.      Binom dağılımı

i.         Normal dağılım.

j.         Güvenilirlik aralıkları

k.       Korelasyon analizi

l.         Hipotez testleri (T-test, ANOVA, Ki-Kare)  

3.     Veritabanı yönetim sistemlerine giriş

a.       Veri, bilgi, analiz

b.      Veritabanı mimari yapısı                                                               

i.      Uygulamalarda veritabanı gereksinimi                                                             

ii.      Çok katmanlı mimari                                                           

iii.      Veritabanı yönetim sistemi bileşenleri

c.       Veritabanı tasarımı                                                               

i.      Tablo yapıları                                                             

ii.      Anahtar alanlar, indeksler                                                           

iii.      Tasarım araçları, diyagramlar                                                           

iv.      Normalizasyon

d.       SQL, veritabanı sorgu dili temel kullanımlar                                                               

i.      SELECT                                                             

ii.      SQL fonksiyonları, SUM, AVG, MAX, MIN, COUNT                                                           

iii.      INSERT, UPDATE, DELETE                                                           

iv.      CREATE, ALTER, DROP

e.      Sorgu optimizasyonu                                                               

i.      Sorgularda indeks kullanımı, faydaları, sakıncaları                                                             

ii.      Alt sorgular                                                           

iii.      SELECT JOIN

4.     Temel Python

a.       Programlamaya giriş ve girdi, işlem, çıktı (Python’in Temelleri)

b.      Veri yapıları

c.       Karar yapıları ve Boole mantığı

d.      Tekrar yapıları

e.      Fonksiyonlar

f.        Python kütüphanelerini kullanmaya giriş

5.     Temel Excel ve PowerPivot

a.       Excel’de temel işlevler

b.      Excel’de hazır fonksiyonlar

c.       PowerPivot

6.     Veri Hazırlama

a.       Veri temizleme

b.      Veri dönüştürme

c.       Veri indirgeme

d.      Veri birleştirme

7.     Temel Makine Öğrenmesi Algoritmaları

a.       Sayısal tahmin                                                               

i.      Lineer regresyon

b.      Sınıflandırma                                                               

i.      Karar ağaçları ve çoklu karar ağaçları (Rassal orman)                                                             

ii.      Lojistik regresyon                                                           

iii.      Destek vektör makineleri                                                           

iv.      Yapay sinir ağları

c.       Kümeleme algoritmaları                                                               

i.      Hiyerarşik kümeleme                                              

ii.K-ortalamalar algoritması

8.     Veri Görselleştirme

a.       Görselleştirme nedir?

b.      Görselleştirme yöntemleri                                                               

i.      Listeler                                                             

ii.      Özet tablolar (pivot)                                                           

iii.      Grafikler

c.       Görselleştirme tipleri                                                               

i.      Scorecard                                                             

ii.      Line, bar, scatter, pie                                                           

iii.      Radar (spider)                                                           

iv.      Map (Geographic)

d.       Görselleştirme araçları                                                               

i.      MS Excel                                                             

ii.      MS Power BI                                                           

iii.      QlikView, QlikSense                                                           

iv.      Google Data Studio

9.     Power BI

a.       Neden Power BI? Ara yüze giriş

b.      İçeri veri aktarma

c.       Power Query ile veri dönüştürme

d.      Koşullu sütun dönüştürme

e.      Görsel oluşturma

f.        Filtreleme ve dilimleyici (slicer) kullanımı

g.       Diğer öğeler

h.      Çoklu veri kaynakları birleştirme

i.         Veri profilleme

j.         Ölçü (measure) oluşturma ve düzenleme

k.       Grafikler ve dilimleyici senkronizasyonu

l.         Gruplama, koşullu formatlama, kart görseli

m.    Pivot/Unpivot

n.      Butonlar ve işaretler

o.      İlişki oluşturma

p.      DAX formülleri ve ölçü oluşturma

q.      Power BI service kullanımı

r.        Power BI raporlarını yayınlama

s.       Ortak çalışma alanı (workspace) oluşturma

t.        Power BI App oluşturma ve yayınlama  

10.  Proje Uygulama -İş analitiği

11.  Proje Uygulama - İş zekası

a.       Müşteri segmentasyonu

b.      Yönetim paneli oluşturma  

Eğitmenler:

Doç. Dr. Yeliz EKİNCİ – İstanbul Bilgi Üniversitesi

Dr. Öğr. Üyesi Eylem İlker OYMAN – İstanbul Bilgi Üniversitesi

Dr. Aysun BOZANTA HAKYEMEZ -  Boğaziçi Üniversitesi

Dr. Öğr. Üyesi Tuğrul Cabir HAKYEMEZ – İstanbul Bilgi Üniversitesi Arş. Gör.

Meltem Mutlutürk - Boğaziçi Üniversitesi  

Sertifika

BİLGİ Eğitim İş Zekası ve Analitiği Sertifika Programı’na kayıt yaptıran katılımcıların sertifika almaya hak kazanmaları için derslerin minimum %75’ine katılım göstermeleri gerekmektedir. Bu koşulu sağlayan katılımcılara İstanbul Bilgi Üniversitesi ve BİLGİ Eğitim tarafından onaylı “Eğitim Sertifikası” verilecektir.

Tarih: 29.01.2023 –  21.02.2023

Süre: 3 hafta, 84 Saat

Hafta içi 19.00-22.00 saatleri arasında

Hafta sonu 09.00-16.00 saatleri arasında  

Ücret: 14.250 TL (KDV dahil)

*İstanbul Bilgi Üniversitesi mensuplarına %15 indirim uygulanır.

Eğitim Yeri Çevrimiçi  

Ayrıntılı Bilgi ve Kayıt

Kübra Varol

kubra.varol@bilgi.edu.tr

0 (212) 311 72 34