Eğitimin Amacı ve Kapsamı
Geleneksel Agile veya Waterfall yaklaşımları, veri bağımlılığı ve olasılıksal model davranışı nedeniyle yapay zeka projelerinde tek başına yetersiz kalır. Bu program, PMI tarafından benimsenen CPMAI (Cognitive Project Management for AI) metodolojisini temel alarak AI projelerini iş anlayışından operasyonel izlemeye kadar standart bir disiplinle yönetmeyi öğretir.
CPMAI'nin 6 fazı, 7 temel AI örüntüsü (pattern), Go/No-Go kapı incelemeleri ve etik/güvenilir AI çerçevesi vaka çalışmaları ve örnek sınav soruları eşliğinde işlenir. Katılımcılar kurumsal AI projelerinde doğrudan kullanabilecekleri CPMAI çalışma kitabı (workbook) şablonlarıyla programı tamamlar.
Kimler Katılmalı?
- PMP, Agile/Scrum veya PMO geçmişine sahip proje ve program yöneticileri
- PMI-CPMAI metodolojisini kurum standartlarına taşımak isteyen PMO liderleri
- AI ve veri bilimi ekiplerini koordine eden teknik ürün yöneticileri ve iş analistleri
- AI projelerinde metodolojik hazırlık ve sertifikasyon hedefleyen profesyoneller
Kazanımlar
- CPMAI'nin 6 fazını (İş Anlama, Veri Anlama, Veri Hazırlama, Model Geliştirme, Model Değerlendirme, Operasyonelleştirme) uçtan uca uygulamak
- İş problemini CPMAI'nin 7 AI örüntüsüyle (konuşma, tanıma, örüntü/anomali, tahmin, karar, otonom, hedef odaklı) eşleştirmek
- Her faz geçişinde veri kalitesi, etik, güvenlik ve iş değeri için Go/No-Go kontrol listelerini işletmek
- Üretken AI, RAG ve agent projelerini CPMAI iterasyon döngüsüne ve Agile sprint yapısına uyarlamak
- CPMAI çalışma kitabını ve metodoloji terminolojisini gerçek proje senaryoları üzerinde eksiksiz kullanmak
Konular
CPMAI Metodolojisine Giriş ve 7 AI Örüntüsü
- Neden AI projeleri başarısız olur? Yazılım mühendisliği ile veri/AI projelerinin temel farkları
- CRISP-DM'den CPMAI'ye evrim: yinelemeli, veri merkezli ve çevik yapı
- 7 AI örüntüsü (Seven Patterns of AI) ile doğru problem sınıflandırması ve hibrit senaryolar
Faz I & II: İş Anlama ve Veri Anlama
- AI gereklilik analizi: bu problem gerçekten AI gerektiriyor mu?
- Başarı kriterlerinin iş KPI'ları ve model metrikleri olarak ikili tanımlanması
- Veri envanteri, veri kalitesi, etiketleme ihtiyacı ve yönetişim kısıtlarının tespiti
Faz III & IV: Veri Hazırlama ve Model Geliştirme
- Veri temizleme, dönüştürme, sentetik veri ve RAG bilgi tabanı hazırlık iş paketleri
- Model seçimi, eğitim/fine-tuning, prompt mühendisliği ve deney takibi yönetimi
- Veri ve model iterasyonlarını Agile sprint ritmine bağlama
Faz V & VI: Model Değerlendirme ve Operasyonelleştirme
- Teknik doğruluk, iş etkisi, yanlılık (bias) ve halüsinasyon açısından çok boyutlu değerlendirme
- Canlıya geçiş (deployment), MLOps/LLMOps devri, model drift izleme ve yeniden eğitim tetikleyicileri
Güvenilir AI (Trustworthy AI) ve CPMAI Uygulama Atölyesi
- Şeffaflık, açıklanabilirlik, gizlilik, güvenlik ve hesap verebilirlik kontrol listeleri
- CPMAI Workbook üzerinde uçtan uca bir kurumsal vaka çalışmasının tamamlanması
- Senaryo bazlı değerlendirme soruları ve metodoloji gözden geçirmesi
Bu Kategorideki Diğer Eğitimler
-
Yöneticiler İçin Yapay Zeka
Yöneticiler için kurumsal yapay zeka hazırlığı, insan kaynakları, tasarım, üretim ve tedarik zinciri süreçlerinde stratejik yapay zeka entegrasyonu ve sorumlu yönetişim eğitimi.
- Canlı Kurs
- 7 modül
-
Üst ve orta düzey yöneticiler için strateji, use case portföyü, generative ve agentic AI, yönetişim (EU AI Act, ISO/IEC 42001) ve işletim modelini birleştiren ileri program; kuruma özel 90 günlük AI yol haritasıyla tamamlanır.
- Canlı Kurs
- 6 modül
-
Yapay zekayı kurum stratejisine bağlayan liderler için: AI vizyonu ve hedef seviyesi, stratejik seçenekler, paydaş hizalaması, dönüşüm anlatısı ve liderlik davranışları; çıktı olarak tek sayfalık AI strateji kanvası.
- Canlı Kurs
- 5 modül
-
Kurumun strateji, veri, teknoloji, yetenek, yönetişim ve kültür boyutlarında AI hazırlığını olgunluk modeliyle ölçen uygulamalı program; puanlanmış olgunluk profili, boşluk analizi ve geliştirme yol haritası üretilir.
- Canlı Kurs
- 6 modül
-
AI projelerinin deneysel ve veriye bağımlı doğasını yönetmek isteyen yöneticiler için: CRISP-DM ve PoC–pilot–üretim aşamaları, başarı kriterleri, ekip rolleri, AI'a özgü riskler ve tedarikçi yönetimi.
- Canlı Kurs
- 5 modül
-
Modelleri pilottan güvenilir üretim hizmetine taşımak için yöneticilerin bilmesi gereken MLOps ve LLMOps: yaşam döngüsü, izleme ve drift, eval, maliyet, platform seçenekleri (MLflow, Azure AI Foundry, Bedrock, Vertex AI) ve ekip yapısı.
- Canlı Kurs
- 5 modül
Bizimle iletişime geçin
