Eğitimin Amacı ve Kapsamı
AI projeleri klasik yazılım projeleri gibi ilerlemez: sonuç önceden kesin değildir, veri kalitesi takvimi belirler ve model üretime çıktıktan sonra da izlenmesi gerekir. Bu eğitim, yöneticilere bu belirsizliği yönetilebilir aşamalara bölmeyi, doğru kapı kararlarını (go/no-go) vermeyi ve beklentileri paydaşlarla gerçekçi biçimde yönetmeyi öğretir.
CRISP-DM tabanlı yaşam döngüsü, PoC'den üretime geçiş kriterleri, değerlendirme metrikleri ve RACI yapısı bir örnek proje üzerinde uygulanır. Katılımcılar kendi projeleri için proje başlatma belgesi ve risk kaydı taslağı hazırlar.
Kimler Katılmalı?
- AI veya veri projelerine sponsorluk eden yöneticiler
- Proje, program ve PMO yöneticileri
- Ürün sahipleri ve iş analistleri
- AI tedarikçileriyle çalışan satın alma ve BT yöneticileri
Kazanımlar
- AI projesini PoC, pilot ve üretim aşamalarına bölerek kapı kriterleri tanımlamak
- İş hedefini ölçülebilir başarı metriklerine ve kabul kriterlerine çevirmek
- Veri, model ve operasyon risklerini içeren bir risk kaydı oluşturmak
- Veri bilimci, ML mühendisi ve iş sahibi rolleri için RACI tasarlamak
- Tedarikçi tekliflerini teknik ve ticari açıdan sorgulamak
Konular
AI Projelerini Farklı Kılan Nedir?
- Deneysellik, veri bağımlılığı ve olasılıksal çıktılar
- Başarısız AI projelerinden çıkarılan dersler
CRISP-DM ve AI Proje Yaşam Döngüsü
- İş anlama, veri anlama, hazırlık, modelleme, değerlendirme, devreye alma
- PoC, pilot ve üretim kapı kararları
Başarı Kriterleri ve Değerlendirme
- İş KPI'ları ile model metriklerinin bağlanması
- Kabul testleri, insan değerlendirmesi ve eval setleri
Ekip, Roller ve Tedarikçi Yönetimi
- Veri bilimci, ML mühendisi, ürün sahibi ve alan uzmanı rolleri
- Tedarikçi seçimi, sözleşme ve veri hakları
Risk, Uyum ve Üretim Sonrası Yönetim
- Veri, model, güvenlik ve regülasyon riskleri
- Model izleme, drift ve sürekli iyileştirme sorumlulukları
- Proje başlatma belgesi ve risk kaydı uygulaması
Bu Kategorideki Diğer Eğitimler
-
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
-
İş birimi ve strateji liderleri için değer zinciri boyunca AI fırsatlarını keşfetme, değer–uygulanabilirlik–risk eksenlerinde puanlama ve dengeli bir use case portföyü kurgulama eğitimi; önceliklendirilmiş portföy kartlarıyla tamamlanır.
- Canlı Kurs
- 5 modül
-
Finans, strateji ve iş birimi yöneticileri için AI yatırımlarının finansal ve operasyonel getirisini ölçme eğitimi: TCO, token ve altyapı maliyetleri, verimlilikten nakit akışına dönüşüm, baz çizgisi (baseline) ve ROI iş vakası şablonu.
- Canlı Kurs
- 5 modül
-
Yöneticiler, mimarlar ve satın alma liderleri için AI çözümlerinde kurum içi geliştirme (build), hazır SaaS satın alma (buy) ve stratejik iş ortaklığı (partner) seçeneklerini rekabet avantajı, TCO, hız ve vendor lock-in açısından değerlendirme eğitimi.
- Canlı Kurs
- 5 modül
-
Strateji, PMO ve dönüşüm liderleri için use case portföyünü veri, altyapı ve organizasyonel bağımlılıklarla eşleştirerek 3 ufuklu (90 gün, 6 ay, 18 ay) uygulanabilir bir kurumsal AI yol haritasına dönüştürme eğitimi.
- Canlı Kurs
- 4 modül
-
BT, güvenlik, uyum ve teknoloji yöneticileri için ticari bulut LLM API'leri, yönetilen kurumsal bulut (Bedrock, Azure AI Foundry, Vertex AI) ve kurum içi açık ağırlıklı modeller (Llama, Qwen, Mistral) arasında mimari, KVKK ve TCO karar eğitimi.
- Canlı Kurs
- 5 modül
Bizimle iletişime geçin
