Bu eğitim, yapay zekâ çağında verinin yalnızca bir kaynak değil, karar kalitesini ve iş sonuçlarını doğrudan belirleyen stratejik bir varlık olduğunu katılımcılara kavratmayı amaçlar. Katılımcılar, veri toplama, temizleme, entegrasyon ve yönetişim süreçlerini uçtan uca anlayarak veri kalitesini artırmaya yönelik somut beceriler kazanırlar. Aynı zamanda, yapay zekâ projelerinde sıkça karşılaşılan veri kaynaklı hataları, yanlılıkları ve riskleri erken aşamada fark edip yönetebilecek bir bakış açısı geliştirirler. Eğitim sonunda katılımcılar, veriye dayalı karar alma süreçlerini güçlendirerek hem bireysel hem kurumsal düzeyde daha isabetli ve sürdürülebilir sonuçlar üretebilir hale gelirler.

Eğitim İçeriği:

AI Çağında Veri
     Yapay zekâ felaketlerinden dersler: veri kalitesinin AI başarısındaki kritik rolü
     Veriye dayalı karar alma süreci ve yapay zekanın rolleri

Veri Toplama ve Kaynak Yönetimi
     Veri türleri: yapılandırılmış, yarı yapılandırılmış ve yapılandırılmamış veri
     Kurumsal veri kaynakları (ERP, CRM, sensör, log) ve modern kurumun genişleyen veri yelpazesi
     Veri toplama yöntemleri: API, ETL/ELT, CDC, scraping, OCR, RPA
     NLP ve LLM ile metin verisinden anlam üretme

Veri Temizliği ve Kalite
     Eksik veri türleri (MCAR, MAR, MNAR), tespiti ve doldurma taktikleri
     Veri kalitesini bozan klasik ve modern sorunlar (tutarsızlık, sızıntı, çoklama, uyumsuzluk, istisna)
     Bias (yanlılık) türleri ve AI çağına özgü yanlılıklar (halüsinasyon, proxy, sycophancy)

Veri Entegrasyonu ve Dönüştürme
     Modern veri mimarisi: Data Lake, Data Warehouse ve Anlamsal Katman (Semantic Layer)
     Veri dönüşüm yöntemleri ve özellik mühendisliği (feature engineering)
     Anlamsal katmanın AI projelerindeki rolü ve eksikliğinin sonuçları

Veri Yönetişimi ve Etik
     Veri yönetişimi sütunları ve roller (Data Owner, Steward, Custodian), RACI sorumluluk dağılımı
     Veri gizliliği ve KVKK