Eğitimler ve Çalıştaylar

Dijital Dönüşüm Yönetimi Eğitimi

Eğitimin Amacı

Dijitalleşme, gelirini artırmak, müşteri ilişkilerinde kaliteyi yükseltmek ve daha yalın ve etkin bir operasyona sahip olmak isteyen şirketler için önemli bir kaldıraçtır. Bu eğitimde firmaların, üretim/hizmet modellerinden yönetim kültürüne, müşteri ilişkilerinden tedarik zincirine kadar tüm uygulamalarını dijitalleşme sürecine uygun şekilde gözden geçirmelerini ve adapte etmelerini sağlamaktır.

 

Eğitimin İçeriği

  • Dijital ustalık
  • Yeni iş modelleri
  • Dijital dönüşümün beş alanı
    • Müşteri
    • Rekabet
    • Veri
    • Inovasyon
    • Değer
  • Dijital strateji geliştirme
  • Dönüşüm yönetişimi
  • Dönüşüme fon sağlama
  • Dijital ortaklıklar yaratmak
  • Dijital dönüşümü sürdürülebilir kılmak

 

Süresi

2 Gün

Eğitimin Amacı

Endüstride dijitalleşme, değer zincirinin her aşamasında etkinlik ve verimlilik artışları ile değer oluşturma potansiyeli taşımaktadır. Bu eğitimin amacı, endüstrinin dijital dönüşüm sürecinde kullanılan teknolojilerin ve uygulama alanlarının anlaşılmasını sağlamaktır.

Eğitimin İçeriği

  • Endüstri 4.0 gelişim süreci
  • DIN 4.0 standardizasyon rehberi yorumlama
  • Endüstri 4.0 teknolojileri
    • Yapay zeka
    • Büyük veri teknolojileri ve ileri analitik
    • Bulut bilişim
    • Nesnelerin interneti
    • Yeni nesil akıllı sensör teknolojileri
    • Siber güvenlik
    • Blockchain
    • Artırılmış ve sanal gerçeklik
  • Türkiye’de mevcut durum
    • İnsan
    • Teknoloji
    • Altyapı
    • Tedarikçiler
    • Kullanıcılar
    • Yönetişim

Süresi

2 gün

Eğitimin Amacı

Günümüz iş dünyasında işletmelerin performanslarını etkileyen en önemli faktör inovasyondur. Bu nedenle, üretim ve hizmet sistemlerinin inovasyon odaklı yönetimi hayati bir önem taşımaktadır. Bu programın amacı, inovasyon yönetimi alanında kullanılan teknolojilerin ve uygulama alanlarının anlaşılmasını sağlamaktır.

 

Eğitimin İçeriği

  • Temel Kavramlar
  • Yönetim sistemi kurulması
    • Organizasyonun kapsamını belirlemek
    • İnovasyon için Liderlik
    • İnovasyon başarısı için planlama
    • İnovasyonu kolaylaştırıcı/destekleyici faktörler
    • İnovasyon yönetimi prosesi
    • İnovasyon yönetim sisteminin performans değerlendirmesi
    • İnovasyon yönetim sisteminin iyileştirilmesi
    • İnovasyon yönetim teknikleri
  • İnovasyon ortaklığı için araçlar ve yöntemler
    • İnovasyon ortaklığı çerçevesi
    • İnovasyon ortaklığına girmek
    • İnovasyon ortağı seçimi
    • Araçlar, yöntemler, vaka çalışması
    • İnovasyon ortağı ile hizalanma
    • Ortaklar arası etkileşim
    • Vaka çalışması: İnovasyon ortağı sözleşmesi örneği ve hazırlanması
  • Fikri mülkiyet (IP) yönetimi
    • IP yönetimi çerçevesi
    • IP stratejisi
    • İnovasyon sürecinde IP yönetimi
    • IP üretimi, edinimi ve bakımı için araçlar ve yöntemler.
    • IP araması için araçlar ve yöntemler
    • Fikri mülkiyet haklarının değerlendirilmesi için araçlar ve yöntemler.
    • Fikri mülkiyet risk yönetimi için araçlar ve yöntemler
    • IP istismarı için araçlar ve yöntemler.
  • İnovasyon yönetimi değerlendirmesi
    • Veri toplama (nitel ve nicel)
    • Veri analizi
    • Raporlama
    • Vaka çalışmaları

Süresi

2 gün

Eğitimin Amacı

Dijitalleşme, gelirini artırmak, müşteri ilişkilerinde kaliteyi yükseltmek ve daha yalın ve etkin bir operasyona sahip olmak isteyen şirketler için önemli bir kaldıraçtır. Bu çalıştayda amaç firmaların, üretim/hizmet modellerinden yönetim kültürüne, müşteri ilişkilerinden tedarik zincirine kadar tüm uygulamalarını dijitalleşme sürecine uygun şekilde gözden geçirmelerini ve adapte etmelerini sağlamaktır.

Eğitimin İçeriği

  • Dijital olgunluk nedir?
  • Dijital olgunluk seviyesi nedir?
  • Özel Sektör Dijital Olgunluk Seviyesi Ölçüm Çalışmaları
    • Uluslararası Örnekler (Global Practices)
    • Türkiye’deki Örnekler
  • Dijital Olgunluk Seviyesi Belirleme Modelleri
  • Dijital olgunluk seviyesi modeli kategorileri ve alt konu başlıkları
    • Strateji ve kültür
    • Teknolojik altyapı
    • Veri ve analitik
    • Operasyonlar &Süreçler
    • Müşteri
  • Firmanın dijital olgunluk seviyesinin belirlenmesi
  • Firmanın dijital stratejisinin geliştirilmesi

Süresi

3 gün

Eğitimin Amacı

Günümüz iş ve akademi dünyasının en katma değer yaratan konularından birisi olan veri analitiği ve yapay zeka alanında verdiğimiz eğitimler ile katılımcılara kendilerini bu alanda geliştirme fırsatı sunuyoruz. Eğitim boyunca verinin incelenmesi, özet istatistiklerin çıkarılması ve görselleştirilmesi, en güncel yapay zekâ modellerinin temel mantıkları ve kullanımı, model performans ölçümlerinin yapılması gibi konular detaylıca işlenmektedir. Bu işlenen konular veri analizi için günümüzde en popüler program olan Python ile kodlanarak pekiştirilmekte ve böylece katılımcıların kodlama yeteneklerini kazanmasına veya mevcut yeteneklerini geliştirmesine olanak sunmaktadır.

 

Eğitimin İçeriği

 

Eğitim Programı (Konu Anlatımlı)

  • Veri Bilimine Giriş
    • Veri Nedir? Değişkenler, Popülasyon, Örneklem..
    • Özet İstatistikler ve Görselleştirme ile Temel Veri Analizi
    • Veri Önişleme, Temizleme ve Eksik Veri Doldurma
    • Aykırı Değer (Outlier) Analizi
    • Korelasyon
    • Makine Öğrenmesi Modellemesine Giriş
    • Doğrusal Regresyon (Linear Regression)
    • Lojistik Regresyon (Logistic Regression)
    • En Yakın K-Komşu Sınıflandırması (KNN)
    • Karar Ağaçları (Decision Tree)
    • Bagging ve Rastgele Orman (Random Forest)
    • Boosting ve Gradient Boosting
    • Destek Vektör Makineleri (Support Vector Machines)
    • Kümeleme (Clustering)
    • Zaman Serisi Modelleme
  • Eğitim Programı (Uygulamalı)
    • Python ve Jupyter Notebook Kurulumu
    • Temel Python Dili (Koşullar, Döngüler, Fonksiyonlar)
    • Numpy Kütüphanesi ve Veri İşlemleri
    • Pandas Kütüphanesi ve Veri İşlemleri
    • Veri Okuma ve Önişleme
    • Veri Görselleştirme
    • Scikit-Learn Kütüphanesi ve Modellemeye Giriş
    • Doğrusal Regresyon
    • Lojistik Regresyon
    • Boyut Azaltma Teknikleri
    • Bagging
    • Boosting
    • Destek Vektör Makineleri
    • K-En Yakın Komşu (KNN)
    • Zaman Serisi Modelleme
    • Kümeleme Algoritmaları
    • Derin Öğrenme
    • Baştan Sona Veri Analizi ve Modelleme Örneği

Süresi

10 gün