Bu vaka, müşteriyi elde tutmanın ekonomisini veriyle çözer; churn (kayıp) tahmini ve müşteri yaşam boyu değeri (CLV) modellemesini gerçek bir senaryo üzerinden uçtan uca kurar. Problemi tanımlamaktan özellik mühendisliğine, model kurmaktan iş aksiyonuna dönüştürmeye kadar tüm adımları uygulamalı işleriz. Segmentasyon ve kişiselleştirilmiş aksiyon tasarımıyla tahminin nasıl somut değere dönüştüğünü gösteririz. Katılımcı, elde tutma odaklı bir veri projesini baştan sona tasarlayabilecek pratiği kazanır.

OTURUM KAPSAMI

- Elde tutma (retention) probleminin iş çerçevesi ve hedef tanımı

- Churn için özellik mühendisliği ve veri hazırlığı

- Sınıflandırma modelleri ve performans metrikleri (AUC, recall, precision)

- Müşteri Yaşam Boyu Değeri (CLV) modelleme yaklaşımları

- Segmentasyon ve kişiselleştirilmiş aksiyon tasarımı

- Kampanya etkisinin ölçümü: uplift modelleme ve A/B testi

- Model çıktısını iş kuralı ve aksiyona dönüştürme

- Etik, gizlilik ve elde tutma stratejisinin sürdürülebilirliği

ÖĞRENİM ÇIKTILARI

- Bir churn problemini uçtan uca çerçeveleyebilme

- Uygun özellikleri ve modeli seçip değerlendirebilme

- CLV’yi hesaplayıp aksiyon önceliklendirmede kullanabilme

- Uplift/A-B testi ile kampanya etkisini ölçebilme

- Model çıktısını somut iş aksiyonuna dönüştürebilme

Belirsizliği yönetmenin yolu olan talep tahminini ve dinamik fiyatlamayı ele alan bu vaka, tedarik ile talebi buluşturan kararları modeller. Zaman serisi tahminlemenin temellerini, mevsimsellik ve trend bileşenlerini uygulamalı işleriz. Talep esnekliği ve dinamik fiyatlama stratejilerini; envanter ve tedarik zinciri kararlarıyla ilişkilendiririz. Katılımcı, tahmin doğruluğunun iş sonucuna etkisini gören ve senaryo analizini karara bağlayan bir bakış edinir.

OTURUM KAPSAMI

- Talep tahmini probleminin iş çerçevesi

- Zaman serisi bileşenleri: trend, mevsimsellik, artık (residual)

- Temel tahminleme yöntemleri ve doğruluk metrikleri (MAPE, RMSE)

- Dış değişkenlerin ve olayların (promosyon, tatil) etkisi

- Talep esnekliği ve fiyat–hacim ilişkisi

- Dinamik fiyatlama stratejileri ve sınırları

- Envanter, stok ve tedarik zinciri optimizasyonuyla bağ

- Senaryo analizi ve belirsizlik altında karar

ÖĞRENİM ÇIKTILARI

- Bir talep tahmini problemini kurup değerlendirebilme

- Mevsimsellik ve trendi ayırt edip modele katabilme

- Tahmin doğruluğunu doğru metriklerle ölçebilme

- Fiyat–talep ilişkisini stratejik kararlara bağlayabilme

- Senaryo analizini operasyonel kararlara dönüştürebilme

Bu vaka, yapay zekâ ajanlarının iş süreçlerini nasıl yeniden tasarladığını uygulamalı gösterir; “agent manager” bakışıyla otomasyonu kurgular. Süreçlerdeki otomasyon fırsatlarını haritalar, ajanik (agentic) yapay zekâ iş akışlarını tasarlarız. İnsan-döngüde (human-in-the-loop) kontrol noktalarını ve üretken zekâ ile doküman/veri işleme senaryolarını ele alırız. Katılımcı, verimlilik ve geri dönüşü (ROI) ölçülebilir bir otomasyon tasarımı kurma pratiği kazanır.

OTURUM KAPSAMI

- Süreç haritalama ve otomasyon fırsatlarının belirlenmesi

- Ajanik (agentic) yapay zekâ mimarilerinin temelleri

- Araç kullanımı (tool use) ve iş akışı orkestrasyonu

- İnsan-döngüde (human-in-the-loop) tasarım ve kontrol noktaları

- Üretken zekâ ile doküman ve veri işleme senaryoları

- Güvenilirlik, hata yönetimi ve izlenebilirlik

- “Agent manager” rolü: yönlendirme, denetim ve değerlendirme

- Verimlilik, maliyet ve geri dönüşün (ROI) ölçümü

ÖĞRENİM ÇIKTILARI

- Bir süreçte otomasyon fırsatlarını haritalayabilme

- Basit bir ajanik iş akışını tasarlayabilme

- İnsan-döngüde kontrol noktalarını konumlandırabilme

- Otomasyonun risk ve güvenilirliğini değerlendirebilme

- Otomasyon projesinin ROI’sini hesaplayabilme

Finansal riskin ve sahtekârlığın verideki izlerini yakalayan bu vaka, anomali tespiti ve skorlama modellerini gerçek bir senaryoyla kurar. Dengesiz veriyle (imbalanced data) başa çıkma tekniklerini, model yorumlanabilirliğini ve karar eşiklerini uygulamalı işleriz. Model riski, adalet ve regülasyon boyutlarını; erken uyarı sistemlerinin tasarımıyla birlikte ele alırız. Katılımcı, riski ölçülebilir sinyallere dönüştüren sorumlu bir modelleme yaklaşımı edinir.

OTURUM KAPSAMI

- Risk ve sahtekârlık (fraud) probleminin iş çerçevesi

- Anomali tespiti teknikleri ve yaklaşımları

- Kredi/risk skorlama modelleri ve kalibrasyon

- Dengesiz veri (imbalanced data) ile başa çıkma stratejileri

- Model yorumlanabilirliği ve açıklanabilirlik (explainability)

- Karar eşikleri, maliyet duyarlılığı ve ödünleşimler

- Model riski, adalet (fairness) ve regülasyon

- Erken uyarı sistemleri ve izleme (monitoring)

ÖĞRENİM ÇIKTILARI

- Bir anomali/fraud problemini kurup değerlendirebilme

- Dengesiz veriyle uygun tekniklerle başa çıkabilme

- Karar eşiklerini maliyet duyarlılığıyla belirleyebilme

- Model kararlarını yorumlayıp açıklayabilme

- Adalet ve regülasyon boyutlarını gözetebilme

Oyunu sayılarla okumanın yeni dilini keşfeden bu vaka, oyuncu izleme (tracking) ve olay (event) verisiyle sahayı analiz eder. Beklenen gol (xG) gibi gelişmiş performans metriklerini ve bunların nasıl üretildiğini uygulamalı işleriz. Takım ve oyuncu performansının modellenmesini, taktik analizi ve rakip istihbaratını ele alırız. Katılımcı, veriyle teknik ekip kararlarını destekleyebilen bir analitik bakış kazanır.

OTURUM KAPSAMI

- Spor analitiğinin veri kaynakları: olay, izleme ve giyilebilir veri

- Olay (event) verisi ve temel performans göstergeleri

- Oyuncu izleme (tracking) verisi ve mekânsal analiz

- Beklenen gol (xG) ve gelişmiş metriklerin mantığı

- Takım ve oyuncu performansının modellenmesi

- Taktik analiz ve rakip istihbaratı

- Görselleştirme ve teknik ekiple iletişim

- Analitiğin sınırları ve bağlamın önemi

ÖĞRENİM ÇIKTILARI

- Spor verisi türlerini ve kullanım alanlarını ayırt edebilme

- xG gibi gelişmiş metrikleri yorumlayabilme

- Performans verisini analitik bir çerçevede değerlendirebilme

- Taktik içgörüleri veriyle destekleyebilme

- Analitik çıktıları teknik ekibe etkili biçimde aktarabilme

Doğru yeteneği doğru değere bulmanın veri bilimini işleyen bu vaka, scouting ve oyuncu değerlemesini bir karar problemi olarak modeller. Oyuncu benzerlik analizini, piyasa değeri tahminini ve yetenek gelişim projeksiyonlarını uygulamalı ele alırız. Kadro planlama ve bütçe optimizasyonunu; sezgi ile veriyi birleştiren karar süreçleriyle ilişkilendiririz. Katılımcı, veri temelli bir scouting yaklaşımını uçtan uca kurma pratiği kazanır.

OTURUM KAPSAMI

- Veri temelli scouting’in çerçevesi ve hedefleri

- Oyuncu benzerlik ve profil analizi

- Oyuncu piyasa değeri tahmini

- Yetenek gelişim projeksiyonu ve risk değerlendirmesi

- Rol ve sistem uyumu analizi

- Kadro planlama ve bütçe optimizasyonu

- Veri kaynaklarının sınırları ve yanlılıkları

- Sezgi ile veriyi birleştiren karar süreci

ÖĞRENİM ÇIKTILARI

- Bir scouting problemini veri temelli çerçeveleyebilme

- Oyuncu benzerlik ve değer analizini yorumlayabilme

- Yetenek gelişimini ve riskini değerlendirebilme

- Kadro–bütçe kararlarını analitikle destekleyebilme

- Veri ile uzman sezgisini dengeli biçimde birleştirebilme

Sporcuyu sahada tutmanın veriye dayalı yollarını ele alan bu kapanış vakası, giyilebilir (wearable) sensör verisiyle sakatlık riskini ve yükü yönetir. İş yükü metriklerini, sakatlık riski tahminini ve erken uyarı sistemlerini uygulamalı işleriz. Antrenman yükü optimizasyonu ve toparlanmayı; bireysel sağlık–performans dengesiyle ilişkilendiririz. Katılımcı, veriyle performans ve sağlığı birlikte gözeten sorumlu bir yaklaşım edinir.

OTURUM KAPSAMI

- Giyilebilir (wearable) ve sensör verisinin yapısı

- İş yükü (workload) metrikleri ve akut/kronik yük oranı

- Sakatlık riski tahmini ve modelleme

- Erken uyarı sistemleri ve eşik tasarımı

- Antrenman yükü optimizasyonu ve periyotlama

- Toparlanma, uyku ve bireysel profil analizi

- Veri gizliliği, sağlık verisi ve etik

- Performans ile sağlık arasındaki dengeyi kurmak

ÖĞRENİM ÇIKTILARI

- Giyilebilir veriyi ve yük metriklerini yorumlayabilme

- Sakatlık riskini veri temelli değerlendirebilme

- Erken uyarı eşiklerini tasarlayabilme

- Antrenman yükünü optimize eden kararları destekleyebilme

- Sağlık verisinde etik ve gizliliği gözetebilme