📅 Takvim ve Katılım Bilgileri
- Tarih: 29.04.2026 (Çarşamba)
- Saat: 19:00–22:00 (Canlı Online Oturum)
- Platform: Zoom
- Eğitmen: Dr. Sinem CECE
- Ücret: 1.000 TL
- Kontenjan: Maksimum 100 kişi
ONLINE MODÜL • HEMBİLDER • YZ DESTEKLİ KURS SERİSİ
YZ Destekli Veri Okuryazarlığı ve Etiketleme
Klinik, idari ve eğitim süreçlerinizde zaten topladığınız verileri; tablo kalabalığından çıkarıp karar almaya destek olan anlamlı bilgilere dönüştürmek istiyorsanız, bu modül tam o aradaki köprüyü kurmak için tasarlandı.
YZ destekli veri analizi ile Excel ve benzeri araçlardaki verilerinizi temizleyip düzenlemeyi, özet tablolar ve temel analizler üretmeyi, trendleri fark etmeyi ve bunları yönetimin anlayacağı dile çevirmeyi birlikte adım adım çalışacağız.
📌 Kurs Özeti
- Günlük verileri düzenleme, gruplama ve özetleme
- Verilerdeki eksik, tutarsız ve tekrar eden kayıtları fark edip iyileştirme yollarını belirleme
- YZ ile temel istatistiksel değerlendirmeler ve yorumlama
- Analiz sonuçlarını raporlamaya hazır hale getirme
- Etiketleme ve veri kalitesi ilişkisini uygulamalı ele alma
🎯 Kimler Katılabilir?
- Hemşireler ve Ebeler
- Hemşirelik / Hasta Bakım Hizmetleri Müdürleri
- Eğitim & Enfeksiyon Hemşireleri
- Klinik ve Servis Sorumluları
- Hasta Hizmetleri, Misafir İlişkileri Ekipleri
- Akademisyen / Öğretim Üyeleri
- Ön Lisans, Lisans ve Yüksek Lisans Öğrencileri (Sağlık Bilimlerinin her alanından)
Bu modülün sonunda Kendi veri setlerinizi YZ yardımıyla daha
düzenli okuyup yorumlayabilecek bir veri okuryazarlığı çerçevesi kurarsınız.
Somut çıktı Kısa veri özeti, temel karşılaştırma mantığı ve
raporlamaya hazırlık için kullanılabilir mini analiz yaklaşımı görürsünüz.
Neden önemli? Serinin görselleştirme modülüne geçmeden önce
veriyi temizleme, anlamlandırma ve sınıflandırma temelini oluşturur.
Bu modüle tek başına kayıt olabilirsiniz. Kayıt formunda dilerseniz serinin diğer modüllerini de birlikte seçebilirsiniz.
“Veriyi okumayan göz, sahadaki emeğin yarısını görmez; analiz edilen veri ise bakım kalitesini görünür kılar.”
“Veri toplamak değil, o veriden anlamlı sonuç çıkarıp harekete geçmek fark yaratır.”
MODÜL 3 • KARAR VERMEYİ KOLAYLAŞTIRAN ÖZET
Bu Kursda Neler Kazanacaksınız?
Ne Öğreneceksiniz?
- Veri Okuryazarlığı Temelleri: Değişken, örneklem ve dağılım gibi kavramları teoriden çıkarıp, sağlık verisindeki stratejik karşılıklarıyla yorumlamayı,
- Veri İşleme ve Etiketleme: Ham veriyi temizleme, gruplama ve YZ modellerine temel oluşturacak şekilde doğru etiketleme (labelling) disiplinini,
- YZ Destekli Analiz: Yapay zeka araçlarını kullanarak saniyeler içinde özet istatistikler, karşılaştırmalı tablolar ve eğilim analizleri üretmeyi,
- Analitik Hikâyecilik: Teknik analiz çıktılarını, yöneticilerin karar almasını sağlayan stratejik bir dile tercüme etmeyi,
- İçgörü Madenciliği: Günlük kayıtlardan ve rutin verilerden biriminiz için kritik iyileştirme alanlarını (bottlenecks) keşfetmeyi öğreneceksiniz.
Öğrenme Çıktıları
- YZ Destekli Analiz Yetkinliği: Sahadan gelen ham verileri yapay zeka araçlarıyla hızla işleyebilme ve güvenilir analiz çıktılarına dönüştürebilme,
- Gösterge Yönetimi: Hasta bakım kalitesi, iş yükü ve bekleme süreleri gibi kritik metrikleri, sorun–çözüm–veri üçgeni içinde takip edebilme,
- Kanıta Dayalı Yaklaşım: Kurumsal süreçlerde “Hissediyoruz” aşamasından, “Veriler bu eğilimi gösteriyor” aşamasına geçişi sağlayacak veri okuryazarlığı disiplini kazanma,
- Stratejik Geri Bildirim: Elde edilen bulguları, hem ekibi hem de yönetimi ikna edecek karar destek argümanları olarak sunabilme.
Kimler İçin Uygundur?
Bu modül; her gün veriyle temas eden, düzenli rapor ve tablolar hazırlayan ancak “bu verilerin içindeki asıl hikâyeyi ve çözüm yollarını bulmalıyız” diyen tüm sağlık profesyonelleri için tasarlanmıştır. Özellikle;
- Elindeki veri setlerinden anlamlı içgörüler çıkararak birim performansını artırmayı hedefleyen sorumlular,
- Veri girişini sadece bir rutin değil, YZ destekli bir karar destek mekanizmasına dönüştürmek isteyen analist adayları,
- Teknik istatistik diline boğulmadan, veriyi yönetsel bir araç olarak kullanmak isteyen tüm sağlık çalışanları için uygundur.
Ön Bilgi Gereksinimi: İleri düzey istatistik veya matematik bilgisi gerekmemektedir. Excel veya benzeri tablo programlarına temel düzeyde aşina olmanız, verileri YZ ile anlamlandırmayı öğrenmek için yeterlidir..
“Veri analizi, sahadaki deneyiminize ikinci bir çift göz ekler; hem de yorulmadan.”
EĞİTMEN
Dr. Sinem CECE
Öğretim Üyesi • Ankara Medipol Üniversitesi
Ekip Lideri • Sağlık 4.0
Hemşirelikte bilişim, veri analizi ve sağlıkta dijital dönüşüm alanlarında çalışan CECE, klinik verilerin bakım kalitesine dönüştürülmesi konusunda hem akademik hem de pratik projeler yürütmektedir.
Çalışma alanları HIMSS, yönetim bilişim sistemleri, dijital dönüşüm, dijital hastane, sağlık bilişimi, veri analizi, yapay zeka çalışmalarıdır.
Akademik Geçmişi
- 2010-2014 Lisnas, Marmara Üniversitesi, Çalışma Ekonomoisi,
- 2011-2013 İstanbul Teknik Üniversitesi, Yabancı Diller,
- 2015-2018 Yüksek Lisans, Medipol Üniversitesi, Sağlık Yönetimi
- 2018-2022 Doktora, Medipol Üniversitesi, Yönetim ve Strateji.
Çalışma Hayatı
- 2011-2014 Arttek Sistem Entegrasyon ve Danışmanlık Hizmetleri A.Ş. – Personel İşleri,
- 2014-2017 Medipol Üniversitesi – İnsan Kaynakları Uzmanı
- 2017-2020 Ayvansaray Üniversitesi – Öğretim Görevlisi
- 2019-2020 HIMSS – Analist & Türkiye Koordinatörü
- 2020-2024 Medipol Üniversitesi – Öğretim Görevlisi
- 2021-Halen Sağlık 4.0.A.Ş. – Ekip Lideri
- 2024-Halen Ankara Medipol Üniversitesi – Öğretim Üyesi
“Bu modül serinin üçüncü adımıdır; doğru tanımlanan ihtiyacı ve doğru kurulan promptu, anlamlı veriye dönüştürmeyi öğretir.”
Bu Modül Serinin Neresinde?
Veri okuryazarlığı ve etiketleme modülü, serinin üçüncü adımıdır. Gereksinim analizinde tanımlanan ve prompt mühendisliğiyle yapılandırılan ihtiyacı, veriden anlam çıkarılabilir hale getirme çerçevesi burada kurulur.
1
Gereksinim Analizi
Sağlık süreçlerinde sorun–çözüm–veri üçgenini kurgular; YZ destekli analizlerle karar destek ihtiyacını tanımlarsınız. Serinin tüm teknik adımları bu stratejik temel üzerine inşa edilir.
1. Adım • Temeli Kuran Modül
2
Prompt Mühendisliği
Gereksinim analizini yapay zeka (YZ) asistanlığıyla derinleştirir; doğru sorgulama teknikleriyle (prompt) standart ve yüksek nitelikli analiz çıktıları üretirsiniz. YZ’yi stratejik bir çözüm ortağına dönüştürürsünüz
2. Adım • Doğru Soruyu Kurma
3
Veri Okuryazarlığı
Toplanan verileri sorun–çözüm–veri üçgeni ekseninde anlamlandırır; ham veriden karar destek süreçleri için nitelikli bilgi üretirsiniz. Veriyi bir ‘yığın’ olmaktan çıkarıp stratejik bir varlığa dönüştürürsünüz..
Aktif modül
3. Adım • Veriyi Anlamlandırma
4
Veri Görselleştirme
Analiz çıktılarını karar destek panolarına (dashboard) dönüştürür; veriyi yönetimi ikna edecek stratejik bir hikâyeye çevirirsiniz. Karmaşık veriler bu modülde anlamlı birer kanıta dönüşür.
4. Adım • Çıktıyı Sunuma Dönüştürme
Seri birlikte tamamlandığında daha güçlüdür: Bu modül tek başına alınabilir; ancak dört modül birlikte planlandığında problem tanımından doğru prompt kurmaya, veriyi anlamlandırmadan çıktıyı sunuma dönüştürmeye kadar birbirini tamamlayan bütüncül bir çalışma akışı oluşur.
“Amaç yalnızca kavram öğrenmek değil; elinizde kullanabileceğiniz somut bir analiz mantığı görmek.”
Bu Modül Size Uygun mu?
Aşağıdakilerden biri size uyuyorsa bu kurs tam size göre olabilir.
Elinizdeki tabloları ve raporları sadece doldurmak değil, yorumlamak istiyorsanız
YZ yardımıyla daha hızlı özet istatistik ve karşılaştırma üretmek istiyorsanız
Kalite, iş yükü, hasta güvenliği veya memnuniyet verilerinden anlamlı sonuçlar çıkarmak istiyorsanız
Veriyi yöneticiye ve ekibe daha net anlatmak istiyorsanız
Bu Modül Ne Değildir?
İleri düzey istatistik veya akademik analiz eğitimi değildir
Sadece teori anlatılan bir seminer değildir
Yazılım geliştirme veya kodlama kursu değildir
Sağlık sahasından kopuk örneklerle ilerleyen bir kurs değildir
“Veri okunur, anlamlandırılır ve doğru aktarılırsa; sahadaki kararlar çok daha görünür hale gelir.”
Kurs Programı (3 Saatlik Akış)
Akış, teoriyi minimumda tutup gerçek veri örnekleriyle pratik yapmaya odaklıdır. Katılımcılar, kendi veri dosyalarıyla da çalışabilecekleri şekilde yönlendirilecektir.
Katılımcılara Klinik ve İdari Karar Destek Sağlayan Veri Okuryazarlığı Uygulamaları
- Program akışı; veri türleri, veri kalitesi, anonimleştirme, temel analizler ve etiketleme uygulamalarından oluşur.
- Katılımcılar gerçek veri örnekleriyle küçük ama anlamlı içgörüler üretme mantığını görür.
- Kurs boyunca canlı pratik, soru-cevap ve raporlamaya hazırlık yaklaşımı üzerinden ilerlenir.
1
19:00 – 19:40
Dijital Veri Nedir? Nasıl Toplanır? Neden ve Nasıl Anonimleştirilir?
Veri türleri, veri kaynakları, toplanan verinin YZ için kalitesi, kanıt seviyesi, algoritmik önyargı ve halüsinasyon tespiti.
Veri türleri, veri kaynakları, toplanan verinin YZ için kalitesi, kanıt seviyesi, algoritmik önyargı ve halüsinasyon tespiti.
2
19:40 – 19:50
10 Dakika Kısa Ara
Katılımcı sorularının toplanması ve ikinci bölüm için odak alanlarının belirlenmesi.
Katılımcı sorularının toplanması ve ikinci bölüm için odak alanlarının belirlenmesi.
3
19:50 – 20:30
AI Güvenilirlik Matrisi AI Güvenilirlik Matrisi
Yapay zekâ çıktılarının güvenilirliğini değerlendirme, risk seviyesine göre karar verme ve klinik kullanımda dikkat edilmesi gereken noktalar ele alınacaktır.
Yapay zekâ çıktılarının güvenilirliğini değerlendirme, risk seviyesine göre karar verme ve klinik kullanımda dikkat edilmesi gereken noktalar ele alınacaktır.
4
20:30 – 20:40
10 Dakika Kısa Ara
Katılımcı sorularının toplanması ve ikinci bölüm için odak alanlarının belirlenmesi.
Katılımcı sorularının toplanması ve ikinci bölüm için odak alanlarının belirlenmesi.
5
20:40 – 21:10
Veri Okuryazarlığı ve Etiketleme
Kayıt inceleme, gözlem. Hekim, hemşire ve ebelerin klinik notları ve verilerinin yapay zekâ modelleri için nasıl etiketlenmesi gerektiği ele alınacaktır.
Kayıt inceleme, gözlem. Hekim, hemşire ve ebelerin klinik notları ve verilerinin yapay zekâ modelleri için nasıl etiketlenmesi gerektiği ele alınacaktır.
6
21:10 – 22:00
Uygulama (Kod gerektirmeden veri analizi deneyimi)
Orange Data Mining aracı ile örnek veri seti üzerinden çalışma. Veri temizleme ve etiketleme adımlarının uygulanması. Basit bir yapay zeka modeli ile sonuçların yorumlanması.
Orange Data Mining aracı ile örnek veri seti üzerinden çalışma. Veri temizleme ve etiketleme adımlarının uygulanması. Basit bir yapay zeka modeli ile sonuçların yorumlanması.
İçerik Başlıkları
- Sağlık verilerinin türleri ve temel tanımlar
- Veri temizleme: eksik, hatalı ve tekrar eden kayıtları ayıklama
- Temel istatistikler: ortalama, medyan, yüzde ve oranlar
- Gruplama ve segmentasyon: birim, vardiya, yaş grubu gibi kırılımlar
- Analiz sonuçlarını raporlama ve görselleştirme modülüne hazırlama
Uygulamalar
- Örnek hemşirelik veri seti üzerinde YZ destekli analiz
- Hasta memnuniyeti ve olay bildirimleri gibi göstergelerin temel analizi
- Kendi biriminize ait küçük bir veri örneğiyle mini analiz çalışması
- Analiz sonuçlarını bir sonraki veri görselleştirme modülünde kullanmaya hazırlama
KATILIMCILARA ÖNEMLİ NOT: Kurs başlama saatinden önce “Orange Data Mining” aracını mutlaka masaüstü yada dizüstü bilgisayarlarınıza yüklemelesiniz.
Uygulama bu adresten yüklenebilir: https://orangedatamining.com/download/
“Amaç yalnızca veriye bakmak değil; elinizde kullanılabilir kısa bir analiz ve yorumlama çerçevesi görmek.”
Bu Modül Sonunda Elinizde Nasıl Bir Çıktı Olabilir?
Bu modülde amacımız yalnızca veri terimlerini öğrenmek değil; dağınık tabloları stratejik bir gözle nasıl okuyacağınızı, hangi veri kırılımının hangi sorunu çözeceğini ve analiz sonuçlarını yönetimi harekete geçirecek kısa bir yönetsel mesaja nasıl dönüştüreceğinizi netleştirmektir.
Modül sonunda zihninizdeki analiz mantığı, aşağıdaki bileşenlerden oluşan profesyonel bir Veri Dönüşüm Çerçevesine evrilir.
Analiz Düşünme Akışı
Bu modülde hedeflenen veri okuryazarlığı yaklaşımı, katılımcının gözünde aşağıdaki gibi adım adım netleşir.
VeriNe elimizde var?
TemizlikNe eksik, ne hatalı?
KarşılaştırmaHangi kırılımı okuyacağız?
YorumSonuç ne söylüyor?
Dağınık tabloları kısa ve yönetilebilir analiz adımlarına dönüştürmeyi kolaylaştırır.
Raporlama ve görselleştirme öncesinde veriyi daha tutarlı hale getirir.
Örnek Analiz Çıktısı
Kurs sonunda katılımcının zihninde oluşması beklenen mini analiz çerçevesi, aşağıdaki gibi kısa ve sunulabilir bir özete dönüşür.
Veri
Son 1 aya ait servis iş yükü, olay bildirimi ve hasta memnuniyeti kayıtları.
Temizlik
Eksik kayıtlar ayrılır, tekrar eden satırlar silinir, birimler ortak başlıkta gruplanır.
Karşılaştırma
Vardiya, birim ve hafta bazında oranlar ile özet tablolar oluşturulur.
Yorum
En yoğun dönem, en sık tekrar eden sorun ve yönetime sunulabilecek kısa içgörü cümlesi netleştirilir.
“Bu modül size uygunsa, serinin diğer adımlarıyla öğrenme yolculuğunuzu tamamlayabilirsiniz.”
Serideki Diğer Modülleri de İnceleyin
Bu modül, veriyi anlamlandırma ve yorumlama adımını güçlendirir. İsterseniz aşağıdaki modülleri de inceleyip ihtiyacınıza göre birlikte planlayabilirsiniz.
YZ Destekli Gereksinim Analizi Kursu
Klinik ve idari süreçlerde sorun–çözüm–veri üçgenini tasarım odaklı düşünmeyle kurgulamak, yapay zeka destekli algoritmik yaklaşımları ve karar destek senaryolarını uçtan uca yönetme yetkinliği edinin.
YZ Araçları İçin Prompt Mühendisliği
“Doğru şeyi, doğru biçimde sorma” becerisi: Hemşirelik ve sağlık hizmetlerine uygun, güvenli ve işe yarar çıktı üreten prompt örnekleriyle uygulamalı çalışma.
YZ Destekli Veri Görselleştirme Kursu
Verilerinizi, yöneticilerinizin ve ekiplerinizin gerçekten görmek isteyeceği sade ve etkili grafiklere dönüştürmeyi; sunumlarınızı güçlendirmeyi öğrenin.
“Kayıttan önce aklınıza takılan başlıkları aşağıda bulabilirsiniz.”
Sık Sorulan Sorular
Bu modüle tek başına kayıt olabilir miyim?
Evet. Bu modüle tek başına kayıt olabilirsiniz. Ortak kayıt formunda isterseniz serinin diğer modüllerini de birlikte seçebilirsiniz.
Bu kurs için ileri düzey istatistik bilgisi gerekir mi?
Hayır. İleri düzey istatistik bilginiz olması gerekmez; Excel veya benzeri bir tablo programına temel düzeyde hâkim olmanız yeterlidir.
Bu modül sonunda elimde somut ne kalır?
Kısa veri özeti, temel karşılaştırma mantığı, mini analiz yaklaşımı ve raporlamaya hazırlık çerçevesi görmüş olursunuz.
Canlı pratik olacak mı?
Evet. Örnek veri setleri üzerinden canlı analiz uygulamaları ve katılımcı veri örnekleriyle mini analiz atölyesi yer alacaktır.
Etiketleme konusu bu modülde nasıl ele alınacak?
Kayıt inceleme, gözlem ve klinik notların YZ modelleri için nasıl etiketlenmesi gerektiği uygulama örnekleriyle ele alınacaktır.
Zoom bağlantısı ne zaman gönderilir?
Bağlantı linkleri kayıt sonrası e-posta ile iletilecektir.
Katılım belgesi nasıl gönderilir?
Kurs öncesinde kısa bir ön test, bitişinde son test uygulanacak; başarıyla tamamlayanlara dijital katılım belgesi e-posta ile gönderilecektir.