Program Detayları

Bu programın amacı, kurumsal verinin alt yapısını (veri tabanı, veri depoları ve veri hatları da dahil olmak üzere) analizlerde kullanılmak için gereken teknik becerileri kazandırmaktadır.

Veri Mühendisliği Eğitim Programı Konu Başlıkları

Bölüm 1: Veri Mühendisliğine Giriş

Veri mühendisliği nedir?
Veri mühendisinin görevleri
Veri mühendisliği sorunları
Veri mühendisinin araçları
Veritabanı türleri
İşleme görevleri
Planlama araçları
Bulut sağlayıcıları
Bulut bilişim ve bulut bilişimde büyük oyuncular
Bulut hizmetleri

Bölüm 2: Veri Mühendisliği Araçları

Veritabanları
SQL ve NoSQL
Veritabanı şeması
Yıldız şema diyagramı
Paralel hesaplama nedir
DataFrame kullanma
Paralel hesaplama çerçeveleri
Kıvılcım, Hadoop ve Kovan
Bir PySpark grubu
PySpark dosyalarını çalıştırma
İş akışı planlama çerçeveleri

Bölüm 3: Numpy Kütüphanesi ile Hesaplama

NumPy Dizilerine İlk Bakış
NumPy Dizisindeki Elemanları İndeksleme
NumPy Dizileri
Türleri Anlamak
Yeniden Şekillendirme
Yaygın Olarak Kullanılan Dizi Metrikleri
Yaygın Olarak Kullanılan Toplama İşlevleri
Dizileri Sıralama
Dizi Aritmetik İşlemleri
Dizi Dilimleme
2-D Dizi Dilimleme
Doğrusal Cebir Fonksiyonları

Bölüm 4: Pandas ile Veri

Pandas Nedir?
Seri ve Serideki Değerlere ve Dizinlere Erişim
Endeks Oluşturmak
DataFrame Nesnesi
DataFrame'in Değer Önerisi
DataFrame Oluşturma
DataFrame Metriklerini Alma
DataFrame Sütunlarına, Satırlarına ve Hücrelerine Erişim
DataFrame ve Seri Nesnelerini Ekleme / Birleştirme
DataFrame Ekleme / Birleştirme Örneği
Serileri ve Veri Çerçevelerini Yeniden İndeksleme
DataFrame Sütunlarının Açıklayıcı İstatistiklerini Alma
DataFrame'lerin Açıklayıcı İstatistiklerini Alma
Bir Fonksiyonun Uygulanması
Veri Çerçevelerini Sıralama
CSV Dosyalarından Okuma
Sistem Panosuna Yazma
CSV Dosyasına Yazmak
Veri Toplama ve Gruplama
Örnek Veri Kümesi
Özet Tablolar
Çapraz tablolama

Bölüm 5: Python'da Veri Görselleştirme

Veri goruntuleme
Python'da Veri Görselleştirme
Matplotlib
Matplotlib.pyplot.plot () İşlevi
Matplotlib.pyplot.bar () İşlevi
Matplotlib.pyplot.pie () İşlevi
Alt noktalar
Matplotlib.gridspec.GridSpec Nesnesini Kullanma
Matplotlib.pyplot.subplot () İşlevi
Rakamlar
Şekilleri Dosyaya Kaydetme
Histogramlar
İki Değişkenli Dağılımların Grafiklendirilmesi

Bölüm 6: Veri Madenciliği

Veri Madenciliği nedir?
Apriori algoritması
Sık örüntü ağaçları
Sınıflandırma ve Tahmin
Bayes Sınıflandırma
Ağaç tabanlı sınıflandırma
Destek Vektör Makineleri
Doğruluk ve Hata ölçüleri
Kümeleme
Önemli Kümeleme Yöntemleri
Veri Madenciliği uygulamaları

Bölüm 7: Makine Öğrenmesi

Makine öğrenmesine giriş
Basit kavram öğrenmesi
Karar verme ağaçları öğrenmesi
Neron ağları
Bayes öğrenmesi
Naive-Bayes Sınıflandırıcısı
En-yakın n-komşu algoritması
Karar-destek vektörleri
Regresyon
Genetik algoritmalar
Kapsama algoritması, Birince-Derece Kural Öğrenmesi

Bölüm 8: Apache Spark'a Giriş

Apache Spark nedir
Spark Platformu
Spark ve Hadoop'un MapReduce (MR) Karşılaştırması
Spark Tarafından Desteklenen Diller
Spark'ı Küme Üzerinde Çalıştırma
Spark Uygulama Mimarisi
Spark Uygulamaları
Spark-submit Alet Yapılandırması
Veri Depolama Sistemleri ile Arayüzler
Veri Kümeleri ve Veri Çerçeveleri
Spark SQL, DataFrames ve Catalyst Optimizer
Spark Makine Öğrenimi Kitaplığı

Bölüm 9: Apache Airflow Web Kullanıcı Arayüzü

Web Kullanıcı Arayüzü - Açılış (DAG'ler) Sayfası
Web Kullanıcı Arayüzü - DAG Grafik Görünümü
Durum Göstergelerini Çalıştır
Duraklat Düğmesi (Tetik Mandalı)
DAG Tetikleme / İş Kontrol Sırası
Görev için Kontrol Paneli

Eğitim Yaklaşımı

Veri Mühendisliği Sertifika Programı Neyi Amaçlar?

Belirsizliğin yoğun olduğu ortamda veri odaklı karar almak için sistematik bilgi birikimi ve veri güvenliğine duyulan ihtiyaç artmaktadır. Verinin ETL (extract, transfer,load) sürecinde, programlama dili ve veri ambarı çözümleri ile sistematik bir yapıya oluşturulması için gereken teknik becerilerin geliştirilmesi hedeflenmiştir.

Neler Öğreneceksiniz

Program sonunda;

Veri yığınlarını anlamlandırarak karar mekanizmalarını güçlendireceksiniz.
Rekabet stratejilerini belirleyecek anlamlı bilgilere ulaşacaksınız.
İş zekası modellerini tanıyarak en verimli iş modelini belirleyeceksiniz.
Üretim süreçlerinin optimizasyonuna ilişkin detaylı bilgileri öğreneceksiniz.

Sınav / Sertifika

Eğitim sonunda yapılan sınavda başarılı olan katılımcılar “Uzmanlık Sertifikası” almaya hak kazanacaktır.
Sınavda başarı gösteremeyen katılımcılar “Katılım Sertifikası” almaktadır.
Programda %70 devam zorunluluğu bulunmaktadır.