C/VMUP : Veri Mimarisinde Ustalaşma Programı
3 gün (18 saat) Uzman Sınıf / Online İş Zekası ve İleri Analitik
Veri odaklı kurumlar için tasarlanan C/VMUP - Veri Mimarisinde Ustalaşma Programı, modern veri mimarilerinin tasarımı, yönetimi ve dönüşümü konusunda kapsamlı bir bakış açısı sunan ileri seviye bir uzmanlık eğitimidir. Üç gün boyunca katılımcılar; veri analitiğinin güncel durumunu, veri yönetimi disiplinlerini, veri yönetişimi ve veri kalitesi yaklaşımlarını, operasyonel veritabanlarından veri ambarlarına, veri göllerinden lakehouse mimarilerine uzanan veri ekosistemini bütüncül bir çerçevede ele alırlar. Eğitim, yalnızca teknolojileri tanıtmakla kalmaz; aynı zamanda doğru mimari kararlar alabilmek için gerekli düşünsel altyapıyı ve tasarım prensiplerini de kazandırır. Program kapsamında katılımcılar; geleneksel ve çevik veri modelleme yaklaşımlarını, Kimball, Inmon ve Data Vault metodolojilerini, büyük veri ve dağıtık sistem mimarilerini, veri güvenliği ve gizliliği prensiplerini uygulamalı örneklerle öğrenirler. Data Fabric, Data Mesh, Generative AI, IoT ve makine öğrenmesi gibi geleceği şekillendiren teknolojilerin veri mimarileri üzerindeki etkileri değerlendirilirken, TOGAF, COBIT ve Zachman gibi kurumsal mimari çerçeveleriyle entegrasyon da incelenir. Eğitim sonunda katılımcılar; sürdürülebilir, ölçeklenebilir ve güvenli veri platformları tasarlayabilecek, modern veri mimarilerinin güçlü ve zayıf yönlerini değerlendirebilecek ve veri odaklı kariyer yollarını daha bilinçli şekilde planlayabilecek yetkinliğe ulaşırlar.
Eğitim İçeriği
Module 1: Veri Analitiğinde Mevcut Durum
- Hataya sevk eden insana has eğilimler
- Karar Vericilerin Sıkışıp Kaldığı Mevcut Durum
- Veri ve Metaveri
- Veri analitiği tipleri ve istatistiksel yaklaşım
- Üst Yönetimin Kullandığı Örnek düşünsel çerçeveler
Module 2: Veri Yönetimi Düşünsel Çerçevesi (Data Management Framework)
- Metadata Yönetimi
- Veri Kalitesi Yönetimi (Data Quality)
- Master Data Yönetimi
- Veri Entegrasyonu Yönetimi (Data Integration)
- Veri Sorumluluları ve Roller (Data Privacy)
- Veri Yönetişimi (Data Governance)
- Veri Mimarisi (Data Architecture)
Module 3: Veri Yönetimindeki Evrim
- Veri analizi süreci
- İhtiyaçlar, Zorluklar, Çözümler ve Trendler
- Veritabanı Yönetimi Sistemleri (RDBMS, ORDMS, NoSQL, NewSQL vs.)
- MPP Mimarisi ve Distributed Sistemler (Appliance, Hadoop-Spark, Cloud vs.)
- Operasyonel Veritabanı (Operational Database)
- Veri Ambarı (Data Warehouse)
- Veri Gölü (Data Lake)
- Göl Evi (Lakehouse)
Module 4: Modern Mimariler ve Tasarımlar
- Mimari Oluşturma Esasları
- Lambda, Delta Lake (Medallion) Mimarileri
- Geleneksel Veritabanı Tasarımları
- Çevik Veritabanı Tasarımları
Module 5: Operasyonel Veri Tabanları ve Tasarımlar
- ER diagramları - Chen Model (Data Modelleme ürünleri)
- Normal Formlar (6NF'e kadar)
- Tasarım Hataları (Supertype-Subtype, Fan Trap)
- Çevik Tasarım Yaklaşımı (Anchor Modelling)
Module 6: Veri Ambarları ve Tasarımlar
- Veriambarı Tasarımlarını İş Zekasındaki Yeri (Enterprise BI ve Self Service BI)
- Ralph Kimball ve Bill Inmon Temel Tasarım Prensiplerinin Karşılaştırılması
- Dimensional Model Anahtar Noktalar
- Landing Zone, Staging Area, Data Warehouse, Data Mart
Module 7: Büyük Veri, Veri Gölleri ve Tasarım Prensipleri
- Veri Gölleri Oluşturma
- Büyük Veri Kavramı ve Büyük Veri Ekosistemleri
- Dağıtık Mimarilerin Karakteri
- ACID ve BASE Veri Tutarlılık Felsefeleri
- Gerçek Zamanlı Veri Analizi
- Dan Linstedt'in Çevik Tasarım Yaklaşımı Data Vault Temel Prensipleri
- Kimball, Inmon, Linstedt Yaklaşımlarının Karşılaştırılması
Module 8: Geleceği Şekillendiren Teknolojiler
- IoT Senaryoları
- ML (Machine Learning), AI (Artifical Intelligence), DL (Deep Learning) Kavramları
- Üretken Yapay Zeka (Generative AI, LLM, SLM)
- Diğer Teknolojiler
Module 9: Mimari Oluşturma Yaklaşımları
- Modern Mimariler Oluşturmak için Göz Önünde Tutulacaklar
- Lambda, Delta Lake Mimarileri
- Referans Mimariler
Module 10: Veri Güvenliği ve Gizliliği
- Derinlemesine Veri Güvenliği
- Veri Etiği ve Sorumluluklar
- Data Fabric ve Data Mesh Kavramları
Module 11: Kurumsal Mimarilere Bir Bakış
- Zachman
- TOGAF
- COBIT
Module 12: Veri Analizi Odaklı Trend Roller ve Uzmanlıkar
- Data Science, Data Engineering, Data Analysis
- DS, DE, DA
- Uzmanlık için Yol Haritaları
Öncesinde Önerilenler
-
Data Engineer
Büyük Verinin İşlenmesi, Yönetimi, Veri Kalitesini Arttırma, Bulut Bilişim ve Veri Bilimi için Kodlama, Spark ve Hadoop gibi Dağıtık Mimariler ile Çalışma.
- C/GAISD : Generative AI ve LLM ile İş Süreçlerini Güçlendirme: Fırsatlar, Uygulamalar ve Etkili Kullanım Yöntemleri
- C/STATI : Betimleyici ve Çıkarımsal İstatistik Temelleri
- C/STATF : İstatistik Esasları
- C/STATF+ : İstatistik Esasları (Genişletilmiş)
- MS/20761C : Querying Data with Transact-SQL
- C/TVTS : T-SQL ile Veri Tabanı Sorgulama (Microsoft SQL Server)
- MS/20777A : Implementing Microsoft Azure Cosmos DB Solutions
- C/PBSSBI : Power BI ile Self Service BI
- C/IRFDS : R Dili ve R ile Veri Analizi
- C/PDE : Python Dili Esasları
- C/IPFDS : Python Dili ve Python ile Veri Analizi
- C/PVA : Python ile Veri Analizi
- MS/20762C : Developing SQL Databases (Microsoft SQL Server)
- CMS/20764C : Administering a SQL Database Infrastructure
- MS/DP-300 : Administering Relational Databases on Microsoft Azure
- MS/20765C : Provisioning SQL Databases
- C/MSPT : Microsoft SQL Server Performans ve Tuning
- MS/10987C : Performance Tuning and Optimizing SQL Databases
- C/MSPAO : Microsoft SQL Server Performans Analizi ve Optimizasyonu
- CMS/20767B : Implementing a SQL Data Warehouse
- MS/20768C : Developing SQL Data Models
- MS/10990C : Analyzing Data with SQL Server Reporting Services
- C/DMDQ : Veri Yönetimi ve Veri Kalitesi
- C/ADMT : İleri Veri Modelleme Teknikleri
- CMS/DP-203 : Data Engineering on Microsoft Azure
- C/AZSC-Synapse : Fundamentals of Azure Synapse Analytics
- C/BDA-Synapse : Data Analytics Solutions Using Azure Synapse Analytics
- MS/DP-500 : Designing and Implementing Enterprise-Scale Analytics Solutions Using Microsoft Azure and Microsoft Power BI
- CMS/DP-601T00A : Implementing a Lakehouse with Microsoft Fabric
- CMS/DP-700 : Microsoft Fabric Data Engineer
- C/DAWS : Big Data Analysis with Spark
- C/PSS : PySpark ile Spark SQL
- C/VBL : Veri Bilimcileri için Linux
Sonrasında Önerilenler
-
Data Engineer
Büyük Verinin İşlenmesi, Yönetimi, Veri Kalitesini Arttırma, Bulut Bilişim ve Veri Bilimi için Kodlama, Spark ve Hadoop gibi Dağıtık Mimariler ile Çalışma.
Bu seride sonrasında önerilen herhangi bir eğitim mevcut değil.