BİG DATA (BÜYÜK VERİ) EĞİTİMİ

Büyük veri dünyasına sağlam bir giriş yap

Büyük verinin 5V özelliklerinden dağıtık depolama ve işleme mimarilerine, batch ve stream yaklaşımlarına kadar temelleri kavrayın.

Büyük veriyi sıfırdan öğreten temel seviye eğitim: 5V özellikleri, veri türleri, yatay ölçeklenme, HDFS ve nesne depolama, batch/stream işleme, NoSQL aileleri ve Hadoop/Spark ekosistemiyle uçtan uca mimari kavranır.

3 gün Temel Seviye Online / Yüz Yüze / Hibrit Sertifikalı

Eğitim Hakkında

5V, dağıtık mimari, batch/stream işleme ve ekosistem haritası

Bu temel seviye eğitim, büyük veri kavramını sıfırdan ele alır. Hacim, hız, çeşitlilik, doğruluk ve değer (5V) özellikleri; yapılandırılmış, yarı yapılandırılmış ve yapılandırılmamış veri türleri; ölçeklenebilirlik için dikey yerine yatay büyüme yaklaşımı işlenir. Dağıtık depolamada HDFS ve nesne depolama, işlemede batch (Hadoop/Spark) ve stream (Kafka/Spark Streaming) modelleri, veri ambarı ile veri gölü (data lake) farkı anlatılır. Katılımcılar ekosistem araçlarının (Hive, Spark, Kafka, NoSQL) hangi problemi çözdüğünü ve tipik bir büyük veri mimarisinin nasıl kurulduğunu kavrar.

Süre ve Format

3 Gün. Her gün dört modül; katılımcılar kavramlardan mimariye ve ekosistem araçlarına doğru ilerler.

Seviye

Temel Seviye — Büyük verinin tanımı, 5V özellikleri, depolama ve işleme mimarileri ile ekosistem araçlarının genel tanıtımı.

Öğrenme Metodu

Katılımcılar gerçek kullanım senaryoları ve mimari diyagramlar üzerinden kavramları tartışarak ve basit örneklerle pekiştirerek öğrenir.

Neden Bu Eğitim?

🧭Net Temel

Büyük veri terminolojisini ve 5V özelliklerini karışıklık olmadan kavrarsınız.

🗺️Ekosistem Haritası

Hangi aracın (Hadoop, Spark, Kafka) hangi işi yaptığını ayırt edersiniz.

🏗️Mimari Görüş

Tipik bir büyük veri mimarisini uçtan uca zihinde kurabilirsiniz.

Anahtar Konular

büyük veri eğitimibig data5vveri gölüdata lakehadoopsparknosqlbatch işlemestream işlemeveri mimarisi
“Büyük veriyi anlamak, doğru soruyu doğru araca sormakla başlar.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1
Bilgisayar Temeli

Temel bilgisayar ve dosya/veritabanı kavramlarına aşinalık yeterlidir.

2
Veri Farkındalığı

Tablo, kayıt ve sorgu gibi temel veri kavramlarını bilmek faydalıdır.

3
İngilizce Terim

Araç ve kavram adlarının çoğu İngilizce olduğundan temel okuma faydalıdır.

4
İnternet Erişimi

Örnek araçları tarayıcıdan incelemek için internet bağlantısı gerekir.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiKatılımcı, büyük veriyi tanımlar ve geleneksel veriden farkını açıklayabilir.
Modül 1
Büyük Veri Nedir
  • Geleneksel veritabanlarının yetersiz kaldığı ölçek
  • Büyük veriyi doğuran kaynaklar (IoT, log, sosyal medya)
  • Hacim (Volume) ve veri patlamasının nedenleri
  • Hız (Velocity) ile gerçek zamanlı veri akışı
  • Çeşitlilik (Variety) ile farklı veri formatları
  • Doğruluk (Veracity) ve değer (Value) boyutları
Modül 2
Veri Türleri
  • Yapılandırılmış veri (ilişkisel tablolar)
  • Yarı yapılandırılmış veri (JSON, XML, log)
  • Yapılandırılmamış veri (metin, görüntü, video)
  • Şema-on-write ve schema-on-read farkı
  • Veri kaynaklarının sınıflandırılması
  • Metadata'nın büyük veride önemi
Modül 3
Ölçeklenme
  • Dikey (scale-up) büyümenin sınırları
  • Yatay (scale-out) büyüme ve küme mantığı
  • Commodity donanım ile maliyet avantajı
  • Veri paralelliği (data parallelism) kavramı
  • Hata toleransı ve replikasyon ihtiyacı
  • CAP teoreminin dağıtık sistemlere etkisi
Modül 4
Kullanım Senaryoları
  • Perakendede öneri ve sepet analizi
  • Bankacılıkta dolandırıcılık tespiti
  • Telekomda çağrı kaydı (CDR) analizi
  • Sağlıkta sensör ve görüntü verisi
  • Üretimde öngörücü bakım (predictive maintenance)
  • Kamuda açık veri ve akıllı şehir uygulamaları
Günün hedefiKatılımcı, büyük veri depolama ve işleme modellerini karşılaştırabilir.
Modül 1
Dağıtık Depolama
  • HDFS ile blok tabanlı dağıtık depolama
  • Nesne depolama (S3, MinIO) yaklaşımı
  • Veri gölü (data lake) kavramı
  • Veri ambarı (data warehouse) ile farkı
  • Lakehouse mimarisinin ortaya çıkışı
  • Sütunsal format (Parquet/ORC) avantajı
Modül 2
Batch İşleme
  • Toplu (batch) işlemenin mantığı
  • MapReduce'un temel fikri
  • Spark ile bellek içi batch işleme
  • ETL (extract-transform-load) akışı
  • Zamanlanmış (scheduled) iş çalıştırma
  • Batch'in gecikme (latency) özellikleri
Modül 3
Stream İşleme
  • Akan (stream) veri işleme mantığı
  • Kafka ile mesaj kuyruğu yaklaşımı
  • Spark Structured Streaming ve Flink tanıtımı
  • Pencereleme (windowing) kavramı
  • Gerçek zamanlı gösterge panoları
  • Lambda ve Kappa mimarilerinin karşılaştırması
Modül 4
NoSQL Veritabanları
  • İlişkisel ve NoSQL farkı
  • Key-value depolar (Redis) kullanımı
  • Sütun ailesi (Cassandra, HBase) modeli
  • Doküman veritabanları (MongoDB)
  • Graph veritabanları temel fikri
  • Tutarlılık modelleri (eventual consistency)
Günün hedefiKatılımcı, büyük veri ekosistem araçlarını ve tipik bir mimariyi açıklayabilir.
Modül 1
Hadoop Ekosistemi
  • HDFS ve YARN'ın rolü
  • Hive ile SQL tabanlı sorgulama
  • Pig ve HBase'in konumu
  • Sqoop ile veri aktarımı
  • Oozie ile iş akışı planlama
  • Dağıtımların (Cloudera) sunduğu paketleme
Modül 2
Spark Ekosistemi
  • Spark Core ve RDD kavramı
  • Spark SQL ile yapılandırılmış veri
  • Spark Streaming ile akan veri
  • MLlib ile makine öğrenmesi
  • GraphX ile graf işleme
  • Spark'ın Hadoop ile birlikte kullanımı
Modül 3
Veri Hattı Tasarımı
  • Veri alımı (ingestion) katmanı
  • Ham (raw) ve işlenmiş (curated) katman ayrımı
  • Dönüşüm (transformation) adımları
  • Servis katmanı ve BI entegrasyonu
  • Orkestrasyon araçlarının rolü
  • İzleme ve veri kalitesi kontrolleri
Modül 4
Yönetişim ve Güvenlik
  • Veri yönetişimi (governance) temel ilkeleri
  • Veri soy kütüğü (lineage) takibi
  • Erişim kontrolü ve kimlik doğrulama
  • KVKK/GDPR ile uyum gereklilikleri
  • Veri maskeleme ve anonimleştirme
  • Katalog ile veri varlıklarının keşfi

Eğitim Kazanımları

Program sonunda katılımcılar:

✅
Kavram Netliği

Büyük veriyi ve 5V özelliklerini doğru biçimde tanımlarsınız.

✅
Veri Türleri

Yapılandırılmış, yarı ve yapılandırılmamış veriyi ayırt edersiniz.

✅
Depolama

HDFS, nesne depolama ve veri gölü/ambarı farkını açıklarsınız.

✅
İşleme Modeli

Batch ve stream işleme yaklaşımlarını karşılaştırırsınız.

✅
NoSQL

NoSQL veritabanı ailelerini ve kullanım alanlarını tanırsınız.

✅
Ekosistem

Hadoop ve Spark araçlarının hangi işi yaptığını bilirsiniz.

✅
Mimari Tasarım

Uçtan uca bir büyük veri hattını kavramsal olarak kurarsınız.

✅
Yönetişim

Veri yönetişimi ve güvenlik ilkelerinin önemini anlarsınız.

Kimler İçin Uygundur?

  • Büyük veriye yeni başlayanlar
  • karar vericiler
  • veri alanına geçmek isteyen yazılımcılar
  • konuyu kavramsal olarak öğrenmek isteyen profesyoneller için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?
Büyük veriye yeni başlayanlar, karar vericiler ve veri alanına geçmek isteyen yazılımcılar için uygundur.
Teknik geçmiş gerekli mi?
Hayır; temel bilgisayar ve veri kavramları yeterlidir, eğitim kavramları sıfırdan kurar.
Kod yazacak mıyız?
Eğitim ağırlıklı olarak kavramsaldır; ileri uygulama for teknik eğitimlerle devam ettirilir.
Hadoop mu Spark mı öğretiliyor?
Her ikisinin de rolü ve ekosistemdeki yeri kavramsal olarak tanıtılır, derin uygulama ileri eğitimlere bırakılır.
Eğitim sonunda sertifika veriliyor mu?
Katılım ve değerlendirme sonrası Digital Vizyon Akademi Katılım ve Başarı Sertifikası verilir.

Sertifikalandırma

Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika d Digital Vizyon AKADEMİ KATILIM SERTİFİKASI Bu sertifika [Katılımcı Adı Soyadı] adlı katılımcının aşağıdaki eğitim programını başarıyla tamamladığını belgeler. Big Data (Büyük Veri) Eğitimi Sertifika Kodu DV-2026XX00 Tarih 26.10.2026 Yetkili İmza DV AKADEMİ

Eğitim Bilgileri

Süre3 gün
SeviyeTemel Seviye
FormatOnline / Yüz Yüze / Hibrit
Sertifika✓ Var
Hemen Bilgi Al
İlgili Eğitimler

Bu Eğitimle Birlikte Tercih Edilenler

Büyük Veri TeknolojileriBig Data Road Map Eğitimi
Veri ve Analitik Eğitimleri

Big Data Road Map Eğitimi

3 günOrtaOnline / Yüz Yüze / Hibrit

Büyük veri dönüşümünü vizyondan uygulamaya aşamalı bir yol haritasına dökün: dalga planı, kilometre taşları, bağımlılık, bütçe, risk ve KPI. Orta seviye eğitim.

Detayları Gör →
Büyük Veri TeknolojileriBig Data Sales Perspective Eğitimi
Veri ve Analitik Eğitimleri

Big Data Sales Perspective Eğitimi

2 günTemelOnline / Yüz Yüze / Hibrit

Büyük veri çözümlerini satış perspektifinden konumlandırın: değer önerisi, kullanım senaryoları, keşif, ROI ve itiraz yönetimi. Temel seviye DVA eğitimi.

Detayları Gör →
Büyük Veri TeknolojileriBig Data Solutions, Architecture, CQL, & DDL Eğitimi
Veri ve Analitik Eğitimleri

Big Data Solutions, Architecture, CQL, & DDL Eğitimi

4 günİleriOnline / Yüz Yüze / Hibrit

Cassandra ring mimarisi, sorgu odaklı veri modelleme, partition/clustering tasarımı, CQL sorguları ve DDL ile şema oluşturmayı öğrenin. İleri seviye eğitim.

Detayları Gör →
Büyük Veri TeknolojileriBig Data ve Advanced Analytics Eğitimi
Veri ve Analitik Eğitimleri

Big Data ve Advanced Analytics Eğitimi

4 günİleriOnline / Yüz Yüze / Hibrit

Spark MLlib ile büyük veride ileri analitik: öznitelik mühendisliği, regresyon/sınıflandırma/kümeleme, model değerlendirme ve üretime alma. İleri seviye eğitim.

Detayları Gör →
Büyük Veri TeknolojileriBucketing & Window Functions with Hive Eğitimi
Veri ve Analitik Eğitimleri

Bucketing & Window Functions with Hive Eğitimi

3 günOrtaOnline / Yüz Yüze / Hibrit

Hive'da partitioning ve bucketing ile sorguları hızlandırın, ROW_NUMBER, RANK, LAG/LEAD ve kayan pencerelerle ileri analitik yapın. Orta seviye eğitim.

Detayları Gör →
+90 (501) 369 40 14 WhatsApp [email protected] LinkedIn