Amazon Neptune ile Graf Uygulamaları Eğitimi

Eğitim Hakkında

Amazon Neptune graf modelleme, sorgu dilleri, veri yükleme, ölçekleme ve güvenlik

Eğitim, yüksek derecede bağlantılı veri için Amazon Neptune'u işler: property graph ve RDF modelleri, düğüm/kenar tasarımı, Gremlin ve openCypher geçişleri, SPARQL sorguları, bulk loader ile S3'ten veri yükleme, Neptune cluster mimarisi (writer ve reader), IAM kimlik doğrulama, VPC erişimi, Neptune Workbench, Neptune ML ve Neptune Analytics ile graf algoritmaları (PageRank, topluluk tespiti). Öneri motoru, dolandırıcılık ağı ve bilgi grafı vakaları uygulanır.

Süre ve Format

3 Gün. Her gün dört modül; anlatım, canlı demo ve Neptune Workbench laboratuvarlarıyla pekiştirilir.

Seviye

Orta Seviye — Property graph ve RDF modelleri, Gremlin, openCypher, SPARQL sorguları, yükleme, güvenlik ve Neptune Analytics ile ilişki odaklı uygulamalar

Öğrenme Metodu

Neptune cluster ve Workbench üzerinde örnek graf veri setleriyle sorgu yazılır; her sorgu performans ve plan açısından incelenir.

Neden Bu Eğitim?

🎯Graf düşüncesi

İlişki ağırlıklı problemleri düğüm ve kenarlarla modellemeyi öğrenirsiniz.

🛠️Sorgu dilleri

Gremlin, openCypher ve SPARQL arasındaki farkı uygulamada görürsünüz.

📈Üretime hazır

Yükleme, güvenlik ve ölçekleme ile Neptune'u canlıya taşırsınız.

Anahtar Konular

Amazon Neptunegraf veritabanıGremlinopenCypherSPARQLproperty graphRDFNeptune MLNeptune Analyticsbilgi grafıAWS graf

“Veri yalnızca satırlar değildir; asıl değer aralarındaki bağlardadır.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

SQL bilgisi

JOIN ve ilişkisel modelleme kavramları anlaşılmalıdır.

2

Python/Java

Gremlin istemcisi örnekleri için temel programlama bilgisi gerekir.

3

AWS temelleri

VPC, IAM ve S3 kavramlarına aşinalık beklenir.

4

Lab ortamı

AWS hesabı ve Jupyter tabanlı Workbench erişimi yeterlidir.

Eğitim İçeriği

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

Günün hedefiKatılımcı bir problemi graf modeline dönüştürüp Neptune cluster'ı hazırlayabilir.

Modül 1

Graf Veritabanı Temelleri

İlişkisel modelin sınırı (çok katmanlı JOIN)
Düğüm, kenar, özellik, etiket
Property graph ve RDF farkı
Kullanım alanları: sosyal ağ, dolandırıcılık, bilgi grafı
Ne zaman graf seçilmez
Graf şeması tasarım ilkeleri

Modül 2

Neptune Mimarisi

Cluster volume ve 6 kopya depolama
Writer ve reader instance'lar
Neptune Serverless
Okuma replika ölçekleme
Yedekleme ve PITR
Aurora ile mimari benzerlikleri

Modül 3

Kurulum ve Erişim

VPC içinde cluster oluşturma
Subnet ve security group
IAM veritabanı kimlik doğrulaması
Neptune Workbench kurulumu
Bağlantı uç noktaları
Parametre grupları

Modül 4

Veri Modelleme Uygulaması

Çalışma: film öneri grafı
Düğüm ve kenar etiket planı
Özellik tipi seçimleri
Kimlik (ID) stratejisi
Süper düğüm (supernode) sorunu
Zaman ve sürüm modellemesi

Günün hedefiKatılımcı üç sorgu dilinde temel ve ileri sorgular yazıp veri yükleyebilir.

Modül 1

Gremlin

g.V().has() ile düğüm bulma
out(), in(), both() gezintileri
repeat().until() ile yol arama
group, count, project adımları
Mutasyon: addV, addE, property
Profile ile sorgu analizi

Modül 2

openCypher

MATCH ve WHERE desenleri
Değişken uzunluklu yol sorguları
CREATE, MERGE, SET
Toplama ve sıralama
Gremlin ile karşılaştırma
Parametreli sorgular

Modül 3

SPARQL ve RDF

Triple yapısı ve URI
Prefix ve SELECT sorguları
OPTIONAL ve FILTER
Property path ifadeleri
Named graph kullanımı
Ontoloji ve çıkarım tanıtımı

Modül 4

Toplu Veri Yükleme

Bulk loader ve S3 bağlantısı
CSV biçimi (~id, ~label, ~from, ~to)
IAM rolü ve VPC endpoint
Yükleme durumu ve hata ayıklama
Büyük veri için paralel yükleme
Veri doğrulama sorguları

Günün hedefiKatılımcı graf analitiği çalıştırıp güvenli ve ölçeklenebilir bir Neptune uygulaması kurgulayabilir.

Modül 1

Graf Algoritmaları

PageRank ve merkezilik
Topluluk tespiti (Louvain)
En kısa yol algoritmaları
Benzerlik hesapları
Neptune Analytics grafikleri
Vector search ve GraphRAG tanıtımı

Modül 2

Neptune ML

Graf sinir ağları (GNN) fikri
DGL ve SageMaker entegrasyonu
Düğüm sınıflandırma ve bağlantı tahmini
Model eğitimi akışı
Çıkarım sorguları
Kullanım sınırlamaları

Modül 3

Performans ve Güvenlik

Sorgu planı ve profil
Okuma/yazma gecikme optimizasyonu
CloudWatch metrikleri
KMS şifreleme
Audit log
Ağ güvenliği ve en az ayrıcalık

Modül 4

Uygulama Geliştirme

API arkasında Neptune (Lambda + Gremlin)
Bağlantı yeniden kullanımı
Dolandırıcılık ağı sorgusu
Öneri motoru sorgusu
Test ve veri versiyonlama
Kapanış projesi

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

Graf modelleme

Bir iş problemini düğüm, kenar ve özelliklerle modelleyebilirsiniz.

☁️

Neptune kurulumu

VPC içinde güvenli Neptune cluster oluşturabilirsiniz.

🔐

Gremlin ve openCypher

Gezinti ve desen sorguları yazabilirsiniz.

⚙️

SPARQL

RDF verisi üzerinde triple tabanlı sorgular çalıştırabilirsiniz.

📊

Veri yükleme

Bulk loader ile S3'ten büyük graf verisi içeri alabilirsiniz.

🧩

Graf analitiği

PageRank ve topluluk tespiti gibi algoritmaları uygulayabilirsiniz.

🚀

Güvenlik

IAM kimlik doğrulaması ve KMS ile erişimi koruyabilirsiniz.

🧠

Uygulama geliştirme

Lambda ile Neptune destekli öneri ve dolandırıcılık servisleri yazabilirsiniz.

Kimler İçin Uygundur?

Veri mühendisleri
backend geliştiriciler
veri bilimciler
ilişkisel verinin SQL ile zorlandığı projelerde çalışan mimarlar için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

Veri mühendisleri, backend geliştiriciler, veri bilimciler ve ilişki ağırlıklı verilerle çalışan mimarlar için uygundur.

Gremlin mi openCypher mi öğrenmeliyim?

Neptune ikisini de destekler; eğitim her ikisini de işler, böylece ekibinizin tecrübesine uygun dili seçebilirsiniz.

Graf veritabanı ne zaman gereklidir?

Çok adımlı ilişki sorgularının (arkadaşın arkadaşı, para transfer zinciri gibi) SQL JOIN'leriyle yavaşladığı durumlarda uygundur.

Makine öğrenmesi bilgisi gerekir mi?

Hayır; Neptune ML tanıtımı kavramsal düzeydedir, derin ML bilgisi aranmaz.

Eğitim sonunda sertifika verilir mi?

Katılımcılara 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

BUILDING HIGHLY CONNECTED APPLICATIONS USING AMAZON NEPTUNE EĞİTİMİ

Eğitim Hakkında

Neden Bu Eğitim?

Anahtar Konular

Ön Koşullar

Eğitim İçeriği

Graf Veritabanı Temelleri

Neptune Mimarisi

Kurulum ve Erişim

Veri Modelleme Uygulaması

Gremlin

openCypher

SPARQL ve RDF

Toplu Veri Yükleme

Graf Algoritmaları

Neptune ML

Performans ve Güvenlik

Uygulama Geliştirme

Eğitim Kazanımları

Kimler İçin Uygundur?

Sıkça Sorulan Sorular

Sertifikalandırma

Eğitim Bilgileri

Bu Eğitimle Birlikte Tercih Edilenler

FinOps: Implementing FinOps in Your Organization Eğitimi

FinOps: Metrics, KPIs, and Reporting Eğitimi

FinOps: Principles and Best Practices Eğitimi

FortiAppSec Cloud Administrator (FASCA) Eğitimi

FortiNDR Cloud Analyst (NDR-CA) Eğitimi