CompTIA Data+ Database Concepts Eğitimi

Eğitim Hakkında

Veri yapılarından normalizasyona ve veri yönetişimine, Data+ sınavının veritabanı kavramları alanı

CompTIA Data+: Database Concepts Eğitimi, veri analisti rolündekiler için verinin saklandığı sistemleri kavramsal düzeyde ele alır. Katılımcılar yapılandırılmış ve yapılandırılmamış veriyi, ilişkisel modelin tablo, satır ve sütun yapısını ve şema kavramını öğrenir. Birincil ve yabancı anahtarlar, ilişkiler, veri bütünlüğü ve normalizasyon işlenir. OLTP/OLAP ayrımı, veri ambarı ve NoSQL türleri ele alınarak Data+ sınavının veri kavramları alanına temel oluşturulur.

Süre ve Format

3 Gün. Her gün dört modül; veri yapıları ve ilişkisel modelden normalizasyon, veri ambarı ve NoSQL kavramlarına kadar örneklerle ilerlenir.

Seviye

Orta Seviye — Veri analisti perspektifinden ilişkisel ve ilişkisel olmayan veritabanı kavramları, şema ve veri modelleri

Öğrenme Metodu

Her kavram gerçek tablo şemaları, ERD diyagramları ve örnek veri setleri üzerinden analiz senaryolarıyla adım adım anlatılır ve tartışılır.

Neden Bu Eğitim?

🧩Analizin temeli

Veriyi doğru analiz etmek için önce nasıl ve nerede saklandığını anlamanız gerekir; bu eğitim o kavramsal zemini sağlam kurar.

🗂️İlişkisel ve NoSQL

İlişkisel modelin tablolar ve anahtarlarla kurulan yapısını ve NoSQL alternatiflerini analiz gözüyle ayırt etmeyi öğrenirsiniz.

🎓Data+ hazırlığı

CompTIA Data+ sınavının veri kavramları ve mimari hedeflerini kapsayarak sertifika yolculuğunuza sağlam bir başlangıç yaparsınız.

Anahtar Konular

comptia data+ eğitimiveritabanı kavramları eğitimidata+ sertifikasıilişkisel veritabanıveri analisti eğitiminosql kavramlarınormalizasyon eğitimiveri ambarışema kavramıveri yönetişimi

“İyi bir veri analisti, veriyi yorumlamadan önce onun nerede ve nasıl yaşadığını bilir; kavramlar sağlamsa analiz de güvenilir olur.”

Ön Koşullar

Eğitimden en iyi verimi almak için faydalı olacak ön bilgi ve deneyimler

1

Temel BT bilgisi

Dosya, kayıt ve tablo gibi temel bilişim kavramlarına aşinalık konuları takip etmeyi kolaylaştırır.

2

Elektronik tablo

Excel veya benzeri bir araçla satır-sütun mantığına aşinalık ilişkisel modeli anlamayı hızlandırır.

3

Analiz ilgisi

Veriyle çalışmaya ve raporlamaya ilgi, kavramların iş değerini kavramanıza yardımcı olur.

4

Ön SQL gerekmez

SQL ön koşul değildir; sorgulama kavramları bu eğitimde temel düzeyde tanıtılır.

Eğitim İçeriği

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

Günün hedefiKatılımcı yapılandırılmış, yarı yapılandırılmış ve yapılandırılmamış veriyi ayırt eder, ilişkisel modelin tablo, satır ve sütun yapısını ve şema kavramını kavrar.

Modül 1

Veri Türleri ve Yapıları

Yapılandırılmış veri ve tablo tabanlı saklama
Yarı yapılandırılmış veri: JSON ve XML örnekleri
Yapılandırılmamış veri: metin, görüntü ve log
Veri formatlarının analiz üzerindeki etkisi
Düz dosya ile veritabanı arasındaki temel fark
Hangi veri türünün hangi senaryoya uyduğu

Modül 2

İlişkisel Modelin Bileşenleri

Tablo (entity), satır (record) ve sütun (field)
Alan, kayıt ve veri değeri kavramlarının ilişkisi
Tabloların gerçek dünya varlıklarını temsil etmesi
Domain ve her sütunun değer kümesi kavramı
İlişkisel modelin Edgar Codd kökenli mantığı
Tabloların analiz için bir araya getirilmesi

Modül 3

Veri Tipleri ve Alan Tanımları

Sayısal tipler: integer, decimal ve float
Metinsel tipler: char, varchar ve text farkı
Tarih ve zaman tiplerinin saklanması
Boolean ve ikili (binary) veri tipleri
NULL değerin anlamı ve analize etkisi
Doğru veri tipinin veri kalitesine katkısı

Modül 4

Şema ve Veri Sözlüğü

Şema kavramı: veritabanının mantıksal tasarımı
Fiziksel, mantıksal ve kavramsal şema katmanları
Veri sözlüğü (data dictionary) ve metadata
Tablo ve sütun adlandırma yaklaşımları
Şemanın analist için neden önemli olduğu
Örnek şema üzerinden tabloların okunması

Günün hedefiKatılımcı birincil ve yabancı anahtarları, tablolar arası ilişki türlerini, veri bütünlüğünü ve normalizasyon prensiplerini uygulamalı olarak kavrar.

Modül 1

Birincil ve Yabancı Anahtarlar

Birincil anahtar (primary key) ve benzersizlik
Yabancı anahtar (foreign key) ile tablo bağlama
Bileşik (composite) anahtar kullanım senaryoları
Aday (candidate) ve alternatif anahtar kavramı
Surrogate ve natural key arasındaki fark
Anahtarların analiz birleştirmelerine etkisi

Modül 2

Tablolar Arası İlişkiler

Bire-bir (1:1) ilişki ve kullanım alanları
Bire-çok (1:N) ilişkinin en yaygın yapısı
Çoka-çok (N:M) ilişki ve ara (junction) tablo
ERD diyagramıyla ilişkilerin gösterimi
Kardinalite ve zorunluluk (optionality) kavramı
İlişkilerin raporlamada sağladığı bağlam

Modül 3

Veri Bütünlüğü ve Kısıtlar

Varlık bütünlüğü (entity integrity) prensibi
Referans bütünlüğü (referential integrity)
Domain bütünlüğü ve geçerli değer kısıtları
UNIQUE, NOT NULL ve CHECK kısıtları
Cascade davranışı ve silme/güncelleme etkisi
Bütünlüğün veri kalitesine doğrudan katkısı

Modül 4

Normalizasyon Prensipleri

Normalizasyonun amacı: tekrar ve anomali azaltma
Birinci normal form (1NF) ve atomik değerler
İkinci normal form (2NF) ve kısmi bağımlılık
Üçüncü normal form (3NF) ve geçişli bağımlılık
Denormalizasyon ve analiz için gerekçeleri
Normalizasyonun sorgu performansına etkisi

Günün hedefiKatılımcı OLTP ve OLAP ayrımını, veri ambarı ve veri gölü mimarisini, NoSQL türlerini ve veri yönetişimi kavramlarını analiz bakışıyla değerlendirir.

Modül 1

OLTP ve OLAP Sistemleri

OLTP: işlemsel sistemlerin günlük veri akışı
OLAP: analitik ve çok boyutlu sorgulama
Normalize OLTP ile denormalize OLAP farkı
Yıldız (star) ve kar tanesi (snowflake) şema
Fact ve dimension tablolarının rolü
Analist için hangi sistemin ne zaman kullanıldığı

Modül 2

Veri Ambarı ve Veri Gölü

Veri ambarı (data warehouse) kavramı ve amacı
ETL süreci: çıkar, dönüştür ve yükle
Veri gölü (data lake) ve ham veri saklama
Data mart ve bölümlenmiş analitik yapılar
Ambar ile gölün kullanım senaryo farkı
Veri hattı (pipeline) ve veri akışının yönü

Modül 3

NoSQL Veritabanı Türleri

Doküman tabanlı: MongoDB ve JSON belgeleri
Anahtar-değer (key-value): Redis mantığı
Sütun ailesi (column-family): Cassandra
Graf (graph) veritabanı ve ilişki modeli
NoSQL ile ilişkisel modelin ne zaman seçildiği
Ölçeklenme ve esneklik açısından karşılaştırma

Modül 4

Veri Yönetişimi ve Data+ Kapanışı

Veri yönetişimi (data governance) tanımı
Veri kalitesi, doğruluk ve tutarlılık ölçütleri
Master data ve referans verinin yönetimi
Veri güvenliği ve erişim yetkilendirmesi
KVKK/GDPR ve gizlilik gereksinimlerine bakış
Data+ sınavının veri kavramları alanı özeti

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

Veri türlerini ayırma

Yapılandırılmış, yarı yapılandırılmış ve yapılandırılmamış veriyi ayırt eder ve her birini doğru senaryoyla eşleştirirsiniz.

✅

İlişkisel modeli okuma

Tablo, satır, sütun ve şema kavramlarıyla ilişkisel bir veritabanının yapısını okur ve yorumlarsınız.

✅

Anahtar kavramları

Birincil, yabancı ve bileşik anahtarların rolünü kavrar, tablolar arası ilişkileri doğru kurarsınız.

✅

Bütünlüğü sağlama

Varlık, referans ve domain bütünlüğü ile kısıtların veri kalitesine katkısını değerlendirirsiniz.

✅

Normalizasyonu anlama

1NF, 2NF ve 3NF prensiplerini ve denormalizasyonun analizdeki gerekçelerini açıklarsınız.

✅

OLTP ve OLAP ayrımı

İşlemsel ve analitik sistemleri, yıldız şema ve veri ambarı mimarisini bir arada değerlendirirsiniz.

✅

NoSQL farkındalığı

Doküman, anahtar-değer, sütun ve graf türlerini tanır, ilişkisel modelle karşılaştırırsınız.

✅

Yönetişim bilinci

Veri yönetişimi, kalite ve gizlilik gereksinimlerini kavrayarak sorumlu veri analizi yaparsınız.

Kimler İçin Uygundur?

Veri analizine giriş yapan profesyoneller
raporlama ve iş zekâsı ekiplerinde çalışanlar
CompTIA Data+ sertifikasına hazırlananlar
verinin nasıl depolandığını kavramsal olarak anlamak isteyen uzmanlar için uygundur

Sıkça Sorulan Sorular

Bu eğitim CompTIA Data+ sertifikasının tamamını mı kapsar?

Hayır, bu program Data+ sınavının özellikle veri kavramları ve veritabanı mimarisi alanına odaklanır. Veri madenciliği, analiz ve görselleştirme gibi diğer sınav alanları ayrı eğitimlerde ele alınır. Bu eğitim, verinin nasıl depolandığını kavramsal olarak sağlamlaştırarak diğer alanların öğrenilmesini kolaylaştırır.

SQL bilmek ön koşul mu?

Hayır, bu eğitim kavram odaklıdır ve SQL yazmayı ön koşul olarak aramaz. Sorgulama mantığı temel düzeyde tanıtılır; uygulamalı SQL yazımı ise Data+ Database Management and SQL Fundamentals eğitiminin konusudur. İlişkisel mantığa aşina olmak yeterlidir.

Bu eğitim ile IT Fundamentals veritabanı eğitimi arasındaki fark nedir?

IT Fundamentals eğitimi genel BT başlangıcı için çok temel veritabanı kavramlarını verir. Bu Data+ eğitimi ise veri analisti perspektifiyle daha derin ilerler: normalizasyon, OLTP/OLAP, veri ambarı ve NoSQL türleri gibi analiz odaklı konuları içerir. Hedef kitle ve derinlik farklıdır.

Eğitim online mı yoksa yüz yüze mi veriliyor?

Eğitim hem yüz yüze hem de online (canlı, uzaktan) formatlarda verilebilir ve kurumun ihtiyacına göre uyarlanır. İçerik örnek şemalar ve veri setleri üzerinden ilerlediği için her iki formatta da uygulamalı deneyim sunar. Takvim ve format kurumla birlikte planlanır.

Eğitim sonunda sertifika veriliyor mu?

Program tamamlayan katılımcılar Digital Vizyon Akademi Katılım ve Başarı Sertifikası alır. CompTIA Data+ resmi sınavına girmek isteyenler için sınav başvurusu ve ücreti ilgili kuruma aittir; bu eğitim sınav hedeflerinin ilgili alanına hazırlık sağlar.

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