Data Types & Normalization Eğitimi

Eğitim Hakkında

SQL veri tipleri, anahtarlar, fonksiyonel bağımlılık ve normal formlar

Bu eğitim, ilişkisel veritabanlarında doğru veri tiplerini seçmeyi ve tabloları normalize etmeyi öğretir. INT, DECIMAL, VARCHAR, DATE/TIMESTAMP, BOOLEAN gibi tiplerin seçimi, hassasiyet ve depolama etkileri işlenir. Birincil anahtar, yabancı anahtar, aday anahtar ve fonksiyonel bağımlılık kavramları üzerinden ekleme/güncelleme/silme anomalileri tanıtılır. 1NF, 2NF, 3NF, BCNF normal formları adım adım örneklerle uygulanır; denormalizasyonun ne zaman mantıklı olduğu tartışılır. Katılımcılar, tekrarsız ve tutarlı bir şema tasarlayıp SQL ile oluşturur.

Süre ve Format

2 Gün. Her gün dört modül; katılımcılar veri tiplerinden normal formlara kadar şema tasarımını aşamalı kurar.

Seviye

Temel Seviye — İlişkisel veritabanı veri tipleri, anahtarlar ve 1NF'den BCNF'ye normalizasyon kurallarının uygulamalı ele alınması.

Öğrenme Metodu

Katılımcılar gerçek örnek tablolar üzerinde anomalileri tespit edip adım adım normalize ederek ve SQL DDL yazarak uygular.

Neden Bu Eğitim?

🧱Sağlam Şema

Doğru veri tipleri ve anahtarlarla veri bütünlüğünü en baştan garanti altına alırsınız.

🚫Anomali Yok

Normalizasyonla ekleme, güncelleme ve silme anomalilerini ortadan kaldırırsınız.

⚖️Denge

Normalizasyon ile performans arasındaki dengeyi ne zaman kuracağınızı öğrenirsiniz.

Anahtar Konular

normalizasyonveri tipleri1NF2NF3NFBCNFilişkisel veritabanıSQL tasarımfonksiyonel bağımlılık

“İyi tasarlanmış bir şema, gelecekteki hataların büyük kısmını daha yazılmadan önler.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

Temel SQL

SELECT ve basit tablo kavramına aşinalık faydalıdır.

2

Veritabanı Fikri

Tablo, satır ve sütun kavramlarını bilmek yeterlidir.

3

Çalışma Ortamı

PostgreSQL veya MySQL kurulu bir bilgisayar önerilir.

4

Mantıksal Düşünme

Kümeler ve ilişkiler üzerine temel soyutlama becerisi faydalıdır.

Eğitim İçeriği

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

Günün hedefiKatılımcı, uygun veri tiplerini seçip anahtarlarla veri bütünlüğü kuran tablolar tasarlayabilir.

Modül 1

Sayısal Tipler

INT, BIGINT, SMALLINT aralıkları ve depolama
DECIMAL/NUMERIC ile hassas para hesabı
FLOAT/DOUBLE ve yuvarlama hataları riski
SERIAL / IDENTITY ile otomatik artan anahtar
Taşma (overflow) ve işaretli/işaretsiz farkı
Uygun tip seçiminin indeks boyutuna etkisi

Modül 2

Metin ve Tarih

CHAR, VARCHAR ve TEXT arasındaki farklar
Uzunluk sınırı ve karakter kodlaması (UTF-8)
DATE, TIME, TIMESTAMP ve saat dilimi
BOOLEAN ve enum/lookup tablosu tercihi
UUID ile global benzersiz kimlik
JSON/JSONB sütunlarına kısa bakış

Modül 3

Anahtarlar

Birincil anahtar (PRIMARY KEY) seçimi
Aday anahtar ve süper anahtar kavramı
Yabancı anahtar (FOREIGN KEY) ile ilişki
Doğal anahtar ile vekil (surrogate) anahtar
Bileşik (composite) anahtar kullanımı
Anahtar seçiminin indeks ve JOIN etkisi

Modül 4

Bütünlük Kısıtları

NOT NULL ile zorunluluk
UNIQUE kısıtı ile tekillik
CHECK ile değer aralığı kontrolü
DEFAULT ile varsayılan değer
ON DELETE/UPDATE CASCADE davranışı
Referans bütünlüğünün korunması

Günün hedefiKatılımcı, fonksiyonel bağımlılıkları çözümleyip şemayı BCNF'ye kadar normalize edebilir.

Modül 1

Anomaliler

Ekleme (insertion) anomalisi örnekleri
Güncelleme (update) anomalisi ve tutarsızlık
Silme (deletion) anomalisi ve veri kaybı
Fonksiyonel bağımlılık (A → B) kavramı
Tam ve kısmi bağımlılık ayrımı
Geçişli (transitive) bağımlılık

Modül 2

1NF ve 2NF

1NF: atomik değerler ve tekrarlı grup yasağı
Çok değerli alanları ayrı tabloya taşıma
2NF: kısmi bağımlılığın kaldırılması
Bileşik anahtarda kısmi bağımlılık örneği
Alt tabloya bölme ve ilişkilendirme
1NF/2NF öncesi-sonrası karşılaştırma

Modül 3

3NF ve BCNF

3NF: geçişli bağımlılığın kaldırılması
Anahtar dışı alanların yalnızca anahtara bağlanması
BCNF: her belirleyicinin aday anahtar olması
3NF'nin yetersiz kaldığı durumlar
Bozma (decomposition) ve bilgi kaybı riski
Bağımlılık koruyan ayrıştırma

Modül 4

Denormalizasyon

Okuma performansı için kasıtlı tekrar
Türetilmiş/özet sütunların saklanması
JOIN maliyetini azaltma dengesi
OLTP ve OLAP için farklı tasarım
Materialized view ile uzlaşma
Denormalizasyonun bakım maliyeti

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

Tip Seçimi

Her sütun için uygun SQL veri tipini seçebilirsiniz.

✅

Anahtar Tasarımı

Birincil ve yabancı anahtarlarla ilişki kurabilirsiniz.

✅

Bütünlük

CHECK, UNIQUE ve NOT NULL ile bütünlüğü koruyabilirsiniz.

✅

Bağımlılık Analizi

Fonksiyonel bağımlılıkları belirleyebilirsiniz.

✅

Normalizasyon

Bir şemayı 1NF'den BCNF'ye normalize edebilirsiniz.

✅

Anomali Önleme

Ekleme/güncelleme/silme anomalilerini engelleyebilirsiniz.

✅

Denormalizasyon

Ne zaman denormalize edileceğine karar verebilirsiniz.

✅

DDL Yazma

Normalize şemayı SQL DDL ile oluşturabilirsiniz.

Kimler İçin Uygundur?

Veritabanı tasarımına yeni başlayanlar
backend geliştiriciler
veri analistleri
ilişkisel modelleme temelini sağlamlaştırmak isteyenler için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

Veritabanı tasarımına yeni başlayanlar, backend geliştiriciler ve ilişkisel modelleme temelini güçlendirmek isteyenler için uygundur.

Hangi normal formlar işleniyor?

1NF, 2NF, 3NF ve BCNF adım adım örneklerle, fonksiyonel bağımlılık analiziyle birlikte işlenir.

Hangi veritabanı kullanılıyor?

Örnekler PostgreSQL/MySQL üzerinde SQL DDL ile uygulanır.

Denormalizasyon da anlatılıyor mu?

Evet; performans için ne zaman ve nasıl denormalize edileceği, dengeleri ile birlikte ele alınır.

Ön koşul nedir?

Temel SQL ve tablo/satır/sütun kavramlarına aşinalık yeterlidir.

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

DATA TYPES & NORMALIZATION EĞİTİMİ