DATABASE DESIGN EĞİTİMİ

Ölçeklenen ve bakımı kolay veritabanlarını baştan tasarlayın

Kavramsal-mantıksal-fiziksel tasarım, BCNF, denormalizasyon, indeksleme ve bölümleme

Database Design Eğitimi, veritabanı tasarımını kavramsal modelden fiziksel uygulamaya kadar uçtan uca öğretir. Katılımcılar gelişmiş ER modelleme ve mantıksal şema tasarımını, fonksiyonel bağımlılıkları ve BCNF ile 4NF'e kadar normalizasyonu uygular; bilinçli…

3 gün Orta Seviye Online / Yüz Yüze / Hibrit Sertifikalı

Eğitim Hakkında

Veritabanı tasarımını uçtan uca, mantıksal modelden fiziksel uygulamaya taşıyan kapsamlı eğitim

Database Design Eğitimi, veritabanı tasarımını kavramsal modelden fiziksel uygulamaya ele alır. Katılımcılar varlık-ilişki modellemeyi, mantıksal şema tasarımını ve normalizasyonu BCNF ve 4NF düzeyine kadar öğrenir. Fonksiyonel bağımlılıklar, bilinçli denormalizasyon kararları, indeks tasarımı, bölümleme, veri tipleri ve kısıt stratejileri ile tasarım kalıpları ve anti-pattern'ler gerçek senaryolar üzerinde uygulamalı işlenir. Performans ve veri bütünlüğü dengesi vurgulanır.

Süre ve Format

3 Gün. İlk gün kavramsal ve mantıksal model, ikinci gün normalizasyon ve denormalizasyon, üçüncü gün fiziksel tasarım, indeksleme ve bölümleme işlenir.

Seviye

Orta Seviye — Kavramsal, mantıksal ve fiziksel tasarım, BCNF'e kadar normalizasyon, denormalizasyon, indeksleme ve bölümleme işlenir

Öğrenme Metodu

Her konu gerçek iş senaryoları üzerinde şema tasarlanarak, normalize edilip indekslenerek ve performans açısından değerlendirilerek işlenir.

Neden Bu Eğitim?

🏛️Uçtan uca tasarım

Kavramsal modelden fiziksel uygulamaya kadar tüm tasarım sürecini kavrayarak tutarlı ve ölçeklenen şemalar kurarsınız.

📐İleri normalizasyon

Fonksiyonel bağımlılıkları çözümleyerek BCNF ve 4NF'e kadar normalize eder, anomalisiz bir yapı tasarlarsınız.

⚡Performans dengesi

İndeksleme, denormalizasyon ve bölümleme kararlarıyla veri bütünlüğü ile sorgu performansını dengelersiniz.

Anahtar Konular

veritabanı tasarımı eğitimidatabase design kursunormalizasyon bcnfindeksleme eğitimifonksiyonel bağımlılıkdenormalizasyonbölümleme partitioningilişkisel şema tasarımıveri mimarisi eğitimier modelleme eğitimi
“İyi bir veritabanı tasarımı sessizce iş görür; kötüsü her sorguda, her değişiklikte kendini hatırlatır ve maliyeti büyütür.”

Ön Koşullar

Eğitimden en iyi verimi almak için faydalı olacak bilgi ve ortam gereksinimleri

1
Temel tablo bilgisi

Tablo, satır, sütun ve ilişki kavramlarına temel aşinalık, ileri tasarım konularını izlemeyi kolaylaştırır.

2
Temel SQL

CREATE TABLE, SELECT ve JOIN gibi temel SQL cümlelerine aşinalık, şemaları uygulayıp denemeyi destekler.

3
Anahtar kavramları

Birincil ve yabancı anahtar ile basit normalizasyon fikrine aşinalık, ileri konulara geçişi hızlandırır.

4
Laboratuvar ortamı

PostgreSQL veya SQL Server gibi bir veritabanı ile şema oluşturup indeks ve sorgu denemeyi sağlar.

Eğitim İçeriği

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

Günün hedefiKatılımcılar iş gereksinimini kavramsal modele dönüştürür, gelişmiş ER yapılarıyla mantıksal şema tasarlar ve veri tipi ile kısıt stratejilerini belirler.
Modül 1
Gereksinim ve Kavramsal Model
  • İş gereksiniminden varlık ve kuralların sistematik çıkarılması
  • Kavramsal, mantıksal ve fiziksel model düzeylerinin ayrımı
  • Kapsam belirleme ve tasarım hedeflerinin netleştirilmesi
  • Paydaş terimlerinden veri sözlüğünün (data dictionary) oluşturulması
  • İş kurallarının kısıt ve ilişkilere eşlenmesi
  • Kavramsal modelin paydaşlarla doğrulanması
Modül 2
Gelişmiş ER Modelleme
  • Zayıf varlık (weak entity) ve tanımlayıcı ilişkiler
  • Üst tip/alt tip (genelleme-özelleştirme) hiyerarşileri
  • Çoklu değerli ve türetilmiş niteliklerin modellenmesi
  • Üçlü (ternary) ilişkilerin doğru biçimde ele alınması
  • Kardinalite ve zorunluluk kısıtlarının ayrıntılı belirlenmesi
  • Gelişmiş ER yapılarının tasarım kararlarına etkisi
Modül 3
Mantıksal Şemaya Dönüştürme
  • Varlıkların ve ilişkilerin ilişkisel tablolara eşlenmesi
  • Üst tip/alt tip hiyerarşilerinin tablo stratejileri
  • Çoktan çoğa ilişkilerin ara tablolarla çözülmesi
  • Surrogate ve doğal anahtar seçiminin gerekçelendirilmesi
  • Benzersizliğin tek ve bileşik kısıtlarla sağlanması
  • Mantıksal şemanın örnek verilerle tutarlılık denetimi
Modül 4
Veri Tipleri ve Kısıtlar
  • Sayısal, metin, tarih/saat ve boolean tiplerinin doğru seçimi
  • DECIMAL/NUMERIC ile para ve hassas değerlerin saklanması
  • NOT NULL, UNIQUE, CHECK ve DEFAULT kısıtlarının tasarımı
  • Enum, referans tablo ve lookup yaklaşımlarının karşılaştırması
  • JSON/JSONB ile yarı yapılı verinin ilişkisel modele katılması
  • Kısıtların veri kalitesine ve uygulama koduna etkisi
Günün hedefiKatılımcılar fonksiyonel bağımlılıkları çözümler, şemayı BCNF ve 4NF düzeyine kadar normalize eder ve performans için bilinçli denormalizasyon kararlarını gerekçeleriyle verir.
Modül 1
Fonksiyonel Bağımlılıklar
  • Fonksiyonel bağımlılık (FD) kavramı ve gösterimi
  • Belirleyici (determinant) ve bağımlı nitelikler
  • Aday anahtar ve süper anahtarın bağımlılıklardan bulunması
  • Armstrong aksiyomlarıyla bağımlılıkların türetilmesi
  • Kısmi ve geçişli (transitive) bağımlılıkların tespiti
  • Bağımlılık analizinin normalizasyona temel oluşturması
Modül 2
1NF'ten 3NF'e Normalizasyon
  • 1NF: atomik değerler ve tekrarlayan grupların kaldırılması
  • 2NF: bileşik anahtara kısmi bağımlılığın giderilmesi
  • 3NF: anahtar dışı geçişli bağımlılığın ortadan kaldırılması
  • Her adımın ekleme/güncelleme/silme anomalisini çözmesi
  • Örnek bozuk şemanın adım adım normalize edilmesi
  • Normalizasyonun veri bütünlüğüne somut katkısı
Modül 3
BCNF ve Daha İleri Biçimler
  • BCNF'in 3NF'e göre getirdiği ek koşulun kavranması
  • 3NF olup BCNF olmayan klasik örneklerin incelenmesi
  • Çok değerli bağımlılık ve 4NF'in çözdüğü sorun
  • Birleştirme (join) bağımlılığı ve 5NF'e kısa bakış
  • Normalizasyonu ayrıştırırken bilgi kaybının önlenmesi
  • Bağımlılık koruyan ayrıştırmanın önemi
Modül 4
Bilinçli Denormalizasyon
  • Denormalizasyonun ne zaman gerekçeli olduğunun belirlenmesi
  • Okuma ağırlıklı sistemlerde hesaplı alan ekleme kararı
  • Yinelenen verinin tutarlılığını koruma stratejileri
  • Özet (summary) tablo ve materyalize görünüm kullanımı
  • Denormalizasyonun yazma maliyetine ve riske etkisi
  • Normalizasyon ile performans arasında doğru dengeyi kurma
Günün hedefiKatılımcılar fiziksel tasarım kararlarını verir, indeks ve bölümleme stratejileriyle performansı iyileştirir, tasarım kalıplarını ve anti-pattern'leri tanıyarak şemayı değerlendirir.
Modül 1
İndeks Tasarımı (B-tree)
  • B-tree indeksin çalışma mantığı ve ne zaman yardımcı olduğu
  • Birincil, benzersiz ve ikincil indekslerin ayrımı
  • Bileşik indeks ve sütun sırasının sorguya etkisi
  • Kapsayıcı (covering) indeks ve index-only tarama
  • İndekslerin yazma maliyeti ve aşırı indekslemenin zararı
  • EXPLAIN ile indeks kullanımının doğrulanması
Modül 2
Bölümleme ve Ölçekleme
  • Yatay bölümleme (partitioning) ile büyük tabloların yönetimi
  • Aralık, liste ve hash bölümleme stratejilerinin karşılaştırması
  • Bölümleme anahtarının sorgu desenine göre seçilmesi
  • Arşivleme ve eski verinin bölüm bazında yönetilmesi
  • Dikey bölümleme ile geniş tabloların ayrıştırılması
  • Sharding kavramına ve dağıtık ölçeğe kısa bakış
Modül 3
Tasarım Kalıpları ve Anti-pattern
  • Sık karşılaşılan şema tasarım kalıplarının tanıtımı
  • Entity-Attribute-Value (EAV) kullanımı ve riskleri
  • Çok amaçlı genel (polymorphic) ilişkilerin ele alınması
  • Ağaç/hiyerarşi saklama: adjacency list ve nested set
  • Yaygın anti-pattern'lerin (ör. jaywalking) tanınması
  • Yumuşak silme, versiyonlama ve denetim izi kalıpları
Modül 4
Şema Değerlendirme ve Evrim
  • Tasarımın performans, bütünlük ve bakım açısından denetimi
  • Mevcut şemadaki tasarım kokularının (smell) tespiti
  • Migration ile şemanın güvenli biçimde geliştirilmesi
  • Geriye dönük uyumlu şema değişikliği yaklaşımları
  • Belgeleme ve veri sözlüğünün güncel tutulması
  • Gerçek bir senaryoda tasarımın baştan sona gözden geçirilmesi

Eğitim Kazanımları

Program sonunda katılımcılar:

✅
Katmanlı tasarım

Kavramsal, mantıksal ve fiziksel tasarım düzeylerini ayırır, iş gereksinimini sağlam bir ilişkisel şemaya dönüştürürsünüz.

✅
Gelişmiş ER

Zayıf varlık, üst tip/alt tip ve üçlü ilişki gibi gelişmiş yapıları modelleyip doğru biçimde tablolara eşlersiniz.

✅
Bağımlılık analizi

Fonksiyonel bağımlılıkları çözümler, aday anahtarları bulur ve kısmi ile geçişli bağımlılıkları tespit edersiniz.

✅
İleri normalizasyon

Şemayı BCNF ve 4NF düzeyine kadar bilgi kaybı olmadan normalize eder, anomalileri ortadan kaldırırsınız.

✅
Denormalizasyon kararı

Performans için denormalizasyonu ne zaman ve nasıl uygulayacağınızı, riskleriyle birlikte gerekçeli verirsiniz.

✅
İndeks stratejisi

B-tree, bileşik ve kapsayıcı indeksleri sorgu desenine göre tasarlar, EXPLAIN ile etkisini doğrularsınız.

✅
Bölümleme

Aralık, liste ve hash bölümleme stratejileriyle büyük tabloları yönetir ve ölçeklenme hazırlığı yaparsınız.

✅
Kalıp farkındalığı

Tasarım kalıplarını ve anti-pattern'leri tanıyarak mevcut şemalardaki tasarım kokularını tespit eder ve giderirsiniz.

Kimler İçin Uygundur?

  • Mevcut şemaları iyileştirmek isteyen yazılım geliştiriciler
  • veri modeli tasarlayan veri mimarları
  • performans
  • bütünlük dengesini kuran veritabanı yöneticileri ve ölçeklenebilir sistem tasarlayan ekip liderleri için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?
Mevcut şemaları iyileştirmek isteyen yazılım geliştiriciler, veri modeli tasarlayan veri mimarları ve performans ile bütünlük dengesini kuran veritabanı yöneticileri için uygundur. Tablo ve anahtar kavramlarına aşina olup tasarımda derinleşmek isteyenlere hitap eder.
Başlangıç Database Design eğitiminden farkı nedir?
Başlangıç eğitimi ER modelleme, anahtarlar ve 1NF-3NF temellerine odaklanır. Bu eğitim ise onların üzerine BCNF ve 4NF normalizasyonu, fonksiyonel bağımlılık analizi, denormalizasyon kararları, indeks ve bölümleme gibi fiziksel tasarım ve performans konularını ekler; yani mantıksal modeli çalışan ve ölçeklenen bir şemaya taşır.
Normalizasyon nereye kadar işleniyor?
Normalizasyon 1NF'ten başlayıp BCNF ve 4NF'e kadar işlenir; 5NF'e kısa bir bakış da yapılır. Fonksiyonel ve çok değerli bağımlılıklar, bilgi kaybı olmayan ve bağımlılık koruyan ayrıştırma örneklerle ele alınır. Ayrıca performans için ne zaman bilinçli denormalizasyon yapılacağı tartışılır.
Belirli bir veritabanına mı özeldir?
Tasarım ilkeleri ürün bağımsızdır ve her ilişkisel veritabanında geçerlidir. Örnekler çoğunlukla PostgreSQL ve SQL Server üzerinden verilir; indeksleme ve bölümleme gibi fiziksel konularda ürünler arası farklar belirtilir. Kurumun kullandığı veritabanına göre örnekler uyarlanabilir.
Eğitim sonunda sertifika veriliyor mu?
Program tamamlayan katılımcılar Digital Vizyon Akademi Katılım ve Başarı Sertifikası alır. Sertifika eğitime katılımı ve değerlendirmedeki başarıyı belgeler. Eğitim yüz yüze veya online verilebilir ve kurumun veri modeli örnekleriyle uyarlanabilir.

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. Database Design Eğitimi Sertifika Kodu DV-2026XX00 Tarih 23.10.2026 Yetkili İmza DV AKADEMİ

Eğitim Bilgileri

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

Bu Eğitimle Birlikte Tercih Edilenler

Veritabanı Yönetimi TemelleriUsing Aggregate Functions Eğitimi
Veritabanı Eğitimleri

Using Aggregate Functions Eğitimi

3 günOrtaOnline / Yüz Yüze / Hibrit

COUNT, SUM, AVG, GROUP BY, HAVING, ROLLUP ve pencere toplamlarıyla SQL'de veriyi doğru özetlemeyi ve raporlamayı öğreten uygulamalı aggregate functions eğitimi.

Detayları Gör →
Veritabanı Yönetimi TemelleriVektör Veritabanları Eğitimi
Veritabanı Eğitimleri

Vektör Veritabanları Eğitimi

3 günOrtaOnline / Yüz Yüze / Hibrit

Embedding, benzerlik araması, HNSW ve IVF indeksleri, pgvector, Pinecone ve RAG mimarisiyle anlamsal arama sistemleri kurmayı öğreten vektör veritabanı eğitimi.

Detayları Gör →
Veritabanı Yönetimi TemelleriVektör Veritabanlarına Giriş Eğitimi
Veritabanı Eğitimleri

Vektör Veritabanlarına Giriş Eğitimi

2 günBaşlangıçOnline / Yüz Yüze / Hibrit

Embedding, benzerlik araması, ANN indeksleri ve RAG mimarisiyle vektör veritabanlarına giriş. Pinecone, Qdrant, Weaviate ve pgvector uygulamalı 2 günlük eğitim.

Detayları Gör →
Veritabanı Yönetimi TemelleriVeritabanı Eğitimi
Veritabanı Eğitimleri

Veritabanı Eğitimi

3 günOrtaOnline / Yüz Yüze / Hibrit

İlişkisel tasarım, SQL sorgulama, JOIN, indeks, performans, transaction, güvenlik ve yedeklemeyle uçtan uca veritabanı. PostgreSQL, MySQL ve SQL Server ile 3 gü

Detayları Gör →
Veritabanı Yönetimi TemelleriVeritabanı İşlem Yönetimi, Kilitlenme ve Eşzamanlılık Eğitimi
Veritabanı Eğitimleri

Veritabanı İşlem Yönetimi, Kilitlenme ve Eşzamanlılık Eğitimi

3 günOrtaOnline / Yüz Yüze / Hibrit

ACID işlemler, kilitleme, izolasyon seviyeleri, MVCC ve deadlock çözümünü PostgreSQL ve SQL Server üzerinde uygulamalı öğreten 3 günlük kurumsal eğitim.

Detayları Gör →
Veritabanı Yönetimi TemelleriVeritabanı Tasarımı ve SQL ile Programlama Eğitimi
Veritabanı Eğitimleri

Veritabanı Tasarımı ve SQL ile Programlama Eğitimi

3 günOrtaOnline / Yüz Yüze / Hibrit

ER modeli, normalizasyon, ileri SQL, pencere fonksiyonları, stored procedure, trigger ve fonksiyonlarla sunucu tarafı SQL programlama. PL/pgSQL ve T-SQL ile 3 g

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