Dağıtık veriyi tek akıllı dokuda birleştir
Aktif metadata, veri sanallaştırma, bilgi grafiği ve otomasyon üzerine pratik bir data fabric mimarisi kuran eğitim; veri kataloğu, soyağacı, ETL/ELT karşılaştırması ve gömülü yönetişim dahil.
Metadata odaklı entegrasyon, veri sanallaştırma ve otomasyon
Bu eğitim, data fabric kavramını teoriden pratiğe taşır. Fabric'in temeli olan aktif metadata, metadata grafiği ve makine öğrenmesiyle öneri üretimi; dağıtık kaynakların fiziksel taşımadan birleşik sunumu için veri sanallaştırma (data virtualization); bilgi grafiği (knowledge graph) ile anlamsal ilişkilendirme; veri kataloğu, soyağacı ve otomatik veri keşfi işlenir. Veri entegrasyonunun ETL, ELT ve sanallaştırma arasında seçimle optimize edilmesi, yönetişimin fabric'e gömülmesi ve self-servis erişim uygulamalı olarak gösterilir. Katılımcılar örnek bir fabric mimarisi kurgular.
3 Gün. Her gün dört modül; metadata temelinden sanallaştırma, bilgi grafiği ve otomasyona ilerlenir.
Orta Seviye — Aktif metadata, bilgi grafiği ve veri sanallaştırma temelinde pratik bir data fabric mimarisinin tasarımı ve uygulanması.
Katılımcılar örnek dağıtık kaynaklar üzerinde sanallaştırma, kataloglama ve metadata ilişkilendirmeyi uygulayarak fabric mantığını deneyimler.
Dağıtık kaynakları fiziksel taşımadan tek katmandan sorgularsınız.
Metadata'yı pasif kayıttan öneri üreten canlı varlığa dönüştürürsünüz.
Veri keşfi ve ilişkilendirmeyi otomatikleştirerek eforu azaltırsınız.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
ETL/ELT ve veri kaynakları kavramlarına temel aşinalık beklenir.
Temel SQL sorgulama bilgisi faydalıdır.
Veri kataloğu ve metadata kavramına temel aşinalık faydalıdır.
Örnek kaynakları inceleyebilen bir bilgisayar yeterlidir.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
Data fabric katmanlarını ve çözdüğü silo sorununu açıklarsınız.
Metadata'yı öneri üreten canlı bir katmana dönüştürürsünüz.
Otomatik keşif ve soyağacıyla veri bulunabilirliğini sağlarsınız.
Veri sanallaştırmayı kurup push-down ile optimize edersiniz.
ETL, ELT ve sanallaştırma arasında doğru yaklaşımı seçersiniz.
Knowledge graph ile anlamsal ilişkilendirme kurarsınız.
Politika ve uyum kurallarını fabric katmanına gömersiniz.
Örnek bir pratik data fabric mimarisi kurgularsınız.
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.
Mann-Whitney, Wilcoxon, Kruskal-Wallis ve tek/iki yönlü ANOVA ile post-hoc (Tukey, Bonferroni) ve eta kare etki büyüklüğünü uygulamalı öğrenin.
Detayları Gör →
Tek örneklemli t-testi, varsayımları, t istatistiği, p-değeri, güven aralığı ve Cohen's d ile örneklem ortalamasını referans değerle sınayın.
Detayları Gör →
R'da glmnet ile ridge/lasso/elastic net ve randomForest/xgboost ile bagging/boosting kurun; lambda seçimi, çapraz doğrulama ve model karşılaştırma öğrenin.
Detayları Gör →
R'da veri içe aktarma, temizleme, dplyr dönüştürme, tanımlayıcı istatistik, ggplot2 görselleştirme ve t-testi/ki-kare ile kendi verinizi analiz edin.
Detayları Gör →
R'da t-testi, ANOVA, ki-kare ve regresyon çıktılarını p-değeri, güven aralığı, etki büyüklüğü ve varsayımlarla doğru okuyup dürüstçe raporlayın.
Detayları Gör →