Graphs & Knowledge Graphs Eğitimi

Eğitim Hakkında

Graflar ve bilgi grafları

Eğitim grafları kavramdan bilgi grafına kadar ele alır. Düğüm, kenar ve derece, bağlantılılık, merkezilik ölçütleri (degree, betweenness, PageRank), topluluk tespiti, NetworkX analizi, özellik grafı modeli ve Neo4j Cypher sorguları, RDF üçlüleri, ontoloji, SPARQL, varlık ve ilişki çıkarımı ile bilgi grafı oluşturma, LLM ile graf tabanlı sorgulamaya giriş uygulamalı işlenir.

Süre ve Format

2 Gün. Her gün dört modül; 1. gün Graf Teorisi ve Ağ Analizi; 2. gün Özellik Grafı ve Bilgi Grafı.

Seviye

Temel Seviye — graf kavramı, özellik grafları ve bilgi grafları

Öğrenme Metodu

Katılımcılar bir film ve sosyal ağ veri kümesini NetworkX ile analiz eder, Neo4j'de modelleyip Cypher ile sorgular ve küçük bir bilgi grafı oluşturur.

Neden Bu Eğitim?

🕷️İlişkisel Düşünme

Verinin tablodan çok bağlantılarda anlam taşıdığı problemleri grafla modelleyebilirsiniz.

📊Ağ Analizi

PageRank ve betweenness ile ağdaki kilit düğümleri belirlersiniz.

🧠Bilgi Grafı

RDF, Cypher ve SPARQL ile anlamsal veriyi sorgulayıp yapay zekaya hazırlarsınız.

Anahtar Konular

bilgi grafıknowledge graphneo4j cyphersparqlrdfnetworkxpagerankgraph database

“Bağlantılar, tek tek kayıtların gösteremediği hikâyeyi anlatır.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

Python

Temel Python ve pandas kullanımı yeterlidir.

2

Veri bilgisi

Tablo, CSV ve ilişki kavramları bilinmelidir.

3

Docker veya masaüstü

Neo4j için Docker veya Neo4j Desktop kurulumu gerekir.

4

Tarayıcı

Neo4j Browser için güncel bir tarayıcı yeterlidir.

Eğitim İçeriği

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

Günün hedefiKatılımcı NetworkX ile graf kurar, merkezilik ve topluluk analizini yorumlar.

Modül 1

Graf Temelleri

Düğüm, kenar, yol, çevrim ve bağlantılılık
Yönlü, yönsüz ve ağırlıklı graf
İki parçalı ve çok katmanlı graf
Alt graf ve bağlı bileşenler
Graf olarak modellenen gerçek problemler
NetworkX ile ilk graf

Modül 2

Merkezilik Ölçütleri

Derece merkeziliği
Yakınlık (closeness) merkeziliği
Arasındalık (betweenness) merkeziliği
PageRank ve damping faktörü
Eigenvector merkeziliği
Ölçütlerin sonuçlarını yorumlama

Modül 3

Topluluk ve Yapı Analizi

Louvain ile topluluk tespiti
Modülerlik ölçütü
Kümeleme katsayısı
Küçük dünya ve ölçeksiz ağ
Bağlantı tahmini (link prediction) temeli
Gephi ile görselleştirme

Modül 4

Veriden Graf Üretme

pandas DataFrame'den graf oluşturma
Ortak katılım tablosundan kenar çıkarma
Eşik değeriyle benzerlik grafı
Zamansal graflar
Veri temizliği ve düğüm tekilleştirme
Gürültülü kenarların süzülmesi

Günün hedefiKatılımcı Cypher ve SPARQL sorguları yazar, ontoloji tasarlar ve küçük bir bilgi grafı oluşturur.

Modül 1

Neo4j ve Özellik Grafı

Etiketli düğüm ve özellikli ilişki modeli
CREATE, MATCH, MERGE komutları
İlişki yönü ve desen eşleme
Kısıt ve indeks tanımlama
LOAD CSV ile veri aktarımı
İlişkisel modelden graf modele dönüşüm

Modül 2

Cypher Sorguları

WHERE, RETURN ve ORDER BY
Değişken uzunluklu yollar (-[*1..3]-)
shortestPath fonksiyonu
Toplama: count, collect
OPTIONAL MATCH ve WITH
Sorgu planı PROFILE ve EXPLAIN

Modül 3

RDF, Ontoloji ve SPARQL

Özne-yüklem-nesne üçlüsü
URI ve edebi değerler
RDFS ve OWL ile ontoloji
Turtle sözdizimi
SPARQL SELECT ve FILTER
Wikidata üzerinde sorgu

Modül 4

Bilgi Grafı Oluşturma

Metinden varlık ve ilişki çıkarma
Varlık eşleme ve çözümleme
Şema tasarımı ve veri kalitesi
Grafa dayalı soru cevaplama (GraphRAG) tanıtımı
LLM ve Cypher üretimi riskleri
Bilgi grafı yönetişimi ve güncelleme

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

Graf Modelleme

Gerçek problemleri düğüm ve kenar modeline çevirirsiniz.

✅

Merkezilik

PageRank ve betweenness ile önemli düğümleri bulursunuz.

✅

Topluluk Tespiti

Louvain ile ağdaki grupları ayırırsınız.

✅

Neo4j Kullanımı

Özellik grafı modelini Neo4j'de kurarsınız.

✅

Cypher Sorguları

Desen eşleme ve yol sorguları yazarsınız.

✅

RDF ve SPARQL

Üçlü yapısıyla veri tanımlayıp sorgularsınız.

✅

Ontoloji Tasarımı

Alan bilgisini RDFS ve OWL ile yapılandırırsınız.

✅

Bilgi Grafı

Metinden küçük ölçekli bir bilgi grafı üretirsiniz.

Kimler İçin Uygundur?

Veri analistleri
geliştiriciler
yapay zeka projelerinde bilgi grafı kullanmak isteyen teknik ekipler için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

Veri analistleri, geliştiriciler ve yapay zeka projelerinde bilgi grafı kullanmak isteyen teknik ekipler için uygundur. Temel Python ve pandas kullanımı yeterlidir.

Neo4j kurulumu zor mu?

Docker veya Neo4j Desktop ile birkaç adımda kurulur, eğitimde birlikte yapılır.

Yapay zeka ile ilişkisi var mı?

Evet, bilgi grafı ve GraphRAG kavramı LLM uygulamaları açısından tanıtılır.

Sertifika verilir mi?

Digital Vizyon Akademi Katılım ve Başarı Sertifikası verilir.

Matematik gerekir mi?

Derin matematik gerekmez, kavramlar örnek ve görselle anlatılır.

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

GRAPH DATA STRUCTURES: UNDERSTANDING GRAPHS & KNOWLEDGE GRAPHS EĞİTİMİ