Introduction to Data Analytics on Google Cloud Eğitimi

Eğitim Hakkında

BigQuery tabanlı analitik, performans ve yönetişim temelleri

Bu eğitim, Google Cloud’da veri analitiği yapmanın temel adımlarını uygulamalı öğretir. Veri gölü ve veri ambarı farkı, BigQuery mimarisi, SQL ile sorgulama, sorgu planı ve taranan bayt kontrolü, farklı kaynaklardan yükleme, dataset ve sütun düzeyi yetkilendirme ile BigQuery ML’e giriş laboratuvarlarla desteklenir.

Süre ve Format

2 Gün. Her gün dört modül; her modülde altı konu başlığı, Google Cloud’da veri analitiğine giriş odaklı uygulamalı laboratuvar ve ekip tartışması.

Seviye

Temel Seviye — Veri Analitiğine Giriş ve BigQuery SQL, Yükleme, Yönetişim ve Modelleme başlıklarını kapsayan Google Cloud’da veri analitiğine giriş eğitimi

Öğrenme Metodu

Örnek veri setleri üzerinde BigQuery konsolu, bq CLI ve Cloud Shell ile adım adım laboratuvarlar yapılır ve sonuçlar birlikte yorumlanır.

Neden Bu Eğitim?

📊Veri Odaklı Laboratuvar

BigQuery, Dataflow ve Pub/Sub gibi servisler gerçek veri setleri üzerinde sorgulanır ve ölçülür.

💰Maliyet Bilinci

Taranan bayt, slot ve depolama sınıfı seçimleri maliyet etkisiyle birlikte değerlendirilir.

🔒Yönetişim Pratiği

IAM, policy tag ve satır düzeyi erişim gibi kontroller veri hattına dahil edilir.

Anahtar Konular

Google Cloud veri analitiğiBigQuery temelBigQuery IAMBigQuery sorgu performansıBigQuery ML girişveri ambarıAnalytics HubGoogle Cloud eğitimi

“Veri, doğru modellendiğinde sorguya değil karara dönüşür.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

SQL Bilgisi

SELECT, JOIN, GROUP BY ve alt sorgu düzeyinde SQL kullanabilme.

2

Veri Kavramları

Tablo, şema, ETL ve veri ambarı terimlerine temel aşinalık.

3

Bulut Temelleri

Proje, bölge ve IAM gibi temel bulut kavramlarını bilme.

4

Google Cloud Erişimi

BigQuery kullanılabilen bir proje veya sağlanan laboratuvar ortamı.

Eğitim İçeriği

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

Günün hedefiKatılımcı BigQuery mimarisini kavrar, SQL ile veri keşfi yapar ve sorgu performansını izler.

Modül 1

Veri Analitiği Yaşam Döngüsü ve Google Cloud Veri Ürünleri

Veri toplama, işleme, depolama, analiz ve görselleştirme aşamaları
Cloud Storage, BigQuery ve Looker rollerinin ayrımı
Dataplex ve Data Catalog ile veri keşfi
Veri tipleri: yapılandırılmış, yarı yapılandırılmış, yapılandırılmamış
Veri gölü ve veri ambarı ve lakehouse yaklaşımı
Analytics Hub ile veri paylaşımı

Modül 2

BigQuery Mimarisi ve Veri Setleri

Dremel, Colossus ve Jupiter tabanlı ayrık depolama/hesaplama mimarisi
Dataset, tablo, view ve materialized view kavramları
Slot, on-demand ve capacity (editions) fiyatlandırma
Tablo partitioning (zaman, tamsayı aralığı) ve clustering
Dış tablolar ve BigLake ile GCS üzerinde sorgu
BigQuery Studio, bq CLI ve istemci kütüphaneleri

Modül 3

BigQuery SQL ve Analitik Fonksiyonlar

Standart SQL: ARRAY, STRUCT, UNNEST ve iç içe alanlar
Window function: ROW_NUMBER, LAG, SUM OVER ve QUALIFY
APPROX_COUNT_DISTINCT ve HLL++ sketch kullanımı
Geçici tablo, scripting, değişken ve prosedürler
User-defined function (SQL ve JavaScript UDF)
JSON fonksiyonları ve yarı yapısal veri sorgulama

Modül 4

BigQuery Sorgu Performansı ve Maliyeti

Query plan ve execution graph okuma
Partition pruning ve clustering ile taranan bayt azaltma
Join stratejileri: broadcast, hash ve shuffle etkisi
INFORMATION_SCHEMA.JOBS ile pahalı sorguları bulma
BI Engine ve materialized view ile hızlandırma
Maksimum faturalandırılacak bayt, dry run ve kota kontrolleri

Günün hedefiKatılımcı veri yükleme, erişim kontrolü ve ilk makine öğrenmesi modelini uygular.

Modül 1

BigQuery’ye Veri Yükleme

Batch load job: CSV, Avro, Parquet, ORC ve JSON formatları
Storage Write API ile akış ve exactly-once yazma
BigQuery Data Transfer Service ve zamanlanmış sorgular
Pub/Sub BigQuery subscription ile doğrudan aktarım
Şema evrimi, autodetect ve hata toleransı
Federated sorgular: Cloud SQL, Spanner ve Drive

Modül 2

BigQuery Güvenlik ve Yönetişim

Dataset ve tablo düzeyinde IAM
Column-level security ve policy tag
Row-level access policy ve authorized view
CMEK şifreleme ve VPC Service Controls
Data Catalog / Dataplex ile veri keşfi ve soy ağacı
Data masking ve DLP ile hassas veri tespiti

Modül 3

Looker Studio ile Görselleştirme

Veri kaynağı bağlantısı: BigQuery, Sheets ve CSV
Boyut ve metrik kavramları, hesaplanan alanlar
Grafik seçimi: zaman serisi, dağılım, tablo ve harita
Filtre kontrolleri, parametreler ve veri harmanlama
Rapor paylaşımı, yetkilendirme ve zamanlama
Performans için veri çıkarma (extract) ve önbellek

Modül 4

BigQuery ML

CREATE MODEL ile lineer regresyon ve lojistik regresyon
Boosted tree, DNN ve k-means model tipleri
ML.EVALUATE, ML.PREDICT ve ML.EXPLAIN_PREDICT
Özellik mühendisliği: TRANSFORM ve ML.FEATURE_CROSS
Remote model ve Vertex AI entegrasyonu
Hiperparametre ayarı ve model dışa aktarımı

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

Veri Analitiği Yaşam Döngüsü ve Google Cloud Veri Ürünleri

Veri Analitiği Yaşam Döngüsü ve Google Cloud Veri Ürünleri konusunda Veri toplama, işleme, depolama, analiz ve görselleştirme aşamaları, Cloud Storage, BigQuery ve Looker rollerinin ayrımı ve Veri tipleri: yapılandırılmış, yarı yapılandırılmış, yapılandırılmamış başlıklarını uygulamalı olarak öğrenirsiniz.

🛠️

BigQuery Mimarisi ve Veri Setleri

BigQuery Mimarisi ve Veri Setleri konusunda Dremel, Colossus ve Jupiter tabanlı ayrık depolama/hesaplama mimarisi, Dataset, tablo, view ve materialized view kavramları ve Tablo partitioning (zaman, tamsayı aralığı) ve clustering başlıklarını uygulamalı olarak öğrenirsiniz.

🔐

BigQuery SQL ve Analitik Fonksiyonlar

BigQuery SQL ve Analitik Fonksiyonlar konusunda Standart SQL: ARRAY, STRUCT, UNNEST ve iç içe alanlar, Window function: ROW_NUMBER, LAG, SUM OVER ve QUALIFY ve Geçici tablo, scripting, değişken ve prosedürler başlıklarını uygulamalı olarak öğrenirsiniz.

📈

BigQuery Sorgu Performansı ve Maliyeti

BigQuery Sorgu Performansı ve Maliyeti konusunda Query plan ve execution graph okuma, Partition pruning ve clustering ile taranan bayt azaltma ve INFORMATION_SCHEMA.JOBS ile pahalı sorguları bulma başlıklarını uygulamalı olarak öğrenirsiniz.

☁️

BigQuery’ye Veri Yükleme

BigQuery’ye Veri Yükleme konusunda Batch load job: CSV, Avro, Parquet, ORC ve JSON formatları, Storage Write API ile akış ve exactly-once yazma ve Pub/Sub BigQuery subscription ile doğrudan aktarım başlıklarını uygulamalı olarak öğrenirsiniz.

🔍

BigQuery Güvenlik ve Yönetişim

BigQuery Güvenlik ve Yönetişim konusunda Dataset ve tablo düzeyinde IAM, Column-level security ve policy tag ve CMEK şifreleme ve VPC Service Controls başlıklarını uygulamalı olarak öğrenirsiniz.

⚙️

Looker Studio ile Görselleştirme

Looker Studio ile Görselleştirme konusunda Veri kaynağı bağlantısı: BigQuery, Sheets ve CSV, Boyut ve metrik kavramları, hesaplanan alanlar ve Filtre kontrolleri, parametreler ve veri harmanlama başlıklarını uygulamalı olarak öğrenirsiniz.

🚀

BigQuery ML

BigQuery ML konusunda CREATE MODEL ile lineer regresyon ve lojistik regresyon, Boosted tree, DNN ve k-means model tipleri ve Özellik mühendisliği: TRANSFORM ve ML.FEATURE_CROSS başlıklarını uygulamalı olarak öğrenirsiniz.

Kimler İçin Uygundur?

Veri analizi
raporlamaya Google Cloud ile başlayan analistler ve teknik kullanıcılar için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

Veri analizi ve raporlamaya Google Cloud ile başlayan analistler ve teknik kullanıcılar için uygundur.

Google Cloud’da veri analitiğine giriş eğitimine katılmak için hangi ön bilgiler gerekir?

SELECT, JOIN, GROUP BY ve alt sorgu düzeyinde SQL kullanabilme. Tablo, şema, ETL ve veri ambarı terimlerine temel aşinalık.

Eğitimde hangi konular işlenir?

Program 2 günde şu başlıkları kapsar: Veri Analitiğine Giriş ve BigQuery SQL; Yükleme, Yönetişim ve Modelleme.

Eğitim uygulamalı mı ilerler?

Örnek veri setleri üzerinde BigQuery konsolu, bq CLI ve Cloud Shell ile adım adım laboratuvarlar yapılır ve sonuçlar birlikte yorumlanır.

Eğitim sonunda sertifika verilir mi?

Katılımcılara eğitim sonunda Digital Vizyon Akademi Katılım ve Başarı Sertifikası verilir.

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

INTRODUCTION TO DATA ANALYTICS ON GOOGLE CLOUD EĞİTİMİ