AWS Veri Çözümleri Eğitimi

Eğitim Hakkında

Veri gölünden analitiğe uzanan AWS veri platformu

Bu eğitim, AWS üzerinde ölçeklenebilir veri çözümlerinin tasarımını ve uygulamasını kapsar. S3 tabanlı veri gölü katmanları, Glue Data Catalog ve crawler, PySpark ile Glue ETL işleri, Athena ile SQL sorgulama, Parquet ve partition optimizasyonu, Redshift veri ambarı ve Spectrum, Kinesis Data Streams ile Firehose akış ingest'i, Lake Formation izinleri ve QuickSight panoları uygulamalı işlenir.

Süre ve Format

2 Gün. Her gün dört modül; Veri Gölü ve ETL ile başlar, Ambar, Akış ve Görselleştirme ile tamamlanır; her modül kısa anlatım ve laboratuvar uygulamasıyla ilerler.

Seviye

Orta Seviye — S3 veri gölü, Glue, Athena, Redshift ve Kinesis ile bulutta veri mühendisliği hattı.

Öğrenme Metodu

Katılımcılar ham veriyi S3'e alır, Glue ile dönüştürür, Athena ve Redshift'te sorgular ve QuickSight'ta görselleştiren tam bir proje hattı oluşturur.

Neden Bu Eğitim?

☁️Veri gölü mimarisi

Raw, curated ve consumption katmanlarıyla yönetilebilir bir veri gölü tasarlarsınız.

🛠️Sunucusuz analitik

Glue ve Athena ile altyapı yönetmeden büyük veriyi işlersiniz.

🎯Akış ve toplu birleşimi

Kinesis ile gerçek zamanlı veriyi toplu analitik katmanla birleştirirsiniz.

Anahtar Konular

AWS veri mühendisliğiS3 veri gölüAWS GlueAmazon AthenaAmazon RedshiftKinesisAWS QuickSightLake Formationbulut veri çözümleriParquet partition

“Veri, doğru yapılandırıldığında kararlara dönüşür.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

SQL ve Python

Temel SQL sorguları ve Python ile veri işleme deneyimi beklenir.

2

AWS hesabı

Laboratuvarlar için ücretsiz katman veya eğitmenin yönlendirdiği bir AWS hesabı kullanılır; ücretli kaynaklar önceden belirtilir.

3

Temel bulut kavramları

IaaS, PaaS, SaaS ayrımı ve paylaşılan sorumluluk modeli hakkında genel bilgi yeterlidir.

4

Konsol ve CLI

AWS Management Console'da gezinme ve temel komut satırı kullanımı rahatça yapılabilmelidir.

Eğitim İçeriği

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

Günün hedefiKatılımcı, S3 üzerinde katmanlı bir veri gölü kurup Glue ve Athena ile işleyebilir.

Modül 1

AWS Veri Mimarisi

Veri gölü, veri ambarı ve lakehouse farkı
S3 bölge yapısı: raw, curated, consumption
Dosya biçimleri: CSV, JSON, Parquet, ORC
Partition stratejisi
Veri servis haritası
Güvenlik ve maliyet ilkeleri

Modül 2

Glue Data Catalog

Database ve table tanımı
Crawler ile şema keşfi
Şema evrimi ve sürümleme
Partition projection
Catalog'u Athena ve Redshift ile paylaşma
Lake Formation izinleri

Modül 3

Glue ETL İşleri

Glue Studio ve PySpark script'i
DynamicFrame ve DataFrame
Job bookmark ile artımlı yükleme
Worker tipleri ve DPU maliyeti
Veri kalitesi kuralları
Job izleme ve hata ayıklama

Modül 4

Athena ile Sorgulama

Standart SQL ve CTAS
Parquet dönüşümü ve sıkıştırma
Partition pruning ile maliyet düşürme
Workgroup ve sorgu limitleri
Federated query
Sorgu sonuçlarının görselleştirilmesi

Günün hedefiKatılımcı, veri ambarı ve akış katmanını ekleyip raporlama panoları yayınlayabilir.

Modül 1

Redshift Veri Ambarı

Küme tipleri: RA3, serverless
Dağıtım stili ve sort key
COPY komutu ile S3'ten yükleme
Redshift Spectrum ile dış tablo
Workload management
Performans ayarı ve vacuum

Modül 2

Kinesis ile Akış Verisi

Data Streams, shard ve tüketici kavramı
Firehose ile S3'e teslim
Dönüşüm için Lambda
Kinesis Data Analytics
Akış ve toplu mimarilerin birleştirilmesi
Hata ve yeniden deneme

Modül 3

Orkestrasyon ve Güvenlik

Step Functions ile veri hattı
Glue Workflows ve tetikleyiciler
KMS şifreleme
IAM ve Lake Formation kısıtları
Veri maskeleme yaklaşımı
Denetim için CloudTrail

Modül 4

QuickSight ve Proje

QuickSight veri seti ve SPICE
Analiz ve pano tasarımı
Satır düzeyi güvenlik
Maliyet optimizasyonu
Kapanış proje sunumu
Üretime geçiş kontrol listesi

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

AWS Veri Mimarisi

AWS Veri Mimarisi kapsamında veri gölü, veri ambarı ve lakehouse farkı ve dosya biçimleri: CSV, JSON, Parquet, ORC çalışmalarını laboratuvarda uygulayabilir hale geleceksiniz.

🔧

Glue Data Catalog

Glue Data Catalog kapsamında database ve table tanımı ve şema evrimi ve sürümleme çalışmalarını laboratuvarda uygulayabilir hale geleceksiniz.

☁️

Glue ETL İşleri

Glue ETL İşleri kapsamında glue Studio ve PySpark script'i ve job bookmark ile artımlı yükleme çalışmalarını laboratuvarda uygulayabilir hale geleceksiniz.

🔐

Athena ile Sorgulama

Athena ile Sorgulama kapsamında standart SQL ve CTAS ve partition pruning ile maliyet düşürme çalışmalarını laboratuvarda uygulayabilir hale geleceksiniz.

📊

Redshift Veri Ambarı

Redshift Veri Ambarı kapsamında küme tipleri: RA3, serverless ve COPY komutu ile S3'ten yükleme çalışmalarını laboratuvarda uygulayabilir hale geleceksiniz.

🚀

Kinesis ile Akış Verisi

Kinesis ile Akış Verisi kapsamında data Streams, shard ve tüketici kavramı ve dönüşüm için Lambda çalışmalarını laboratuvarda uygulayabilir hale geleceksiniz.

🧩

Orkestrasyon ve Güvenlik

Orkestrasyon ve Güvenlik kapsamında step Functions ile veri hattı ve KMS şifreleme çalışmalarını laboratuvarda uygulayabilir hale geleceksiniz.

🛡️

QuickSight ve Proje

QuickSight ve Proje kapsamında quickSight veri seti ve SPICE ve satır düzeyi güvenlik çalışmalarını laboratuvarda uygulayabilir hale geleceksiniz.

Kimler İçin Uygundur?

Veri mühendisleri
veri analistleri
ETL geliştiricileri
bulut tabanlı veri platformuna geçecek veritabanı yöneticileri için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

Veri mühendisleri, veri analistleri, ETL geliştiricileri ve bulut tabanlı veri platformuna geçecek veritabanı yöneticileri için uygundur.

Eğitime katılmak için ön bilgi gerekir mi?

Temel SQL sorguları ve Python ile veri işleme deneyimi beklenir. Ayrıca laboratuvarlar için ücretsiz katman veya eğitmenin yönlendirdiği bir AWS hesabı kullanılır; ücretli kaynaklar önceden belirtilir.

Eğitim kaç gün sürer ve nasıl işlenir?

Program 2 gündür; her gün dört modülden oluşur. Katılımcılar ham veriyi S3'e alır, Glue ile dönüştürür, Athena ve Redshift'te sorgular ve QuickSight'ta görselleştiren tam bir proje hattı oluşturur.

Athena ile Redshift ne zaman tercih edilir?

Athena, S3 üzerindeki veriye ara sıra veya sunucusuz sorgular için; Redshift ise yoğun, eş zamanlı ve karmaşık analitik iş yükleri için uygundur. Eğitimde iki servis aynı veriyle karşılaştırılır.

Eğitim sonunda sertifika verilir mi?

Eğitimi tamamlayan katılımcılara Digital Vizyon Akademi Katılım ve Başarı Sertifikası verilir. Üçüncü taraf bir üreticinin sınavı söz konusuysa sınav başvurusu ve ücreti ilgili kuruma aittir.

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

MASTER CLOUD DATA SOLUTIONS WITH STACKROUTE'S AWS DATA EĞİTİMİ