Veritabanı Ambarı: Kavramlar, Tasarım ve Uygulama Eğitimi

Bu eğitmen yönlendirilmiş, canlı eğitim Türkiye (çevrimiçi veya yerinde) gelişmiş düzeyde veri profesyonellerini hedeflemektedir. Eğitim, veri işleme iş akışlarını optimize etme, veri bütünlüğünü sağlama ve modern büyük veri uygulamalarının karmaşıklıklarını yönetebilen güçlü bir data lakehouse çözümü uygulama konularını ele alır.

Bu eğitim sonunda katılımcılar:

• Iceberg mimarisini, meta veri yönetimi ve dosya düzenlemesi dahil olmak üzere kapsamlı bir şekilde anlayacaklardır.
• Iceberg'ın çeşitli ortamlarda optimal performans için nasıl yapılandırılacağını ve birden fazla veri işleme motoruyla nasıl entegre edileceğini öğreneceklerdir.
• Büyük ölçekli Iceberg tablolarını yönetecek, karmaşık şema değişiklikleri gerçekleştirecek ve bölüm evrimi yönetimini ele alacaklardır.
• Büyük veri kümeleri için sorgu performansını ve veri tarama verimliliğini optimize etme tekniklerini öğreneceklerdir.
• Dağıtık ortamlarda veri tutarlılığını sağlamak, işlem garanti yönetimini uygulamak ve hataları yönetmek için mekanizmaları kullanacaklardır.

Bu eğitmen tarafından yönetilen canlı eğitim Türkiye (çevrimiçi veya yerel) başlangıç seviyesindeki veri uzmanlarına Apache Iceberg'ı etkili bir şekilde kullanarak büyük ölçekli veri kümelerini yönetmeyi, veri bütünlüğünü sağlamak ve veri işleme akışlarını optimize etmek için gerekli bilgi ve becerileri kazanma fırsatı sunmaktadır.

Bu eğitim sonunda katılımcılar şunları yapabilecektir:

• Apache Iceberg'ın mimarisi, özellikleri ve faydalarını tam olarak anlamış olacaklardır.
• Tablo formatları, bölüntulama, şema evrimi ve zaman yolculuğu yetenekleri hakkında bilgi edinmiş olacaklardır.
• Apache Iceberg'ı farklı ortamlarda kurma ve yapılandırma işlemlerini öğreneceklerdir.
• Iceberg tablolarını oluşturma, yönetme ve düzenleme işlemlerini gerçekleştirebilecektir.
• Diğer tablo formatlarından Iceberg'a veri geçiş sürecini anlayacaklardır.

Bu eğitmen yönetilen canlı eğitim (Türkiye çevrimiçi veya yerel) ortamında, büyük veri işleme ve analizi için Google Colab ve Apache Spark'yi kullanmak isteyen orta düzeyli veri bilimcileri ve mühendislerine yönelik olacak.

Bu eğitim sonunda katılımcılar aşağıdaki becerileri kazanabilecekler:

• Google Colab ve Spark kullanarak büyük veri ortamını kurma.
• Apache Spark ile büyük veri kümelerini etkili bir şekilde işlemek ve analiz etme.
• Kooperatif bir ortamda büyük veriyi görselleştirme.
• Apache Spark'yi bulut tabanlı araçlarla entegre etme.

Bu eğitmen liderliğindeki canlı eğitim (çevrimiçi veya yüz yüze), Databricks ve PySpark kullanarak ölçeklenebilir veri boruhatlari kurmak ve mevcut SQL iş akışlarını göç ettirmek isteyen veri mühendisleri, veri analistleri ve veri profesyonelleri için tasarlanmıştır.

Bu eğitim, PySpark kullanılarak ölçeklenebilir veri işleme ve Makine Öğrenimi iş akışlarının oluşturulmasına yönelik pratik bir giriş niteliğindedir. Katılımcılar, Apache Spark'ın modern Büyük Veri ekosistemleri içinde nasıl çalıştığını ve dağıtık hesaplama ilkelerini kullanarak büyük veri kümelerini nasıl verimli bir şekilde işleyebileceklerini öğrenir.

Üç günlük bu uygulamalı kurs, Kubernetes tabanlı ortamlarda PySpark, Pandas ve Polars kullanarak verimli veri işleme iş yükleri oluşturmaya ve optimize etmeye odaklanmaktadır.

Katılımcılar, Spark uygulamalarının Kubernetes üzerinde nasıl çalıştığını ve uygulama düzeyindeki yapılandırma kararlarının performans, ölçeklenebilirlik, kaynak tüketimi ve maliyet üzerinde nasıl etkili olduğunu pratik bir anlayışla kavrayacaktır. Kurs; executor boyutlandırması, bellek tahsisi, dinamik tahsis, bölümlendirme stratejileri, shuffle davranışı, küçük dosya sorunları ve verimli Parquet işleme dahil olmak üzere temel optimizasyon alanlarını kapsamaktadır.

Kurs ayrıca Pandas ile çalışırken karşılaşılan yaygın zorlukları, özellikle bellek kısıtlamaları ve bellek yetersizliği hatalarını ele almakta ve seçili veri işleme iş yükleri için Polars'ı yüksek performanslı bir alternatif olarak tanıtmaktadır. Uygulamalı egzersizler aracılığıyla katılımcılar, performans ve bellek sorunlarını teşhis edecek, farklı yapılandırma stratejilerini karşılaştıracak ve gerçekçi ETL ve makine öğrenmesi senaryolarına optimizasyon teknikleri uygulayacaktır.

Kurs boyunca temel odak nokta pratik karar vermektir: darboğazları nasıl belirleyeceğinizi, uygun aracı seçmeyi, Spark'ı verimli bir şekilde yapılandırmayı ve altyapı kaynak tüketimi ile maliyet dengesini nasıl gözeterek performansı optimize edeceğinizi anlamaktır.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), çok büyük miktarda veriyi işlemek için Apache Spark sistemini kurmak ve dağıtmak isteyen mühendislere yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Apache Spark'ü kurun ve yapılandırın.
• Çok büyük veri kümelerini hızlı bir şekilde işleyin ve analiz edin.
• Apache Spark ve Hadoop MapReduce arasındaki farkı anlayın ve hangisini ne zaman kullanacağınızı bilin.
• Apache Spark'ü diğer makine öğrenimi araçlarıyla entegre edin.

Bu eğitmen destekli, canlı Türkiye eğitimi (çevrimiçi veya yüz yüze); Spark kümelerini dağıtmak, bakımlarını yapmak ve optimize etmek isteyen başlangıç seviyesinden orta seviyeye kadar olan sistem yöneticilerine yöneliktir.

Bu eğitimin sonunda katılımcılar şu yetkinliklere sahip olacaktır:

• Çeşitli ortamlarda Apache Spark'ı kurmak ve yapılandırmak.
• Küme kaynaklarını yönetmek ve Spark uygulamalarını izlemek.
• Spark kümelerinin performansını optimize etmek.
• Güvenlik önlemlerini uygulamak ve yüksek kullanılabilirliği sağlamak.
• Yaygın Spark sorunlarını ayıklamak ve gidermek.

Türkiye konusundaki bu eğitmen eşliğinde, canlı eğitimde katılımcılar, Python ve Spark'ı büyük veri analizinde birlikte kullanmayı uygulamalı alıştırmalar üzerinde çalışarak öğrenecektir.

Eğitimin sonunda katılımcılar şunları yapabileceklerdir:

• Büyük veriyi analiz etmek için Python ile Spark'ı nasıl kullanılacağını öğrenmek.
• Gerçek dünya senaryolarını taklit eden alıştırmalar üzerinde çalışmak.
• PySpark kullanarak büyük veri analizinde farklı araçları ve teknikleri uygulamak.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), büyük ve karmaşık veri kümelerini işlemek, analiz etmek ve dönüştürmek için Spark, Hadoop ve Python'yı kullanmak ve entegre etmek isteyen geliştiricilere yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Spark, Hadoop ve Python ile büyük veri işlemeye başlamak için gerekli ortamı kurmak.
• Spark ve Hadoop'in özelliklerini, temel bileşenlerini ve mimarisini anlamak.
• Büyük veri işleme için Spark, Hadoop ve Python'yı nasıl entegre edeceğini öğrenmek.
• Spark ekosistemindeki araçları (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka ve Flume) keşfetmek.
• Netflix, YouTube, Amazon, Spotify ve Google gibi işbirlikçi filtreleme öneri sistemleri oluşturmak.
• Apache Mahout'u kullanarak makine öğrenimi algoritmalarını ölçeklendirmek.