Data Science'a Giriş
Bu bölüm, Data Science'ın temel kavramlarını ve iş dünyasındaki rolünü ele alır.
Konular:
- Data Science nedir?
- Data Scientist'in rolü
- Data Science ekiplerindeki farklı roller
- Gerekli teknik ve analitik beceriler
- Data Science methodologies
- Veri üzerinden doğru soruları oluşturma
- Insight questions
- Analitik soruların cevaplanması
- Data Science'ın iş problemlerinde kullanımı
- Science in Business
- Veri odaklı karar verme
Katılımcılar, Data Science projelerinin yalnızca teknoloji kullanımından ibaret olmadığını; doğru iş sorularını belirlemek, veriyi anlamak ve anlamlı içgörüler üretmek üzerine kurulu olduğunu öğrenir.
Python for Data Science
Bu bölüm Python'ın veri bilimi ve büyük veri çalışmalarındaki rolüne odaklanır.
Konular:
- Python'un Data Science için kullanımı
- Python data structures
- Veri işleme
- Veri okuma ve yazma
- Python ile dataset manipulation
- Python tabanlı analytics yaklaşımı
- NoSQL sistemleriyle Python üzerinden bağlantı
- API kullanımı
Katılımcılar farklı veri teknolojilerine bağlanmak ve veri üzerinde işlem yapmak için Python kullanımını geliştirir.
Data Analytics ve Statistical Inference
Bu bölüm veri analizinin temel istatistiksel yaklaşımını ele alır.
Konular:
- Data Analytics fundamentals
- Descriptive analysis
- Statistical inference
- Veri dağılımlarını anlamak
- Veri içerisindeki ilişkileri değerlendirmek
- Insight oluşturma
- Analitik sonuçları yorumlama
- İş problemlerinin analitik sorulara dönüştürülmesi
Amaç, katılımcıların Big Data teknolojilerini yalnızca teknik araçlar olarak değil, analitik problem çözme süreçlerinin bir parçası olarak değerlendirmesidir.
Veri Modelleri
Bu bölüm farklı veri saklama ve modelleme yaklaşımlarına giriş yapar.
Konular:
- Structured data
- Semi-structured data
- Unstructured data
- Relational data models
- Document models
- Graph models
- Key-value yaklaşımı
- Farklı data model'lerin avantajları
- Kullanım senaryosuna göre data model seçimi
SQL ve NoSQL
Katılımcılar relational ve non-relational database sistemlerini karşılaştırır.
Konular:
- SQL database nedir?
- Relational database yapısı
- NoSQL database nedir?
- SQL vs. NoSQL
- Schema yaklaşımı
- Scalability
- Distributed data
- NoSQL kullanım senaryoları
- NoSQL database türleri
Big Data with Neo4j
Bu bölüm graph database yaklaşımını Neo4j üzerinden ele alır.
Konular:
- Graph databases
- Nodes
- Relationships
- Properties
- Graph data modelling
- Connected data
- Neo4j temel kavramları
- Graph querying
- Graph database kullanım senaryoları
Katılımcılar ilişkilerin yoğun olduğu veri yapılarında graph database'lerin sağladığı avantajları inceler.
Big Data with Hadoop
Bu bölüm Hadoop ekosisteminin temel yapısını tanıtır.
Konular:
- Hadoop nedir?
- Distributed computing
- Hadoop architecture
- Distributed storage
- Büyük veri setlerinin saklanması
- Büyük verinin paralel işlenmesi
- Hadoop kullanım alanları
- Python ile Hadoop senaryoları
Katılımcılar büyük hacimli verilerin birden fazla sistem üzerinde nasıl dağıtılarak işlendiğini öğrenir.
Big Data with Spark
Bu bölüm Apache Spark'ın büyük veri işleme yaklaşımına odaklanır.
Konular:
- Spark nedir?
- Spark architecture
- Distributed processing
- In-memory processing
- Büyük dataset'ler üzerinde analiz
- Spark ile data transformation
- Python ve Spark
- Analytical workloads
- Hadoop ve Spark arasındaki temel farklar
Katılımcılar Spark'ın hızlı ve ölçeklenebilir veri analizi süreçlerindeki rolünü değerlendirir.
Big Data with Mongo
Bu bölüm document-oriented NoSQL veritabanlarını MongoDB üzerinden ele alır.
Konular:
- Document databases
- MongoDB basics
- Documents
- Collections
- Flexible schemas
- CRUD operations
- Python API ile MongoDB kullanımı
- MongoDB querying
- Document database use cases
Katılımcılar structured ve semi-structured verilerin document database üzerinde nasıl modellenebileceğini öğrenir.
Analytics Case Study
Eğitimin son bölümünde katılımcılar, öğrendikleri teknikleri bir analytics case study üzerinde bir araya getirir.
Vaka çalışmasında:
- Business problem tanımlanır
- Uygun veri modeli değerlendirilir
- Veri kaynakları incelenir
- SQL veya NoSQL yaklaşımı seçilir
- Uygun Big Data teknolojisi belirlenir
- Python ile veri işlenir
- Analitik sonuçlar değerlendirilir
Bu çalışma, katılımcıların farklı Big Data araçlarını tek tek öğrenmek yerine, bu teknolojilerin gerçek bir veri problemi içerisinde nasıl birlikte kullanılabileceğini anlamasını sağlar.
