-
Derece türü: "Büyük Veri Mühendisi" Sertifikası
"İstatistik ve Veri Analizi" Sertifikası -
Ek nitelikler: Veri Mühendisi" sertifikası
"Büyük Veri Uzmanı" Sertifikası -
Final Sınavı: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
-
Ders saatleri: Tam zamanlıPazartesi'den Cuma'ya 8:30 - 15:35 (resmi tatil olan haftalarda 8:30 - 17:10)
-
Eğitim dili: Alman
-
Süre: 12 Haftalar
Veri Mühendisi
Veri Mühendisliği ve Veri Mimarilerinin Temelleri (yaklaşık 2 gün)
Veri Mühendisliğinde Görevler ve Uygulama Alanları
Modern veri mimarileri ve veri platformlarının temelleri
Bulut tabanlı veri mimarilerinin temelleri ve karşılaştırması
OLTP ve OLAP
Yapılandırılmış, yarı yapılandırılmış ve yapılandırılmamış verilerin işlenmesi
Gereksinim Yönetimi ve Veri Modelleme (yaklaşık 1 gün)
Verilere ve veri kaynaklarına yönelik gereksinimler
Kavramsal veri modelleme
Veri yapıları ve veri akışlarının modellemesi
Veri Sözleşmeleri, Veri Yönetişimi ve Veri Kaynağı İzleme
Veritabanları ve Veri İşleme (yaklaşık 1 gün)
Veritabanı Sistemlerinin Mimarisi
SQL, NoSQL ve NewSQL karşılaştırması
İlişkisel veri modelleme
Verilerin Sorgulanması ve İşlenmesi için SQL
Veri Depolama ve Modern Veri Mimarileri (yaklaşık 2 gün)
Veri ambarı sistemlerinin temelleri ve mimarisi
Boyutsal veri modelleme ve şema tasarımı
Faktörler, boyutlar ve tarihsel veri depolama
Veri Ambarı, Veri Gölü ve Lakehouse Karşılaştırması
dbt'ye Giriş
Veri modellerinin uygulamaya yönelik hayata geçirilmesi
Veri Entegrasyonu ve Veri Akışları (yaklaşık 5 gün)
Veri entegrasyonu ve veri hazırlama
ETL ve ELT Süreçleri
Veri Boru Hatlarının Oluşturulması ve Koordinasyonu
Veri Temizleme, Doğrulama ve Veri Kalitesi
Toplu ve Akış İşleme
Airflow ve Spark'ın uygulamaya yönelik kullanımı
Programlama ve otomatik veri işleme (yaklaşık 4 gün)
Python ortamları ve paket yönetimi
Python ile veri işleme ve dönüştürme
Veri işleme süreçlerinin otomasyonu
Farklı veri kaynakları ve arayüzlerin entegrasyonu
Veri mühendisliği iş akışlarının geliştirilmesi
Docker ile konteynerleştirme
Geliştirme ve veri işleme süreçlerinde yapay zeka destekli yardım
Proje çalışması (yaklaşık 5 gün)
Öğrenilen içeriği pekiştirmek için
Proje sonuçlarının sunumu
Büyük Veri Uzmanı
Büyük Veri Nedir? (yaklaşık 1 gün)
Hacim, Hız, Çeşitlilik, Değer, Doğruluk
Büyük miktarda verinin fırsatları ve riskleri
Farklılaşma: iş zekası, veri analitiği, veri bilimi
Veri madenciliğine giriş
Büyük veri ortamında yapay zeka ve veri odaklı sistemlerin rolü
Büyük veri çerçevelerine giriş (yaklaşık 2 gün)
Bulutta büyük veri çözümleri (AWS, Azure, GCP'ye genel bakış)
Veri erişim modelleri
Veri depolama
Veri gölleri ve veri ambarlarına giriş
Apache Hadoop ve Spark'a Genel Bakış
Spark ile dağıtık veri işleme (yaklaşık 3 gün)
Dağıtık sistemlerin temelleri
Apache Spark (Çekirdek ve SQL)
Veri işlemeye yönelik farklı yaklaşımların karşılaştırılması
Büyük miktarda verinin işlenmesi
Spark ile basit makine öğrenimi iş akışlarına giriş
Veri işlem hatları ve veri entegrasyonu (yaklaşık 2 gün)
ETL ve ELT süreçleri
Toplu işleme ve akış işleme
Veri boru hatlarının temelleri
Orkestrasyona giriş (örn. Airflow'a genel bakış)
Veri kalitesi ve hazırlığı
Bileşenler (yaklaşık 2 gün)
Çeşitli araçların kısa sunumu
Veri aktarımı
Büyük veri sistemlerinde kaynak yönetimine genel bakış
Hadoop ekosistemi
Apache Spark derinleşiyor
Akış teknolojilerine giriş
NoSQL ve veri depolama (yaklaşık 2 gün)
CAP teoremi
ASİT ve BAZ
Veritabanı türleri
HBase
Belge odaklı veri tabanlarına giriş
Depolama formatlarına giriş
Veri gölü yaklaşımlarına genel bakış
Büyük Veri Görselleştirme (yaklaşık 2 gün)
Görselleştirme teorileri
Diyagram seçimi
Yeni tip diyagramlar
Veri görselleştirme araçları
İş zekası araçlarına giriş (örn. Power BI, Tableau)
Veriye dayalı karar almanın temelleri
Veri yönetişimi ve veri koruma (yaklaşık 1 gün)
Veri bağlamında GDPR'nin temelleri
Veri etiği ve verilerin sorumlu kullanımı
Veri kalitesi ve yönetişim kavramları
Erişim kontrolleri ve güvenlik
Sorumlu yapay zeka kullanımının temelleri
Proje çalışması (yaklaşık 5 gün)
Öğrenilen içeriği pekiştirmek için
Proje sonuçlarının sunumu
İstatistik ve veri analizi
İstatistiksel temeller (yaklaşık 6 gün)
Ölçme kuramının temelleri (evren, örneklem, örneklem türleri, ölçüm, ölçek düzeyleri)
Tek değişkenli tanımlayıcı istatistikler (frekans dağılımları, merkezi ölçümler, dağılım ölçümleri, standardizasyon, histogramlar, çubuk grafikler, pasta grafikler, çizgi grafikler, kutu grafikleri)
İki değişkenli tanımlayıcı istatistikler (korelasyon ölçümleri, korelasyon katsayıları, çapraz tablolar, dağılım grafikleri, gruplandırılmış çubuk grafikler)
Tümevarımsal çıkarımsal istatistiğin temelleri (olasılık dağılımları, normal dağılım, ortalamanın örnekleme dağılımı, anlamlılık testi, boş hipotez testi, anlamlılık düzeyi, etki büyüklüğü, parametre tahmini, güven aralıkları, hata çubuğu grafikleri, güç analizi, örneklem büyüklüğü)
Uygun yazılımlarla veri hazırlama ve veri temizleme
Tanımlayıcı analiz
İstatistiksel sonuçların görselleştirilmesi
İstatistiksel sonuçların yapay zeka destekli analizi ve yorumlanması
İki grubu karşılaştırma yöntemleri (yaklaşık 5 gün)
z-testi, tek örneklem için t-testi
Bağımsız ve ilişkili örneklemler için t-testi
İki gruplu ön test-son test tasarımları
Anlamlılık testlerinin desteklenmesi (Anderson-Darling testi, Ryan-Joiner testi, Levene testi, Bonett testi, korelasyonlar için anlamlılık testi)
Parametrik olmayan yöntemler (Wilcoxon testi, işaret testi, Mann-Whitney testi)
Olumsallık analizleri (binom testi, Fisher'in kesin testi, ki-kare testi, çapraz tablolar, ilişki ölçümleri)
Test sonuçlarının yorumlanması
Sonuçların yapay zeka destekli yorumlanması
Regresyon analizinin temelleri (yaklaşık 2 gün)
Doğrusal regresyon
Model yorumlama
Yapay zeka destekli model yorumlama
Korelasyon analizi
Çeşitli grupların ortalamalarını karşılaştırma yöntemleri (yaklaşık 3 gün)
Tek faktörlü ve iki faktörlü varyans analizi (ANOVA)
Post-hoc analizleri
Grup farklılıklarının yorumlanması
Çok faktörlü varyans analizi (genel doğrusal model)
Sabit, rastgele, çaprazlanmış ve iç içe geçmiş faktörler
Çoklu karşılaştırma yöntemleri (Tukey-HSD, Dunnett, Games-Howell)
Etkileşim analizi
Varyans analizleri için güç analizi
Deney Tasarımına Giriş (DoE) (yaklaşık 1 gün)
Tam faktöriyel ve kısmi faktöriyel deneysel tasarımlar
Proje çalışması (yaklaşık 3 gün)
Öğrenilen içeriği pekiştirmek için
Proje sonuçlarının sunumu
Değişiklikler mümkündür, kurs içeriği düzenli olarak güncellenmektedir.
Verilerin harmanlanması, hazırlanması, zenginleştirilmesi ve iletilmesiyle ilgili süreçlerde yetkinsiniz. Ayrıca sektöre özgü yazılımların yardımıyla büyük, yapılandırılmamış veri miktarlarını işleyebilirsiniz. Apache çerçevesi hakkında bilgi sahibisiniz ve verileri çekici bir şekilde nasıl görselleştireceğinizi biliyorsunuz.
Ayrıca, istatistiğin temellerini anlayacak, verileri işleyebilecek ve değerlendirebilecek ve istatistiksel veri analizlerini ve sonuçlarını grafikler kullanarak sunabilecek, açıklayabilecek ve yorumlayabileceksiniz.
Kurs, bilgisayar bilimleri, işletme enformatiği, işletme, matematik veya benzer bir yeterlilik derecesine sahip kişilere yöneliktir.
Büyük veri, şirketlerde geliştirme ve operasyon ekipleriyle işbirliği içinde BT çözümlerinin disiplinler arası analizi ve tasarımı için kullanılmaktadır. Büyük Veri Mühendisleri sanayi, ticaret, hizmet ve finans sektörlerindeki hem büyük hem de orta ölçekli şirketlerden talep görmektedir.
Sağlam bir istatistik bilgisi, endüstriyel araştırma ve geliştirme, ilaç geliştirme, tıbbi çalışmaların denetlenmesi, finans ve sigorta, bilgi teknolojisi veya kamu yönetimi alanlarında büyük talep gören değerli bir ek niteliktir.Anlamlı sertifikanız, edindiğiniz nitelikler hakkında ayrıntılı bir fikir verir ve kariyer beklentilerinizi geliştirir.
Didaktik kavram
Eğitmenleriniz hem profesyonel hem de didaktik açıdan son derece kalifiyedir ve size ilk günden son güne kadar ders verecektir (kendi kendine çalışma sistemi yoktur).
Etkili küçük gruplar halinde öğreneceksiniz. Kurslar genellikle 6 ila 25 katılımcıdan oluşmaktadır. Genel dersler, tüm kurs modüllerinde çok sayıda pratik alıştırma ile desteklenmektedir. Uygulama aşaması kursun önemli bir parçasıdır, çünkü bu süre zarfında öğrendiklerinizi işler ve uygulamada güven ve rutin kazanırsınız. Kursun son bölümü bir proje, bir vaka çalışması veya bir final sınavını içerir.
Sanal sınıf alfaview®
BildungszentrumDersler, modern alfaview® video teknolojisi kullanılarak kendi evinizin rahatlığında ya da 'deki tesislerimizde gerçekleştirilir. Tüm kursiyerler alfaview® aracılığıyla birbirlerini yüz yüze görebilir, birbirleriyle dudak senkronize ses kalitesinde iletişim kurabilir ve ortak projeler üzerinde çalışabilir. Elbette, bağlı eğitmenlerinizi de istediğiniz zaman canlı olarak görebilir ve onlarla konuşabilirsiniz ve kursun tüm süresi boyunca eğitmenleriniz tarafından gerçek zamanlı olarak eğitileceksiniz. Dersler e-öğrenme değil, video teknolojisi aracılığıyla gerçek canlı yüz yüze öğretimdir.
alfatraining Agentur für Arbeit Eğitim kursları, AZAV onay yönetmeliğine uygun olarak sübvanse edilmekte ve sertifikalandırılmaktadır. Bildungsgutschein Aktivierungs- und VermittlungsgutscheinKurs başvurusunda bulunduğunuzda, kurs masraflarının tamamı genellikle finansman kuruluşunuz tarafından karşılanır.
Europäischen Sozialfonds Deutsche Rentenversicherung (ESF), (DRV) veya bölgesel finansman programları aracılığıyla da finansman mümkündür. Berufsförderungsdienst Düzenli bir asker olarak, (BFD) aracılığıyla daha fazla eğitim kursuna katılmak mümkündür. Agentur für Arbeit (Qualifizierungschancengesetz) Şirketler de çalışanlarını (BFD) tarafından sağlanan bir finansman programı aracılığıyla kalifiye hale getirebilirler.