Veri Birleştirme: JOIN ve merge Eğitimi

Eğitim Hakkında

JOIN türleri, merge/concat, union ve varlık eşleştirme

Bu orta seviye eğitim, farklı kaynaklardan gelen veriyi doğru biçimde birleştirmeye odaklanır. İlişkisel birleştirme (INNER, LEFT, RIGHT, FULL OUTER JOIN) ve birleştirme anahtarı seçimi; dikey birleştirme (UNION / concat) ve şema uyumu; pandas merge ve join; kartezyen çarpımın tanınması ve önlenmesi işlenir. Çoklu tablo birleştirme, bire-çok ve çoka-çok ilişkilerde tane (granül) kontrolü; bulanık (fuzzy) eşleştirme ve varlık çözümleme; birleştirme sonrası veri bütünlüğü ve yinelenen satır doğrulaması ele alınır. Katılımcılar farklı yapıdaki kaynakları hatasız birleştirip doğrulanmış tek bir analiz tablosu üretir.

Süre ve Format

2 Gün. Her gün dört modül; katılımcılar JOIN türlerinden çok kaynaklı birleştirme ve doğrulamaya ilerler.

Seviye

Orta Seviye — Farklı kaynaklardan gelen veriyi birleştirme, join ve concat teknikleriyle ele alınması.

Öğrenme Metodu

Her konu SQL ve pandas üzerinde gerçek tablolar birleştirilerek ve sonuçlar doğrulanarak uygulanır.

Neden Bu Eğitim?

🔗Doğru JOIN

JOIN türlerini ve anahtarları doğru seçerek beklenen sonucu alırsınız.

🧮Tane Kontrolü

Bire-çok ilişkilerde satır patlamasını tane kontrolüyle önlersiniz.

✅Güvenli Birleşim

Birleştirme sonrası bütünlüğü doğrulayıp hataları yakalarsınız.

Anahtar Konular

veri birleştirme eğitimidata combinationssql joinpandas mergeunion concatvarlık eşleştirmefuzzy matchingtane kontrolüveri bütünlüğüçok kaynaklı veri

“İki tabloyu birleştirmek kolaydır; doğru birleştirmek analizin yarısıdır.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

SQL/pandas

Temel SQL veya pandas kullanımına aşinalık gerekir.

2

Veri Yapısı

Tablo, satır/sütun ve anahtar kavramına aşinalık faydalıdır.

3

Analiz Ortamı

Bir SQL istemcisi veya Jupyter kurulu bir bilgisayar gerekir.

4

Örnek Tablolar

Birleştirilecek birkaç örnek tablo faydalıdır.

Eğitim İçeriği

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

Günün hedefiKatılımcı, JOIN türlerini ve dikey birleştirmeyi doğru uygulayabilir.

Modül 1

JOIN Temelleri

INNER JOIN ile ortak kayıtlar
LEFT ve RIGHT JOIN ile eksik eşleşme
FULL OUTER JOIN ile tüm kayıtlar
Birleştirme anahtarı seçimi
JOIN sonucu satır sayısı beklentisi
JOIN türünün sonuca etkisi

Modül 2

Anahtar ve Eşleşme

Birincil ve yabancı anahtar eşlemesi
Bileşik anahtarla birleştirme
Eşleşmeyen (NULL) kayıtların yorumu
Tür/biçim uyumsuzluğunun önlenmesi
Anahtarda boşluk ve büyük/küçük harf
Eşleşme oranının kontrolü

Modül 3

Dikey Birleştirme

UNION ve UNION ALL farkı
Şema (sütun) uyumu gereksinimi
pandas concat ile ekleme
Kaynak etiketi ekleme
Yinelenen satır yönetimi
Dikey birleştirme senaryoları

Modül 4

Kartezyen Çarpım

Cross join ve istenmeyen çoğalma
Eksik anahtarın yarattığı patlama
Beklenen ve gerçek satır sayısı karşılaştırması
Kartezyen çarpımın bilinçli kullanımı
Patlamayı erken fark etme
Önleme stratejileri

Günün hedefiKatılımcı, çok kaynaklı veriyi tane kontrolüyle birleştirir ve doğrular.

Modül 1

pandas merge/join

merge ile anahtar tabanlı birleştirme
how parametresi (inner/left/outer)
indicator ile eşleşme kaynağı
indeks tabanlı join
suffixes ile çakışan sütun adı
merge ve concat seçimi

Modül 2

Tane (Granül) Kontrolü

Bire-bir, bire-çok, çoka-çok ilişkiler
Çoka-çok birleştirmede satır çoğalması
Birleştirme öncesi tane doğrulama
Tekilleştirme ile tane düzeltme
Agregasyonla tane indirgeme
Beklenen tane tanımı

Modül 3

Bulanık Eşleştirme

Tam eşleşmeyen anahtarlar sorunu
Metin normalizasyonu
Benzerlik (fuzzy) eşleştirme sezgisi
Varlık çözümleme (entity resolution)
Eşik ve yanlış eşleşme dengesi
Manuel doğrulama ihtiyacı

Modül 4

Doğrulama ve Vaka

Birleştirme sonrası satır/değer kontrolü
Eşleşmeyen kayıtların incelenmesi
Yinelenen satır tespiti
Toplam ve sayım mutabakatı
Birleştirme adımlarının belgelenmesi
Çok kaynaklı analiz tablosunun üretimi

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

JOIN Türleri

INNER/LEFT/RIGHT/FULL JOIN'leri doğru senaryoda kullanırsınız.

✅

Anahtar

birleştirme anahtarını ve tür uyumunu doğru yönetirsiniz.

✅

Union

UNION ve concat ile dikey birleştirme yaparsınız.

✅

Kartezyen

istenmeyen kartezyen çarpımı tanır ve önlersiniz.

✅

merge

pandas merge/join ile esnek birleştirme kurarsınız.

✅

Tane Kontrolü

bire-çok ilişkilerde satır patlamasını kontrol edersiniz.

✅

Fuzzy Eşleştirme

tam eşleşmeyen kayıtları bulanık eşleştirmeyle çözersiniz.

✅

Doğrulama

birleştirme sonrası bütünlüğü mutabakatla doğrularsınız.

Kimler İçin Uygundur?

Veri analistleri
SQL/pandas kullanan raporlama uzmanları
çok kaynaklı veriyi birleştirmekte zorlanan profesyoneller için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

Veri analistleri, SQL/pandas kullanan raporlama uzmanları ve çok kaynaklı veriyi birleştirmekte zorlanan profesyoneller için uygundur.

SQL mi pandas mı kullanılıyor?

Her ikisi de kullanılır; aynı birleştirme kavramları hem SQL JOIN hem pandas merge üzerinde gösterilir.

Satır sayısı neden beklenmedik artıyor?

Genellikle çoka-çok ilişki veya eksik anahtar kaynaklı kartezyen çoğalmadandır; eğitim bunu tane kontrolüyle önlemeyi öğretir.

Fuzzy eşleştirme ne zaman gerekir?

Anahtarlar tam eşleşmediğinde (yazım farkları, isim varyasyonları) benzerlik tabanlı eşleştirme gerekir; eğitim bunun sezgisini verir.

Eğitim sonunda sertifika veriliyor mu?

Katılım ve değerlendirme sonrası 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

DATA COMBINATIONS EĞİTİMİ