Google Cloud Digital Leader: Working with Data Eğitimi

Eğitim Hakkında

Verinin toplanması, depolanması, analizi ve yapay zekâ ile değer üretimi

Verinin Pub/Sub ve Dataflow ile toplanmasından Cloud Storage ve BigQuery'de saklanıp analiz edilmesine, Vertex AI ile makine öğrenmesine ve DLP ile korunmasına kadar veri yaşam döngüsünü Google Cloud hizmetleriyle ele alır. Konular Veritabanı Hizmetlerinin Karşılaştırması, BigQuery ve Veri Analitiği, Veri İşleme: Pub/Sub, Dataflow ve Dataproc gibi modüllerle laboratuvar destekli işlenir.

Süre ve Format

2 Gün. Her gün dört modül; her modülde altı konu başlığı, vaka tartışması, Console demosu ve iş değeri değerlendirmesi.

Seviye

Temel Seviye — Verinin toplanması, depolanması, analizi ve yapay zekâ ile değer üretimi konularını kapsar

Öğrenme Metodu

Gerçek iş senaryoları, Google Cloud Console gösterimleri ve karar tartışmalarıyla teknik olmayan paydaşlar için yönetici perspektifinde işlenir.

Neden Bu Eğitim?

💼İş Değeri Odağı

Teknik hizmetler maliyet, risk ve inovasyon etkisiyle birlikte anlatılır; karar vericiler için dil sade tutulur.

🧭Doğru Hizmet Eşleşmesi

İş ihtiyacına hangi Google Cloud hizmetinin karşılık geldiğini senaryolarla ayırt edersiniz.

🖥️Console Gösterimleri

Kavramlar Google Cloud Console üzerindeki canlı gösterimlerle somutlaşır.

Anahtar Konular

cloud digital leader: working with data eğitimicloud digital leader: working with data kursugoogle cloud eğitimigcp eğitimigoogle cloud kursuveritabanı hizmetlerinin karşılaştırmasıbigquery ve veri analitiğiveri i̇şleme: pub/sub, dataflow ve dataproccloud storage ile nesne depolamayapay zekâ ve makine öğrenmesi hizmetleri

“Bulutu anlamak, teknolojiyi değil işin yeni mümkünlerini keşfetmektir.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

Genel BT bilgisi

Sunucu, ağ ve veritabanı kavramlarına temel düzeyde aşinalık yeterlidir.

2

Kodlama gerekmez

Eğitim yönetici odaklıdır; programlama deneyimi aranmaz.

3

Google hesabı

Console gösterimlerini takip etmek için bir Google hesabı faydalıdır.

4

İş süreci bilgisi

Kurumunuzdaki veri ve altyapı ihtiyaçlarını bilmek tartışmaları zenginleştirir.

Eğitim İçeriği

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

Günün hedefiKatılımcı, veritabanı seçimi, BigQuery ve veri hatları kapsamında Veritabanı Hizmetlerinin Karşılaştırması ve BigQuery ve Veri Analitiği konularını uygulamalı olarak işler; Veri İşleme: Pub/Sub, Dataflow ve Dataproc ile Cloud Storage ile Nesne Depolama başlıklarında öğrendiklerini pekiştirir.

Modül 1

Veritabanı Hizmetlerinin Karşılaştırması

Cloud SQL, AlloyDB ve Spanner için ilişkisel veritabanı seçim ölçütleri
Firestore ve Bigtable için NoSQL belge ve geniş sütun senaryoları
Memorystore (Redis, Memcached) ile önbellekleme katmanı
OLTP ve OLAP ayrımı, BigQuery'nin analitik rolü
Tutarlılık, gecikme ve ölçek gereksinimlerine göre karar ağacı
Veritabanı seçiminde maliyet, yönetim yükü ve taşınabilirlik değerlendirmesi

Modül 2

BigQuery ve Veri Analitiği

BigQuery mimarisi: Dremel, Colossus ve depolama-hesaplama ayrımı
Dataset, tablo, view ve materialized view nesneleri
Bölümleme (partitioning) ve kümeleme (clustering) ile sorgu maliyetini düşürme
On-demand ve capacity (slot) fiyatlandırma modelleri
bq CLI ile veri yükleme, dışa aktarma ve zamanlanmış sorgular
BigQuery ML ile SQL üzerinden model eğitimi ve Looker Studio ile görselleştirme

Modül 3

Veri İşleme: Pub/Sub, Dataflow ve Dataproc

Pub/Sub topic, subscription, push/pull ve ack deadline kavramları
Dataflow ile Apache Beam tabanlı batch ve streaming işleme
Dataproc ile yönetilen Spark ve Hadoop kümeleri, ephemeral cluster yaklaşımı
Cloud Composer (Airflow) ile iş akışı orkestrasyonu
Datastream ve Database Migration Service ile veri aktarımı
Data Fusion ve Dataprep ile kod yazmadan veri hazırlama

Modül 4

Cloud Storage ile Nesne Depolama

Bucket ve object yapısı, konum türleri (region, dual-region, multi-region)
Standard, Nearline, Coldline ve Archive sınıfları ile minimum saklama süreleri
Object Lifecycle Management ile sınıf geçişi ve otomatik silme
Uniform bucket-level access, ACL ve signed URL kullanımı
Object versioning, retention policy, bucket lock ve soft delete
gsutil ve gcloud storage ile paralel yükleme ve rsync

Günün hedefiKatılımcı, aI/ML hizmetleri, veri koruma ve dönüşüm stratejisi kapsamında Yapay Zekâ ve Makine Öğrenmesi Hizmetleri ve Büyük Ölçekli Veri Depolama ve Aktarım konularını uygulamalı olarak işler; Veri Koruma ve Gizlilik Kontrolleri ile Dijital Dönüşüm ve Google Cloud ile Yenilik başlıklarında öğrendiklerini pekiştirir.

Modül 1

Yapay Zekâ ve Makine Öğrenmesi Hizmetleri

Vision, Speech-to-Text, Natural Language ve Translation hazır API'leri
Vertex AI ile veri seti, eğitim, model kaydı ve endpoint dağıtımı
AutoML ile kod yazmadan model üretimi ve özel eğitim farkı
Generative AI için Vertex AI Model Garden ve Gemini erişimi
Sorumlu yapay zekâ ilkeleri, açıklanabilirlik ve veri kalitesi
Yapay zekâ projesinde veri hazırlama ve iş değeri ölçme yaklaşımı

Modül 2

Büyük Ölçekli Veri Depolama ve Aktarım

Storage Transfer Service ile AWS S3, Azure Blob ve şirket içi kaynaklardan aktarım
Transfer Appliance ile çevrimdışı petabayt ölçekli veri taşıma
Veri yükleme için bant genişliği ve süre hesabı
Paralel composite upload ve gsutil -m ile aktarım hızlandırma
Veri gölü (data lake) tasarımında ham, işlenmiş ve küratörlü katman ayrımı
BigQuery Data Transfer Service ve Cloud Storage dışa aktarım desenleri

Modül 3

Veri Koruma ve Gizlilik Kontrolleri

Veri sınıflandırma katmanları ve Sensitive Data Protection (DLP) infoType'ları
Tokenizasyon, maskeleme ve format koruyan şifreleme (FPE)
CMEK, Cloud HSM ve Cloud External Key Manager (EKM) karşılaştırması
Key Access Justifications ve Access Approval ile sağlayıcı erişim kontrolü
Log saklama süresi, değişmez log kovası ve denetim izi tasarımı
Sınır ötesi veri aktarımı ve veri yerleşimi için tasarım kararları

Modül 4

Dijital Dönüşüm ve Google Cloud ile Yenilik

Dijital dönüşümün dört alanı: veri, uygulama, altyapı ve güvenlik
Bulut benimsemenin iş değeri: çeviklik, maliyet esnekliği ve inovasyon hızı
Veriden değer üretme: veri olgunluğu ve yapay zekâ kullanım senaryoları
Google Cloud Adoption Framework ve olgunluk değerlendirmesi
Sektör örnekleri: perakende, finans, sağlık ve üretimde bulut kullanımı
Değişim yönetimi, yetkinlik geliştirme ve kurumsal bulut yönetim ofisi (CCoE)

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

Veritabanı Seçimi

İş yükünün erişim desenine göre uygun Google Cloud veritabanını seçebilirsiniz.

🔧

BigQuery Analitiği

BigQuery'de veri seti oluşturup SQL sorgularıyla analiz yapabilirsiniz.

🛡️

Veri Hatları

Akış ve toplu veri işleme hatlarını Pub/Sub, Dataflow ve Dataproc ile kurgulayabilirsiniz.

☁️

Nesne Depolama

Bucket, depolama sınıfı ve yaşam döngüsü kurallarıyla nesne verisini yönetebilirsiniz.

📊

AI/ML Hizmetleri

Hazır API'ler ile Vertex AI arasındaki farkı iş problemine göre değerlendirebilirsiniz.

🚀

Büyük Veri Aktarımı

Büyük veri kümelerini Storage Transfer Service ve Transfer Appliance ile buluta taşıyabilirsiniz.

🧩

Veri Koruma

Hassas veriyi sınıflandırıp CMEK, DLP ve erişim kayıtlarıyla koruyabilirsiniz.

🎯

Dijital Dönüşüm

Dijital dönüşümün iş değerini Google Cloud çözümleriyle ilişkilendirip paydaşlara aktarabilirsiniz.

Kimler İçin Uygundur?

Veri odaklı projelerde karar veren yöneticiler
iş analistleri
veri dönüşümüne yeni başlayan teknik ekipler için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

Veri odaklı projelerde karar veren yöneticiler, iş analistleri ve veri dönüşümüne yeni başlayan teknik ekipler için uygundur.

Teknik bilgi gerekli mi?

Hayır. Eğitim yönetici ve iş analisti perspektifiyle kurgulanmıştır; temel BT kavramlarına aşinalık yeterlidir.

Uygulamalı çalışma var mı?

Evet. Google Cloud Console gösterimleri, karşılaştırma tabloları ve vaka tartışmalarıyla konular somutlaştırılır.

Eğitim sonunda sertifika veriliyor mu?

Katılımcılara Digital Vizyon Akademi Katılım ve Başarı Sertifikası verilir. Bu sertifika eğitime katılım ve başarıyı belgeler.

Cloud Digital Leader: Working with Data eğitiminde hangi konular işlenir?

Eğitim 2 gündür: 1. gün Veri Depolama ve Analitik Temelleri; 2. gün Yapay Zekâ ve Veri Yönetişimi. Her gün dört modül ve her modülde altı konu başlığı işlenir.

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

GOOGLE CLOUD DIGITAL LEADER: WORKING WITH DATA EĞİTİMİ