AWS IoT Analytics Eğitimi

Eğitim Hakkında

Cihaz verisi için işleme hattı ve zaman serisi analitiği

Eğitim, AWS IoT Analytics ile cihaz telemetrisinin işlenip analiz edilmesini anlatır. IoT Core kuralıyla veri alma, channel ve pipeline aktiviteleri (filter, math, deviceRegistryEnrich, lambda), data store ve zaman serisi saklama, SQL dataset ve container dataset, Jupyter notebook ile ML, QuickSight görselleştirme ve zamanlama işlenir. Servis desteğinin sonlanması nedeniyle Timestream, Kinesis, Glue ve Athena tabanlı eşdeğer mimari de ele alınır.

Süre ve Format

2 Gün. Her gün dört modül; IoT veri hattı, dataset sorguları, görselleştirme ve alternatif mimari uygulamalarla işlenir.

Seviye

Temel Seviye — IoT verisi için channel, pipeline, data store ve dataset modeliyle analiz, notebook ve güncel alternatiflere geçişi kapsayan giriş düzeyi yelpaze.

Öğrenme Metodu

Katılımcılar simüle sensör verisini IoT Core'dan channel'a alır, pipeline ile temizler, dataset sorgular ve QuickSight'ta görselleştirir; ardından aynı hattı Timestream ile kurar.

Neden Bu Eğitim?

🧹Veri temizleme

Eksik ve hatalı sensör verisini pipeline aktiviteleriyle düzeltirsiniz.

📈Zaman serisi analizi

SQL ile zaman pencereli sorgular yazarsınız.

🔄Alternatif mimari

Servis sonrası Timestream, Athena ve Glue ile eşdeğer çözümü tasarlarsınız.

Anahtar Konular

aws iot analyticsiot analytics eğitimiiot veri analitiğizaman serisiiot pipelinetimestreamiot sql datasetquicksight iotiot veri temizlemeaws iot başlangıç

“Ham sensör verisi gürültüdür; analiz onu karara çevirir.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

Temel bulut bilgisi

AWS IoT Core ve S3 hakkında temel bilgi ve SQL SELECT sorgusu bilgisi beklenir.

2

AWS hesabı

Uygulamalı laboratuvarlarda AWS IoT Analytics kaynakları oluşturabileceğiniz, bütçe uyarısı tanımlanmış bir AWS hesabı veya eğitmenin sağladığı lab hesabı gerekir.

3

Bilgisayar ortamı

Güncel bir tarayıcı, internet erişimi ve AWS CLI v2 kurabileceğiniz bir dizüstü bilgisayar yeterlidir.

4

Ek hazırlık

Python ve zaman serisi veri kavramları hakkında genel bilgi faydalıdır.

Eğitim İçeriği

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

Günün hedefiKatılımcı IoT verisini kanala alıp pipeline ile temizler ve data store'a yazar.

Modül 1

IoT Analytics Mimarisi

Channel, pipeline, data store, dataset kavramları
Veri akış yolu: IoT Core Rule - Channel
Servisin güncel durumu ve alternatifleri
Fiyatlandırma modeli
Servis yönetimli ve müşteri yönetimli S3
IAM rolleri

Modül 2

Veri Alma

IoT Core kuralı ile channel'a yazma
BatchPutMessage API
Channel saklama süresi
Mesaj biçimi ve şeması
S3 raw arşiv
Hata ve geri dönüş

Modül 3

Pipeline Aktiviteleri

Channel ve datastore aktiviteleri
Filter ve Remove/Select attributes
Math ve Add attributes
deviceRegistryEnrich ve deviceShadowEnrich
Lambda aktivitesi
Pipeline test ve reprocessing

Modül 4

Data Store

Zaman serisi saklama ve partition
Saklama süresi (retention)
Parquet ve JSON formatı
Data store sorgulama
Maliyet kontrolü
Güvenlik ve şifreleme

Günün hedefiKatılımcı dataset üretir, analiz ve görselleştirme yapar, güncel mimari planlar.

Modül 1

SQL Dataset

SELECT ve zaman penceresi sorguları
Delta time penceresi
Zamanlanmış dataset içerik oluşturma
İçeriğin S3'e yazılması
Sorgu performansı
Dataset sürümleri

Modül 2

Container Dataset ve Notebook

Jupyter notebook ve SageMaker
Container dataset ile Docker iş yükü
Anomali tespiti örneği
Model eğitimi ve çıkarım
Girdi/çıktı değişkenleri
Zamanlanmış analiz

Modül 3

Görselleştirme ve Bildirim

QuickSight veri kaynağı
Dashboard örneği
Dataset content delivery rule
EventBridge ile dataset tamamlanma olayı
Athena ile dataset sorgulama
Raporlama

Modül 4

Alternatif Mimariler

IoT Core + Timestream + Grafana
Kinesis Data Streams / Firehose
AWS Glue ile ETL ve Athena
SageMaker ile ML hattı
Veri taşıma stratejisi
Maliyet karşılaştırması

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

Mimari kavramlar

Channel, pipeline, data store ve dataset ilişkisini açıklayabilirsiniz.

🔧

Veri alma

IoT Core kuralı ile telemetriyi channel'a alabilirsiniz.

☁️

Pipeline tasarımı

Filter, math ve enrich aktiviteleriyle veri temizleyebilirsiniz.

🔐

Data store

Saklama süresi ve formatla zaman serisi depolama yapabilirsiniz.

📊

SQL dataset

Zaman penceresi içeren SQL dataset oluşturabilirsiniz.

🚀

Notebook analizi

Jupyter ile IoT verisi üzerinde anomali analizi yapabilirsiniz.

🧩

Görselleştirme

QuickSight ile dashboard hazırlayabilirsiniz.

🛠️

Alternatif çözüm

Timestream, Kinesis ve Athena ile eşdeğer mimari tasarlayabilirsiniz.

Kimler İçin Uygundur?

IoT veri analistleri
veri mühendisleri
IoT çözüm mimarları için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

IoT veri analistleri, veri mühendisleri ve IoT çözüm mimarları için uygundur.

Servis hâlâ kullanılabilir mi?

Servis desteği sonlandırılmıştır; bu nedenle eğitim kavramları ve mevcut yapıları anlatır, Timestream, Kinesis ve Athena tabanlı alternatif de uygular.

SQL bilgisi gerekli mi?

Temel SELECT ve GROUP BY bilgisi yeterlidir; zaman penceresi örnekleri hazır verilir.

ML kısmı var mı?

Container dataset ve Jupyter notebook ile basit anomali tespiti örneği çalışılır.

Eğitim sonunda hangi belge verilir?

Katılımcılara Digital Vizyon Akademi Katılım ve Başarı Sertifikası verilir. AWS'nin resmî sınavları için sınav başvurusu ve ücreti ilgili kuruma aittir; bu eğitim AWS IoT Analytics uygulama becerisine odaklanır ve sınav sonucu vaat etmez.

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

INTRODUCTION TO AWS IOT ANALYTICS EĞİTİMİ