BTE Ana Sayfa / Eğitimler / BTE Eğitimleri

EĞİTİMLER

Bilişim Teknolojileri Enstitüsü Eğitimleri

Büyük Veri Eğitimleri

Büyük Veri Öğrenmesi Eğitimi

Eğitimin Süresi	• 2 Gün
Ön Şartlar	• Mühendislik, Matematik, İstatistik, Enformatik gibi alanlardan mezun olmak. • Temel Python bilgisine sahip olmak. • Temel Linux bilgisine sahip olmak.
Kimler Katılabilir?	• Büyük veri uzmanlığı ile ilgilenen ve farklı açık kaynak araçları kullanarak yüksek ölçeklenebilir dağıtılmış sistemleri tasarlamak, • Algoritmaların nasıl çalıştığını anlamak ve yüksek performanslı algoritmalar oluşturmak, • Karmaşık büyük veri projelerini toplama, ayrıştırma, yönetme, analiz etme ve görselleştirme gibi süreçler üzerinde çalışmak, • Gerekli donanım ve yazılım tasarım ihtiyaçlarına karar vermek ve bu kararlara göre süreçleri dizayn etmek isteyen kişiler için uygundur.
Eğitim Hedefleri	• Büyük veri tarihçesi, Hadoop temelleri ve ekosistemi oluşturan temel teknolojiler hakkında temel bilgilerin öğrenilmesi, • Proje yaşam döngüsü, veri toplama, veri değerlendirme, veri dönüştürme ve veri analizi konularını içeren temel bilgilerin öğrenilmesi, • Çekirdek Hadoop’u oluşturan dağıtık dosya sistemi (HDFS) ve kaynak yönetimini sağlayan YARN’ın özellikleri ve kullanımı hakkında temel bilgilerin öğrenilmesi, • Büyük veri kümesi kurulumunun planlanması, Ambari ile büyük veri kümesi kurulumu, konfigürasyonu ve yönetimi ile ilgili bilgilerin öğrenilmesi, • Veri transferi teknolojilerinin temeli olan ve Kafka ve Nifi için kullanım senaryoları ve temel bileşenleri hakkında genel bilgilerin öğrenilmesi, • Hadoop ortamına veri aktarılması için kullanılan Flume ve Sqoop hakkında temel bilgilerin öğrenilmesi, • Dağıtık dosya sisteminde bulunan dosyalar üzerinde sorgu betikleri çalıştırmayı sağlayan Hive hakkında temel bilgilerin öğrenilmesi, • Büyük veri üzerinde bellek içi analiz ve analitik çalışmaları gerçekleştirmek için kullanılan Spark ile SQL, DataFrame, Makine Öğrenimi ve GraphX kütüphaneleri konusunda temel bilgilerin öğrenilmesi, • Veri analizi için Pig Latin script dili hakkında temel bilgilerin öğrenilmesi, • Büyük veri ekosisteminde servis yöneticisi olarak bulunan Zookeeper ve iş planlayıcı olan Oozie servisleri hakkında temel bilgilerin öğrenilmesi, • NoSQL veritabanları ve kullanımları konusunda temel bilgilerin öğrenilmesi.
Konu Başlıkları	• Büyük Veri Tarihçe ve Temelleri • Veri Bilimi Temelleri • Çekirdek Hadoop: HDFS ve YARN • Ambari ile Büyük Veri Kümesi Yönetimi • Veri Entegrasyonu: Kafka ve Nifi • Veri Entegrasyonu: Flume ve Sqoop • Veri Analizi: Hive • Veri İşleme: Spark (Streaming, SQL, DataFrame, ML, GraphX) • Veri Analizi: Pig • Zookeeper ve Oozie • Veri Depolama: Hbase

Makine Öğrenmesi Eğitimi

Eğitimin Süresi	• 2 Gün
Ön Şartlar	• Veri, veri analizi, matematik, istatistik, bilgisayar bilimleri, veritabanı, veritabanı sorgulama bilgisine sahip olmak. • Temel Python bilgisine sahip olmak. • Temel Linux bilgisine sahip olmak.
Kimler Katılabilir?	• Spark / Hadoop’ta veri bilimi ve makine öğrenimi uygulaması gereken, yazılım geliştiriciler, analistler ve veri bilimciler, • Son derece büyük miktarda veriyi toplamak, analiz etmek ve yorumlamak, • Gelişmiş analiz teknolojilerini kullanmak, • Büyük miktarda veriler üzerinde çalışmak isteyen, veri toplama ve analiz etme, veri kümelerindeki kalıpları, eğilimleri ve ilişkileri tespit ederek çeşitli analiz ve raporlama araçlarını kullanmak isteyen kişiler için uygundur.
Eğitim Hedefleri	• Proje yaşam döngüsü, veri toplama, veri değerlendirme, veri dönüştürme ve veri analizi konularını içeren temel bilgilerin öğrenilmesi, • Makine öğrenmesi(Güdümlü/güdümsüz algoritmalar) algoritmalarının teorik olarak öğrenilmesi, • Büyük veri üzerinde bellek içi analiz ve analitik çalışmaları gerçekleştirmek için kullanılan Spark ile akan veri üzerinde çalışma ve makine öğrenme algoritmalarının kullanımı temel bilgilerin öğrenilmesi, • Örnek uygulama çalışmalarının yapılması.
Konu Başlıkları	• Veri Bilimi Temelleri • Makine Öğrenmesi Yöntemleri • Spark ML • Spark ML Lab Çalışması • Uygulama Çalışması

Büyük Veri Yapay Zekâ Eğitimi

Eğitimin Süresi	• 4 Gün
Ön Şartlar	• Mühendislik, Matematik, İstatistik, Enformatik gibi alanlardan mezun olmak. • Temel Python bilgisine sahip olmak. • Temel Linux bilgisine sahip olmak. • Veri, veri analizi, matematik, istatistik, bilgisayar bilimleri, veritabanı, veritabanı sorgulama bilgilerine sahip olmak.
Kimler Katılabilir?	• Büyük veri uzmanlığı ile ilgilenen ve farklı açık kaynak araçları kullanarak yüksek ölçeklenebilir dağıtılmış sistemleri tasarlamak, • Algoritmaların nasıl çalıştığını anlamak ve yüksek performanslı algoritmalar oluşturmak, • Karmaşık büyük veri projelerini toplama, ayrıştırma, yönetme, analiz etme ve görselleştirme gibi süreçler üzerinde çalışmak, • Gerekli donanım ve yazılım tasarım ihtiyaçlarına karar vermek ve bu kararlara göre süreçleri dizayn etmek isteyen kişiler için uygundur. • Spark / Hadoop’ta veri bilimi ve makine öğrenimi uygulaması gereken, yazılım geliştiriciler, analistler ve veri bilimciler, • Son derece büyük miktarda veriyi toplamak, analiz etmek ve yorumlamak, gelişmiş analiz teknolojilerini kullanmak, • Büyük miktarda veriler üzerinde çalışmak isteyen, veri toplama ve analiz etme, veri kümelerindeki kalıpları, eğilimleri ve ilişkileri tespit ederek çeşitli analiz ve raporlama araçlarını kullanmak
Eğitim Hedefleri	• Büyük veri kavramının ortaya çıkmasını gerektiren senaryolar, Hadoop temelleri ve ekosistemi oluşturan temel teknolojiler hakkında temel bilgilerin öğrenilmesi, • Çekirdek Hadoop’u oluşturan dağıtık dosya sistemi (HDFS) ve kaynak yönetimini sağlayan YARN’ın özellikleri ve kullanımı hakkında temel bilgilerin öğrenilmesi, • Büyük veri kümesi kurulumunun planlanması, Ambari ile büyük veri kümesi kurulumu, konfigürasyonu ve yönetimi ile ilgili bilgilerin öğrenilmesi, • Veri transferi teknolojilerinin temeli olan ve Kafka ve Nifi için kullanım senaryoları ve temel bileşenleri hakkında genel bilgilerin öğrenilmesi, • Hadoop ortamına veri aktarılması için kullanılan Flume ve Sqoop hakkında temel bilgilerin öğrenilmesi • Dağıtık dosya sisteminde bulunan dosyalar üzerinde sorgu betikleri çalıştırmayı sağlayan Hive hakkında temel bilgilerin öğrenilmesi, • Büyük veri üzerinde bellek içi analiz ve analitik çalışmaları gerçekleştirmek için kullanılan Spark ile Streaming, SQL, DataFrame ve GraphX kütüphaneleri konusunda temel bilgilerin öğrenilmesi, • Veri analizi için Pig Latin script dili hakkında temel bilgilerin öğrenilmesi • Büyük Veri Ekosisteminde servis yöneticisi olarak bulunan Zookeeper ve iş planlayıcı olan Oozie servisleri hakkında temel bilgilerin öğrenilmesi, • NoSQL veritabanları ve kullanımları konusunda temel bilgilerin öğrenilmesi, • Proje yaşam döngüsü, veri toplama, veri değerlendirme, veri dönüştürme ve veri analizi konularını içeren temel bilgilerin öğrenilmesi, • Yapay Zeka ve Makine Öğrenmesi hakkında temel bilgilerin öğrenilmesi, • Büyük veri üzerinde bellek içi analiz ve analitik çalışmaları gerçekleştirmek için kullanılan Spark ile makine öğrenme algoritmalarının kullanımı temel bilgilerin öğrenilmesi, • Örnek uygulama çalışmalarının yapılması • Büyük Veride İleri Analitik Uygulamalara örnek çalışmaların incelenmesi • Gerçek dünya problemlerinde büyük veri teknolojileri ve yapay zeka nasıl kullanılabileceğinin incelenmesi
Konu Başlıkları	• Büyük Veri Tarihçe ve Temelleri • Çekirdek Hadoop:HDFS ve YARN • Ambari ile Büyük Veri Kümesi Yönetimi • Veri Entegrasyonu: Kafka ve Nifi • Veri Entegrasyonu: Flume ve Sqoop • Veri Analizi: Hive • Veri İşleme: Spark (Streaming, SQL, DataFrame, GraphX) • Veri Analizi: Pig • Zookeeper ve Oozie • Veri Depolama: HBase • Veri Bilimi Temelleri • Yapay zeka ve Makine Öğrenmesi Temelleri • Veri İşleme: Spark ML • Spark ML Lab Çalışması • Büyük Veride İleri Analitik Uygulamalar • Gerçek dünya problemlerinde büyük veri teknolojileri ve yapay zeka nasıl kullanılabilir? • Uygulama Çalışması

Spark Eğitimi

Eğitimin Süresi	• 3 Gün
Ön Şartlar	• Veri, veri analizi, matematik, istatistik, bilgisayar bilimleri, veritabanı, veritabanı sorgulama bilgisine sahip olmak. • Temel Linux bilgisine sahip olmak.
Kimler Katılabilir?	• Spark ile veri bilimi ve makine öğrenimi uygulaması gereken, yazılım geliştiriciler, analistler ve veri bilimciler, • Son derece büyük miktarda veriyi toplamak, analiz etmek ve yorumlamak, • Gelişmiş analiz teknolojilerini kullanmak, • Büyük miktarda veriler üzerinde çalışmak isteyen, veri toplama ve analiz etme, veri kümelerindeki kalıpları, eğilimleri ve ilişkileri tespit ederek çeşitli analiz ve raporlama araçlarını kullanmak isteyen kişiler için uygundur
Eğitim Hedefleri	• Python Programlama ile ilgili temel bilgilerin öğrenilmesi, • Büyük veri temelleri ve ekosistemi oluşturan temel teknolojiler hakkında temel bilgilerin öğrenilmesi, • Çekirdek Hadoop’u oluşturan dağıtık dosya sistemi (HDFS) ve kaynak yönetimini sağlayan YARN’ın özellikleri ve kullanımı hakkında temel bilgilerin öğrenilmesi, • Büyük veri üzerinde bellek içi analiz ve analitik çalışmaları gerçekleştirmek için kullanılan Spark ile SQL, DataFrame, Makine Öğrenimi ve GraphX kütüphaneleri konusunda temel bilgilerin öğrenilmesi, • Büyük veri üzerinde bellek içi analiz ve analitik çalışmaları gerçekleştirmek için kullanılan Spark ile makine öğrenme algoritmalarının kullanımı temel bilgilerin öğrenilmesi,
Konu Başlıkları	• Python’a Giriş • Büyük Veri Temelleri • Çekirdek Hadoop: HDFS ve YARN • Spark Mimarisi • Spark Düşük Seviye API (RDD) • Spark Yüksek Seviye API (DataFrame, Dataset, SQL) DataFrame ve Dataset Kalıcılığı • Spark Streaming • Spark Structured Streaming • Spark Dağıtık İşleme • Spark Uygulamalarını Yazma, Yapılandırma ve Çalıştırma • Performans Ayarı • Spark ML • Spark ile Derin Öğrenme

Safir Bulut Eğitimleri

Openstack Kullanıcı Eğitimi

Eğitimin Süresi	• 1 Gün
Ön Şartlar	• Mühendislik, Matematik, İstatistik, Enformatik gibi alanlardan mezun olmak. • Temel Linux bilgisine sahip olmak. • Temel Ağ bilgisine sahip olmak.
Kimler Katılabilir?	• Sistem Uzmanı olarak çalışanlar • Bilgi işlem sorumluları • Dağıtık ve kümeleme mimarisindeki sistemleri yönetenler • Bulut altyapısı kullanıcıları
Eğitim Hedefleri	• Sanallaştırma tarihçesi ve Sanallaştırma teknolojileri hakkında temel bilgilerin öğrenilmesi • Sanallaştırmanın avantajları ve dezavantajlarının öğrenilmesi • Bulut Bilişim hakkında temel bilgilerin öğrenilmesi • Bulut Bilişim avantajları ve dezavantajlarının öğrenilmesi • Bulut Bilişim hizmet modelleri hakkında temel bilgilerin öğrenilmesi • Bulut Türlerinin detaylı olarak açıklanması • OpenStack hakkında temel özelliklerin anlatılması • OpenStack Mimarisi hakkında temel bilgilerin öğrenilmesi • OpenStack servisleri hakkında temel bilgilerin öğrenilmesi • Safir Bulut üzerinde sanal makine, sanal ağ ve disk oluşturma adımlarının detaylı olarak gösterilmesi • Safir Bulut üzerinde workshop düzenlenmesi
Konu Başlıkları	• Sanallaştırma Tarihçe ve Temelleri • Bulut Bilişim Tarihçe ve Temelleri • Bulut Bilişim Hizmet Modelleri • Bulut Bilişim Türleri • OpenStack Tarihçe ve Temelleri • OpenStack Mimarisi • Safir Bulut Bootcamp

Openstack Yönetici Eğitimi

Eğitimin Süresi	• 3 Gün
Ön Şartlar	• Mühendislik, Matematik, İstatistik, Enformatik gibi alanlardan mezun olmak. • Temel Linux bilgisine sahip olmak. • Linux Bash Script konusunda temel bilgilere sahip olmak. • Temel Ağ bilgisine sahip olmak. • Temel Python bilgisine sahip olmak
Kimler Katılabilir?	• Sistem Uzmanı olarak çalışanlar • Bilgi işlem sorumluları • Dağıtık ve kümeleme mimarisindeki sistemleri yönetenler • Bulut altyapısı yöneticileri • Veri Merkezi Yöneticileri
Eğitim Hedefleri	• Sanallaştırma tarihçesi ve Sanallaştırma teknolojileri hakkında temel bilgilerin öğrenilmesi • Sanallaştırmanın avantajları ve dezavantajlarının öğrenilmesi • Bulut Bilişim hakkında temel bilgilerin öğrenilmesi • Bulut Bilişim avantajları ve dezavantajlarının öğrenilmesi • Bulut Bilişim hizmet modelleri hakkında temel bilgilerin öğrenilmesi • Bulut Türlerinin detaylı olarak açıklanması • OpenStack hakkında temel özelliklerin anlatılması • OpenStack Mimarisi hakkında temel bilgilerin öğrenilmesi • OpenStack servisleri hakkında temel bilgilerin öğrenilmesi • OpenStack Kimlik Yönetimi (Keystone) servisinin detaylı olarak anlatılması • OpenStack İmaj Yönetimi (Glance) servisinin detaylı olarak anlatılması • OpenStack Hesaplama (Nova) servisinin detaylı olarak anlatılması • OpenStack Blok Depolama (Cinder) servisinin detaylı olarak anlatılması • OpenStack Ağ Yönetimi (Neutron) servisinin detaylı olarak anlatılması • IT otomasyon dili olan Ansible’ın detaylı olarak anlatılması • OpenStack kurulumu hakkında temel bilgilerin öğrenilmesi • OpenStack Ansible hakkında temel bilgilerin öğrenilmesi • Safir Bulut üzerinde sanal makine, sanal ağ ve disk oluşturma adımlarının detaylı olarak gösterilmesi • Safir Bulut üzerinde workshop düzenlenmesi
Konu Başlıkları	• Sanallaştırma Tarihçe ve Temelleri • Bulut Bilişim Tarihçe ve Temelleri • Bulut Bilişim Hizmet Modelleri • Bulut Bilişim Türleri • OpenStack Tarihçe ve Temelleri • OpenStack Mimarisi • Safir Bulut Bootcamp

Ansible Eğitimi

Eğitimin Süresi	• 1 Gün
Ön Şartlar	• Mühendislik, Matematik, İstatistik, Enformatik gibi alanlardan mezun olmak. • Temel Python bilgisine sahip olmak. • Temel Linux bilgisine sahip olmak. • Linux Bash Script konusunda temel bilgilere sahip olmak • Temel Ağ bilgisine sahip olmak.
Kimler Katılabilir?	• Sistem Uzmanı olarak çalışanlar • Bilgi işlem sorumluları • Dağıtık ve kümeleme mimarisindeki sistemleri yönetenler • Bulut altyapısı yöneticileri • Veri Merkezi Yöneticileri
Eğitim Hedefleri	• Ansible’ın özellikleri ve mimarisinin açıklanması • Ansible’ın kurulması • Ansible temel bileşenlerinin öğrenilmesi • Ansible’da yürütülecek senaryoların yazılması ve bir playbook yazılması • Kümeleme mimarisinde çalışan bir servisin Ansible ile kurulması
Konu Başlıkları	• Ansible diline giriş • Ansible Kurulumu • Inventory • Ad-Hoc tasks • Modules • Plugins • Ansible Playbooks • Ansible Roles

Geri Bildirim