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

Stajyer

TÜBİTAK BİLGEM geleceğe yönelik temel stratejisini araştırma, teknoloji geliştirme ve yenilik ekosisteminde millî hedeflere odaklanmış, nitelikli bilgi ve nitelikli insan üzerine kurgulamaktadır.

“Bir ülkenin en önemli kaynağı genelde insan, özelde ise bilim insanlarıdır.” anlayışından yola çıkarak TÜBİTAK olarak erken yaşlardan itibaren gençlerimiz teşvik edilmekte ve desteklenmektedir. Bu doğrultuda ülkemizin Millî Teknoloji Hamlesi’nin başarıya ulaşması için teknoloji üretimine genç beyinlerin erken kazandırılması önem arz etmektedir. Bu doğrultuda TÜBİTAK BİLGEM olarak her yıl üniversitelerin lisans öğrencilerine staj yapma imkânı sunuyoruz.

Staj ilanlarını Kariyer Kapısı https://kariyerkapisi.cbiko.gov.tr adresi üzerinden takip ederek başvurularınızı gerçekleştirebilirsiniz.

Başvuru Koşulları

Sigorta işlemleri bağlı bulunduğu yükseköğretim kurumu tarafından yürütülen ve üniversitelerin lisans (2. sınıf ve üzerinde) ve ön lisans eğitimi veren bölümlerinde öğrenimine devam eden öğrenciler staj imkânından yararlanabilmektedir.
Lisans ve ön lisans öğrencileri için Ağırlıklı Genel Not Ortalamasının 4 üzerinden en az 2,50 olması şartı aranır. Üniversite not sistemleri 100’lük sistemde olan adayların not ortalamaları, Yüksek Öğretim Kurulunun yayınlamış olduğu “4’lük Sistemdeki Notların 100’lük Sistemdeki Karşılıkları Tablosu” esas alınarak 4’lük sisteme dönüştürmektedir.
Staj başvuru sürecinde yabancı dil belgesi şartı aranmamaktadır.
Üniversitelerin; Adli Bilişim Mühendisliği, Bilgisayar Bilimleri, Bilgisayar Bilimleri ve Mühendisliği, Bilgisayar Mühendisliği, Bilgisayar ve Enformatik, Bilgisayar ve Yazılım Mühendisliği, Bilişim Sistemleri Mühendisliği, Elektrik ve Elektronik Mühendisliği, Elektrik-Elektronik Mühendisliği, Elektronik Mühendisliği, Elektronik ve Haberleşme Mühendisliği, Endüstri Mühendisliği, Endüstri ve Sistem Mühendisliği, Fizik, Fizik Mühendisliği, İstatistik, İstatistik Ve Bilgisayar Bilimleri, Kontrol Mühendisliği, Kontrol ve Bilgisayar Mühendisliği, Kontrol ve Otomasyon Mühendisliği, Makine Mühendisliği, Makine ve İmalat Mühendisliği, Matematik, Matematik Mühendisliği, Mekatronik Mühendisliği, Mekatronik Sistemler Mühendisliği, Otomotiv Mühendisliği, Sistem Mühendisliği, Telekomünikasyon Mühendisliği veya Yazılım Mühendisliği bölümlerinin birinde öğrenim gören öğrenciler başvuru yapabilmektedir.

Staj başvuruları Aralık – Ocak tarihleri arasında yapılmaktadır. Staj dönemi ise Haziran, Temmuz ve Ağustos aylarını kapsamaktadır.

Bursiyer

Lisans, yüksek lisans, doktora öğrencileri ile doktora sonrasına yönelik araştırma-geliştirme faaliyetlerini ilerletmeye yönelik bursiyer görevlendirilmesi yapılmaktadır. Merkezimizde dış destekli, TARAL ya da Avrupa Birliği projelerinde tatbikat amacıyla bursiyerler görevlidir.

Bursiyerlik başvurusunda bulunmak için bilgem.yetenekkazanimi@tubitak.gov.tr e-posta adresi üzerinden bizimle iletişime geçebilirsiniz.

Başvuru Koşulları

(1) Kurum tarafından yürütülen dış destekli projelerde lisans öğrencisi olan bursiyerlerde aranacak şartlar aşağıda belirtilmiştir:

Türkiye’de kurulu yüksek öğretim kurumlarında lisans öğrenimine devam eden öğrenci (yabancı dil hazırlık öğrencisi hariç) olmak.
Üniversitenin not sistemi esas olmak üzere, hazırlık hariç önceki yılların ağırlıklı genel not ortalamasının, işe alım esaslarında yer alan formül puanını ve yabancı dil şartını sağlar durumda olmak.
Lisans öğreniminin en az birinci sınıfının birinci dönemini tamamlamış olmak.
Lisans Genel Not Ortalaması “+3,00” ve Üniversiteye Yerleştirme Sınavı Sıralaması “10.000 ≥” şartını sağlamak
ÖSYM sınavına girmeden Türkiye’deki üniversitelere yerleştirilmiş yabancı öğrenciler veya Dikey Geçiş Sınavı vb. ile lisans öğrenimini tamamlamış öğrenciler için sıralama formülünde, üniversite yerleştirme sıralaması olarak mezun oldukları bölümün, adayın lisans bölümüne başladığı yıldaki en düşük üniversite yerleştirme sıralaması dikkate alınır.

(2) Kurum tarafından yürütülen dış destekli projelerde yüksek lisans öğrencisi olan bursiyerlerde aranacak şartlar aşağıda belirtilmiştir:

Türkiye’de kurulu yüksek öğretim kurumlarında yüksek lisans öğrenimine devam eden (özel öğrenci ve yabancı dil hazırlık öğrencisi hariç) öğrenci olmak.
Yer alacağı projenin görev alanında yüksek lisans yapıyor olmak.

(3) Kurum tarafından yürütülen dış destekli projelerde doktora öğrencisi olan bursiyerlerde aranacak şartlar aşağıda belirtilmiştir:

Türkiye’de kurulu yüksek öğretim kurumlarında doktora öğrenimine devam eden (özel öğrenci ve yabancı dil hazırlık öğrencisi hariç) öğrenci olmak.
Yer alacağı projenin görev alanında doktora yapıyor olmak veya YÖK-TÜBİTAK Doktora Programı Projesi’ne İlişkin İş Birliği Protokolü kapsamında belirlenen alanlarda doktora yapıyor olmak. (Tıpta uzmanlık ve sanatta yeterlik öğrencileri doktora öğrencisi olarak kabul edilir.)