C/TVTS : T-SQL ile Veri Tabanı Sorgulama (Microsoft SQL Server)
5 gün (30 Saat) Orta Sınıf / Online Veritabanı Geliştirme ve Sorgulama
Birçok araştırmaya göre SQL dili veri analizi konusunda en çok tercih edilen diller arasında ilk sırada yer oluyor. İlişkisel veri tabanlarını sorgulamada bir standart haline gelen SQL dili ile büyük veri ekosistemlerinden fiziksel donanımlara kadar birçok ortam verileri sorgulanabilmektedir. Farklı firmalar zamanla bu dili kendi kullanıcı kitlesine göre özelleştirmiş ve SQL diline yeni yetenekler kazandırmıştır. Microsoft tarafından zenginleştirilen SQL dilene T-SQL ismi verilmiştir. "T-SQL ile Veri Tabanı Sorgulama" eğitiminde Microsoft SQL Server üzerinde en güncel araçlar vasıtasıyla SQL dilini derinlemesine kullanacak, temel veri tabanı nesnelerini oluşturacak, hata ve transaction yönetimini ele alacak, sorgu performansını iyileştirici teknikleri paylaşacağız. Eğitmenimiz eğitim boyunca tüm sorguları sizlerle birlikte yazar, çeşitli testler uygular ve interaktif bir ortam sağlayarak eğitim sonrasında bu dili kullanabilmeniz için gerekli motivasyonu ve beceriyi oluşturmayı amaçlar. Dilerseniz bu eğitimden sonra veri tabanı sorgulama sınavlarına (MS 70-761) giriş yapabilirsiniz.
Eğitim İçeriği
Module 1: İlişkisel Veri ile Çalışma ve SQL Server Mimarisine Giriş
- Verinin Tanımı ve Verinin Sınıflandırılması
- Veri tabanı Yönetim Sistemleri ve SQL Dilleri
- Temel SQL Server Mimarisi
- Versiyon, Edition ve SQL Server Bileşenleri
- Ortamın Hazırlanması, SQLCMD, SSMS, Data Studio ile Çalışma
- SQL Dili Çalışma Mantığı ve Dil Grupları (DDL, DML, DCL)
- Normalizasyon Kuralları ve İlişkileri Anlama
Module 2: Sorgulama ve Filtreme
- SELECT ve PRINT ile Sonuçları Görüntüleme
- FROM ile Bir Kaynak Belirtme
- Tüm Kolonları veya Belirli Kolonları Getirme
- WHERE ile Satırları Filtreleme
- Karşılaştırma, Mantıksal ve Matematiksel Operatorler
- BETWEEN, IN, NOT IN Kullanımı
- NULL Veri Tipi ile Çalışırken Dikkat Edilecek Hususlar
- DISTINCT ile Tekrarlı Satırların Giderilmesi
Module 3: Sıralama ve Seçme
- ORDER BY ile Artan veya Azalan Sıralama
- TOP ile İlk n veya %n Kayıt Seçme
- WITH TIES kullanımı
- OFFSET ile Satır Atlama
- FETCH ile Satır Yakalama
- OFFSET ve FETCH ile Sayfalama
Module 4: Karakter Bazlı Metin Arama
- Joker karakterler ve Anlamları
- LIKE ile Arama İşlemleri
- Kaçış Karakteri ile Çalışma
Module 5: Gruplama ve Grubu Filtreleme
- Gruplandırma Fonksiyonları (SUM, MAX, MIN, AVG, COUNT vs.)
- Farklı Olanı Saydırma
- GROUP BY ile Bir Kolona Göre Gruplandırma
- HAVING ile Grubun Filtrelenmesi
- ROLLUP, CUBE, GROUPING SETS ile Gruplama
- SQL Dili Mantıksal Sorgulama Sırası ve Yazım Sırası
Module 6: Tabloların Birleştirilmesi
- INNER JOIN Kullanımı
- OUTER JOIN (LEFT, RIGHT, FULL) Kullanımı
- CROSS JOIN ve Sakıncaları
- Farklı Yazım Standartları ve Sakıncaları
- CROSS APPLY Kullanımı
- OUTER APPLY Kullanımı
Module 7: Küme İşlemleri
- UNION ve UNION ALL ile Birleşim
- EXCEP ile Fark
- INTERSECT ile Kesişim
Module 8: CASE ve IIF ile Şartlı Sonuç Türetme
- CASE için WHEN-THEN-ELSE Kullanımı
- Alternatif CASE Kullanımları
- IIF Kullanımı
- SELECT Çıktısını Tekrar Sorgulama
Module 9: Değişken Kullanımı, Veri Tipleri ve Tip Dönüşümü, Döngü ve Karar Yapıları
- Veri Tipleri Özelliklerini Anlama
- Veri Tipi Seçiminde ve Kullanımında Dikkat Edilecek Hususlar
- COLLATION Kullanımı
- Tip Dönüşümleri (Explicit, Implicit)
- CAST, CONVERT, PARSE, TRY_PARSE, TRY_CONVERY Kullanımı
- Tip Dönüşümünde Style ve Culture Kullanımı
- Alias Tipler Oluşturmak
- FORMAT ile Çıktı Oluşturma
- IF Kullanımı
- WHILE Kullanımı
Module 10: Alt Sorgular Oluşturma (Sub Query)
- Scaler Alt Sorgular ile Çalışma
- MultiValue Alt Sorgular ile Çalışma
- Self-Contained Alt Sorgular ile Çalışma
- Correlated Alt Sorgular ile Çalışma
- EXISTS Kullanımı
- ALL, ANY Kullanımı
Module 11: Temp Tablolar veya Türetilmiş Tablolar
- Temp ve Derived Tablolarla Çalışmanın Avantaj ve Dezavantajları
- Local Temp Tablo ile Çalışma
- Global Temp Tablo ile Çalışma
- Tablo Tipinden Değişken Kullanımı
- FROM ile VALUES ile Oluşan Tabloyu Sorgulama
- INTO ile Tablo Çoğaltma
- CTE ile Problemleri Küçük Parçalara Ayırma
- CTE ile Recursive Tablo Oluşturma
Module 12: Tablo Bazlı DDL İşlemleri
- CREATE ile Veritabanı, Tablo Oluşturma
- Identity Alanlar ve SEQUENCE Kullanımı
- INSERT INTO ile Veri Ekleme
- UPDATE ile Verinin Güncellenmesi
- DELETE ile Kayıtların Silinmesi
- TRUNCATE ile Kayıtların Silinmesi
- DROP ile Veritabanı ve Tablonun Kaldırılması
Module 13: İleri Tablo İşleme Yöntemleri
- PIVOT, UNPIVOT Kullanımı
- Windowing İşlemini Anlama
- ROW_NUMBER, RANK, DENSE_RANK, NTILE, PARTITION BY vs.
- LEAD, LAG
- FIRST_VALUE, LAST_VALUE Kullanımı
Module 14: Temel View, Procedure, Function ve Dinamik SQL Oluşturma
- View oluşturarak Sorguları Kapsülleme
- Procedure Oluşturma ve Avantajları
- Built-In Fonksiyonları Keşfetme ve Kullanma
- Fonksiyon Oluşturma
- Exec veya sp_executesql ile Dinamik SQL Yazımı
Module 15: Hata Yönetimi
- Hata Türlerini ve Seviyeleri Anlama
- RAISERROR ile Hata Üretme
- XACT_ABORT Kullanımı
- TRY-CATCH ile Hata Yakalama
- Hata Hakkında Bilgi Alma
Module 16: Transaction Kavramı
- ACID Felsefesini Anlama
- Lock ve Latch Etkilerini Anlama
- Transaction Başlatma (BEGIN TRANSACTION)
- Transaction Onaylama (COMMIT) veya Geri Alma (ROLLBACK)
- Isolation Seviyelerinin Farkında Olma
- Sorgularda NOLOCK Kullanımı ve Etkileri
Module Bonus: Temel Index Kavramı
- Indexler ve Etkileri
- Clustered Indexler
- Non-Clustered Indexler
- ColumnStore Indexler
Öncesinde Önerilenler
-
Data Analyst
Veri Okuryazarlığı, Verinin Keşfi, Modellenmesi ve Etkili Rapor Tasarlama Teknikleri
-
Data Engineer
Büyük Verinin İşlenmesi, Yönetimi, Veri Kalitesini Arttırma, Bulut Bilişim ve Veri Bilimi için Kodlama, Spark ve Hadoop gibi Dağıtık Mimariler ile Çalışma.
-
Data Scientist
Yapay Zeka, Makine Öğrenimi, Derin Öğrenme Teknikleri ile Büyük Veri Kümelerinden Desen ve Eğilim Keşfetme
-
DB Developer
Veritabanı Sorgulama, Tasarım Prensipleri ve Geliştirme
-
BI Professional
Veri kaynaklarının Keşfi, Veri Kalitesini Arttırma, ETL, Veriambarı Tasarım Prensipleri, Veri Modelleme ve Raporlama
-
Database Admin
Veritabanı yönetimi, optimizasyonu, performansı, felaketten kurtarma ve yüksek erişilebilirlik.
Bu seride öncesinde önerilen herhangi bir eğitim mevcut değil.
Sonrasında Önerilenler
-
Data Analyst
Veri Okuryazarlığı, Verinin Keşfi, Modellenmesi ve Etkili Rapor Tasarlama Teknikleri
- MS/10994B : Data Analysis Fundamentals Using Excel
- MS/20779B : Analyzing Data with Excel
- C/QSEU : Qlik Sense Son Kullanıcı
- C/QSDEV : Qlik Sense Geliştirici
- C/PBI : Power BI ile Veri Analizi
- MS/DA-100 : Analyzing Data with Power BI
- MS/10990C : Analyzing Data with SQL Server Reporting Services
- C/PBSSBI : Power BI ile Self Service BI
- C/DMDQ : Veri Yönetimi ve Veri Kalitesi
-
Data Engineer
Büyük Verinin İşlenmesi, Yönetimi, Veri Kalitesini Arttırma, Bulut Bilişim ve Veri Bilimi için Kodlama, Spark ve Hadoop gibi Dağıtık Mimariler ile Çalışma.
- MS/20777A : Implementing Microsoft Azure Cosmos DB Solutions
- C/PBSSBI : Power BI ile Self Service BI
- C/IRFDS : R Dili ve R ile Veri Analizi
- C/PDE : Python Dili Esasları
- C/IPFDS : Python Dili ve Python ile Veri Analizi
- C/PVA : Python ile Veri Analizi
- MS/20762C : Developing SQL Databases (Microsoft SQL Server)
- CMS/20764C : Administering a SQL Database Infrastructure
- MS/DP-300 : Administering Relational Databases on Microsoft Azure
- MS/20765C : Provisioning SQL Databases
- MS/10987C : Performance Tuning and Optimizing SQL Databases
- CMS/20767B : Implementing a SQL Data Warehouse
- MS/20768C : Developing SQL Data Models
- MS/10990C : Analyzing Data with SQL Server Reporting Services
- C/DMDQ : Veri Yönetimi ve Veri Kalitesi
- C/ADMT : İleri Veri Modelleme Teknikleri
- CMS/DP-203 : Data Engineering on Microsoft Azure
- C/AZSC-Synapse : Fundamentals of Azure Synapse Analytics
- C/BDA-Synapse : Data Analytics Solutions Using Azure Synapse Analytics
- MS/DP-500 : Designing and Implementing Enterprise-Scale Analytics Solutions Using Microsoft Azure and Microsoft Power BI
- CMS/DP-601T00A : Implementing a Lakehouse with Microsoft Fabric
- C/DAWS : Big Data Analysis with Spark
- C/PSS : PySpark ile Spark SQL
- C/VBL : Veri Bilimcileri için Linux
- C/VMUP : Veri Mimarisinde Ustalaşma Programı
-
Data Scientist
Yapay Zeka, Makine Öğrenimi, Derin Öğrenme Teknikleri ile Büyük Veri Kümelerinden Desen ve Eğilim Keşfetme
- C/PBSSBI : Power BI ile Self Service BI
- C/IRFDS : R Dili ve R ile Veri Analizi
- C/PDE : Python Dili Esasları
- C/IPFDS : Python Dili ve Python ile Veri Analizi
- C/PVA : Python ile Veri Analizi
- C/DMDQ : Veri Yönetimi ve Veri Kalitesi
- C/ADMT : İleri Veri Modelleme Teknikleri
- MS/AI-900 : Microsoft Azure AI Fundamentals
- MS/AI-100 : Designing and Implementing an Azure AI Solution
- MS/DP-100 : Designing and Implementing a Data Science Solution on Azure
- C/MOE : Makine Öğrenimi Esasları
- C/ADSB : Accelerated Data Science for Business
- C/AZSC-Synapse : Fundamentals of Azure Synapse Analytics
- MS/DP-500 : Designing and Implementing Enterprise-Scale Analytics Solutions Using Microsoft Azure and Microsoft Power BI
- CMS/DP-601T00A : Implementing a Lakehouse with Microsoft Fabric
- C/DAWS : Big Data Analysis with Spark
- C/PSS : PySpark ile Spark SQL
- C/VBL : Veri Bilimcileri için Linux
-
DB Developer
Veritabanı Sorgulama, Tasarım Prensipleri ve Geliştirme
-
BI Professional
Veri kaynaklarının Keşfi, Veri Kalitesini Arttırma, ETL, Veriambarı Tasarım Prensipleri, Veri Modelleme ve Raporlama
- MS/20762C : Developing SQL Databases (Microsoft SQL Server)
- C/QSDEV : Qlik Sense Geliştirici
- C/PBI : Power BI ile Veri Analizi
- MS/DA-100 : Analyzing Data with Power BI
- C/PBSSBI : Power BI ile Self Service BI
- CMS/20767B : Implementing a SQL Data Warehouse
- MS/20768C : Developing SQL Data Models
- MS/10990C : Analyzing Data with SQL Server Reporting Services
- C/AZSC-Synapse : Fundamentals of Azure Synapse Analytics
- C/BDA-Synapse : Data Analytics Solutions Using Azure Synapse Analytics
- MS/DP-500 : Designing and Implementing Enterprise-Scale Analytics Solutions Using Microsoft Azure and Microsoft Power BI
- CMS/DP-601T00A : Implementing a Lakehouse with Microsoft Fabric
- C/DMDQ : Veri Yönetimi ve Veri Kalitesi
- C/ADMT : İleri Veri Modelleme Teknikleri
-
Database Admin
Veritabanı yönetimi, optimizasyonu, performansı, felaketten kurtarma ve yüksek erişilebilirlik.