اپلیکیشن اندرویدی فلش‌کارت آموزشی SQL و ETL (Extract, Transform, Load)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره SQL و ETL (Extract, Transform, Load)

موضوع کلی: برنامه نویسی

موضوع میانی: SQL

📋 سرفصل‌های دوره

• 1. مقدمه ای بر پایگاه داده و SQL
• 2. مفاهیم پایگاه داده رابطه‌ای
• 3. طراحی مدل داده رابطه‌ای
• 4. اصول اولیه SQL
• 5. دستور SELECT برای بازیابی داده‌ها
• 6. دستور INSERT برای افزودن داده‌ها
• 7. دستور UPDATE برای اصلاح داده‌ها
• 8. دستور DELETE برای حذف داده‌ها
• 9. فیلتر کردن داده‌ها با WHERE
• 10. مرتب‌سازی نتایج با ORDER BY
• 11. محدود کردن تعداد نته با LIMIT
• 12. عملیات روی رشته‌ها در SQL
• 13. عملیات روی اعداد در SQL
• 14. کار با تاریخ و زمان در SQL
• 15. عملیات منطقی و مقایسه‌ای
• 16. عملگرهای LIKE و IN
• 17. دستورات GROUP BY و Aggregate Functions
• 18. توابع Aggregate: COUNT, SUM, AVG, MIN, MAX
• 19. فیلتر کردن گروه‌ها با HAVING
• 20. جوین کردن جداول: INNER JOIN
• 21. جوین کردن جداول: LEFT JOIN
• 22. جوین کردن جداول: RIGHT JOIN
• 23. جوین کردن جداول: FULL OUTER JOIN
• 24. جوین کردن جداول: CROSS JOIN
• 25. زیرپرس و جوها (Subqueries)
• 26. استفاده از زیرپرس و جو در WHERE
• 27. استفاده از زیرپرس و جو در SELECT
• 28. استفاده از زیرپرس و جو در FROM
• 29. روابط یک به یک، یک به چند، چند به چند
• 30. کلیدهای اصلی و خارجی
• 31. نرمال‌سازی پایگاه داده (تا سطح سوم)
• 32. مقدمه ای بر ETL
• 33. فاز Extract در ETL
• 34. فاز Transform در ETL
• 35. فاز Load در ETL
• 36. ابزارهای ETL رایج
• 37. مفاهیم Data Warehousing
• 38. طراحی Star Schema
• 39. طراحی Snowflake Schema
• 40. Dimension Tables
• 41. Fact Tables
• 42. مفاهیم Data Mart
• 43. مراحل پیاده‌سازی Data Warehouse
• 44. مدیریت کیفیت داده در ETL
• 45. اعتبارسنجی داده‌ها در ETL
• 46. پاکسازی داده‌ها در ETL
• 47. استانداردسازی داده‌ها در ETL
• 48. تبدیلات داده‌ای رایج
• 49. تبدیلات رشته‌ای
• 50. تبدیلات عددی
• 51. تبدیلات تاریخ و زمان
• 52. تبدیلات منطقی (Boolean)
• 53. تبدیلات وابسته به جدول (Lookup)
• 54. تبدیلات تجمعی (Aggregation)
• 55. تبدیلات پیچیده (Custom Transformations)
• 56. مدیریت خطا در ETL
• 57. ثبت وقایع (Logging) در ETL
• 58. مانیتورینگ فرآیندهای ETL
• 59. زمان‌بندی اجرای Job های ETL
• 60. اتوماسیون فرآیندهای ETL
• 61. امنیت در ETL
• 62. کنترل دسترسی در ETL
• 63. مستندسازی فرآیندهای ETL
• 64. مقدمه ای بر Data Lake
• 65. تفاوت Data Lake و Data Warehouse
• 66. کاربرد Data Lake در تحلیل داده
• 67. ابزارهای پردازش Big Data
• 68. مفاهیم Hadoop
• 69. مفاهیم Spark
• 70. Spark SQL
• 71. Spark Streaming
• 72. کاربرد SQL در تحلیل داده‌های بزرگ
• 73. ETL با استفاده از Spark
• 74. ETL با استفاده از ابزارهای ابری (AWS Glue, Azure Data Factory, GCP Dataflow)
• 75. پردازش دسته‌ای (Batch Processing)
• 76. پردازش لحظه‌ای (Real-time Processing)
• 77. مفاهیم Data Pipeline
• 78. طراحی Data Pipeline
• 79. پیاده‌سازی Data Pipeline
• 80. بهینه‌سازی فرآیندهای ETL
• 81. کارایی در ETL
• 82. مقیاس‌پذیری در ETL
• 83. مدیریت حجم زیاد داده
• 84. اصول طراحی پایگاه داده بهینه برای ETL
• 85. ایندکس‌گذاری در پایگاه داده
• 86. استفاده از View ها در ETL
• 87. استفاده از Stored Procedures در ETL
• 88. مفاهیم Data Governance
• 89. نقش ETL در Data Governance
• 90. اهمیت داده‌های پاک و معتبر
• 91. مقدمه ای بر هوش تجاری (BI)
• 92. نقش ETL در BI
• 93. گزارش‌گیری و داشبوردسازی
• 94. تحلیل داده‌های تاریخی
• 95. کاربردهای عملی ETL در صنایع مختلف
• 96. مثال‌های عملی ETL در حوزه مالی
• 97. مثال‌های عملی ETL در حوزه سلامت
• 98. مثال‌های عملی ETL در حوزه خرده‌فروشی
• 99. اصول اخلاقی در کار با داده
• 100. حفظ حریم خصوصی داده‌ها