اپلیکیشن اندرویدی فلش‌کارت آموزشی مبانی هوش تجاری با SQL، ETL و انبار داده

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی هوش تجاری با SQL، ETL و انبار داده

موضوع کلی: مدیریت و تحلیل داده‌ها

موضوع میانی: هوش تجاری و انبار داده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش تجاری و تحلیل داده
• 2. کاربرد هوش تجاری در سازمان‌ها
• 3. مفاهیم کلیدی انبار داده
• 4. معماری انبار داده
• 5. انواع انبار داده (Data Mart, Operational Data Store)
• 6. مراحل فرآیند ETL
• 7. جمع‌آوری داده‌ها
• 8. پاکسازی داده‌ها
• 9. تبدیل داده‌ها (Transformation)
• 10. بارگذاری داده‌ها (Loading)
• 11. ابزارهای ETL
• 12. مدیریت کیفیت داده
• 13. مفاهیم کلیدی SQL
• 14. مقدمه‌ای بر زبان SQL
• 15. دستور SELECT
• 16. فیلتر کردن داده‌ها با WHERE
• 17. مرتب‌سازی نتایج با ORDER BY
• 18. گروه‌بندی داده‌ها با GROUP BY
• 19. فیلتر کردن گروه‌ها با HAVING
• 20. اتصال جداول با JOIN
• 21. انواع JOIN (INNER, LEFT, RIGHT, FULL)
• 22. زیرپرس‌وجوها (Subqueries)
• 23. توابع پنجره‌ای (Window Functions)
• 24. توابع تجمعی (Aggregate Functions)
• 25. عملیات روی رشته‌ها
• 26. عملیات روی تاریخ و زمان
• 27. توابع شرطی (CASE)
• 28. مدیریت خطا در SQL
• 29. بهینه‌سازی پرس‌وجوهای SQL
• 30. مقدمه‌ای بر انبار داده
• 31. مدل‌سازی ابعادی (Dimensional Modeling)
• 32. مفهوم Fact Table
• 33. مفهوم Dimension Table
• 34. انواع Fact Table (Transactional, Snapshot, Accumulating)
• 35. انواع Dimension Table (Static, Slowly Changing Dimensions)
• 36. روش‌های مدیریت Slowly Changing Dimensions (Type 1, 2, 3)
• 37. طراحی اسکیمای ستاره‌ای (Star Schema)
• 38. طراحی اسکیمای برف‌دانه‌ای (Snowflake Schema)
• 39. مقایسه Star Schema و Snowflake Schema
• 40. مفاهیم OLAP
• 41. مفاهیم OLTP
• 42. تفاوت OLAP و OLTP
• 43. عملیات OLAP (Slice, Dice, Roll-up, Drill-down)
• 44. مقدمه‌ای بر ابزارهای هوش تجاری
• 45. کاربرد داشبوردها
• 46. طراحی داشبوردهای مؤثر
• 47. شاخص‌های کلیدی عملکرد (KPIs)
• 48. گزارش‌گیری تحلیلی
• 49. مقدمه‌ای بر Data Mining
• 50. تکنیک‌های خوشه‌بندی (Clustering)
• 51. تکنیک‌های طبقه‌بندی (Classification)
• 52. تکنیک‌های پیش‌بینی (Prediction)
• 53. امنیت در انبار داده
• 54. مدیریت دسترسی به داده‌ها
• 55. مستندسازی انبار داده
• 56. چالش‌های پیاده‌سازی انبار داده
• 57. مدیریت تغییرات در انبار داده
• 58. مبانی تحلیل داده با Python (Pandas)
• 59. مقدمه‌ای بر کتابخانه Pandas
• 60. ساخت DataFrame
• 61. خواندن داده‌ها از فایل‌ها
• 62. انتخاب و فیلتر کردن داده‌ها
• 63. عملیات روی ستون‌ها
• 64. عملیات روی ردیف‌ها
• 65. مدیریت داده‌های گمشده
• 66. توابع تجمعی در Pandas
• 67. گروه‌بندی و تجمیع داده‌ها
• 68. ادغام و اتصال DataFrames
• 69. عملیات زمانی در Pandas
• 70. مقدمه‌ای بر ابزارهای تجسم داده (Matplotlib, Seaborn)
• 71. رسم نمودارهای خطی
• 72. رسم نمودارهای میله‌ای
• 73. رسم نمودارهای پراکندگی
• 74. رسم هیستوگرام
• 75. رسم نمودارهای جعبه‌ای
• 76. رسم نقشه‌ها (در صورت امکان و با داده‌های مناسب)
• 77. مقدمه‌ای بر داده‌های بزرگ (Big Data)
• 78. مفاهیم Hadoop و Spark (بدون جزئیات فنی پیچیده)
• 79. کاربرد تحلیل داده در کسب‌وکار
• 80. تحلیل داده برای تصمیم‌گیری استراتژیک
• 81. تحلیل داده برای بهینه‌سازی عملیات
• 82. تحلیل داده برای درک مشتری
• 83. تحلیل داده برای پیش‌بینی روندها
• 84. اخلاق در تحلیل داده
• 85. حریم خصوصی داده‌ها
• 86. مسئولیت‌پذیری در تحلیل داده
• 87. آینده هوش تجاری و تحلیل داده
• 88. یادگیری ماشین در هوش تجاری (مقدماتی)
• 89. مقدمه‌ای بر هوش مصنوعی (مرتبط با تحلیل داده)
• 90. پروژه‌های عملی هوش تجاری (مثال‌های ساده)
• 91. کاربرد انبار داده در صنعت مالی
• 92. کاربرد انبار داده در صنعت خرده‌فروشی
• 93. کاربرد انبار داده در صنعت بهداشت
• 94. نکات پایانی و جمع‌بندی