اپلیکیشن اندرویدی فلش‌کارت آموزشی تحلیل و بصری‌سازی داده با Power BI: گامی فراتر در علم داده

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل و بصری‌سازی داده با Power BI: گامی فراتر در علم داده

موضوع کلی: علوم داده و هوش تجاری

موضوع میانی: ابزارهای تحلیل و بصری‌سازی داده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علم داده و هوش تجاری
• 2. آشنایی با Power BI و اکوسیستم آن
• 3. نصب و راه‌اندازی Power BI Desktop
• 4. مفاهیم کلیدی در Power BI: گزارش‌ها، داشبوردها، وایِتها
• 5. انواع منابع داده در Power BI
• 6. اتصال به منابع داده مختلف (Excel, CSV, SQL Server)
• 7. وارد کردن داده‌ها و اصول پاکسازی اولیه
• 8. مقدمه‌ای بر زبان DAX: فرمول‌نویسی در Power BI
• 9. توابع پرکاربرد DAX: SUM, AVERAGE, COUNT
• 10. ایجاد ستون‌های محاسباتی و اندازه‌گیری‌ها
• 11. کار با تاریخ و زمان در DAX
• 12. فیلتر کردن داده‌ها با استفاده از CALCULATE
• 13. مدل‌سازی داده در Power BI: روابط بین جداول
• 14. بهینه‌سازی مدل داده برای عملکرد بهتر
• 15. مقدمه‌ای بر بصری‌سازی داده
• 16. انتخاب نمودار مناسب برای نمایش داده‌ها
• 17. نمودارهای ستونی، خطی، و دایره‌ای
• 18. نمودارهای پراکندگی و حبابی
• 19. نمودارهای نقشه و جغرافیایی
• 20. کار با کارت‌ها و شاخص‌های کلیدی عملکرد (KPIs)
• 21. ایجاد اسلایسرها و فیلترهای تعاملی
• 22. تنظیمات ظاهری و سفارشی‌سازی بصری‌سازی‌ها
• 23. استفاده از قالب‌ها (Themes) برای ظاهر گزارش
• 24. کار با ابزار Text Box و Shape
• 25. افزودن تصاویر و لوگو به گزارش‌ها
• 26. طراحی صفحات گزارش و سازماندهی اطلاعات
• 27. ایجاد داشبوردهای مدیریتی
• 28. مفاهیم پیشرفته در DAX: Iterators (SUMX, AVERAGEX)
• 29. توابع جدولی در DAX
• 30. کار با روابط و فیلترهای متقاطع
• 31. ایجاد جداول محاسباتی
• 32. توابع زمان هوشمند (Time Intelligence Functions)
• 33. مدیریت سلسله مراتب زمانی (Date Hierarchy)
• 34. کار با فاکتورهای زمان (Time Factors)
• 35. مفاهیم پیشرفته مدل‌سازی: Dim Table, Fact Table
• 36. استفاده از Star Schema و Snowflake Schema
• 37. بهینه‌سازی عملکرد کوئری‌ها (Query Performance)
• 38. فشرده‌سازی داده‌ها و مدیریت حافظه
• 39. مقدمه‌ای بر Power Query: ETL در Power BI
• 40. اصول تبدیل داده‌ها در Power Query
• 41. پاکسازی داده‌ها: حذف مقادیر تکراری، خطاها، و مقادیر خالی
• 42. تغییر نوع داده‌ها و نام‌گذاری ستون‌ها
• 43. پیوستن (Append) و ادغام (Merge) جداول
• 44. اصول Unpivot و Pivot ستون‌ها
• 45. ایجاد ستون‌های شرطی و سفارشی
• 46. کار با توابع متنی و عددی در Power Query
• 47. مقدمه‌ای بر زبان M در Power Query
• 48. ایجاد توابع سفارشی در Power Query
• 49. مدیریت خطاهای Power Query
• 50. بهینه‌سازی مراحل Power Query
• 51. کار با پارامترها در Power Query
• 52. مقدمه‌ای بر Power BI Service
• 53. انتشار گزارش‌ها در Power BI Service
• 54. ایجاد و مدیریت داشبوردها در Power BI Service
• 55. تنظیمات به‌روزرسانی داده‌ها (Data Refresh)
• 56. تنظیمات امنیتی و دسترسی به گزارش‌ها
• 57. مفهوم Workspaces و Apps
• 58. اشتراک‌گذاری گزارش‌ها و داشبوردها
• 59. کار با Row-Level Security (RLS)
• 60. مقدمه‌ای بر Power BI Mobile
• 61. طراحی گزارش برای دستگاه‌های موبایل
• 62. کار با Q&A در Power BI
• 63. استفاده از قابلیت‌های AI بصری‌سازی
• 64. مقدمه‌ای بر R و Python در Power BI
• 65. ادغام R و Python برای تحلیل پیشرفته
• 66. کار با Visuals سفارشی (Custom Visuals)
• 67. یافتن و استفاده از Visuals سفارشی
• 68. ایجاد Visuals سفارشی ساده
• 69. مقدمه‌ای بر تحلیل سری‌های زمانی
• 70. پیش‌بینی روندها با Power BI
• 71. تحلیل سببی و یافتن ریشه‌های مشکلات
• 72. مقدمه‌ای بر تحلیل سببی در کسب‌وکار
• 73. کاربرد Power BI در گزارش‌دهی مالی
• 74. تحلیل فروش و عملکرد بازاریابی با Power BI
• 75. بهینه‌سازی فرآیندهای عملیاتی با Power BI
• 76. کاربرد Power BI در تحلیل داده‌های منابع انسانی
• 77. تحلیل رفتار مشتری با Power BI
• 78. مقدمه‌ای بر مفاهیم داده‌کاوی سازگار
• 79. اصول خوشه‌بندی داده‌ها با Power BI (غیر ترویجی)
• 80. قوانین انجمنی (Association Rules) در Power BI (غیر ترویجی)
• 81. مقدمه‌ای بر تحلیل پیش‌بینی‌کننده (Predictive Analytics)
• 82. کاربرد Power BI در هوش تجاری استراتژیک
• 83. اصول حاکمیت داده (Data Governance) در Power BI
• 84. امنیت داده‌ها و حفاظت از اطلاعات
• 85. اخلاق در علم داده و استفاده مسئولانه
• 86. آیندهٔ علم داده و Power BI
• 87. جمع‌بندی و گام‌های بعدی در علم داده
• 88. تمرینات عملی و پروژه‌های کاربردی
• 89. پروژه نهایی: تحلیل جامع یک مجموعه داده