دوره SQL و Future of Data همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره SQL و Future of Data

موضوع کلی: برنامه نویسی

موضوع میانی: SQL

📋 سرفصل‌های دوره

• 1. مبانی پایگاه داده رابطه‌ای
• 2. مفاهیم کلیدی SQL
• 3. ساختار جدول و انواع داده
• 4. ایجاد و مدیریت جداول
• 5. درج، به‌روزرسانی و حذف داده‌ها
• 6. پرس‌وجوهای اساسی SELECT
• 7. فیلتر کردن داده‌ها با WHERE
• 8. مرتب‌سازی نتایج با ORDER BY
• 9. محدود کردن تعداد نتایج
• 10. استفاده از عملگرهای منطقی (AND, OR, NOT)
• 11. توابع آماری (COUNT, SUM, AVG, MIN, MAX)
• 12. گروه‌بندی نتایج با GROUP BY
• 13. فیلتر کردن گروه‌ها با HAVING
• 14. اتصال جداول (JOIN)
• 15. انواع مختلف JOIN (INNER, LEFT, RIGHT, FULL)
• 16. زیرپرس‌وجوها (Subqueries)
• 17. پرس‌وجوهای همبسته (Correlated Subqueries)
• 18. نمایه‌ها (Indexes) و کاربرد آن‌ها
• 19. بهینه‌سازی پرس‌وجوها
• 20. مفاهیم نرمال‌سازی پایگاه داده
• 21. فرم اول نرمال
• 22. فرم دوم نرمال
• 23. فرم سوم نرمال
• 24. فرم‌های بالاتر نرمال‌سازی (BCNF, 4NF, 5NF)
• 25. مفاهیم تراکنش (Transaction)
• 26. خواص ACID (Atomicity, Consistency, Isolation, Durability)
• 27. مدیریت تراکنش‌ها (COMMIT, ROLLBACK)
• 28. قفل‌گذاری و جلوگیری از تداخل تراکنش‌ها
• 29. امنیت پایگاه داده
• 30. کنترل دسترسی و مجوزها
• 31. رمزگذاری داده‌ها
• 32. پشتیبان‌گیری و بازیابی پایگاه داده
• 33. مقدمه‌ای بر NoSQL
• 34. انواع پایگاه داده‌های NoSQL
• 35. مقایسه پایگاه داده‌های رابطه‌ای و NoSQL
• 36. مقدمه‌ای بر معماری داده‌های آینده
• 37. کلان‌داده (Big Data) چیست؟
• 38. چالش‌های کلان‌داده
• 39. ذخیره‌سازی کلان‌داده (HDFS)
• 40. پردازش کلان‌داده (MapReduce)
• 41. اکوسیستم هادوپ
• 42. مقدمه‌ای بر Apache Spark
• 43. Spark Core و RDDها
• 44. Spark SQL
• 45. Spark Streaming
• 46. Spark MLlib
• 47. مقدمه‌ای بر پایگاه داده‌های گراف
• 48. کاربرد پایگاه داده‌های گراف
• 49. مقدمه‌ای بر پایگاه داده‌های ستونی
• 50. کاربرد پایگاه داده‌های ستونی
• 51. مقدمه‌ای بر پایگاه داده‌های کلید-مقدار
• 52. کاربرد پایگاه داده‌های کلید-مقدار
• 53. مقدمه‌ای بر پایگاه داده‌های سند-گرا
• 54. کاربرد پایگاه داده‌های سند-گرا
• 55. مفاهیم داده‌های نیمه‌ساختاریافته
• 56. قالب‌های داده (JSON, XML, Avro)
• 57. انتقال داده‌ها بین سیستم‌ها
• 58. مقدمه‌ای بر معماری‌های داده مدرن
• 59. انباره داده (Data Warehouse)
• 60. دریاچه داده (Data Lake)
• 61. مفهوم Data Mesh
• 62. هوش تجاری (Business Intelligence)
• 63. ابزارهای هوش تجاری
• 64. تجسم داده‌ها (Data Visualization)
• 65. اهمیت تجسم داده‌ها
• 66. انواع نمودارها و کاربرد آن‌ها
• 67. ابزارهای تجسم داده (مانند Tableau, Power BI)
• 68. مقدمه‌ای بر یادگیری ماشین
• 69. نقش داده‌ها در یادگیری ماشین
• 70. مقدمه‌ای بر یادگیری عمیق
• 71. کاربرد داده‌ها در هوش مصنوعی
• 72. ملاحظات اخلاقی در داده‌ها
• 73. حریم خصوصی داده‌ها
• 74. قوانین و مقررات مربوط به داده‌ها در ایران
• 75. استانداردهای داده در ایران
• 76. مدیریت چرخه عمر داده
• 77. استراتژی‌های داده برای سازمان‌ها
• 78. داده‌کاوی (Data Mining)
• 79. تکنیک‌های داده‌کاوی
• 80. مقدمه‌ای بر پردازش زبان طبیعی
• 81. کاربرد داده‌ها در پردازش زبان طبیعی
• 82. مقدمه‌ای بر داده‌های مکانی-زمانی
• 83. کاربرد داده‌های مکانی-زمانی
• 84. امنیت داده‌ها در معماری‌های توزیع‌شده
• 85. مفاهیم DevOps و مدیریت داده
• 86. مقدمه‌ای بر DataOps
• 87. اهمیت کیفیت داده
• 88. روش‌های بهبود کیفیت داده
• 89. مقدمه‌ای بر مدیریت کلان‌داده
• 90. چالش‌های پیاده‌سازی کلان‌داده
• 91. معماری‌های داده مقیاس‌پذیر
• 92. مقدمه‌ای بر داده‌های اینترنت اشیا (IoT)
• 93. کاربرد داده‌های IoT
• 94. مقدمه‌ای بر داده‌های بلاک‌چین
• 95. کاربرد داده‌های بلاک‌چین
• 96. آینده پایگاه داده‌ها و مدیریت داده
• 97. نقش SQL در آینده داده
• 98. تکامل SQL
• 99. پایگاه داده‌های توزیع‌شده
• 100. مفاهیم مقیاس‌پذیری افقی و عمودی