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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره SQL و Data Lake

موضوع کلی: برنامه نویسی

موضوع میانی: SQL

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پایگاه‌های داده رابطه‌ای
• 2. مفاهیم کلیدی SQL
• 3. انواع داده در SQL
• 4. دستورات DDL: CREATE, ALTER, DROP
• 5. دستورات DML: INSERT, UPDATE, DELETE
• 6. دستور SELECT: بازیابی داده‌ها
• 7. فیلتر کردن داده‌ها با WHERE
• 8. مرتب‌سازی نتایج با ORDER BY
• 9. محدود کردن تعداد نتایج با LIMIT
• 10. عملیات JOIN: ترکیب جداول
• 11. انواع JOIN: INNER, LEFT, RIGHT, FULL
• 12. استفاده از Alias برای جداول و ستون‌ها
• 13. توابع تجمعی: COUNT, SUM, AVG, MIN, MAX
• 14. گروه‌بندی نتایج با GROUP BY
• 15. فیلتر کردن گروه‌ها با HAVING
• 16. زیرپرس‌وجوها (Subqueries)
• 17. پرس‌وجوهای همبسته (Correlated Subqueries)
• 18. نمایه‌ها (Indexes) و بهینه‌سازی
• 19. انواع نمایه‌ها
• 20. مدیریت تراکنش‌ها: ACID
• 21. دستورات تراکنشی: COMMIT, ROLLBACK
• 22. قفل‌گذاری (Locking) در پایگاه داده
• 23. قفل‌گذاری اشتراکی و انحصاری
• 24. مفاهیم پایگاه داده NoSQL
• 25. معرفی Data Lake
• 26. تفاوت Data Lake و Data Warehouse
• 27. معماری Data Lake
• 28. ذخیره‌سازی داده‌ها در Data Lake
• 29. فرمت‌های فایل در Data Lake: Parquet, ORC
• 30. اکوسیستم Hadoop
• 31. HDFS: سیستم فایل توزیع‌شده Hadoop
• 32. MapReduce: مدل برنامه‌نویسی پردازش دسته‌ای
• 33. Apache Spark: پردازش سریع داده‌ها
• 34. Spark SQL
• 35. Spark Streaming
• 36. Apache Hive
• 37. Apache Flink
• 38. Apache Kafka
• 39. مفاهیم معماری Lambda
• 40. مفاهیم معماری Kappa
• 41. ذخیره‌سازی ابری برای Data Lake
• 42. Amazon S3
• 43. Azure Data Lake Storage
• 44. Google Cloud Storage
• 45. امنیت در Data Lake
• 46. مدیریت دسترسی در Data Lake
• 47. حاکمیت داده (Data Governance)
• 48. کیفیت داده (Data Quality)
• 49. پاکسازی داده‌ها
• 50. تبدیل داده‌ها (Data Transformation)
• 51. بارگذاری داده‌ها (Data Loading)
• 52. استخراج، تبدیل، بارگذاری (ETL)
• 53. استخراج، بارگذاری، تبدیل (ELT)
• 54. مفاهیم Data Catalog
• 55. ابزارهای Data Catalog
• 56. تحلیل داده‌ها در Data Lake
• 57. مصورسازی داده‌ها
• 58. ابزارهای تحلیل داده
• 59. یادگیری ماشین با Data Lake
• 60. آماده‌سازی داده برای یادگیری ماشین
• 61. آموزش مدل‌های یادگیری ماشین
• 62. استقرار مدل‌های یادگیری ماشین
• 63. مفاهیم مهندسی داده
• 64. طراحی پایپ‌لاین‌های داده
• 65. پایپ‌لاین‌های داده در زمان واقعی (Real-time)
• 66. پایپ‌لاین‌های داده دسته‌ای (Batch)
• 67. مانیتورینگ پایپ‌لاین‌های داده
• 68. مدیریت خطا در پایپ‌لاین‌های داده
• 69. پردازش گراف در Data Lake
• 70. مفاهیم Data Mesh
• 71. اصول Data Mesh
• 72. پیاده‌سازی Data Mesh
• 73. ملاحظات اقتصادی در Data Lake
• 74. هزینه‌های ذخیره‌سازی و پردازش
• 75. بهینه‌سازی هزینه‌ها
• 76. قوانین و مقررات حفاظت از داده‌ها
• 77. حریم خصوصی داده‌ها
• 78. استانداردهای داده
• 79. مقدمه‌ای بر هوش تجاری (BI)
• 80. ابزارهای هوش تجاری
• 81. گزارش‌گیری در هوش تجاری
• 82. داشبوردهای مدیریتی
• 83. تحلیل اکتشافی داده (EDA)
• 84. تکنیک‌های EDA
• 85. پیش‌پردازش داده برای تحلیل
• 86. مفاهیم آماری پایه
• 87. توزیع داده‌ها
• 88. همبستگی و رگرسیون
• 89. مفاهیم یادگیری نظارت‌شده
• 90. مفاهیم یادگیری بدون نظارت
• 91. کاربرد SQL در تحلیل Data Lake
• 92. کاربرد Spark در تحلیل Data Lake
• 93. کاربرد Kafka در پردازش داده‌های جریانی
• 94. مدیریت کلان‌داده‌ها (Big Data)
• 95. چالش‌های کلان‌داده‌ها
• 96. فرصت‌های کلان‌داده‌ها
• 97. آینده Data Lake و مهندسی داده
• 98. اخلاق در مهندسی داده
• 99. نقش مهندس داده در سازمان
• 100. مفاهیم DataOps