دوره طراحی مدل داده حرفه‌ای در Power BI همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی مدل داده حرفه‌ای در Power BI

موضوع کلی: هوش تجاری و تحلیل داده

موضوع میانی: مدل‌سازی داده در ابزارهای هوش تجاری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش تجاری و نقش مدل‌سازی داده
• 2. مفاهیم پایه در مدل‌سازی داده برای Power BI
• 3. مبانی طراحی مدل داده در Power BI
• 4. انواع جداول در مدل داده: جداول واقعیت و ابعاد
• 5. اصول طراحی جداول ابعاد: ویژگی‌ها و سلسله‌مراتب
• 6. طراحی جداول واقعیت: معیارهای کلیدی عملکرد
• 7. مفهوم کلیدهای اصلی و کلیدهای خارجی در Power BI
• 8. اهمیت روابط بین جداولی در Power BI
• 9. انواع روابط: یک به یک، یک به چند، چند به چند
• 10. مدیریت روابط در Power BI Desktop
• 11. تنظیمات پیشرفته روابط: Cross filter direction
• 12. بهینه‌سازی روابط برای عملکرد بهتر
• 13. مقدمه‌ای بر زبان DAX در Power BI
• 14. توابع پایه DAX: SUM, AVERAGE, COUNT
• 15. توابع DAX برای کار با جداول: FILTER, ALL, CALCULATE
• 16. توابع DAX برای کار با زمان: DATE, YEAR, MONTH, DAY
• 17. ایجاد ستون‌های محاسباتی با DAX
• 18. ایجاد معیارهای (Measures) محاسباتی با DAX
• 19. تفاوت بین ستون‌های محاسباتی و معیارها
• 20. کاربرد CALCULATE در DAX برای تغییر زمینه فیلتر
• 21. توابع DAX برای فیلتر کردن: KEEPFILTERS, REMOVEFILTERS
• 22. توابع DAX برای محاسبات تجمعی: SUMX, AVERAGEX
• 23. توابع DAX برای کار با جدول زمانی: DATESYTD, DATESQTD, DATESMTD
• 24. ایجاد تقویم سفارشی در Power BI
• 25. مدیریت تقویم در مدل داده
• 26. محاسبات سال به سال (YoY) و دوره به دوره (QoQ, MoM)
• 27. محاسبات رشد در DAX
• 28. محاسبات رتبه بندی با DAX: RANKX
• 29. مفهوم Time Intelligence در DAX
• 30. ایجاد KPI ها با DAX
• 31. طراحی مدل داده ستاره‌ای (Star Schema)
• 32. طراحی مدل داده برف‌دانه‌ای (Snowflake Schema)
• 33. مقایسه مدل ستاره‌ای و برف‌دانه‌ای
• 34. مراحل طراحی مدل داده در Power BI
• 35. شناسایی نیازمندی‌های کسب‌وکار برای مدل داده
• 36. استخراج داده‌ها و اتصال به منابع مختلف
• 37. پاک‌سازی و تبدیل داده‌ها با Power Query
• 38. ایجاد جداول جدید در Power Query
• 39. ادغام و پیوستن جداول در Power Query
• 40. تغییر انواع داده‌ها در Power Query
• 41. نرمال‌سازی و عدم نرمال‌سازی داده‌ها
• 42. مدیریت خطاها در Power Query
• 43. مقدمه‌ای بر مفاهیم داده‌کاوی
• 44. کاربرد داده‌کاوی در هوش تجاری
• 45. تکنیک‌های خوشه‌بندی (Clustering)
• 46. تکنیک‌های طبقه‌بندی (Classification)
• 47. تکنیک‌های پیش‌بینی (Forecasting)
• 48. تحلیل سبد خرید (Market Basket Analysis)
• 49. قوانین انجمنی (Association Rules)
• 50. مقدمه‌ای بر یادگیری ماشین در هوش تجاری
• 51. یادگیری ماشین نظارت شده
• 52. یادگیری ماشین بدون نظارت
• 53. پیاده‌سازی مدل‌های پیش‌بینی در Power BI
• 54. استفاده از افزونه‌های تحلیل پیشرفته در Power BI
• 55. مقدمه‌ای بر تحلیل احساسات (Sentiment Analysis)
• 56. کاربرد تحلیل احساسات در کسب‌وکار
• 57. تحلیل شبکه‌های اجتماعی و داده‌های آن
• 58. امنیت در مدل داده Power BI
• 59. مدل‌سازی داده برای سناریوهای فروش
• 60. مدل‌سازی داده برای سناریوهای مالی
• 61. مدل‌سازی داده برای سناریوهای بازاریابی
• 62. مدل‌سازی داده برای سناریوهای تولید
• 63. مدل‌سازی داده برای سناریوهای منابع انسانی
• 64. مدل‌سازی داده برای سناریوهای زنجیره تامین
• 65. بهینه‌سازی عملکرد مدل داده
• 66. نکات و ترفندهای پیشرفته در DAX
• 67. مدیریت سلسله‌مراتب پیشرفته
• 68. استفاده از پارامترها در مدل داده
• 69. طراحی مدل داده برای داده‌های حجیم
• 70. ارتباط با سایر ابزارهای هوش تجاری
• 71. مقدمه‌ای بر Azure Analysis Services
• 72. یکپارچه‌سازی Power BI با Azure Analysis Services
• 73. مدل‌سازی داده در Azure Analysis Services
• 74. مفاهیم OLAP و OLTP در هوش تجاری
• 75. تفاوت بین Data Warehouse و Data Lake
• 76. طراحی Data Warehouse سازگار با قوانین
• 77. معماری‌های Data Warehouse
• 78. اصول ETL (Extract, Transform, Load)
• 79. مراحل پیاده‌سازی ETL
• 80. ابزارهای ETL در اکوسیستم مایکروسافت
• 81. مقدمه‌ای بر Big Data و تحلیل آن
• 82. چالش‌های تحلیل Big Data
• 83. ابزارهای تحلیل Big Data
• 84. مقدمه‌ای بر اینترنت اشیا (IoT) و داده‌های آن
• 85. مدل‌سازی داده برای سناریوهای IoT
• 86. تحلیل داده‌های مکانی (Geospatial Analysis)
• 87. کاربرد تحلیل داده‌های مکانی در کسب‌وکار
• 88. مقدمه‌ای بر هوش مصنوعی (AI) در هوش تجاری
• 89. کاربرد هوش مصنوعی در تحلیل داده
• 90. تکنیک‌های تجسم داده پیشرفته
• 91. اصول طراحی داشبوردهای مدیریتی
• 92. کاربرد داشبوردهای مدیریتی در تصمیم‌گیری
• 93. اهمیت مستندسازی مدل داده
• 94. بهترین شیوه‌ها در طراحی مدل داده
• 95. چالش‌های رایج در مدل‌سازی داده و راه‌حل‌ها
• 96. آینده هوش تجاری و مدل‌سازی داده
• 97. مروری بر مباحث کلیدی دوره
• 98. تمرین عملی طراحی مدل داده جامع