فلش‌کارت‌های آموزشی تحلیل کلان‌داده با SQL: از مقدماتی تا پیشرفته

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل کلان‌داده با SQL: از مقدماتی تا پیشرفته

موضوع کلی: فناوری اطلاعات و علوم کامپیوتر

موضوع میانی: پایگاه داده و تحلیل داده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر کلان‌داده و اهمیت آن
• 2. مفاهیم پایه پایگاه داده رابطه‌ای
• 3. آشنایی با زبان SQL: دستورات اساسی
• 4. انتخاب داده‌ها با SELECT
• 5. فیلتر کردن داده‌ها با WHERE
• 6. مرتب‌سازی نتایج با ORDER BY
• 7. گروه‌بندی داده‌ها با GROUP BY
• 8. فیلتر کردن گروه‌ها با HAVING
• 9. پیوستن جداول با JOIN (INNER JOIN)
• 10. پیوستن جداول (LEFT JOIN)
• 11. پیوستن جداول (RIGHT JOIN)
• 12. پیوستن جداول (FULL OUTER JOIN)
• 13. استفاده از زیرپرس‌وجوها (Subqueries)
• 14. پرس‌وجوهای همبسته (Correlated Subqueries)
• 15. توابع تجمعی (Aggregate Functions)
• 16. توابع پنجره‌ای (Window Functions): مقدمه
• 17. توابع پنجره‌ای: رتبه‌بندی (Ranking)
• 18. توابع پنجره‌ای: توابع مبتنی بر فریم (Frame-based)
• 19. توابع پنجره‌ای: انباشت (Aggregation)
• 20. کار با داده‌های تاریخ و زمان در SQL
• 21. عملیات رشته‌ای در SQL
• 22. استفاده از Case Expressions
• 23. مدیریت خطاها در SQL
• 24. عملگرهای منطقی و مقایسه‌ای
• 25. ایجاد و مدیریت جداول (CREATE, ALTER, DROP)
• 26. عملیات درج، به‌روزرسانی و حذف داده‌ها (INSERT, UPDATE, DELETE)
• 27. شاخص‌گذاری (Indexing) برای بهینه‌سازی
• 28. انواع داده‌ها در SQL
• 29. نرمال‌سازی پایگاه داده
• 30. مقدمه‌ای بر پایگاه داده‌های NoSQL
• 31. تفاوت پایگاه داده‌های رابطه‌ای و NoSQL
• 32. کاربرد NoSQL در تحلیل کلان‌داده
• 33. مقدمه‌ای بر Hadoop و اکوسیستم آن
• 34. مفاهیم HDFS (Hadoop Distributed File System)
• 35. آشنایی با MapReduce
• 36. مقدمه‌ای بر Spark برای پردازش کلان‌داده
• 37. Spark SQL: کار با داده‌های ساختاریافته
• 38. Spark Streaming: پردازش داده‌های جریانی
• 39. مقدمه‌ای بر ابزارهای BI (Business Intelligence)
• 40. کاربرد SQL در ابزارهای BI
• 41. مفاهیم انبار داده (Data Warehousing)
• 42. طراحی انبار داده
• 43. مقدمه‌ای بر مفاهیم OLAP
• 44. مکعب‌های OLAP و عملیات آن‌ها
• 45. مقدمه‌ای بر علم داده (Data Science)
• 46. مراحل تحلیل داده در علم داده
• 47. پیش‌پردازش داده‌ها
• 48. پاک‌سازی داده‌ها
• 49. مدل‌سازی داده‌ها
• 50. ارزیابی مدل‌ها
• 51. مقدمه‌ای بر یادگیری ماشین (Machine Learning)
• 52. یادگیری نظارت‌شده (Supervised Learning)
• 53. یادگیری نظارت‌نشده (Unsupervised Learning)
• 54. مقدمه‌ای بر الگوریتم‌های دسته‌بندی
• 55. مقدمه‌ای بر الگوریتم‌های رگرسیون
• 56. مقدمه‌ای بر خوشه‌بندی (Clustering)
• 57. کاربرد SQL در استخراج ویژگی (Feature Extraction)
• 58. آشنایی با زبان پایتون برای تحلیل داده
• 59. کتابخانه Pandas برای دستکاری داده
• 60. کتابخانه NumPy برای محاسبات عددی
• 61. کتابخانه Matplotlib برای بصری‌سازی داده
• 62. کتابخانه Seaborn برای بصری‌سازی پیشرفته
• 63. مقدمه‌ای بر تحلیل سری‌های زمانی
• 64. پیش‌بینی با استفاده از سری‌های زمانی
• 65. مقدمه‌ای بر تحلیل شبکه‌های اجتماعی
• 66. استخراج اطلاعات از شبکه‌های اجتماعی با SQL
• 67. کاربرد SQL در تحلیل متن (Text Analysis)
• 68. پردازش زبان طبیعی (NLP) مقدماتی
• 69. مقدمه‌ای بر تحلیل احساسات (Sentiment Analysis)
• 70. کاربرد SQL در تحلیل احساسات
• 71. مقدمه‌ای بر ابزارهای تحلیل کلان‌داده
• 72. انتخاب ابزار مناسب برای تحلیل کلان‌داده
• 73. امنیت در پایگاه داده‌ها و تحلیل کلان‌داده
• 74. حفظ حریم خصوصی داده‌ها
• 75. مقررات مربوط به داده‌ها در ایران
• 76. اصول اخلاقی در تحلیل داده
• 77. مدیریت پروژه‌های تحلیل کلان‌داده
• 78. استانداردهای کیفیت داده
• 79. مستندسازی در تحلیل کلان‌داده
• 80. ارتباط مؤثر نتایج تحلیل داده
• 81. بصری‌سازی پیشرفته با ابزارهای BI
• 82. داشبوردهای مدیریتی
• 83. تحلیل داده‌های مکانی (Spatial Data Analysis)
• 84. کاربرد SQL در داده‌های مکانی
• 85. مقدمه‌ای بر داده‌های گراف (Graph Data)
• 86. کاربرد SQL در داده‌های گراف
• 87. مقدمه‌ای بر یادگیری عمیق (Deep Learning)
• 88. کاربرد یادگیری عمیق در تحلیل کلان‌داده
• 89. ملاحظات عملی در پیاده‌سازی سیستم‌های کلان‌داده
• 90. آینده تحلیل کلان‌داده
• 91. مطالعات موردی در تحلیل کلان‌داده (صنعتی)
• 92. مطالعات موردی در تحلیل کلان‌داده (مالی)
• 93. مطالعات موردی در تحلیل کلان‌داده (بهداشتی)
• 94. مطالعات موردی در تحلیل کلان‌داده (دولتی)
• 95. بهینه‌سازی پرس‌وجوهای پیچیده SQL
• 96. تکنیک‌های پیشرفته پنجره‌ای در SQL
• 97. کاربرد SQL در پردازش داده‌های ناهمگن
• 98. مفاهیم داده‌های حجیم و متغیر (Big Data Characteristics)
• 99. نقش SQL در معماری کلان‌داده
• 100. استفاده از SQL برای کشف الگوهای پنهان