کتاب صوتی SQL و Prescriptive Analytics

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره SQL و Prescriptive Analytics

موضوع کلی: برنامه نویسی

موضوع میانی: SQL

📋 سرفصل‌های دوره

• 1. مقدمه ای بر SQL
• 2. مقدمه ای بر تحلیل تجویزی (Prescriptive Analytics)
• 3. ارتباط SQL و تحلیل تجویزی
• 4. نصب و پیکربندی SQL Server
• 5. نصب و پیکربندی PostgreSQL
• 6. نصب و پیکربندی MySQL
• 7. مفاهیم پایگاه داده رابطه‌ای
• 8. جداول، ستون‌ها و ردیف‌ها
• 9. کلیدهای اصلی و خارجی
• 10. انواع داده در SQL
• 11. دستور SELECT
• 12. فیلتر کردن داده‌ها با WHERE
• 13. مرتب‌سازی نتایج با ORDER BY
• 14. گروه‌بندی داده‌ها با GROUP BY
• 15. فیلتر کردن گروه‌ها با HAVING
• 16. استفاده از توابع تجمعی (Aggregate Functions)
• 17. COUNT, SUM, AVG, MIN, MAX
• 18. دستور INSERT
• 19. دستور UPDATE
• 20. دستور DELETE
• 21. دستور CREATE TABLE
• 22. دستور ALTER TABLE
• 23. دستور DROP TABLE
• 24. مقدمه ای بر JOIN ها
• 25. INNER JOIN
• 26. LEFT JOIN
• 27. RIGHT JOIN
• 28. FULL OUTER JOIN
• 29. CROSS JOIN
• 30. استفاده از زیرپرس و جوها (Subqueries)
• 31. استفاده از CTEs (Common Table Expressions)
• 32. توابع پنجره‌ای (Window Functions)
• 33. ROW_NUMBER(), RANK(), DENSE_RANK()
• 34. LAG(), LEAD()
• 35. SUM() OVER(), AVG() OVER()
• 36. مقدمه ای بر Stored Procedures
• 37. نوشتن Stored Procedures
• 38. پارامترها در Stored Procedures
• 39. مدیریت خطا در Stored Procedures
• 40. مقدمه ای بر Triggers
• 41. انواع Triggers (BEFORE, AFTER, INSTEAD OF)
• 42. Trigger ها برای عملیات DML
• 43. Trigger ها برای عملیات DDL
• 44. مقدمه ای بر Views
• 45. ایجاد Views
• 46. استفاده از Views
• 47. Views قابل بروزرسانی
• 48. مقدمه ای بر Index ها
• 49. انواع Index ها (Clustered, Non-Clustered)
• 50. مزایا و معایب Index ها
• 51. بهینه‌سازی Query ها با Index ها
• 52. مقدمه ای بر Transaction ها
• 53. ACID Properties
• 54. BEGIN TRANSACTION, COMMIT, ROLLBACK
• 55. سطوح Isolation در Transaction ها
• 56. مقدمه ای بر Concurrency Control
• 57. قفل‌گذاری (Locking)
• 58. پیشگیری از Deadlock
• 59. مقدمه ای بر Data Warehousing
• 60. مفاهیم ETL (Extract, Transform, Load)
• 61. Dimension Modeling
• 62. Fact Tables
• 63. Star Schema
• 64. Snowflake Schema
• 65. مقدمه ای بر Business Intelligence (BI)
• 66. نقش SQL در BI
• 67. گزارش‌گیری با SQL
• 68. داشبوردها و BI Tools
• 69. مقدمه ای بر تحلیل تجویزی
• 70. تعریف تحلیل تجویزی
• 71. تفاوت با تحلیل توصیفی و تشخیصی
• 72. مراحل تحلیل تجویزی
• 73. جمع‌آوری داده‌ها
• 74. آماده‌سازی داده‌ها
• 75. مدل‌سازی داده‌ها
• 76. اجرا و بهینه‌سازی مدل
• 77. ارزیابی نتایج
• 78. مدل‌های تصمیم‌گیری
• 79. بهینه‌سازی خطی (Linear Programming)
• 80. بهینه‌سازی غیرخطی (Non-Linear Programming)
• 81. شبیه‌سازی (Simulation)
• 82. الگوریتم‌های جستجو
• 83. الگوریتم‌های یادگیری ماشین برای تحلیل تجویزی
• 84. رگرسیون (Regression)
• 85. طبقه‌بندی (Classification)
• 86. خوشه‌بندی (Clustering)
• 87. شبکه‌های عصبی (Neural Networks)
• 88. درخت‌های تصمیم (Decision Trees)
• 89. ماشین‌های بردار پشتیبان (Support Vector Machines)
• 90. استفاده از SQL برای استخراج ویژگی‌ها (Feature Extraction)
• 91. استفاده از SQL برای آماده‌سازی داده‌ها برای مدل‌های یادگیری ماشین
• 92. انتقال داده از پایگاه داده به ابزارهای تحلیل تجویزی
• 93. اتصال SQL به ابزارهای تحلیل تجویزی (مانند Python, R)
• 94. استفاده از کتابخانه‌های Python (Pandas, NumPy, SciPy)
• 95. استفاده از کتابخانه‌های R
• 96. اجرای مدل‌های بهینه‌سازی با SQL
• 97. فراخوانی توابع خارجی از SQL
• 98. استفاده از SQL برای اجرای شبیه‌سازی‌ها
• 99. مثال‌های عملی از تحلیل تجویزی با SQL
• 100. بهینه‌سازی موجودی کالا