کتاب صوتی SQL و Data for Research

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره SQL و Data for Research

موضوع کلی: برنامه نویسی

موضوع میانی: SQL

📋 سرفصل‌های دوره

• 1. مقدمه ای بر پایگاه داده و SQL
• 2. مفاهیم پایگاه داده رابطه‌ای
• 3. مدل‌سازی داده‌ها: مفاهیم اولیه
• 4. طراحی پایگاه داده: نرمال‌سازی
• 5. مقدمه ای بر زبان SQL
• 6. انواع دستورات SQL: DDL, DML, DCL, TCL
• 7. دستورات DDL: CREATE, ALTER, DROP, TRUNCATE
• 8. ایجاد جدول: CREATE TABLE
• 9. تعریف انواع داده در SQL
• 10. کلید اصلی (Primary Key)
• 11. کلید خارجی (Foreign Key)
• 12. محدودیت‌ها (Constraints): NOT NULL, UNIQUE, CHECK, DEFAULT
• 13. دستورات DML: SELECT, INSERT, UPDATE, DELETE
• 14. بازیابی داده‌ها با SELECT
• 15. فیلتر کردن داده‌ها با WHERE
• 16. مرتب‌سازی نتایج با ORDER BY
• 17. گروه‌بندی نتایج با GROUP BY
• 18. فیلتر کردن گروه‌ها با HAVING
• 19. دستورات JOIN: INNER JOIN, LEFT JOIN, RIGHT JOIN, FULL OUTER JOIN
• 20. اتصال جداول بر اساس کلیدها
• 21. استفاده از Alias در جداول و ستون‌ها
• 22. توابع تجمعی (Aggregate Functions): COUNT, SUM, AVG, MIN, MAX
• 23. استفاده از Subqueries
• 24. Subqueries در WHERE
• 25. Subqueries در FROM
• 26. Subqueries در SELECT
• 27. دستورات INSERT: درج یک رکورد
• 28. دستورات INSERT: درج چندین رکورد
• 29. دستورات INSERT: درج از جدول دیگر
• 30. دستورات UPDATE: به‌روزرسانی رکوردها
• 31. دستورات DELETE: حذف رکوردها
• 32. حذف همه رکوردها با TRUNCATE
• 33. دستورات DCL: GRANT, REVOKE
• 34. مدیریت دسترسی‌ها
• 35. سطوح دسترسی در پایگاه داده
• 36. دستورات TCL: COMMIT, ROLLBACK, SAVEPOINT
• 37. مدیریت تراکنش‌ها
• 38. مقدمه ای بر داده‌های حجیم (Big Data)
• 39. مفاهیم داده‌های حجیم
• 40. تفاوت داده‌های رابطه‌ای و داده‌های حجیم
• 41. مقدمه ای بر NoSQL
• 42. انواع پایگاه داده NoSQL: Key-Value, Document, Column-Family, Graph
• 43. کاربرد NoSQL در تحقیقات
• 44. ابزارهای تحلیل داده‌های حجیم
• 45. مقدمه ای بر Python برای تحلیل داده
• 46. نصب و پیکربندی Python
• 47. مقدمه ای بر کتابخانه Pandas
• 48. ساخت DataFrame
• 49. عملیات پایه با DataFrame: خواندن، نوشتن، مشاهده
• 50. فیلتر کردن و انتخاب داده‌ها در Pandas
• 51. عملیات گروه بندی و تجمیع در Pandas
• 52. ادغام و اتصال DataFrame ها
• 53. کار با داده‌های گمشده (Missing Data)
• 54. کار با داده‌های تاریخ و زمان
• 55. مقدمه ای بر کتابخانه NumPy
• 56. آرایه‌ها در NumPy
• 57. عملیات ریاضی بر روی آرایه‌ها
• 58. مقدمه ای بر کتابخانه Matplotlib و Seaborn
• 59. رسم نمودارهای پایه
• 60. نمودارهای پراکندگی (Scatter Plot)
• 61. نمودارهای خطی (Line Plot)
• 62. نمودارهای میله‌ای (Bar Chart)
• 63. نمودارهای هیستوگرام (Histogram)
• 64. نمودارهای جعبه‌ای (Box Plot)
• 65. نمودارهای Heatmap
• 66. سفارشی‌سازی نمودارها
• 67. کار با پایگاه داده با Python: SQLAlchemy
• 68. اتصال به پایگاه داده با SQLAlchemy
• 69. اجرای کوئری‌های SQL با SQLAlchemy
• 70. مدیریت تراکنش‌ها با SQLAlchemy
• 71. ORM (Object-Relational Mapping)
• 72. مقدمه ای بر مفاهیم آماری در تحلیل داده
• 73. آمار توصیفی
• 74. میانگین، میانه، مد
• 75. انحراف معیار، واریانس
• 76. همبستگی
• 77. مقدمه ای بر آمار استنباطی
• 78. آزمون فرض آماری
• 79. مقدمه ای بر یادگیری ماشین
• 80. انواع یادگیری ماشین: نظارت شده، بدون نظارت
• 81. مقدمه ای بر الگوریتم‌های رایج: رگرسیون، طبقه‌بندی
• 82. کاربرد SQL و ابزارهای تحلیل داده در حوزه‌های تحقیقاتی مختلف
• 83. تحقیقات علمی
• 84. تحقیقات بازار
• 85. تحقیقات پزشکی
• 86. تحقیقات اجتماعی
• 87. کاربرد SQL در جمع‌آوری و پاکسازی داده‌ها
• 88. کاربرد SQL در تجزیه و تحلیل اکتشافی داده‌ها (EDA)
• 89. کاربرد SQL در ساخت ویژگی‌های جدید (Feature Engineering)
• 90. کاربرد SQL در ارزیابی مدل‌های یادگیری ماشین
• 91. نمونه‌های عملی از پروژه‌های تحقیقاتی با SQL و ابزارهای تحلیل داده
• 92. پروژه ۱: تحلیل داده‌های فروش
• 93. پروژه ۲: تحلیل داده‌های سلامت
• 94. پروژه ۳: تحلیل داده‌های شبکه‌های اجتماعی
• 95. پروژه ۴: تحلیل داده‌های علمی
• 96. نکات پیشرفته در SQL
• 97. Window Functions
• 98. Common Table Expressions (CTEs)
• 99. Stored Procedures
• 100. Triggers