کتاب صوتی آشنایی با زبان‌های پرس‌وجوی تابعی برای تحلیل داده

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آشنایی با زبان‌های پرس‌وجوی تابعی برای تحلیل داده

موضوع کلی: علوم کامپیوتر و فناوری اطلاعات

موضوع میانی: زبان‌های برنامه‌نویسی و پایگاه داده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل داده و زبان‌های پرس‌وجو
• 2. مفهوم توابع و محاسبات تابعی
• 3. مبانی زبان‌های تابعی
• 4. ساختار داده‌ها در برنامه‌نویسی تابعی
• 5. لیست‌ها و عملیات روی آن‌ها
• 6. رشته‌ها و تبدیل آن‌ها
• 7. اعداد و عملیات حسابی
• 8. مقایسه‌ها و عملگرهای منطقی
• 9. تابع‌نویسی در زبان‌های تابعی
• 10. توابع ناشناس (لامبدا)
• 11. بازگشت (Recursion)
• 12. الگوهای بازگشت
• 13. مدیریت خطا در زبان‌های تابعی
• 14. مفهوم پایگاه داده رابطه‌ای
• 15. مبانی SQL
• 16. پرس‌وجوهای SELECT ساده
• 17. شرط‌گذاری با WHERE
• 18. مرتب‌سازی نتایج با ORDER BY
• 19. گروه‌بندی با GROUP BY
• 20. فیلتر کردن گروه‌ها با HAVING
• 21. اتصال جداول با JOIN
• 22. انواع JOIN (INNER, LEFT, RIGHT, FULL)
• 23. پرس‌وجوهای فرعی (Subqueries)
• 24. عملیات مجموعه‌ای (UNION, INTERSECT, EXCEPT)
• 25. توابع تجمعی (COUNT, SUM, AVG, MIN, MAX)
• 26. توابع رشته‌ای در SQL
• 27. توابع عددی در SQL
• 28. توابع تاریخ و زمان در SQL
• 29. ایندکس‌گذاری در پایگاه داده
• 30. بهینه‌سازی پرس‌وجوها
• 31. مقدمه‌ای بر پایگاه داده‌های NoSQL
• 32. مقایسه پایگاه داده‌های رابطه‌ای و NoSQL
• 33. پایگاه داده‌های کلید-مقدار
• 34. پایگاه داده‌های سندی (Document Databases)
• 35. پایگاه داده‌های ستونی (Columnar Databases)
• 36. پایگاه داده‌های گراف (Graph Databases)
• 37. مبانی زبان پرس‌وجوی تابعی
• 38. ساختار زبان Datafun
• 39. تعریف توابع در Datafun
• 40. ساختار داده‌ها در Datafun
• 41. عملیات پایه روی داده‌ها در Datafun
• 42. پرس‌وجوهای ساده در Datafun
• 43. ترکیب توابع در Datafun
• 44. مدیریت انواع داده در Datafun
• 45. توابع کمکی در Datafun
• 46. الگوهای برنامه‌نویسی تابعی در Datafun
• 47. کاربرد Datafun در تحلیل داده
• 48. مثال‌هایی از Datafun برای تحلیل داده‌های مالی
• 49. مثال‌هایی از Datafun برای تحلیل داده‌های آماری
• 50. مثال‌هایی از Datafun برای تحلیل داده‌های علمی
• 51. مفهوم پایگاه داده‌های تحلیلی
• 52. انباره داده (Data Warehousing)
• 53. مفهوم OLAP
• 54. مفهوم OLTP
• 55. طراحی شمای ستاره‌ای (Star Schema)
• 56. طراحی شمای برف‌دانه‌ای (Snowflake Schema)
• 57. مقدمه‌ای بر داده‌کاوی
• 58. الگوریتم‌های خوشه‌بندی
• 59. الگوریتم‌های طبقه‌بندی
• 60. قوانین وابستگی (Association Rules)
• 61. پیش‌پردازش داده‌ها
• 62. پاکسازی داده‌ها
• 63. تبدیل داده‌ها
• 64. انتخاب ویژگی (Feature Selection)
• 65. مقدمه‌ای بر یادگیری ماشین
• 66. یادگیری نظارت شده
• 67. یادگیری نظارت نشده
• 68. یادگیری تقویتی
• 69. مقدمه‌ای بر هوش مصنوعی
• 70. سیستم‌های خبره
• 71. پردازش زبان طبیعی
• 72. بینایی ماشین
• 73. کاربرد فناوری اطلاعات در سازمان‌ها
• 74. امنیت اطلاعات در سازمان‌ها
• 75. مدیریت پایگاه داده در سازمان‌ها
• 76. تحلیل کسب و کار با داده
• 77. ابزارهای هوش تجاری (BI)
• 78. داشبوردهای مدیریتی
• 79. گزارش‌گیری تحلیلی
• 80. مقدمه‌ای بر داده‌های بزرگ (Big Data)
• 81. محیط‌های پردازش داده‌های بزرگ (مانند Hadoop)
• 82. سیستم‌های ذخیره‌سازی داده‌های بزرگ
• 83. تجزیه و تحلیل داده‌های جریانی (Streaming Data)
• 84. مقدمه‌ای بر یادگیری عمیق (Deep Learning)
• 85. شبکه‌های عصبی کانولوشنال (CNN)
• 86. شبکه‌های عصبی بازگشتی (RNN)
• 87. کاربرد یادگیری عمیق در تحلیل داده
• 88. اخلاق در تحلیل داده
• 89. حریم خصوصی داده‌ها
• 90. سوگیری در داده‌ها و الگوریتم‌ها
• 91. مسئولیت‌پذیری در تحلیل داده
• 92. آینده تحلیل داده و زبان‌های پرس‌وجو