سپنتا کتاب اکسپرس
کتاب SQL و Machine Learning with SQL

کتاب SQL و Machine Learning with SQL

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب SQL و Machine Learning with SQL

موضوع کلی: برنامه نویسی

موضوع میانی: SQL

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر پایگاه‌های داده و SQL
  • 2. پایگاه‌های داده رابطه‌ای (Relational Databases) چیستند؟
  • 3. نصب و راه‌اندازی محیط کار با SQL
  • 4. آشنایی با ساختار یک کوئری SQL
  • 5. دستور SELECT: بازیابی داده‌ها
  • 6. دستور FROM: مشخص کردن جدول منبع
  • 7. دستور WHERE: فیلتر کردن رکوردها
  • 8. عملگرهای مقایسه‌ای (=، <>، >، <، >=، <=)
  • 9. عملگرهای منطقی AND، OR و NOT
  • 10. فیلتر کردن با استفاده از BETWEEN و IN
  • 11. جستجوی الگو با دستور LIKE
  • 12. کار با مقادیر NULL
  • 13. مرتب‌سازی نتایج با ORDER BY
  • 14. محدود کردن تعداد نتایج با LIMIT یا TOP
  • 15. توابع تجمعی: COUNT، SUM و AVG
  • 16. توابع تجمعی: MIN و MAX
  • 17. گروه‌بندی نتایج با GROUP BY
  • 18. فیلتر کردن گروه‌ها با HAVING
  • 19. ترتیب اجرای دستورات در یک کوئری
  • 20. مفهوم کلید اصلی (Primary Key) و کلید خارجی (Foreign Key)
  • 21. اتصال جداول: INNER JOIN
  • 22. اتصال جداول: LEFT JOIN و RIGHT JOIN
  • 23. اتصال جداول: FULL OUTER JOIN
  • 24. اتصال خودکار جدول به خودش (Self Join)
  • 25. ترکیب نتایج با UNION و UNION ALL
  • 26. زیرکوئری‌ها (Subqueries)
  • 27. زیرکوئری‌های مرتبط (Correlated Subqueries)
  • 28. عبارات جدول مشترک (Common Table Expressions - CTEs)
  • 29. دستور INSERT INTO: درج داده‌های جدید
  • 30. دستور UPDATE: به‌روزرسانی داده‌های موجود
  • 31. دستور DELETE: حذف داده‌ها
  • 32. ایجاد جداول با CREATE TABLE
  • 33. انواع داده‌های رایج در SQL
  • 34. محدودیت‌ها (Constraints): NOT NULL, UNIQUE, CHECK
  • 35. تغییر ساختار جداول با ALTER TABLE
  • 36. حذف جداول با DROP TABLE
  • 37. کار با تاریخ و زمان: توابع مربوط به تاریخ
  • 38. کار با رشته‌ها: توابع متنی
  • 39. توابع ریاضی در SQL
  • 40. دستور CASE: منطق شرطی در کوئری‌ها
  • 41. توابع پنجره‌ای (Window Functions): مقدمه و OVER()
  • 42. توابع رتبه‌بندی: ROW_NUMBER, RANK, DENSE_RANK
  • 43. توابع تحلیلی: LAG و LEAD
  • 44. توابع تجمعی پنجره‌ای (Moving Averages)
  • 45. مفهوم View و کاربردهای آن
  • 46. مفهوم Index و تاثیر آن بر عملکرد
  • 47. مقدمه‌ای بر یادگیری ماشین (Machine Learning)
  • 48. نقش SQL در فرآیند یادگیری ماشین
  • 49. انواع یادگیری ماشین: نظارت‌شده، نظارت‌نشده و تقویتی
  • 50. مسائل رگرسیون (Regression) در مقابل مسائل طبقه‌بندی (Classification)
  • 51. چرخه حیات یک پروژه یادگیری ماشین
  • 52. آمار توصیفی با SQL: میانگین، میانه و مد
  • 53. محاسبه واریانس و انحراف معیار با SQL
  • 54. مفهوم همبستگی (Correlation) و محاسبه آن در SQL
  • 55. مفهوم مجموعه داده‌های آموزشی، اعتبارسنجی و تست
  • 56. تقسیم داده‌ها به مجموعه‌های آموزشی و تست با SQL
  • 57. پاک‌سازی داده‌ها (Data Cleaning) با SQL
  • 58. شناسایی و مدیریت داده‌های تکراری
  • 59. استراتژی‌های مدیریت مقادیر گمشده (Missing Values) با SQL
  • 60. شناسایی داده‌های پرت (Outliers) با استفاده از SQL
  • 61. مهندسی ویژگی (Feature Engineering) چیست؟
  • 62. ایجاد ویژگی‌های جدید از ستون‌های موجود
  • 63. استخراج ویژگی از تاریخ و زمان (مانند روز هفته، ماه)
  • 64. استخراج ویژگی از داده‌های متنی (مانند طول رشته)
  • 65. تبدیل داده‌ها: نرمال‌سازی و استانداردسازی با SQL
  • 66. گسسته‌سازی (Binning) متغیرهای پیوسته با دستور CASE
  • 67. کدگذاری وان-هات (One-Hot Encoding) با SQL
  • 68. کدگذاری برچسبی (Label Encoding) با SQL
  • 69. ایجاد ویژگی‌های تجمعی (Aggregated Features)
  • 70. نمونه‌برداری (Sampling) از داده‌ها در SQL
  • 71. مقدمه‌ای بر پیاده‌سازی الگوریتم‌های ML با SQL
  • 72. رگرسیون خطی ساده: محاسبه شیب و عرض از مبدا با SQL
  • 73. پیش‌بینی با مدل رگرسیون خطی ساخته‌شده در SQL
  • 74. الگوریتم K-نزدیک‌ترین همسایه (KNN): محاسبه فاصله اقلیدسی
  • 75. پیاده‌سازی طبقه‌بندی KNN برای یک نمونه با SQL
  • 76. الگوریتم خوشه‌بندی K-Means: مفهوم و مراحل
  • 77. پیاده‌سازی یک مرحله از الگوریتم K-Means با SQL
  • 78. الگوریتم Naive Bayes: محاسبه احتمالات با SQL
  • 79. مفهوم درخت تصمیم (Decision Tree)
  • 80. پیاده‌سازی یک درخت تصمیم ساده برای پیش‌بینی با دستور CASE
  • 81. ارزیابی مدل‌های طبقه‌بندی: ماتریس درهم‌ریختگی (Confusion Matrix)
  • 82. محاسبه ماتریس درهم‌ریختگی با SQL
  • 83. محاسبه دقت (Accuracy)، صحت (Precision) و بازیابی (Recall) با SQL
  • 84. محاسبه امتیاز F1-Score با SQL
  • 85. ارزیابی مدل‌های رگرسیون: MAE, MSE, RMSE
  • 86. محاسبه خطاهای مدل رگرسیون با SQL
  • 87. مقدمه‌ای بر یادگیری ماشین درون پایگاه داده (In-Database ML)
  • 88. آشنایی با BigQuery ML
  • 89. ایجاد و آموزش یک مدل رگرسیون با دستور CREATE MODEL در BigQuery ML
  • 90. انجام پیش‌بینی با دستور ML.PREDICT
  • 91. ارزیابی مدل با دستور ML.EVALUATE
  • 92. آشنایی با خدمات یادگیری ماشین در SQL Server
  • 93. آشنایی با قابلیت‌های ML در PostgreSQL (مانند MADlib)
  • 94. آشنایی با قابلیت‌های ML در Amazon Redshift
  • 95. مطالعه موردی ۱: پیش‌بینی ریزش مشتری (Customer Churn) با SQL
  • 96. مطالعه موردی ۲: پیش‌بینی فروش (Sales Forecasting) با SQL
  • 97. مطالعه موردی ۳: بخش‌بندی مشتریان (Customer Segmentation) با SQL
  • 98. پروژه نهایی: تعریف مسئله تا ارزیابی مدل
  • 99. جمع‌بندی و مسیرهای آینده برای یادگیری بیشتر
  • 100. SQL پیشرفته برای مهندسی ویژگی (Feature Engineering): توابع پنجره‌ای، عبارات جدولی مشترک (CTE) و Pivot Table**

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.