کتاب SQL برای مهندسی داده

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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره SQL برای مهندسی داده

موضوع کلی: برنامه نویسی

موضوع میانی: SQL

📋 سرفصل‌های دوره

  • 1. مبانی پایگاه داده رابطه‌ای
  • 2. مقدمه‌ای بر SQL
  • 3. انواع داده در SQL
  • 4. دستورات پایه SQL: SELECT
  • 5. فیلتر کردن داده‌ها با WHERE
  • 6. مرتب‌سازی نتایج با ORDER BY
  • 7. محدود کردن تعداد نتایج با LIMIT
  • 8. عملیات روی ستون‌ها: AS، DISTINCT
  • 9. توابع تجمیعی: COUNT، SUM، AVG، MIN، MAX
  • 10. گروه‌بندی نتایج با GROUP BY
  • 11. فیلتر کردن گروه‌ها با HAVING
  • 12. ارتباط بین جداول: JOIN
  • 13. انواع JOIN: INNER، LEFT، RIGHT، FULL
  • 14. پیوند جداول با کلیدهای خارجی
  • 15. استفاده از زیرپرس‌وجوها (Subqueries)
  • 16. پرس‌وجوهای همبسته (Correlated Subqueries)
  • 17. عملیات روی مجموعه‌ها: UNION، INTERSECT، EXCEPT
  • 18. ایجاد جداول: CREATE TABLE
  • 19. تغییر ساختار جداول: ALTER TABLE
  • 20. حذف جداول: DROP TABLE
  • 21. اضافه کردن داده: INSERT INTO
  • 22. به‌روزرسانی داده‌ها: UPDATE
  • 23. حذف داده‌ها: DELETE FROM
  • 24. محدودیت‌های کلید اصلی (Primary Key)
  • 25. محدودیت‌های کلید خارجی (Foreign Key)
  • 26. محدودیت‌های UNIQUE
  • 27. محدودیت‌های NOT NULL
  • 28. محدودیت‌های CHECK
  • 29. شاخص‌گذاری (Indexing) برای بهبود عملکرد
  • 30. انواع شاخص‌ها
  • 31. مدیریت تراکنش‌ها: BEGIN TRANSACTION، COMMIT، ROLLBACK
  • 32. سطوح ایزولاسیون تراکنش
  • 33. مفاهیم ACID
  • 34. نمایه‌ها (Views) در SQL
  • 35. ایجاد و مدیریت نمایه‌ها
  • 36. رویه‌های ذخیره‌شده (Stored Procedures)
  • 37. توابع تعریف‌شده توسط کاربر (User-Defined Functions)
  • 38. تریگرها (Triggers) در پایگاه داده
  • 39. مدیریت کاربران و مجوزها
  • 40. امنیت پایگاه داده در SQL
  • 41. مقدمه‌ای بر SQL Server
  • 42. مقدمه‌ای بر PostgreSQL
  • 43. مقدمه‌ای بر MySQL
  • 44. مقدمه‌ای بر Oracle
  • 45. SQL Dialects و تفاوت‌ها
  • 46. بهینه‌سازی پرس‌وجوهای SQL
  • 47. شناسایی گلوگاه‌های عملکرد
  • 48. استفاده از EXPLAIN PLAN
  • 49. نرمال‌سازی پایگاه داده
  • 50. فرم‌های نرمال: ۱NF، ۲NF، ۳NF
  • 51. فراتر از ۳NF: BCNF، ۴NF، ۵NF
  • 52. طراحی پایگاه داده برای مهندسی داده
  • 53. مدل‌سازی داده‌های سه‌بعدی (Dimensional Modeling)
  • 54. ستاره (Star Schema) و دانه‌برفی (Snowflake Schema)
  • 55. انبار داده (Data Warehouse)
  • 56. مقدمه‌ای بر Data Lake
  • 57. مفاهیم ETL (Extract, Transform, Load)
  • 58. ابزارهای ETL
  • 59. پردازش دسته‌ای (Batch Processing)
  • 60. پردازش جریانی (Stream Processing)
  • 61. مقدمه‌ای بر Big Data
  • 62. مفاهیم NoSQL
  • 63. انواع پایگاه داده‌های NoSQL: Key-Value، Document، Column-Family، Graph
  • 64. کاربرد پایگاه داده‌های NoSQL در مهندسی داده
  • 65. مفاهیم داده‌های حجیم (Big Data)
  • 66. مقدمه‌ای بر Hadoop
  • 67. HDFS (Hadoop Distributed File System)
  • 68. MapReduce
  • 69. مقدمه‌ای بر Spark
  • 70. Spark SQL
  • 71. Spark Streaming
  • 72. کاربرد Python در مهندسی داده
  • 73. کتابخانه‌های Python برای داده: Pandas، NumPy
  • 74. تحلیل داده با Python
  • 75. تجسم داده با Python: Matplotlib، Seaborn
  • 76. مقدمه‌ای بر Data Governance
  • 77. کیفیت داده (Data Quality)
  • 78. مدیریت کلان‌داده (Metadata Management)
  • 79. امنیت داده در محیط‌های بزرگ
  • 80. مفاهیم DevOps برای مهندسی داده
  • 81. CI/CD در مهندسی داده
  • 82. ابزارهای Orchestration: Apache Airflow
  • 83. مقدمه‌ای بر DataOps
  • 84. مدیریت چرخه عمر داده
  • 85. ملاحظات قانونی و اخلاقی در داده‌ها
  • 86. حفظ حریم خصوصی داده‌ها
  • 87. قوانین مربوط به داده در ایران
  • 88. انطباق با مقررات ملی در مدیریت داده
  • 89. اصول طراحی سیستم‌های داده مقیاس‌پذیر
  • 90. معماری‌های داده مدرن
  • 91. مفاهیم Data Mesh
  • 92. مباحث پیشرفته در SQL
  • 93. توابع پنجره‌ای (Window Functions)
  • 94. عبارات جدول مشترک (Common Table Expressions - CTEs)
  • 95. توابع رشته‌ای و تاریخ در SQL
  • 96. کاربرد SQL در تحلیل داده‌های سری زمانی
  • 97. مفاهیم داده‌های مکانی (Spatial Data) و SQL
  • 98. مقدمه‌ای بر داده‌های گراف (Graph Data)
  • 99. کاربرد SQL در پرس‌وجو از داده‌های گراف
  • 100. مفاهیم Data Virtualization

📚 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.