سپنتا کتاب اکسپرس
کتاب مبانی SQL و تحلیل داده با پایتون

کتاب مبانی SQL و تحلیل داده با پایتون

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 مبانی SQL و تحلیل داده با پایتون

موضوع کلی: علوم کامپیوتر و فناوری اطلاعات

موضوع میانی: پایگاه داده و تحلیل داده

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علم داده و پایگاه داده
  • 2. مفاهیم پایگاه داده رابطه‌ای
  • 3. معماری پایگاه داده
  • 4. مقدمه‌ای بر SQL
  • 5. دستور SELECT در SQL
  • 6. فیلتر کردن داده‌ها با WHERE
  • 7. مرتب‌سازی نتایج با ORDER BY
  • 8. محدود کردن نتایج با LIMIT
  • 9. مرتب‌سازی چند ستونی
  • 10. عملگرهای منطقی در WHERE
  • 11. عملگرهای مقایسه‌ای
  • 12. عملگرهای LIKE و IN
  • 13. کار با تاریخ و زمان در SQL
  • 14. توابع تجمعی (Aggregate Functions)
  • 15. دستور GROUP BY
  • 16. فیلتر کردن گروه‌ها با HAVING
  • 17. دستور COUNT
  • 18. دستور SUM
  • 19. دستور AVG
  • 20. دستور MIN و MAX
  • 21. پیوند جدول‌ها (JOIN)
  • 22. INNER JOIN
  • 23. LEFT JOIN
  • 24. RIGHT JOIN
  • 25. FULL OUTER JOIN
  • 26. پیوند چند جدول
  • 27. دستور UNION
  • 28. دستور UNION ALL
  • 29. زیرپرس و جوها (Subqueries)
  • 30. استفاده از زیرپرس و جوها در SELECT
  • 31. استفاده از زیرپرس و جوها در WHERE
  • 32. استفاده از زیرپرس و جوها در FROM
  • 33. همبستگی زیرپرس و جوها (Correlated Subqueries)
  • 34. توابع پنجره‌ای (Window Functions)
  • 35. مقدمه‌ای بر توابع پنجره‌ای
  • 36. ROW_NUMBER()
  • 37. RANK()
  • 38. DENSE_RANK()
  • 39. LEAD() و LAG()
  • 40. SUM() OVER()
  • 41. AVG() OVER()
  • 42. COUNT() OVER()
  • 43. ترتیب در توابع پنجره‌ای
  • 44. فریم‌های توابع پنجره‌ای
  • 45. پنجره‌های متحرک (Moving Windows)
  • 46. شاخص‌ها (Indexes)
  • 47. انواع شاخص‌ها
  • 48. چرا شاخص‌ها مهم هستند؟
  • 49. بهینه‌سازی پرس و جوها
  • 50. برنامه‌ریزی اجرای پرس و جو (Query Execution Plan)
  • 51. دستور EXPLAIN
  • 52. نکات کلیدی در بهینه‌سازی
  • 53. معرفی پایتون برای تحلیل داده
  • 54. نصب کتابخانه‌های لازم (Pandas, SQLAlchemy)
  • 55. ارتباط پایتون با پایگاه داده
  • 56. اجرای دستورات SQL از پایتون
  • 57. بارگذاری داده‌ها از SQL به DataFrame
  • 58. فیلتر کردن و مرتب‌سازی در Pandas
  • 59. توابع تجمعی در Pandas
  • 60. پیوند DataFrameها (Merge, Join)
  • 61. کار با داده‌های تاریخ و زمان در Pandas
  • 62. پاکسازی داده‌های گمشده (Missing Data)
  • 63. مدیریت داده‌های پرت (Outliers)
  • 64. تجسم داده‌ها با Matplotlib و Seaborn
  • 65. نمودارهای خطی (Line Plots)
  • 66. نمودارهای میله‌ای (Bar Plots)
  • 67. نمودارهای پراکندگی (Scatter Plots)
  • 68. نمودارهای هیستوگرام (Histograms)
  • 69. نمودارهای جعبه‌ای (Box Plots)
  • 70. مقدمه‌ای بر تحلیل سری‌های زمانی
  • 71. تحلیل روند (Trend Analysis)
  • 72. تحلیل فصلی (Seasonality Analysis)
  • 73. پیش‌بینی سری‌های زمانی (Time Series Forecasting)
  • 74. مقدمه‌ای بر یادگیری ماشین
  • 75. مفاهیم اولیه یادگیری ماشین
  • 76. یادگیری نظارت شده (Supervised Learning)
  • 77. یادگیری نظارت نشده (Unsupervised Learning)
  • 78. ارزیابی مدل‌های یادگیری ماشین
  • 79. مقدمه‌ای بر پایگاه داده NoSQL
  • 80. تفاوت پایگاه داده SQL و NoSQL
  • 81. انواع پایگاه داده NoSQL
  • 82. کاربرد پایگاه داده NoSQL
  • 83. اصول اولیه امنیت پایگاه داده
  • 84. مدیریت دسترسی کاربران
  • 85. رمزنگاری داده‌ها
  • 86. پشتیبان‌گیری و بازیابی داده‌ها
  • 87. مقدمه‌ای بر داده‌های بزرگ (Big Data)
  • 88. مفاهیم کلیدی داده‌های بزرگ
  • 89. ابزارهای اکوسیستم داده‌های بزرگ
  • 90. تحلیل داده‌های بزرگ با SQL
  • 91. پایگاه داده‌های تحلیلی (Data Warehousing)
  • 92. مفاهیم پایگاه داده تحلیلی
  • 93. طراحی انبار داده
  • 94. مقدمه‌ای بر ETL (Extract, Transform, Load)
  • 95. فرآیند ETL
  • 96. ابزارهای ETL
  • 97. اخلاق در علم داده
  • 98. حریم خصوصی داده‌ها
  • 99. سوگیری در الگوریتم‌ها
  • 100. مسئولیت‌پذیری در علم داده

📚 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.