معرفی دوره

در این دورهٔ جامع و کاربردی که توسط LinkedIn Learning در سال ۲۰۲۴ – نسخهٔ ۱ منتشر شده است، با ترکیب قدرتمند SQL، هوش مصنوعی و علم داده آشنا خواهید شد. از مبانی پرس‌وجوهای ابتدایی تا تکنیک‌های پیشرفتهٔ پردازش داده و مدل‌سازی پیش‌بینی، همه در یک مسیر منسجم و پروژه‌محور ارائه شده است. این دوره برای توسعه‌دهندگان، تحلیل‌گران داده و دانشجویان علوم کامپیوتر طراحی شده تا براحتی مهارت‌های روز را در حوزهٔ داده کسب کنند.

پیش‌نیازها

• آشنایی اولیه با مبانی پایگاه داده و SQL.
• درک مفاهیم پایه‌ای آمار و احتمال.
• آشنایی مقدماتی با زبان برنامه‌نویسی Python (پیشنهادی).
• نصب یک محیط SQL Server یا PostgreSQL روی کامپیوتر.

اگر با SQL آشنا نیستید، پیشنهاد می‌شود ابتدا یک دورهٔ مقدماتی کوتاه بگذرانید تا از روند سریع‌تر دوره مطمئن شوید.

آنچه در این دوره خواهید آموخت

• ساختار جداول و پایگاه داده‌های رابطه‌ای.
• نوشتن SELECT پیشرفته با JOINها و توابع تجمعی.
• استفاده از Window Functions برای تحلیل ردیفی و محاسبات تجمعی پیچیده.
• ایجاد Stored Procedure و Trigger برای خودکارسازی وظایف پایگاه داده.
• ادغام SQL با Python جهت پاک‌سازی و آماده‌سازی داده‌ها.
• پروژهٔ پایانی: پیاده‌سازی یک مدل پیش‌بینی مبتنی بر داده‌های واقعی.

بخش‌های دوره

• بخش ۱: معرفی SQL و مفاهیم پایگاه داده.
• بخش ۲: کار با داده‌های چند‌جدولی: JOIN، UNION و زیرپرس‌وجوها.
• بخش ۳: توابع تجمیعی و پنجره‌ای (Window Functions) در تحلیل داده.
• بخش ۴: مفاهیم علم داده: پاک‌سازی، کاوش و مصورسازی داده.
• بخش ۵: مقدمات هوش مصنوعی: الگوریتم‌های رگرسیون و طبقه‌بندی.
• بخش ۶: ادغام SQL و Python برای ساخت خط لوله (Pipeline) داده.
• بخش ۷: بهینه‌سازی پرس‌وجوها و تنظیم عملکرد (Performance Tuning).
• بخش ۸: پروژهٔ عملی و بررسی نتایج مدل.

مثال‌های عملی

در طول دوره با مثال‌های زیر کار خواهید کرد:

• ساخت گزارش فروش ماهانه با توابع تجمعی و پنجره‌ای.
• پاک‌سازی رکوردهای تکراری و ایجاد جدول نهایی با Python.
• پیاده‌سازی یک سیستم پیشنهادگر کالا (Recommendation Engine) ساده با ترکیب SQL و الگوریتم رگرسیون خطی.
• تحلیل انحراف معیار و تشخیص نقاط پرت (Anomaly Detection) در داده‌های حسگری.

هر مثال شامل کد کامل، توضیح گام‌به‌گام و دیتاست آماده است تا قابلیت اجرا روی محیط لوکال را داشته باشید.

مزایای شرکت در دوره

• دسترسی رایگان و همیشگی به ویدیوها و منابع آموزشی.
• گواهینامهٔ پایان دوره معتبر از LinkedIn Learning.
• پروژه‌های واقعی برای تقویت رزومه و نمونه‌کار.
• پشتیبانی از فروم پرسش و پاسخ و جامعهٔ دانشجویان.
• به‌روزرسانی مداوم با آخرین روندهای AI و Data Science.

نکات کلیدی

• تمرین مداوم: تسلط به SQL نیازمند حل تمرین‌های متعدد است.
• ادغام ابزارها: ترکیب SQL و Python کارایی پروژه‌های داده شما را افزایش می‌دهد.
• بهینه‌سازی پرس‌وجو: یادگیری ایندکس‌گذاری و تحلیل پلن اجرا (Execution Plan) ضروری است.
• پروژه عملی: برای تثبیت مطالب حتماً پروژه نهایی را از صفر تا صد اجرا کنید.