این دوره به دقت طراحی شده تا شما را با تمام ابزارها و مفاهیم لازم برای شروع کار با SQL و BigQuery آشنا کند. پس از اتمام دوره، شما قادر خواهید بود:

• آشنایی با اصول پایگاه داده و SQL: درک مفاهیم کلیدی مانند جداول، ردیف‌ها، ستون‌ها، انواع داده و نحوه تعامل SQL با آن‌ها.
• کوئری‌نویسی اولیه SQL: استفاده از دستورات اصلی مانند SELECT، FROM و WHERE برای انتخاب و فیلتر کردن داده‌ها بر اساس معیارهای مشخص.
• تجمیع و گروه‌بندی داده‌ها: بهره‌گیری از توابع تجمیعی (COUNT, SUM, AVG, MIN, MAX) و دستور GROUP BY برای تحلیل داده‌های بزرگ و استخراج خلاصه‌ها و بینش‌های آماری.
• ترکیب جداول (JOINs): یادگیری انواع مختلف JOIN (INNER JOIN, LEFT JOIN, RIGHT JOIN, FULL OUTER JOIN) برای ترکیب داده‌ها از چندین جدول مرتبط و ایجاد گزارشات جامع.
• استفاده از Google BigQuery: آشنایی با رابط کاربری BigQuery، نحوه آپلود، مدیریت و کوئری‌نویسی در این پلتفرم ابری قدرتمند.
• بهینه‌سازی کوئری‌ها: یادگیری تکنیک‌هایی برای نوشتن کوئری‌های کارآمدتر، کاهش زمان اجرا و کنترل هزینه‌ها در BigQuery.
• کار با داده‌های پیچیده: آشنایی با مفاهیمی مانند Subqueries و Common Table Expressions (CTEs) برای حل مسائل پیچیده‌تر داده‌ای و افزایش خوانایی کوئری‌ها.

این مهارت‌ها شما را برای نقش‌های مختلف در حوزه داده آماده می‌سازند و توانایی شما در تصمیم‌گیری‌های مبتنی بر داده را به شدت افزایش می‌دهند، که امروزه در هر صنعتی ارزش بالایی دارد.

شرکت در این دوره آموزشی مزایای متعددی برای توسعه حرفه‌ای و شخصی شما به همراه خواهد داشت و شما را در مسیر تبدیل شدن به یک متخصص داده هدایت می‌کند:

• تقویت مهارت‌های تحلیل داده: با تسلط بر SQL و BigQuery، توانایی شما در تحلیل و استخراج بینش از داده‌ها به طور چشمگیری افزایش می‌یابد و می‌توانید به سرعت به سوالات کسب‌وکار پاسخ دهید.
• افزایش فرصت‌های شغلی: SQL و BigQuery از پرتقاضاترین مهارت‌ها در بازار کار امروز هستند. یادگیری این مهارت‌ها درهای جدیدی را به روی شما در مشاغلی مانند تحلیلگر داده، دانشمند داده، مهندس داده، متخصص هوش تجاری و نقش‌های مشابه باز می‌کند.
• کسب تجربه عملی با BigQuery: این دوره فرصتی عالی برای کار عملی با یکی از قدرتمندترین انبارهای داده ابری گوگل است که در هزاران شرکت بزرگ و کوچک در صنایع مختلف مورد استفاده قرار می‌گیرد.
• پایه و اساس محکم برای یادگیری پیشرفته: این دوره یک نقطه شروع عالی برای کسانی است که قصد دارند به سطوح پیشرفته‌تر در تحلیل داده، یادگیری ماشین (Machine Learning)، و مهندسی داده وارد شوند.
• تصمیم‌گیری‌های بهتر بر اساس داده: با درک عمیق‌تر از داده‌ها، می‌توانید تصمیمات استراتژیک‌تر و آگاهانه‌تری در کار یا کسب‌وکار خود بگیرید که منجر به نتایج مثبت‌تری خواهد شد.
• صرفه‌جویی در زمان و منابع: BigQuery به شما امکان می‌دهد تا داده‌های کلان را به سرعت و با هزینه کمتری پردازش کنید، که منجر به بهره‌وری بیشتر و کاهش هزینه‌های عملیاتی می‌شود.

این دوره نه تنها یک مهارت فنی ارزشمند، بلکه یک مزیت رقابتی قدرتمند در دنیای داده‌محور امروز به شما می‌بخشد و شما را در جمع متخصصان برجسته قرار می‌دهد.

این دوره به گونه‌ای طراحی شده که برای افراد با سطوح مختلف تجربه قابل دسترس باشد و حتی مبتدیان نیز بتوانند به راحتی مفاهیم را درک کنند. پیش‌نیازهای اصلی برای شروع این دوره عبارتند از:

• آشنایی مقدماتی با کامپیوتر: توانایی استفاده از کامپیوتر، مرورگر وب و اینترنت در حد معمول.
• عدم نیاز به تجربه قبلی SQL: این دوره از پایه آغاز می‌شود و نیازی به دانش قبلی در زمینه SQL یا پایگاه داده ندارید. تمام مفاهیم از صفر آموزش داده می‌شوند.
• علاقه به کار با داده‌ها: کنجکاوی و تمایل به یادگیری نحوه استخراج، تحلیل و تفسیر اطلاعات از مجموعه داده‌ها عامل مهمی در موفقیت شما خواهد بود.
• یک حساب کاربری گوگل: برای دسترسی به محیط BigQuery و انجام تمرینات عملی دوره، نیاز به یک حساب Google (Gmail) دارید. استفاده از BigQuery برای مقادیر کم داده معمولاً رایگان است.

با داشتن این موارد، شما کاملاً آماده شروع سفر خود به دنیای جذاب SQL و BigQuery خواهید بود و می‌توانید با اطمینان خاطر در این دوره شرکت کنید.

۱. آشنایی با داده و SQL

در این بخش، پایه و اساس درک شما از داده‌ها و زبان SQL گذاشته می‌شود. شما با اهمیت داده در دنیای مدرن آشنا شده و مفهوم پایگاه داده‌های رابطه‌ای و نحوه سازماندهی داده‌ها در جداول را درک خواهید کرد.

• مقدمه‌ای بر تحلیل داده و نقش SQL به عنوان زبان استاندارد.
• ساختار پایگاه داده: جداول، ردیف‌ها، ستون‌ها و کلیدهای اصلی/خارجی.
• معرفی اجمالی Google BigQuery و کنسول آن به عنوان محیط کار.
• اولین کوئری شما: دستور SELECT و انتخاب تمام یا ستون‌های خاصی از داده‌ها.

مثال: برای انتخاب تمام ستون‌ها از جدول ‘customers’:

SELECT * FROM customers;

۲. دستورات اصلی SQL برای فیلتر و مرتب‌سازی

در این بخش، شما یاد می‌گیرید چگونه داده‌های مورد نظر خود را از میان حجم عظیمی از اطلاعات فیلتر کرده و نتایج را به صورت دلخواه مرتب‌سازی کنید تا به داده‌های مرتبط دسترسی یابید.

• فیلتر کردن داده‌ها با WHERE (شامل عملگرهای مقایسه‌ای مانند =, >, < و عملگرهای منطقی AND, OR, NOT).
• مرتب‌سازی نتایج با ORDER BY (صعودی ASC و نزولی DESC).
• محدود کردن تعداد ردیف‌های بازگشتی با LIMIT برای کنترل حجم نتایج.
• استفاده از عملگرهایی مانند LIKE برای جستجوی الگو، IN برای لیست مقادیر، و BETWEEN برای محدوده‌های عددی.

مثال: انتخاب نام محصولات با قیمت بالای ۵۰ و مرتب‌سازی بر اساس قیمت:

SELECT product_name, price FROM products WHERE price > 50 ORDER BY price DESC;

۳. توابع تجمیعی و گروه‌بندی داده‌ها

این بخش به شما نشان می‌دهد که چگونه می‌توانید خلاصه‌های آماری معنی‌دار از داده‌های خود استخراج کنید و آن‌ها را بر اساس یک یا چند ستون خاص گروه‌بندی نمایید.

• توابع تجمیعی: COUNT (شمارش تعداد ردیف‌ها), SUM (جمع مقادیر), AVG (میانگین), MIN (حداقل) و MAX (حداکثر).
• گروه‌بندی داده‌ها با GROUP BY برای اعمال توابع تجمیعی بر روی هر گروه.
• فیلتر کردن گروه‌ها با HAVING، که مشابه WHERE برای نتایج GROUP BY عمل می‌کند.

مثال: محاسبه تعداد سفارشات و میانگین مبلغ برای هر مشتری:

SELECT customer_id, COUNT(order_id) AS total_orders, AVG(amount) AS avg_order_amount FROM orders GROUP BY customer_id HAVING COUNT(order_id) > 2;

۴. ترکیب جداول با JOINs

یکی از قدرتمندترین قابلیت‌های SQL، توانایی ترکیب داده‌ها از جداول مختلف است. این بخش به تفصیل انواع JOINها و کاربردهای آن‌ها را آموزش می‌دهد تا بتوانید داده‌های پراکنده را به هم متصل کنید.

• INNER JOIN: بازگرداندن تنها ردیف‌هایی که در هر دو جدول مقدار مشترک دارند.
• LEFT JOIN (LEFT OUTER JOIN): بازگرداندن تمام ردیف‌های جدول سمت چپ و ردیف‌های منطبق از جدول سمت راست (اگر منطبق نبود، NULL).
• RIGHT JOIN (RIGHT OUTER JOIN): بازگرداندن تمام ردیف‌های جدول سمت راست و ردیف‌های منطبق از جدول سمت چپ.
• FULL OUTER JOIN: بازگرداندن تمام ردیف‌های هر دو جدول، و جایگزینی با NULL در صورت عدم تطابق.

مثال: ترکیب اطلاعات سفارشات با جزئیات مشتریان:

SELECT o.order_id, c.customer_name, o.order_date FROM orders o INNER JOIN customers c ON o.customer_id = c.customer_id;

۵. مقدمه‌ای بر Google BigQuery

این بخش شما را با محیط عملی BigQuery و نحوه کار با آن آشنا می‌کند. شما یاد می‌گیرید چگونه داده‌ها را مدیریت کرده و کوئری‌های خود را در این پلتفرم ابری بسیار مقیاس‌پذیر اجرا کنید.

• معرفی معماری BigQuery و جایگاه آن در اکوسیستم گوگل کلاود.
• ناوبری در کنسول BigQuery و درک ساختار پروژه‌ها، دیتاست‌ها و جداول.
• آپلود و مدیریت مجموعه داده‌ها (مثل CSV) و ایجاد جداول جدید.
• اجرای کوئری‌ها، ذخیره نتایج و خروجی گرفتن از آن‌ها.
• ملاحظات هزینه و راهکارهای بهینه‌سازی کوئری‌ها در BigQuery برای کاهش هزینه‌ها.

۶. تکنیک‌های پیشرفته‌تر کوئری‌نویسی و BigQuery

در این بخش، شما با تکنیک‌های پیشرفته‌تری آشنا می‌شوید که به شما امکان می‌دهد مسائل پیچیده‌تر داده‌ای را حل کنید و از قابلیت‌های خاص BigQuery بهره‌مند شوید.

• Subqueries: استفاده از نتایج یک کوئری به عنوان ورودی برای کوئری دیگر.
• Common Table Expressions (CTEs): سازماندهی کوئری‌های پیچیده در قطعات کوچک‌تر و افزایش خوانایی کد.
• مقدمه‌ای بر توابع پنجره‌ای (Window Functions) در BigQuery برای تحلیل‌های آماری پیشرفته‌تر.
• کار با داده‌های Nested و Repeated (ساختار داده‌های تو در تو) که در BigQuery رایج است.
• پروژه عملی نهایی: اعمال تمام آموخته‌ها در یک سناریوی واقعی تحلیل داده، که به شما کمک می‌کند تا آمادگی خود را برای چالش‌های واقعی بسنجید.

مثال CTE: محاسبه میانگین فروش ماهانه برای ماه‌هایی با فروش بالا:

WITH MonthlySales AS (SELECT FORMAT_DATE('%Y-%m', sale_date) AS month, SUM(amount) AS total_sales FROM sales GROUP BY 1 ) SELECT month, total_sales FROM MonthlySales WHERE total_sales > 10000 ORDER BY month;