اپلیکیشن اندرویدی فلش‌کارت آموزشی SQL و Data Mesh

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره SQL و Data Mesh

موضوع کلی: برنامه نویسی

موضوع میانی: SQL

📋 سرفصل‌های دوره

• 1. مقدمه: داده، اطلاعات و پایگاه داده
• 2. آشنایی با سیستم‌های مدیریت پایگاه داده (DBMS)
• 3. تفاوت RDBMS و NoSQL
• 4. مدل داده رابطه‌ای (Relational Model)
• 5. نصب و راه‌اندازی یک پایگاه داده SQL (مانند PostgreSQL)
• 6. آشنایی با ابزارهای کار با SQL (مانند DBeaver یا DataGrip)
• 7. ساختار یک کوئری SQL
• 8. دستور `SELECT` و `FROM`: اولین کوئری شما
• 9. فیلتر کردن داده‌ها با `WHERE`
• 10. عملگرهای منطقی: `AND`, `OR`, `NOT`
• 11. مرتب‌سازی نتایج با `ORDER BY`
• 12. محدود کردن نتایج با `LIMIT` و `OFFSET`
• 13. کار با مقادیر `NULL` و توابع مرتبط (`IS NULL`, `IS NOT NULL`, `COALESCE`)
• 14. توابع تجمعی: `COUNT`, `SUM`, `AVG`, `MIN`, `MAX`
• 15. گروه‌بندی نتایج با `GROUP BY`
• 16. فیلتر کردن گروه‌ها با `HAVING`
• 17. استفاده از نام‌های مستعار (Alias) برای ستون‌ها و جداول
• 18. مفهوم کلید اصلی (Primary Key) و کلید خارجی (Foreign Key)
• 19. آشنایی با انواع `JOIN`
• 20. `INNER JOIN`: اشتراک داده‌ها بین دو جدول
• 21. `LEFT JOIN` و `RIGHT JOIN`: حفظ داده‌ها از یک جدول
• 22. `FULL OUTER JOIN`: ترکیب کامل دو جدول
• 23. `SELF JOIN`: اتصال یک جدول به خودش
• 24. ترکیب نتایج با `UNION` و `UNION ALL`
• 25. انواع داده در SQL (Data Types)
• 26. دستورات زبان تعریف داده (DDL): `CREATE TABLE`
• 27. افزودن محدودیت‌ها (Constraints): `NOT NULL`, `UNIQUE`, `CHECK`
• 28. تغییر ساختار جدول با `ALTER TABLE`
• 29. حذف جداول با `DROP TABLE`
• 30. دستورات زبان دستکاری داده (DML): `INSERT INTO`
• 31. به‌روزرسانی رکوردها با `UPDATE`
• 32. حذف رکوردها با `DELETE`
• 33. زیرکوئری‌ها (Subqueries) در بند `WHERE`
• 34. زیرکوئری‌های مرتبط (Correlated Subqueries)
• 35. مقدمه‌ای بر SQL پیشرفته
• 36. عبارات جدول مشترک (Common Table Expressions - CTEs)
• 37. CTEs بازگشتی (Recursive CTEs)
• 38. توابع پنجره‌ای (Window Functions): مقدمه و کاربرد
• 39. توابع `ROW_NUMBER`, `RANK`, `DENSE_RANK`
• 40. توابع `LEAD` و `LAG`
• 41. توابع پنجره‌ای برای تجمعات متحرک (Moving Averages)
• 42. دستور `CASE`: منطق شرطی در کوئری‌ها
• 43. کار با تاریخ و زمان در SQL
• 44. توابع کار با رشته‌ها (String Functions)
• 45. کار با داده‌های JSON در SQL
• 46. تراکنش‌ها (Transactions): `BEGIN`, `COMMIT`, `ROLLBACK`
• 47. سطوح جداسازی تراکنش (Transaction Isolation Levels)
• 48. نماها (Views): ایجاد و مدیریت
• 49. ایندکس‌گذاری (Indexing) برای افزایش سرعت کوئری‌ها
• 50. بهینه‌سازی کوئری: آشنایی با Execution Plan
• 51. مقدمه‌ای بر معماری داده مدرن
• 52. انبار داده (Data Warehouse): معماری متمرکز
• 53. دریاچه داده (Data Lake): چالش‌ها و مزایا
• 54. مفهوم Data Hub و Data Fabric
• 55. محدودیت‌های معماری‌های متمرکز: گلوگاه‌های فنی و سازمانی
• 56. معرفی Data Mesh: یک تغییر پارادایم
• 57. چرا به Data Mesh نیاز داریم؟ مشکلات رویکردهای سنتی
• 58. معرفی چهار اصل کلیدی Data Mesh
• 59. اصل اول: مالکیت داده مبتنی بر دامنه (Domain Ownership)
• 60. تجزیه و تحلیل دامنه کسب و کار (Domain Decomposition)
• 61. تفاوت داده‌های تحلیلی و داده‌های عملیاتی در دامنه
• 62. تیم‌های دامنه (Domain Teams) و مسئولیت‌های آن‌ها
• 63. اصل دوم: داده به عنوان محصول (Data as a Product)
• 64. تغییر نگرش: از داده به عنوان دارایی به داده به عنوان محصول
• 65. ویژگی‌های یک محصول داده: قابل کشف بودن (Discoverability)
• 66. ویژگی‌های یک محصول داده: آدرس‌پذیر بودن (Addressability)
• 67. ویژگی‌های یک محصول داده: قابل اعتماد بودن (Trustworthiness) و SLO
• 68. ویژگی‌های یک محصول داده: مستندات و معناشناسی (Semantics)
• 69. ویژگی‌های یک محصول داده: امنیت (Security)
• 70. نقش مدیر محصول داده (Data Product Manager)
• 71. اصل سوم: پلتفرم داده سلف-سرویس (Self-Serve Data Platform)
• 72. هدف پلتفرم: توانمندسازی تیم‌های دامنه
• 73. لایه‌های پلتفرم سلف-سرویس
• 74. ابزارهای ذخیره‌سازی و پردازش داده در پلتفرم
• 75. ابزارهای مدیریت خطوط لوله داده (Data Pipeline)
• 76. ابزارهای کاتالوگ و کشف داده
• 77. اصل چهارم: حاکمیت محاسباتی فدرال (Federated Computational Governance)
• 78. چالش حاکمیت در یک معماری غیرمتمرکز
• 79. سیاست‌های جهانی (Global Policies) و پیاده‌سازی خودکار آن‌ها
• 80. قراردادهای داده (Data Contracts) چیست؟
• 81. نقش SQL در تعریف و اجرای قراردادهای داده
• 82. امنیت و کنترل دسترسی در مدل فدرال
• 83. نقش SQL در اکوسیستم Data Mesh
• 84. نوشتن کوئری‌های فدرال (Federated Queries)
• 85. آشنایی با ابزارهایی مانند Trino (Presto) و Starburst
• 86. استفاده از SQL برای ساخت و ارائه محصولات داده
• 87. SQL به عنوان زبان استاندارد تعامل با محصولات داده
• 88. مدیریت کیفیت داده با SQL در هر دامنه
• 89. استفاده از dbt (Data Build Tool) در معماری Data Mesh
• 90. پیاده‌سازی تست‌های داده با SQL
• 91. مدل‌سازی داده در یک دامنه با SQL
• 92. کاتالوگ داده و نقش متادیتا در Data Mesh
• 93. مطالعه موردی: مهاجرت از انبار داده به Data Mesh
• 94. چالش‌های فرهنگی و سازمانی در پیاده‌سازی Data Mesh
• 95. اندازه‌گیری موفقیت پیاده‌سازی Data Mesh
• 96. آینده SQL و Data Mesh
• 97. مسیرهای شغلی برای متخصصین SQL در دنیای Data Mesh
• 98. جمع‌بندی دوره و گام‌های بعدی
• 99. **Data Mesh: اصول، معماری و کاربردها در سازمان‌های داده‌محور**
• 100. **تبدیل و پاکسازی داده‌ها با SQL: توابع و تکنیک‌های پیشرفته**