اپلیکیشن اندرویدی فلشکارت آموزشی طراحی، پیادهسازی و تحلیل داده در انبارههای داده با PostgreSQL و MySQL
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره طراحی، پیادهسازی و تحلیل داده در انبارههای داده با PostgreSQL و MySQL
موضوع کلی: علوم کامپیوتر و فناوری اطلاعات
موضوع میانی: پایگاه داده و هوش تجاری
📋 سرفصلهای دوره
- 1. مقدمهای بر پایگاه داده و انباره داده
- 2. مبانی طراحی پایگاه داده رابطهای
- 3. شناخت سیستمهای مدیریت پایگاه داده (RDBMS)
- 4. معماری پایگاه داده و اجزای آن
- 5. مقدمه بر زبان SQL
- 6. دستورات پایهای SQL (SELECT, FROM, WHERE)
- 7. فیلتر کردن و مرتبسازی دادهها در SQL
- 8. عملیات تجمیع (GROUP BY, HAVING)
- 9. توابع پنجرهای در SQL
- 10. کار با زیرکوئریها (Subqueries)
- 11. اتصال جداول (JOINs) در SQL
- 12. انواع JOIN ها (INNER, LEFT, RIGHT, FULL)
- 13. مقدمه بر PostgreSQL
- 14. نصب و پیکربندی PostgreSQL
- 15. ساخت جداول در PostgreSQL
- 16. انواع داده در PostgreSQL
- 17. محدودیتها و کلیدهای جدول در PostgreSQL
- 18. نمایهها (Indexes) و بهینهسازی کوئری در PostgreSQL
- 19. مدیریت تراکنشها در PostgreSQL
- 20. مقدمه بر MySQL
- 21. نصب و پیکربندی MySQL
- 22. ساخت جداول در MySQL
- 23. انواع داده در MySQL
- 24. محدودیتها و کلیدهای جدول در MySQL
- 25. نمایهها (Indexes) و بهینهسازی کوئری در MySQL
- 26. مدیریت تراکنشها در MySQL
- 27. مقایسه PostgreSQL و MySQL
- 28. مبانی طراحی انباره داده
- 29. مفاهیم OLTP و OLAP
- 30. انواع مدلهای انباره داده (Star Schema, Snowflake Schema)
- 31. طراحی ابعاد (Dimensions) در انباره داده
- 32. طراحی فکتها (Facts) در انباره داده
- 33. چرخه حیات داده در انباره داده
- 34. استخراج، تبدیل و بارگذاری (ETL)
- 35. ابزارهای ETL و روشهای آن
- 36. پایپلاینهای داده (Data Pipelines)
- 37. مقدمه بر هوش تجاری (Business Intelligence)
- 38. نقش انباره داده در هوش تجاری
- 39. ابزارهای هوش تجاری و داشبوردها
- 40. تحلیل داده با ابزارهای BI
- 41. گزارشگیری در هوش تجاری
- 42. مبانی دادهکاوی (Data Mining)
- 43. الگوریتمهای رایج دادهکاوی (دستهبندی، خوشهبندی)
- 44. کاربرد دادهکاوی در تحلیل کسبوکار
- 45. مقدمه بر تحلیل دادههای بزرگ (Big Data)
- 46. معماریهای پردازش دادههای بزرگ
- 47. پردازش دستهای (Batch Processing)
- 48. پردازش جریانی (Stream Processing)
- 49. مبانی امنیت پایگاه داده
- 50. مدیریت دسترسی و مجوزها در پایگاه داده
- 51. رمزنگاری دادهها در پایگاه داده
- 52. پشتیبانگیری و بازیابی پایگاه داده
- 53. بهینهسازی عملکرد پایگاه داده
- 54. مانیتورینگ و تنظیم پارامترهای پایگاه داده
- 55. کاربرد لینوکس در مدیریت پایگاه داده
- 56. دستورات پایهای لینوکس برای مدیریت فایل
- 57. مدیریت فرآیندها در لینوکس
- 58. شبکهبندی در لینوکس برای پایگاه داده
- 59. اسکریپتنویسی Bash برای اتوماسیون
- 60. مفاهیم معماری نرمافزار در پایگاه داده
- 61. طراحی سیستمهای توزیعشده
- 62. موازایسازی و موازیسازی در پایگاه داده
- 63. مفاهیم NoSQL و انواع آن
- 64. مقایسه پایگاه دادههای رابطهای و NoSQL
- 65. مقدمه بر دادهکاوی متنی
- 66. تحلیل احساسات (Sentiment Analysis)
- 67. پردازش زبان طبیعی (NLP) برای تحلیل داده
- 68. کاربرد NLP در هوش تجاری
- 69. مبانی یادگیری ماشین (Machine Learning)
- 70. یادگیری نظارت شده (Supervised Learning)
- 71. یادگیری نظارت نشده (Unsupervised Learning)
- 72. ارزیابی مدلهای یادگیری ماشین
- 73. پیادهسازی مدلهای ML با Python (Pandas, NumPy)
- 74. مقدمه بر کتابخانه Pandas برای تحلیل داده
- 75. عملیات داده با Pandas
- 76. تجمیع و گروهبندی با Pandas
- 77. کار با دادههای سری زمانی در Pandas
- 78. مقدمه بر کتابخانه NumPy برای محاسبات عددی
- 79. عملیات آرایهای در NumPy
- 80. توابع ریاضی در NumPy
- 81. مبانی تجسم داده (Data Visualization)
- 82. ابزارهای تجسم داده (Matplotlib, Seaborn)
- 83. طراحی نمودارهای مؤثر
- 84. کاربرد تجسم داده در گزارشگیری BI
- 85. تحلیل اکتشافی داده (EDA)
- 86. مراحل EDA
- 87. شناسایی الگوها و ناهنجاریها در EDA
- 88. مقدمه بر تحلیل آماری دادهها
- 89. آمار توصیفی
- 90. آمار استنباطی
- 91. آزمون فرض آماری
- 92. مقدمه بر مدیریت کیفیت داده (Data Quality)
- 93. پاکسازی دادهها (Data Cleaning)
- 94. اعتبارسنجی دادهها (Data Validation)
- 95. استانداردسازی دادهها
- 96. مدیریت دادههای حجیم (Volume, Velocity, Variety)
- 97. ذخیرهسازی دادهها در مقیاس بزرگ
- 98. پردازش دادههای حجیم با Apache Spark
- 99. آشنایی با مفاهیم کلاد (Cloud Computing)
- 100. سرویسهای داده در محیط کلاد
این اپلیکیشن فارسی برای یادگیری و مرور محتوای آموزشی از طریق فلشکارت طراحی شده است. کارتها را یکییکی مرور کنید، پاسخ پرسشها را به یاد بیاورید و نتیجه هر پاسخ را ثبت کنید. محتوای دوره پس از نصب درون برنامه در دسترس است تا برای مطالعه روزمره معمولاً به اتصال مداوم اینترنت نیاز نداشته باشید.
محتوای آموزشی در قالبهای متنوع ارائه میشود تا هم برای یادگیری مفاهیم جدید و هم برای تثبیت آموختهها قابل استفاده باشد.
- رابط کاربری فارسی و راستچین با فونت وزیر.
- تم روشن و تیره مطابق تنظیمات سیستم.
- صفحهبندی ساده برای انتخاب دوره و شروع مرور.
- نمایش تعداد دفعات مرور هر فصل.
- انتخاب چند فصل برای مرور همزمان.
- امکان تمرکز بر فصلهایی که هنوز مرور نشدهاند.
این اپلیکیشن برای دانشآموزان، دانشجویان، داوطلبان آزمونها و علاقهمندان به یادگیری طراحی شده است؛ بهویژه کسانی که میخواهند مطالب آموزشی را در زمانهای کوتاه مرور کنند، دانستههای خود را بسنجند و مطالعه منظمتری داشته باشند.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.