دوره SQL و Big Data Analytics with SQL همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره SQL و Big Data Analytics with SQL

موضوع کلی: برنامه نویسی

موضوع میانی: SQL

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پایگاه داده و سیستم‌های مدیریت پایگاه داده (DBMS)
• 2. SQL چیست و چرا مهم است؟
• 3. نصب و راه‌اندازی محیط کاری (DBMS و کلاینت SQL)
• 4. آشنایی با ساختار جداول، سطرها و ستون‌ها
• 5. دستور SELECT: انتخاب داده‌ها
• 6. دستور FROM: تعیین منبع داده
• 7. فیلتر کردن داده‌ها با WHERE (عملگرهای مقایسه‌ای)
• 8. فیلتر کردن داده‌ها با WHERE (عملگرهای منطقی: AND, OR, NOT)
• 9. عملگرهای LIKE و IN برای جستجو و تطابق الگو
• 10. کار با مقادیر NULL و عملگرهای IS NULL / IS NOT NULL
• 11. مرتب‌سازی نتایج با ORDER BY (صعودی و نزولی)
• 12. محدود کردن نتایج با LIMIT / TOP / ROWNUM
• 13. معرفی انواع داده‌ها (رشته‌ای، عددی، تاریخ/زمان، بولی)
• 14. ایجاد جدول جدید با CREATE TABLE
• 15. تعریف کلید اصلی (PRIMARY KEY) و کلید خارجی (FOREIGN KEY)
• 16. معرفی سایر محدودیت‌ها (UNIQUE, NOT NULL, CHECK, DEFAULT)
• 17. تغییر ساختار جدول با ALTER TABLE (افزودن، حذف، تغییر ستون)
• 18. حذف جدول با DROP TABLE
• 19. درج داده‌ها با INSERT INTO
• 20. به‌روزرسانی داده‌ها با UPDATE
• 21. حذف داده‌ها با DELETE FROM
• 22. معرفی توابع تجمیعی (COUNT, SUM, AVG, MIN, MAX)
• 23. گروه‌بندی داده‌ها با GROUP BY
• 24. فیلتر کردن گروه‌ها با HAVING
• 25. معرفی JOIN‌ها: اتصال جداول
• 26. INNER JOIN: بازگرداندن رکوردهای مشترک
• 27. LEFT JOIN (LEFT OUTER JOIN): تمام رکوردهای جدول چپ
• 28. RIGHT JOIN (RIGHT OUTER JOIN): تمام رکوردهای جدول راست
• 29. FULL JOIN (FULL OUTER JOIN): تمام رکوردهای هر دو جدول
• 30. CROSS JOIN: ترکیب دکارتی
• 31. SELF JOIN: اتصال یک جدول به خودش
• 32. زیرپرس‌وجوها (Subqueries) و کاربردهای آن‌ها
• 33. زیرپرس‌وجوهای اسکالر (Scalar Subqueries)
• 34. زیرپرس‌وجو با عملگر IN/NOT IN
• 35. زیرپرس‌وجو با عملگر EXISTS/NOT EXISTS
• 36. عملگرهای مجموعه‌ای (Set Operators): UNION و UNION ALL
• 37. عملگرهای مجموعه‌ای: INTERSECT و EXCEPT
• 38. توابع رشته‌ای (String Functions)
• 39. توابع عددی (Numeric Functions)
• 40. توابع تاریخ و زمان (Date and Time Functions)
• 41. عبارات شرطی با CASE
• 42. تبدیل نوع داده (CAST و CONVERT)
• 43. آشنایی با VIEW ها: جداول مجازی
• 44. ایجاد و مدیریت INDEX ها برای بهبود عملکرد
• 45. اصول اولیه تراکنش‌ها (Transactions) و ACID Properties
• 46. دستورات COMMIT و ROLLBACK
• 47. عبارت‌های جدول مشترک (Common Table Expressions - CTEs)
• 48. توابع پنجره‌ای (Window Functions) - بخش اول: ROW_NUMBER, RANK, DENSE_RANK
• 49. توابع پنجره‌ای - بخش دوم: NTILE, LAG, LEAD
• 50. توابع پنجره‌ای - بخش سوم: FIRST_VALUE, LAST_VALUE, NTH_VALUE
• 51. توابع پنجره‌ای تجمیعی (Aggregate Window Functions)
• 52. پیوت (Pivot) و آن‌پیوت (Unpivot) در SQL
• 53. استفاده از Regular Expressions در SQL
• 54. آشنایی با توابع تعریف‌شده توسط کاربر (User-Defined Functions - UDFs)
• 55. مقدمه‌ای بر رویه‌های ذخیره‌شده (Stored Procedures)
• 56. Trigger ها: خودکارسازی عملیات پایگاه داده
• 57. تحلیل طرح اجرایی (Execution Plan) با EXPLAIN
• 58. استراتژی‌های ایندکس‌گذاری پیشرفته
• 59. بهینه‌سازی کوئری‌ها (Query Optimization)
• 60. مدیریت دسترسی کاربران و امنیت پایگاه داده
• 61. مقدمه‌ای بر کلان‌داده (Big Data) و ویژگی‌های آن
• 62. تفاوت پایگاه داده‌های رابطه‌ای، NoSQL و انباره داده (Data Warehouse)
• 63. مفاهیم OLAP و OLTP
• 64. معرفی انباره داده و Data Lake
• 65. مدل‌سازی داده برای انباره داده: Star Schema و Snowflake Schema
• 66. فرآیندهای ETL/ELT: استخراج، تبدیل، بارگذاری
• 67. مروری بر اکوسیستم Big Data (Hadoop, Spark)
• 68. SQL در دنیای Big Data: چرا و چگونه؟
• 69. آشنایی با Apache Hive: SQL بر روی Hadoop
• 70. معماری Hive و Metastore
• 71. انواع داده در Hive
• 72. ایجاد و مدیریت جداول در Hive (Managed و External Tables)
• 73. بارگذاری داده‌ها در Hive
• 74. کوئری‌نویسی در Hive (HiveQL)
• 75. پیاده‌سازی JOIN ها و Subqueries در Hive
• 76. پارتیشن‌بندی (Partitioning) در Hive
• 77. باکت‌بندی (Bucketing) در Hive
• 78. بهینه‌سازی کوئری‌های Hive
• 79. مقدمه‌ای بر Apache Impala: کوئری‌های تعاملی Big Data
• 80. تفاوت‌ها و شباهت‌های Hive و Impala
• 81. کوئری‌نویسی با Impala
• 82. بهینه‌سازی عملکرد Impala
• 83. مقدمه‌ای بر Apache Spark و Spark SQL
• 84. معماری Spark SQL و DataFrames
• 85. خواندن و نوشتن فرمت‌های مختلف داده (Parquet, ORC, CSV, JSON) با Spark SQL
• 86. Spark SQL UDF ها و توابع پیچیده
• 87. بهینه‌سازی کوئری‌های Spark SQL
• 88. معرفی Data Lakehouse: ترکیب Data Lake و Data Warehouse
• 89. مفاهیم فدرالیزه کردن کوئری‌ها (Federated Queries) با Presto/Trino
• 90. مقدمه‌ای بر Cloud Data Warehouses
• 91. Google BigQuery: مبانی و معماری
• 92. مدل داده و انواع داده در BigQuery
• 93. کوئری‌نویسی و بهینه‌سازی در BigQuery
• 94. Amazon Redshift: معرفی و توزیع داده‌ها
• 95. مدیریت حجم کاری (Workload Management) در Redshift
• 96. Azure Synapse Analytics: SQL Pool و On-demand SQL
• 97. آنالیز داده‌های مکانی (Geospatial Analytics) با SQL در Big Data
• 98. آنالیز سری‌های زمانی (Time Series Analytics) با SQL
• 99. حاکمیت داده (Data Governance) و امنیت در Big Data SQL
• 100. مطالعه موردی: پروژه‌های واقعی Big Data Analytics با SQL