دوره تحلیل و پرس‌وجو در داده‌های حجیم با BigQuery همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل و پرس‌وجو در داده‌های حجیم با BigQuery

موضوع کلی: علم داده و تحلیل داده

موضوع میانی: ابزارهای تحلیل داده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل داده‌های حجیم
• 2. آشنایی با اصول علم داده
• 3. کاربرد تحلیل داده در سازمان‌ها
• 4. مبانی پایگاه‌های داده رابطه‌ای
• 5. مبانی پایگاه‌های داده NoSQL
• 6. معرفی Google Cloud Platform
• 7. مفهوم انبار داده (Data Warehouse)
• 8. مفهوم دریاچه داده (Data Lake)
• 9. معرفی BigQuery
• 10. معماری BigQuery
• 11. مزایای استفاده از BigQuery
• 12. مراحل آماده‌سازی داده برای تحلیل
• 13. انواع داده‌ها در BigQuery
• 14. ساختار جدول در BigQuery
• 15. بارگذاری داده در BigQuery
• 16. بارگذاری دسته‌ای داده‌ها
• 17. بارگذاری جریانی داده‌ها
• 18. تنظیمات پروژه در Google Cloud
• 19. مدیریت دسترسی در BigQuery
• 20. مفاهیم امنیت در BigQuery
• 21. اصول طراحی اسکیمای BigQuery
• 22. بهینه‌سازی ذخیره‌سازی داده
• 23. فشرده‌سازی داده در BigQuery
• 24. تقسیم‌بندی جدول‌ها (Partitioning)
• 25. خوشه‌بندی جدول‌ها (Clustering)
• 26. پرس‌وجوهای مقدماتی در BigQuery
• 27. زبان SQL در BigQuery
• 28. توابع استاندارد SQL
• 29. توابع خاص BigQuery
• 30. فیلتر کردن داده‌ها (WHERE)
• 31. مرتب‌سازی نتایج (ORDER BY)
• 32. گروه‌بندی داده‌ها (GROUP BY)
• 33. توابع تجمعی (Aggregate Functions)
• 34. پیوند جدول‌ها (JOIN)
• 35. انواع JOIN در BigQuery
• 36. زیرپرس‌وجوها (Subqueries)
• 37. عبارات جدول مشترک (CTEs)
• 38. توابع پنجره‌ای (Window Functions)
• 39. تحلیل داده‌های سری زمانی
• 40. پرس‌وجوهای پیچیده
• 41. بهینه‌سازی پرس‌وجوها
• 42. بررسی هزینه‌های پرس‌وجو
• 43. مدیریت کوئری‌ها
• 44. نمایش‌ها (Views) در BigQuery
• 45. نمایش‌های مواد (Materialized Views)
• 46. پرس‌وجوهای جغرافیایی
• 47. توابع جغرافیایی در BigQuery
• 48. تحلیل داده‌های متنی
• 49. پردازش زبان طبیعی در BigQuery
• 50. یکپارچه‌سازی با ابزارهای دیگر
• 51. اتصال BigQuery به Google Sheets
• 52. اتصال BigQuery به Looker Studio
• 53. اتصال BigQuery به Tableau
• 54. اتصال BigQuery به Power BI
• 55. استفاده از BigQuery ML
• 56. مقدمه‌ای بر یادگیری ماشین
• 57. مدل‌های پیش‌بینی در BigQuery ML
• 58. مدل‌های طبقه‌بندی در BigQuery ML
• 59. آموزش مدل‌ها در BigQuery ML
• 60. ارزیابی مدل‌ها
• 61. مدیریت مدل‌ها
• 62. تجسم داده‌ها در BigQuery
• 63. ابزارهای تجسم داده
• 64. ایجاد داشبوردهای مدیریتی
• 65. تحلیل داده‌های مشتریان
• 66. تحلیل داده‌های فروش
• 67. تحلیل داده‌های عملیاتی
• 68. مدیریت پروژه‌های تحلیل داده
• 69. چرخه حیات تحلیل داده
• 70. مستندسازی تحلیل‌ها
• 71. اصول گزارش‌دهی
• 72. ارائه نتایج تحلیل
• 73. مدیریت تغییرات داده
• 74. کیفیت داده‌ها
• 75. پاکسازی داده‌ها
• 76. اعتبارسنجی داده‌ها
• 77. حاکمیت داده‌ها
• 78. امنیت داده‌ها در BigQuery
• 79. مقررات حفاظت از داده‌ها
• 80. استانداردهای تحلیل داده
• 81. آینده تحلیل داده با BigQuery
• 82. روندهای جدید در علم داده
• 83. یادگیری مستمر در تحلیل داده
• 84. کاربرد BigQuery در صنعت
• 85. مطالعات موردی (Case Studies)
• 86. ملاحظات اخلاقی در تحلیل داده
• 87. مدیریت ریسک در تحلیل داده
• 88. استانداردهای برنامه‌نویسی در BigQuery
• 89. نگهداری از پروژه‌های BigQuery
• 90. بهینه‌سازی مداوم BigQuery
• 91. نکات پیشرفته در SQL
• 92. نکات پیشرفته در BigQuery
• 93. آشنایی با ابزارهای خط فرمان
• 94. استفاده از APIهای BigQuery
• 95. توسعه برنامه‌های کاربردی با BigQuery
• 96. مقایسه BigQuery با سایر ابزارها
• 97. کاربرد BigQuery در هوش تجاری
• 98. اصول طراحی انبار داده مدرن
• 99. مدیریت داده‌های حجیم و متفرقه
• 100. چالش‌های تحلیل داده‌های بزرگ