اکسپرس 24
کتاب طراحی، پیاده‌سازی و تحلیل داده در انباره‌های داده با PostgreSQL و MySQL با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

کتاب طراحی، پیاده‌سازی و تحلیل داده در انباره‌های داده با PostgreSQL و MySQL با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 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
تگ‌ها: MySQL PostgreSQL RDBMS SQL انبار داده پایگاه داده رابطه‌ای تحلیل کسب و کار لینوکس معماری پایگاه داده هوش تجاری

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.