فلش‌کارت‌های آموزشی طراحی و پیاده‌سازی سیستم‌های داده‌محور با SQL و مدل‌سازی اطلاعات

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و پیاده‌سازی سیستم‌های داده‌محور با SQL و مدل‌سازی اطلاعات

موضوع کلی: فناوری اطلاعات و علوم کامپیوتر

موضوع میانی: پایگاه داده و مدیریت اطلاعات

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر سیستم‌های داده‌محور
• 2. مبانی پایگاه داده و مدیریت اطلاعات
• 3. معرفی سیستم‌های مدیریت پایگاه داده (DBMS)
• 4. انواع مدل‌های پایگاه داده
• 5. مدل رابطه‌ای و اصول آن
• 6. موجودیت‌ها، صفات و روابط
• 7. نرمال‌سازی پایگاه داده: سطوح اول تا سوم
• 8. نرمال‌سازی فراتر از سطح سوم
• 9. طراحی مدل مفهومی داده‌ها
• 10. ابزارهای مدل‌سازی داده‌ها
• 11. زبان پرس‌وجوی ساختاریافته (SQL)
• 12. مبانی SQL: SELECT و FROM
• 13. فیلتر کردن داده‌ها با WHERE
• 14. مرتب‌سازی نتایج با ORDER BY
• 15. محدود کردن نتایج با LIMIT
• 16. عملیات پایه‌ای SQL: INSERT, UPDATE, DELETE
• 17. عملیات پیشرفته SQL: JOIN ها
• 18. انواع JOIN ها: INNER, LEFT, RIGHT, FULL
• 19. زیرپرس‌وجوها (Subqueries)
• 20. توابع تجمعی (Aggregate Functions)
• 21. گروه‌بندی نتایج با GROUP BY
• 22. فیلتر کردن گروه‌ها با HAVING
• 23. عملیات روی رشته‌ها در SQL
• 24. عملیات روی تاریخ و زمان در SQL
• 25. انواع داده‌ها در SQL
• 26. کلیدهای اصلی و خارجی
• 27. محدودیت‌های انطباق‌پذیری (Constraints)
• 28. شاخص‌گذاری (Indexing) برای بهینه‌سازی
• 29. انواع شاخص‌ها
• 30. مفاهیم تراکنش (Transactions)
• 31. قفل‌گذاری (Locking) و کنترل همزمانی
• 32. انزوا (Isolation) در تراکنش‌ها
• 33. قابلیت بازگشت (Atomicity) و دوام (Durability)
• 34. پایگاه داده‌های توزیع‌شده
• 35. مفاهیم ACID
• 36. مقدمه‌ای بر NoSQL
• 37. انواع پایگاه داده‌های NoSQL
• 38. مقایسه پایگاه داده‌های رابطه‌ای و NoSQL
• 39. مدل‌سازی داده در پایگاه داده‌های NoSQL
• 40. پایگاه داده‌های کلید-مقدار
• 41. پایگاه داده‌های ستون‌گرا
• 42. پایگاه داده‌های سندگرا
• 43. پایگاه داده‌های گراف
• 44. معماری پایگاه داده
• 45. امنیت پایگاه داده
• 46. مدیریت کاربران و مجوزها
• 47. پشتیبان‌گیری و بازیابی پایگاه داده
• 48. مقدمه‌ای بر داده‌کاوی
• 49. کاربرد داده‌کاوی در سیستم‌های داده‌محور
• 50. اصول استخراج اطلاعات از داده‌ها
• 51. مقدمه‌ای بر هوش تجاری (BI)
• 52. ابزارهای هوش تجاری
• 53. داشبوردها و گزارش‌گیری
• 54. تحلیل داده‌ها با ابزارهای BI
• 55. مقدمه‌ای بر انبار داده (Data Warehouse)
• 56. طراحی انبار داده
• 57. استخراج، تبدیل و بارگذاری (ETL)
• 58. مفاهیم OLAP و OLTP
• 59. مقدمه‌ای بر یادگیری ماشین
• 60. کاربرد یادگیری ماشین در تحلیل داده
• 61. مقدمه‌ای بر مهندسی داده
• 62. ابزارهای مهندسی داده
• 63. مدیریت چرخه عمر داده
• 64. مقدمه‌ای بر حاکمیت داده (Data Governance)
• 65. اهمیت کیفیت داده
• 66. روش‌های بهبود کیفیت داده
• 67. مقدمه‌ای بر کلان‌داده (Big Data)
• 68. چالش‌های کلان‌داده
• 69. فناوری‌های کلان‌داده
• 70. مقدمه‌ای بر پردازش جریان داده (Stream Processing)
• 71. کاربرد پردازش جریان داده
• 72. مقدمه‌ای بر یادگیری عمیق
• 73. کاربرد یادگیری عمیق در تحلیل داده
• 74. اخلاق در مدیریت داده
• 75. مسائل حقوقی در مدیریت داده
• 76. استانداردهای داده
• 77. مدیریت داده‌های حجیم
• 78. مقدمه‌ای بر پایگاه داده‌های گراف
• 79. کاربرد پایگاه داده‌های گراف
• 80. مقدمه‌ای بر پایگاه داده‌های درون حافظه (In-Memory)
• 81. مزایای پایگاه داده‌های درون حافظه
• 82. مقدمه‌ای بر پایگاه داده‌های برداری
• 83. کاربرد پایگاه داده‌های برداری
• 84. مقدمه‌ای بر محاسبات ابری برای داده
• 85. پلتفرم‌های ابری برای مدیریت داده
• 86. امنیت در محیط ابری
• 87. مقدمه‌ای بر امنیت سایبری در سیستم‌های داده‌محور
• 88. اهمیت امنیت داده
• 89. روش‌های حفاظت از داده
• 90. مدیریت ریسک در سیستم‌های داده‌محور
• 91. مقدمه‌ای بر اتوماسیون در مدیریت داده
• 92. کاربرد اتوماسیون در ETL
• 93. مقدمه‌ای بر هوش مصنوعی در مدیریت داده
• 94. کاربرد هوش مصنوعی در بهینه‌سازی پایگاه داده
• 95. مقدمه‌ای بر اصول طراحی پایگاه داده مقیاس‌پذیر
• 96. روش‌های دستیابی به مقیاس‌پذیری
• 97. مقدمه‌ای بر معماری میکروسرویس و پایگاه داده
• 98. مدیریت داده در معماری میکروسرویس
• 99. مقدمه‌ای بر مدل‌سازی داده‌های مکانی
• 100. کاربرد مدل‌سازی داده‌های مکانی