فلش‌کارت‌های آموزشی آماده‌سازی و پاکسازی داده‌ها در MongoDB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آماده‌سازی و پاکسازی داده‌ها در MongoDB

موضوع کلی: مدیریت و پردازش داده‌ها

موضوع میانی: پایگاه داده‌های NoSQL و کار با آن‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر آماده‌سازی داده‌ها
• 2. مفاهیم کلیدی پاکسازی داده‌ها
• 3. چرا پاکسازی داده‌ها مهم است؟
• 4. معرفی MongoDB
• 5. نصب و راه‌اندازی MongoDB
• 6. مفاهیم اساسی MongoDB: سند، مجموعه، پایگاه داده
• 7. کار با داده‌های ساختاریافته و نیمه‌ساختاریافته
• 8. تفاوت NoSQL و SQL
• 9. مزایای MongoDB برای آماده‌سازی داده‌ها
• 10. نصب MongoDB Compass
• 11. اتصال به پایگاه داده MongoDB
• 12. ساختار سند JSON/BSON
• 13. عملیات CRUD در MongoDB
• 14. درج اسناد در MongoDB
• 15. بازیابی اسناد با Query
• 16. به‌روزرسانی اسناد
• 17. حذف اسناد
• 18. عملیات پیشرفته Query
• 19. فیلتر کردن داده‌ها
• 20. مرتب‌سازی نتایج
• 21. پروژکشن (انتخاب فیلدها)
• 22. محدود کردن تعداد نتایج
• 23. توابع تجمیع (Aggregation Framework)
• 24. مراحل خط لوله تجمیع
• 25. مرحله $match
• 26. مرحله $group
• 27. مرحله $project
• 28. مرحله $sort
• 29. مرحله $limit
• 30. مرحله $skip
• 31. مرحله $lookup (اتصال مجموعه‌ها)
• 32. کار با داده‌های تودرتو (Nested Data)
• 33. نمایش یا حذف فیلدهای تودرتو
• 34. دسترسی به عناصر آرایه‌ها
• 35. عملیات روی آرایه‌ها
• 36. تغییر شکل داده‌ها (Reshaping Data)
• 37. تبدیل داده‌ها از یک فرمت به فرمت دیگر
• 38. پاکسازی داده‌های تکراری
• 39. شناسایی داده‌های تکراری
• 40. حذف داده‌های تکراری
• 41. مدیریت مقادیر گمشده (Missing Values)
• 42. شناسایی مقادیر گمشده
• 43. جایگزینی مقادیر گمشده
• 44. حذف رکوردهای حاوی مقادیر گمشده
• 45. اعتبارسنجی داده‌ها (Data Validation)
• 46. قوانین اعتبارسنجی در MongoDB
• 47. اعمال اعتبارسنجی هنگام درج/به‌روزرسانی
• 48. کار با انواع داده‌ها در MongoDB
• 49. تبدیل انواع داده‌ها
• 50. مدیریت تاریخ و زمان
• 51. کار با رشته‌ها (Strings)
• 52. توابع رشته‌ای در MongoDB
• 53. کار با اعداد
• 54. عملیات ریاضی
• 55. کار با بولین‌ها
• 56. مقدمه‌ای بر پردازش دسته‌ای (Batch Processing)
• 57. نوشتن اسکریپت‌های JavaScript در MongoDB
• 58. استفاده از Shell برای پردازش داده‌ها
• 59. استفاده از `mongo` shell
• 60. اجرای اسکریپت‌های JavaScript
• 61. کار با `bulkWrite` برای عملیات دسته‌ای
• 62. بهینه‌سازی عملکرد در MongoDB
• 63. شاخص‌گذاری (Indexing)
• 64. انواع شاخص‌ها
• 65. ایجاد شاخص‌ها
• 66. بهبود Query با شاخص‌ها
• 67. مدیریت و نگهداری شاخص‌ها
• 68. مقدمه‌ای بر امنیت داده‌ها در MongoDB
• 69. احراز هویت و مجوزها
• 70. رمزگذاری داده‌ها
• 71. پشتیبان‌گیری و بازیابی داده‌ها
• 72. مفاهیم پیاده‌سازی (Replication)
• 73. پیکربندی مجموعه سه‌تایی (Replica Set)
• 74. اهمیت پیاده‌سازی برای دسترس‌پذیری
• 75. مفاهیم Sharding (تقسیم داده‌ها)
• 76. دلایل استفاده از Sharding
• 77. پیکربندی Sharded Cluster
• 78. انتخاب کلید Shard
• 79. استراتژی‌های آماده‌سازی داده برای Sharding
• 80. کار با ابزارهای خارجی برای پاکسازی داده
• 81. ابزارهای ETL و ارتباط با MongoDB
• 82. استفاده از Python با PyMongo
• 83. نوشتن اسکریپت‌های Python برای آماده‌سازی داده
• 84. تجسم داده‌های آماده‌شده
• 85. نمودارها و گراف‌ها
• 86. ارتباط آماده‌سازی داده با ابزارهای BI
• 87. کاربرد داده‌های پاکسازی‌شده در یادگیری ماشین
• 88. پیش‌پردازش داده‌ها برای مدل‌های ML
• 89. آماده‌سازی داده‌ها برای شبکه‌های عصبی
• 90. آماده‌سازی داده‌ها برای مدل‌های طبقه‌بندی
• 91. آماده‌سازی داده‌ها برای مدل‌های رگرسیون
• 92. پاکسازی و آماده‌سازی داده‌های متنی
• 93. پردازش اسناد متنی
• 94. کلمات کلیدی و موضوعات
• 95. پاکسازی و آماده‌سازی داده‌های مکانی
• 96. کار با داده‌های جغرافیایی در MongoDB
• 97. شاخص‌های مکانی
• 98. جستجوهای مکانی
• 99. ملاحظات حریم خصوصی در آماده‌سازی داده‌ها
• 100. قوانین حفاظت از داده‌ها