فلش‌کارت‌های آموزشی SQL و Data Warehousing

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره SQL و Data Warehousing

موضوع کلی: برنامه نویسی

موضوع میانی: SQL

📋 سرفصل‌های دوره

• 1. مبانی پایگاه داده رابطه‌ای
• 2. مفاهیم کلیدی SQL
• 3. ساختار دستورات DDL
• 4. ایجاد و حذف جداول
• 5. مدیریت انواع داده‌ها
• 6. محدودیت‌های کلید اصلی و خارجی
• 7. قوانین یکپارچگی داده‌ها
• 8. دستورات DML: درج داده
• 9. دستورات DML: به‌روزرسانی داده‌ها
• 10. دستورات DML: حذف داده‌ها
• 11. دستورات SELECT پایه
• 12. فیلتر کردن داده‌ها با WHERE
• 13. مرتب‌سازی نتایج با ORDER BY
• 14. گروه‌بندی داده‌ها با GROUP BY
• 15. فیلتر کردن گروه‌ها با HAVING
• 16. عملیات JOIN: INNER JOIN
• 17. عملیات JOIN: LEFT JOIN
• 18. عملیات JOIN: RIGHT JOIN
• 19. عملیات JOIN: FULL OUTER JOIN
• 20. زیرپرس‌وجوها (Subqueries)
• 21. استفاده از توابع تجمعی (Aggregate Functions)
• 22. توابع رشته‌ای (String Functions)
• 23. توابع عددی (Numeric Functions)
• 24. توابع تاریخ و زمان (Date and Time Functions)
• 25. توابع شرطی (Conditional Functions)
• 26. نمایه‌ها (Indexes) و کاربرد آن‌ها
• 27. بهینه‌سازی پرس‌وجوها (Query Optimization)
• 28. مدیریت تراکنش‌ها (Transactions)
• 29. سطوح ایزولاسیون تراکنش
• 30. مفاهیم ACID
• 31. امنیت پایگاه داده
• 32. مدیریت کاربران و مجوزها
• 33. مقدمه‌ای بر انباره داده (Data Warehousing)
• 34. تفاوت پایگاه داده و انباره داده
• 35. معماری انباره داده
• 36. مدل‌سازی داده برای انباره داده: Star Schema
• 37. مدل‌سازی داده برای انباره داده: Snowflake Schema
• 38. مفاهیم Dimension و Fact Table
• 39. طراحی جداول Dimension
• 40. طراحی جداول Fact
• 41. انواع Fact Table
• 42. چرخه‌های حیات داده در انباره داده
• 43. فرآیندهای ETL (Extract, Transform, Load)
• 44. استخراج داده‌ها (Extraction)
• 45. تبدیل داده‌ها (Transformation)
• 46. بارگذاری داده‌ها (Loading)
• 47. مدیریت داده‌های حجیم (Big Data)
• 48. مقدمه‌ای بر NoSQL (با رویکرد سازگار)
• 49. انواع پایگاه داده‌های NoSQL (مرور کلی)
• 50. کاربرد NoSQL در تحلیل داده
• 51. مقدمه‌ای بر ابزارهای BI (Business Intelligence)
• 52. مصورسازی داده‌ها (Data Visualization)
• 53. اصول گزارش‌گیری
• 54. ساخت داشبوردهای مدیریتی
• 55. تحلیل روندها (Trend Analysis)
• 56. تحلیل مقایسه‌ای (Comparative Analysis)
• 57. تحلیل رگرسیون مقدماتی
• 58. مقدمه‌ای بر یادگیری ماشین (با رویکرد سازگار)
• 59. کاربرد یادگیری ماشین در تحلیل داده
• 60. مدیریت کیفیت داده (Data Quality Management)
• 61. پاکسازی داده‌ها (Data Cleaning)
• 62. اعتبارسنجی داده‌ها (Data Validation)
• 63. کاهش افزونگی داده‌ها (Data Deduplication)
• 64. مفاهیم Data Governance
• 65. امنیت داده‌ها در انباره داده
• 66. حریم خصوصی داده‌ها
• 67. قوانین حفاظت از داده‌ها (مرتبط با ایران)
• 68. مطالعات موردی در انباره داده
• 69. پیاده‌سازی انباره داده در سازمان
• 70. چالش‌های پیاده‌سازی انباره داده
• 71. انتخاب ابزار مناسب برای انباره داده
• 72. مقدمه‌ای بر Data Lake (با رویکرد سازگار)
• 73. تفاوت Data Warehouse و Data Lake
• 74. کاربرد Data Lake در تحلیل داده
• 75. مقدمه‌ای بر Data Mining (با رویکرد سازگار)
• 76. تکنیک‌های Data Mining: خوشه‌بندی (Clustering)
• 77. تکنیک‌های Data Mining: طبقه‌بندی (Classification)
• 78. تکنیک‌های Data Mining: قوانین وابستگی (Association Rules)
• 79. ارزیابی مدل‌های Data Mining
• 80. کاربرد تحلیل داده در صنعت (مثال‌های سازگار)
• 81. کاربرد تحلیل داده در خدمات (مثال‌های سازگار)
• 82. کاربرد تحلیل داده در دولتی (مثال‌های سازگار)
• 83. مقدمه‌ای بر داده‌کاوی متن (Text Mining)
• 84. تحلیل احساسات (Sentiment Analysis)
• 85. مدیریت کلان‌داده‌ها (Big Data Management)
• 86. مفاهیم Hadoop (مرور کلی)
• 87. مفاهیم Spark (مرور کلی)
• 88. استانداردهای داده در ایران
• 89. قوانین مرتبط با حفاظت از داده‌های شهروندان
• 90. اخلاق در تحلیل داده
• 91. مسئولیت‌پذیری در استفاده از داده
• 92. آینده تحلیل داده و انباره داده
• 93. مباحث پیشرفته در SQL
• 94. تکنیک‌های پیشرفته در ETL
• 95. مدیریت داده‌های مکانی (Spatial Data)
• 96. مدیریت داده‌های سری زمانی (Time Series Data)
• 97. مقدمه‌ای بر داده‌های گراف (Graph Data)
• 98. کاربرد داده‌های گراف در تحلیل شبکه
• 99. استراتژی‌های داده‌محور در سازمان
• 100. نکات نهایی در طراحی و پیاده‌سازی انباره داده