فلش‌کارت‌های آموزشی تحلیل داده با SQL و Pandas: از مبتدی تا پیشرفته

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل داده با SQL و Pandas: از مبتدی تا پیشرفته

موضوع کلی: داده‌کاوی و تحلیل داده

موضوع میانی: بانک‌های اطلاعاتی رابطه‌ای و پایتون

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر SQL و Pandas برای تحلیل داده
• 2. نصب و راه‌اندازی ابزارهای مورد نیاز: Python، Pandas، و درایورهای SQL
• 3. اتصال به پایگاه داده‌های مختلف با Python (MySQL, PostgreSQL, SQLite)
• 4. مروری بر مفاهیم کلیدی SQL: جداول، فیلدها، ردیف‌ها
• 5. دستورات SELECT پایه: انتخاب داده از یک جدول
• 6. فیلتر کردن داده‌ها با WHERE clause
• 7. مرتب‌سازی نتایج با ORDER BY clause
• 8. استفاده از عملگرهای منطقی (AND, OR, NOT) در WHERE clause
• 9. استفاده از عملگرهای مقایسه‌ای (>, <, =, !=) در WHERE clause
• 10. دستورات توابع SQL: COUNT, SUM, AVG, MIN, MAX
• 11. گروه‌بندی داده‌ها با GROUP BY clause
• 12. استفاده از HAVING clause برای فیلتر کردن گروه‌ها
• 13. دستورات JOIN: ترکیب داده‌ها از چند جدول (INNER JOIN, LEFT JOIN, RIGHT JOIN, FULL OUTER JOIN)
• 14. زیرپرسش‌ها (Subqueries) در SQL
• 15. دستور INSERT برای اضافه کردن داده‌ها
• 16. دستور UPDATE برای به‌روزرسانی داده‌ها
• 17. دستور DELETE برای حذف داده‌ها
• 18. کار با رشته‌ها در SQL: LIKE, INSTR, SUBSTRING
• 19. کار با تاریخ‌ها در SQL: DATE, TIME, DATETIME
• 20. ایجاد جداول با دستور CREATE TABLE
• 21. تغییر ساختار جداول با دستور ALTER TABLE
• 22. حذف جداول با دستور DROP TABLE
• 23. امنیت SQL: جلوگیری از SQL Injection
• 24. بهینه‌سازی کوئری‌های SQL برای افزایش سرعت
• 25. خواندن داده از فایل‌های CSV و Excel با Pandas
• 26. ایجاد DataFrame در Pandas
• 27. انتخاب و فیلتر کردن داده‌ها در Pandas
• 28. اضافه کردن و حذف ستون‌ها در DataFrame
• 29. مرتب‌سازی DataFrame در Pandas
• 30. گروه‌بندی داده‌ها در Pandas با groupby()
• 31. ادغام و اتصال DataFrameها با merge() و concat()
• 32. کار با داده‌های گمشده (Missing Data) در Pandas
• 33. تغییر نوع داده‌ها در Pandas
• 34. اعمال توابع سفارشی بر روی DataFrame
• 35. خواندن و نوشتن داده‌ها به پایگاه داده SQL از طریق Pandas
• 36. استفاده از Pandas برای اجرای کوئری‌های SQL
• 37. تحلیل داده‌های سری زمانی با Pandas و SQL
• 38. مصورسازی داده‌ها با Pandas و Matplotlib
• 39. تحلیل آماری داده‌ها با Pandas و NumPy
• 40. کار با داده‌های حجیم با استفاده از chunksize در Pandas
• 41. استفاده از SQL Alchemy برای مدیریت پایگاه داده
• 42. پیاده‌سازی یک پروژه تحلیل داده کامل با SQL و Pandas