کتاب صوتی بهینه‌سازی کوئری‌های SQL با استفاده از Generatorهای پایتون در Pony ORM

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی کوئری‌های SQL با استفاده از Generatorهای پایتون در Pony ORM

موضوع کلی: توسعه نرم‌افزار با پایتون

موضوع میانی: پایگاه داده و ORM در پایتون

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر توسعه نرم‌افزار با پایتون
• 2. آشنایی با مفاهیم پایگاه داده رابطه‌ای
• 3. مبانی طراحی پایگاه داده
• 4. مقدمه‌ای بر ORM (Object-Relational Mapping)
• 5. چرا از ORM استفاده می‌کنیم؟
• 6. معرفی Pony ORM
• 7. نصب و راه‌اندازی Pony ORM
• 8. تعریف مدل‌ها در Pony ORM
• 9. انواع داده در Pony ORM
• 10. روابط یک به یک در Pony ORM
• 11. روابط یک به چند در Pony ORM
• 12. روابط چند به چند در Pony ORM
• 13. پرس‌وجو از پایگاه داده با Pony ORM
• 14. فیلتر کردن نتایج با Pony ORM
• 15. مرتب‌سازی نتایج با Pony ORM
• 16. انتخاب ستون‌های خاص با Pony ORM
• 17. استفاده از توابع تجمیعی (Aggregation)
• 18. مقدمه‌ای بر Generatorها در پایتون
• 19. کار با Generatorها در پایتون
• 20. تفاوت Generator با List
• 21. کاربرد Generator در بهینه‌سازی حافظه
• 22. Generatorهای تولیدی (Yield)
• 23. Generatorهای بیان (Expression)
• 24. نحوه ترجمه Generatorهای پایتون به SQL در Pony ORM
• 25. بهینه‌سازی کوئری‌های SELECT با Generator
• 26. استفاده از Generator برای کوئری‌های INSERT
• 27. استفاده از Generator برای کوئری‌های UPDATE
• 28. استفاده از Generator برای کوئری‌های DELETE
• 29. کاربرد Generator در کوئری‌های پیچیده
• 30. کوئری‌های Subquery با Generator
• 31. کوئری‌های Join با Generator
• 32. کوئری‌های Aggregation با Generator
• 33. بهینه‌سازی عملکرد با Generator
• 34. کاهش مصرف حافظه با Generator
• 35. افزایش سرعت اجرای کوئری‌ها
• 36. شناسایی گلوگاه‌های عملکردی
• 37. ابزارهای پروفایلینگ در پایتون
• 38. پروفایلینگ کوئری‌های SQL
• 39. تحلیل گزارش‌های پروفایلینگ
• 40. استراتژی‌های بهینه‌سازی کوئری
• 41. ایندکس‌گذاری در پایگاه داده
• 42. انواع ایندکس‌ها
• 43. بهترین شیوه‌های ایندکس‌گذاری
• 44. نرمال‌سازی پایگاه داده
• 45. سطوح نرمال‌سازی
• 46. تأثیر نرمال‌سازی بر عملکرد
• 47. مقدمه‌ای بر تراکنش‌ها
• 48. مدیریت تراکنش‌ها در Pony ORM
• 49. سطوح ایزولاسیون تراکنش
• 50. قفل‌گذاری در پایگاه داده
• 51. انواع قفل‌ها
• 52. راهکارهای جلوگیری از Deadlock
• 53. مقدمه‌ای بر NoSQL
• 54. مقایسه پایگاه داده‌های رابطه‌ای و NoSQL
• 55. کاربرد NoSQL در سناریوهای خاص
• 56. مقدمه‌ای بر معماری میکروسرویس
• 57. نقش پایگاه داده در میکروسرویس‌ها
• 58. مدیریت داده در میکروسرویس‌ها
• 59. تکنیک‌های Caching
• 60. Caching در سطح پایگاه داده
• 61. Caching در سطح برنامه
• 62. مقدمه‌ای بر Message Queues
• 63. کاربرد Message Queues در سیستم‌های توزیع‌شده
• 64. استفاده از Message Queues با Pony ORM
• 65. مقدمه‌ای بر تست نرم‌افزار
• 66. انواع تست
• 67. تست واحد (Unit Test)
• 68. تست یکپارچه‌سازی (Integration Test)
• 69. تست عملکرد (Performance Test)
• 70. نوشتن تست برای کد Pony ORM
• 71. شبیه‌سازی پایگاه داده برای تست
• 72. استفاده از fixtures در تست
• 73. اصول SOLID در طراحی نرم‌افزار
• 74. کاربرد اصول SOLID در کار با ORM
• 75. مقدمه‌ای بر Design Patterns
• 76. کاربرد Design Patterns در توسعه پایتون
• 77. الگوهای مربوط به داده و پایگاه داده
• 78. الگوی Repository
• 79. الگوی Unit of Work
• 80. مقدمه‌ای بر ابزارهای CI/CD
• 81. پیاده‌سازی CI/CD برای پروژه‌های پایتون
• 82. یکپارچه‌سازی تست در CI/CD
• 83. مقدمه‌ای بر امنیت پایگاه داده
• 84. روش‌های جلوگیری از SQL Injection
• 85. امنیت در استفاده از ORM
• 86. مدیریت دسترسی‌ها در پایگاه داده
• 87. مقدمه‌ای بر Big Data
• 88. چالش‌های کار با Big Data
• 89. استفاده از پایتون در اکوسیستم Big Data
• 90. مقدمه‌ای بر Data Warehousing
• 91. اصول Data Warehousing
• 92. کاربرد Pony ORM در Data Warehousing
• 93. مقدمه‌ای بر Data Lakes
• 94. مقایسه Data Lake و Data Warehouse
• 95. استفاده از پایتون برای تحلیل داده
• 96. مقدمه‌ای بر هوش تجاری (BI)
• 97. ابزارهای هوش تجاری
• 98. پایون و هوش تجاری
• 99. مقدمه‌ای بر یادگیری ماشین (ML)
• 100. کاربرد ML در تحلیل داده