آموزش Google BigQuery و PostgreSQL: جستجوی بزرگ برای تجزیه و تحلیل داده ها

Google BigQuery & PostgreSQL : Big Query for Data Analysis

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: با تسلط بر Google BigQuery برای تجزیه و تحلیل داده ها، متخصص BigQuery شوید. پوشاندن همه پرسش‌های SQL در PostgeSQL و Big Query آگاهی از تمام دستورات ضروری SQL در BigQuery و PostgreSQL در ابزارهای SQL مانند GROUP BY، JOINS و Subqueries مهارت کسب کنید در استفاده از دستورات مرتب‌سازی و فیلتر کردن در SQL مهارت داشته باشید: فقط یک رایانه شخصی با هر کدام مرورگر اینترنت

6 دلیل برای انتخاب این دوره PostgreSQL و BigQuery

  1. برنامه درسی با دقت طراحی شده به شما هر چیزی را در SQL و Google BigQuery که برای تجزیه و تحلیل داده در کسب و کارها نیاز دارید آموزش می دهد

  2. جامع - عبارات اولیه و پیشرفته SQL را در PostgreSQL و Google BigQuery پوشش می دهد

  3. نمونه‌های مرتبط با کسب‌وکار و مطالعات موردی در SQL و Google BigQuery

  4. تمرین‌های تمرینی فراوان در Google BigQuery زیرا SQL و Google BigQuery نیاز به تمرین دارند

  5. منابع قابل دانلود در SQL و Google BigQuery

  6. سوالات شما توسط خود مربی پاسخ داده خواهد شد

یک گواهی تکمیل قابل تأیید به همه دانش‌آموزانی که این دوره آموزشی SQL و Google BigQuery را می‌گذرانند ارائه می‌شود.

چرا باید این دوره را انتخاب کنید؟

این یک آموزش کامل در مورد Google BigQuery و PostgreSQL است که می تواند در یک آخر هفته تکمیل شود. SQL مورد نیازترین مهارت برای نقش های تجزیه و تحلیل داده ها در همه شرکت ها است. Google BigQuery نیز در زمینه تجزیه و تحلیل داده ها تقاضای بالایی دارد. بنابراین چه بخواهید به عنوان یک دانشمند داده شغلی را شروع کنید یا فقط مهارت های تجزیه و تحلیل داده های خود را افزایش دهید، یا فقط می خواهید Google BigQuery را یاد بگیرید، این دوره همه چیزهایی را که برای انجام این کار باید بدانید را پوشش می دهد.

چه چیزی ما را واجد شرایط آموزش به شما می کند؟

این دوره توسط آبیشک و پخراج تدریس می شود. مدرسان این دوره بیش از یک دهه است که علم داده و یادگیری ماشین را آموزش می دهند. ما تجربه آموزش و استفاده از Google BigQuery و PostgreSQL برای اهداف تجزیه و تحلیل داده ها را داریم.

ما همچنین خالق برخی از محبوب ترین دوره های آنلاین هستیم - با بیش از 400000 دانش آموز و هزاران بررسی 5 ستاره مانند این:

من لحظات فوق العاده ای را در این دوره داشتم. این دانش من را در مورد استفاده از قدرت SQL به عنوان یک ابزار تحلیلی بیشتر گسترش می دهد. آفرین به مربی - سیکیرو

بسیار روشنگر، یادگیری ترفندهای بسیار خوب و جزئیات کافی برای ماندگار کردن آن در ذهن شما. - آرماند

قول ما

آموزش دانش آموزان وظیفه ماست و به آن متعهد هستیم. اگر سؤالی در مورد محتوای دوره، Google BigQuery، PostgreSQL، برگه تمرین یا هر موضوعی مرتبط با هر موضوعی دارید، همیشه می‌توانید سؤالی را در دوره ارسال کنید یا برای ما پیام مستقیم ارسال کنید.

فایل‌های تمرین را دانلود کنید، آزمون‌ها را امتحان کنید و تکالیف را تکمیل کنید

با هر سخنرانی، یک برگه تمرین ضمیمه شده است که می توانید آن را دنبال کنید. همچنین می‌توانید برای بررسی درک خود از مفاهیم در Google BigQuery و PostgreSQL در آزمون‌هایی شرکت کنید. هر بخش شامل یک تکلیف تمرینی برای شماست تا به طور عملی یادگیری خود را در Google BigQuery و PostgreSQL پیاده سازی کنید. Solution to Assignment نیز به اشتراک گذاشته شده است تا بتوانید عملکرد خود را بررسی کنید.

در پایان این دوره، اعتماد به نفس شما در استفاده از Google BigQuery و PostgreSQL افزایش می یابد. شما درک کاملی از نحوه استفاده از Google BigQuery و PostgreSQL برای تجزیه و تحلیل داده ها به عنوان یک فرصت شغلی خواهید داشت.

ادامه دهید و روی دکمه ثبت نام کلیک کنید، و من شما را در درس 1 این دوره Google BigQuery و PostgreSQL می بینم.

به سلامتی

Start-Tech Academy


سؤالات متداول

چرا SQL یاد بگیریم؟

  1. SQL جهانی ترین و رایج ترین زبان پایگاه داده مورد استفاده است. این زبان به متداول ترین موتورهای پایگاه داده مانند PostgreSQL، SQL Server، SQLite و MySQL نیرو می دهد. به زبان ساده، اگر می‌خواهید به پایگاه‌های داده دسترسی داشته باشید، بله، باید SQL را بدانید.

  2. یادگیری SQL واقعاً دشوار نیست. SQL یک زبان برنامه نویسی نیست، یک زبان پرس و جو است. هدف اصلی که در آن SQL ایجاد شد، دادن امکان به افراد عادی بود که داده های علاقه مند را از پایگاه داده دریافت کنند. این زبان نیز مانند زبان انگلیسی است، بنابراین هر کسی که می تواند از زبان انگلیسی در سطح پایه استفاده کند، می تواند به راحتی پرس و جوی SQL را بنویسد.

  3. SQL یکی از مهارت‌هایی است که برای استخدام کارفرمایان مورد توجه قرار می‌گیرد.

  4. می توانید درآمد خوبی کسب کنید

یادگیری SQL چقدر زمان می برد؟

SQL آسان است اما هیچ کس نمی تواند زمان یادگیری آن را تعیین کند. این کاملا به شما بستگی دارد. روشی که ما برای کمک به یادگیری سریع SQL اتخاذ کردیم از اصول اولیه شروع می شود و شما را در عرض چند ساعت به سطح پیشرفته می برد. شما می توانید همان را دنبال کنید، اما به یاد داشته باشید که بدون تمرین چیزی نمی توانید یاد بگیرید. تمرین تنها راه یادگیری سریع SQL است.

برای یادگیری SQL چه مراحلی باید دنبال کنم؟

  1. یادگیری از اصول SQL را شروع کنید. 10 بخش اول این دوره اصول اولیه را پوشش می دهد.

  2. پس از انجام کارهای اولیه، دست خود را روی SQL پیشرفته امتحان کنید. 10 بخش بعدی موضوعات پیشرفته

    را پوشش می دهد
  3. یادگیری خود را بر روی تمرین ارائه شده در هر بخش تمرین کنید.

تفاوت بین SQL و PostgreSQL چیست؟

SQL یک زبان است. به طور خاص، "زبان پرس و جو ساختاریافته"

PostgreSQL یکی از چندین سیستم پایگاه داده یا RDMS (سیستم مدیریت پایگاه داده رابطه ای) است. PostgresSQL یکی از چندین RDMS است که سایر آنها Oracle، Informix، MySQL و MSQL هستند.

همه این RDMS ها از SQL به عنوان زبان خود استفاده می کنند. هر یک از آنها تغییرات جزئی در "گویش" SQL دارند که استفاده می کنند، اما همه آنها همچنان SQL هستند.

BigQuery برای چه مواردی استفاده می شود؟

BigQuery یک سرویس وب از Google است که برای مدیریت یا تجزیه و تحلیل داده های بزرگ استفاده می شود. Google BigQuery بخشی از پلتفرم Google Cloud است. به عنوان یک سرویس تجزیه و تحلیل داده NoOps (بدون عملیات)، Google BigQuery به کاربران این امکان را می دهد که داده ها را با استفاده از پرس و جوهای سریع SQL مانند برای تجزیه و تحلیل بلادرنگ مدیریت کنند.

آیا BigQuery رایگان است؟

برای کاربران Google BigQuery، 10 گیگابایت فضای ذخیره سازی اول در ماه رایگان و 1 ترابایت اول جستجو در ماه رایگان است. این محدودیت‌ها را پست کنید، Google BigQuery قابل پرداخت است.

PostgreSQL یا MySQL کدام بهتر است؟

هر دو محصول عالی با نقاط قوت منحصر به فرد هستند و انتخاب اغلب به اولویت شخصی بستگی دارد.

PostgreSQL ویژگی‌های کلی را برای برنامه‌های پایگاه داده سنتی ارائه می‌دهد، در حالی که MySQL بر عملکرد سریع‌تر برای برنامه‌های مبتنی بر وب تمرکز دارد.

توسعه منبع باز ویژگی های بیشتری را برای نسخه های بعدی هر دو پایگاه داده به ارمغان می آورد.

چه کسی از این پایگاه داده ها استفاده می کند؟

در اینجا چند نمونه از شرکت هایی وجود دارد که از PostgreSQL استفاده می کنند: Apple، BioPharm، Etsy،IMDB، Macworld، Debian، Fujitsu، Red Hat، Sun Microsystem، Cisco، Skype.

Google BigQuery توسط شرکت هایی مانند Spotify، The New York Times، Stack و غیره استفاده می شود.


سرفصل ها و درس ها

مقدمه Introduction

  • به دوره خوش آمدید Welcome to the Course

  • جریان دوره Course Flow

نصب و راه اندازی Installation and getting started

  • منابع دوره Course Resources

  • این یک نقطه عطف است! This is a milestone!

  • نصب PostgreSQL و pgAdmin در رایانه شخصی Installing PostgreSQL and pgAdmin in your PC

  • اگر pgAdmin باز نمی شود ... If pgAdmin is not opening...

  • راه اندازی BigQuery در Google Cloud Platform Setting up BigQuery on Google Cloud Platform

  • رابط BigQuery BigQuery Interface

بیانیه های اساسی SQL Fundamental SQL statements

  • ایجاد کردن CREATE

  • در BigQuery ایجاد کنید CREATE in BigQuery

  • تمرین 1: ایجاد DB و جدول Exercise 1: Create DB and Table

  • درج کنید INSERT

  • در BigQuery درج کنید INSERT in BigQuery

  • وارد کردن داده ها از فایل Import data from File

  • وارد کردن داده ها از فایل با استفاده از رابط کاربری وب BigQuery Importing data from File using BigQuery Web User Interface

  • آپلود فایل در Google Big Query از طریق Google cloud sdk File Upload in Google Big Query through Google cloud sdk

  • وارد کردن داده از Google Drive Importing data from Google Drive

  • تمرین 2: درج و وارد کردن Exercise 2: Inserting and Importing

  • انتخاب کنید SELECT

  • در BigQuery انتخاب کنید SELECT in BigQuery

  • متمایز را انتخاب کنید SELECT DISTINCT

  • SELECT DISTINCT در BigQuery SELECT DISTINCT in BigQuery

  • جایی که WHERE

  • WHERE در BigQuery WHERE in BigQuery

  • عملگرهای منطقی - AND، OR، NOT Logical Operators - AND, OR, NOT

  • عملگرهای منطقی در BigQuery Logical Operators in BigQuery

  • تمرین 3: SELECT & WHERE Exercise 3: SELECT & WHERE

  • به روز رسانی UPDATE

  • به روز رسانی در BigQuery UPDATE in BigQuery

  • حذف DELETE

  • حذف در BigQuery DELETE in BigQuery

  • تغییر دهید ALTER

  • ALTER در BigQuery ALTER in BigQuery

  • تمرین 4: به روز رسانی جدول Exercise 4: Updating Table

بازیابی و پشتیبان گیری Restore and Back-up

  • بازیابی و پشتیبان گیری Restore and Back-up

  • بازیابی اشکال زدایی Debugging Restoration

  • ایجاد DB با استفاده از فایل های CSV Creating DB using CSV files

  • ایجاد مجموعه داده در BigQuery Data Set creation in BigQuery

  • تمرین 5: بازیابی و پشتیبان گیری Exercise 5: Restore and Back-up

دستورات انتخاب: فیلتر کردن Selection commands: Filtering

  • که در IN

  • IN در BigQuery IN in BigQuery

  • بین BETWEEN

  • BETWEEN در BigQuery BETWEEN in BigQuery

  • پسندیدن LIKE

  • در BigQuery لایک کنید LIKE in BigQuery

  • تمرین 6: In, Like & Between Exercise 6: In, Like & Between

دستورات انتخاب: ترتیب Selection commands: Ordering

  • سفارش داده شده توسط ORDER BY

  • سفارش در BigQuery ORDER BY in BigQuery

  • حد LIMIT

  • LIMIT در BigQuery LIMIT in BigQuery

  • تمرین 7: مرتب سازی Exercise 7: Sorting

نام مستعار Alias

  • مانند AS

  • AS در BigQuery AS in BigQuery

دستورات جمع Aggregate Commands

  • شمردن COUNT

  • COUNT در BigQuery COUNT in BigQuery

  • جمع SUM

  • SUM در BigQuery SUM in BigQuery

  • میانگین AVERAGE

  • AVERAGE در BigQuery AVERAGE in BigQuery

  • MIN MAX MIN MAX

  • MIN MAX در BigQuery MIN MAX in BigQuery

  • تمرین 8: توابع جمع Exercise 8: Aggregate functions

گروه بندی بر اساس دستورات Group By Commands

  • دسته بندی بر اساس GROUP BY

  • GROUP BY در BigQuery GROUP BY in BigQuery

  • داشتن HAVING

  • داشتن در BigQuery HAVING in BigQuery

  • تمرین 9: گروه بر اساس Exercise 9: Group By

بیانیه مشروط Conditional Statement

  • مورد زمانی که CASE WHEN

  • CASE WHEN در BigQuery CASE WHEN in BigQuery

می پیوندد JOINS

  • مقدمه ای بر Joins Introduction to Joins

  • مفاهیم پیوستن و ترکیب داده ها Concepts of Joining and Combining Data

  • آماده سازی داده ها Preparing the data

  • ایجاد مجموعه داده برای Join در BigQuery Creating Datasets for Joins in BigQuery

  • پیوستن داخلی Inner Join

  • JOIN داخلی در BigQuery INNER JOIN in BigQuery

  • چپ پیوستن Left Join

  • LEFT JOIN در BigQuery LEFT JOIN in BigQuery

  • حق عضویت Right Join

  • RIGHT Join در BigQuery RIGHT JOIN in BigQuery

  • پیوستن کامل بیرونی Full Outer Join

  • پیوستن کامل بیرونی در BigQuery FULL OUTER JOIN in BigQuery

  • متقاطع بپیوندید Cross Join

  • CROSS JOIN در BigQuery CROSS JOIN in BigQuery

  • تقاطع و تقاطع ALL Intersect and Intersect ALL

  • بجز Except

  • به جز در BigQuery EXCEPT in BigQuery

  • اتحاد. اتصال Union

  • UNION در BigQuery UNION in BigQuery

  • تمرین 10: ملحق می شود Exercise 10: Joins

  • امتحان Quiz

پرسش های فرعی SUBQUERIES

  • سوالات فرعی Subqueries

  • سوالات فرعی در BigQuery Subqueries in BigQuery

  • تمرین 11: سوالات فرعی Exercise 11: Subqueries

نماها و شاخص ها Views and Indexes

  • بازدیدها Views

  • بازدیدها در BigQuery Views in BigQuery

  • فهرست مطالب Index

  • ایندکس در BigQuery Index in BigQuery

  • تمرین 12: نماها Exercise 12: Views

توابع رشته String Functions

  • طول LENGTH

  • LENGTH در BigQuery LENGTH in BigQuery

  • بالا پایین UPPER LOWER

  • تغییر Case در BigQuery Changing Case in BigQuery

  • جایگزین کردن REPLACE

  • REPLACE در BigQuery REPLACE in BigQuery

  • TRIM، LTRIM، RTRIM TRIM, LTRIM, RTRIM

  • TRIM، LTRIM، RTRIM در BigQuery TRIM, LTRIM, RTRIM in BigQuery

  • الحاق CONCATENATION

  • CNCATENATION در BigQuery CONCATENATION in BigQuery

  • SUBSTRING SUBSTRING

  • SUBSTRING SUBSTRING

  • SUBSTRING SUBSTRING

  • فهرست تجمع LIST AGGREGATION

  • فهرست تجمع LIST AGGREGATION

  • تمرین 13: توابع رشته Exercise 13: String Functions

توابع ریاضی Mathematical Functions

  • سقف و کف CEIL & FLOOR

  • CEIL & FLOOR در BigQuery CEIL & FLOOR in BigQuery

  • تصادفی RANDOM

  • تصادفی در BigQuery RANDOM in BigQuery

  • SETSEED SETSEED

  • SETSEED در BigQuery SETSEED in BigQuery

  • گرد ROUND

  • قدرت POWER

  • POWER در BigQuery POWER in BigQuery

  • تمرین 14: توابع ریاضی Exercise 14: Mathematical Functions

توابع تاریخ-زمان Date-Time Functions

  • تاریخ و زمان فعلی CURRENT DATE & TIME

  • تاریخ و ساعت فعلی در BigQuery CURRENT DATE & TIME in BigQuery

  • سن AGE

  • AGE در BigQuery AGE in BigQuery

  • استخراج کردن EXTRACT

  • EXTRACT در BigQuery EXTRACT in BigQuery

  • تمرین 15: توابع تاریخ-زمان Exercise 15: Date-time functions

تطبیق الگو (رشته). PATTERN (STRING) MATCHING

  • اصول تطبیق الگو PATTERN MATCHING BASICS

  • تطبیق الگوی پیشرفته (عبارات منظم) ADVANCE PATTERN MATCHING (REGULAR EXPRESSIONS)

  • تطبیق الگو در BigQuery PATTERN MATCHING in BigQuery

  • تمرین 16: تطبیق الگو Exercise 16: Pattern Matching

Google Data Studio برای تجسم داده های BigQuery Google Data Studio for visualizing BigQuery Data

  • Google Data Studio برای تجسم داده های BigQuery Google Data Studio for visualizing BigQuery Data

  • نقطه عطف نهایی! The final milestone!

تبریک و بابت گواهینامه شما Congratulations & about your certificate

  • سخنرانی پاداش Bonus Lecture

نمایش نظرات

آموزش Google BigQuery و PostgreSQL: جستجوی بزرگ برای تجزیه و تحلیل داده ها
جزییات دوره
11.5 hours
136
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
158,283
4.4 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Start-Tech Academy Start-Tech Academy

بیش از 1،700،000+ ثبت نام | 4+ رتبه بندی شده | 160+ CountriesStart-Tech Academy یک شرکت آموزش تجزیه و تحلیل مبتنی بر فناوری است و هدف آن گردآوری شرکتهای تحلیلی و فراگیران علاقه مند است. محتوای آموزشی با کیفیت بالا به همراه کارآموزی و فرصت های پروژه به دانشجویان در شروع سفر Analytics خود کمک می کند. بنیانگذار Abhishek Bansal و Pukhraj Parikh است. Pukhraj که به عنوان مدیر پروژه در یک شرکت مشاوره آنالیز کار می کند ، چندین سال تجربه کار بر روی ابزارها و نرم افزارهای تجزیه و تحلیل را دارد. او در مجموعه های اداری MS ، رایانش ابری ، SQL ، Tableau ، SAS ، Google analytics و Python مهارت دارد. Abhishek قبل از اینکه به فن آوری های یادگیری و آموزش مانند یادگیری ماشین و هوش مصنوعی بپردازد ، به عنوان یک مالک فرآیند اکتساب در یک شرکت مخابراتی پیشرو کار می کرد.