آموزش دوره جامع CompTIA Data+ (DA0-002) - آخرین آپدیت

سرفصل ها و درس ها

توضیح نقشه راه آزمون CompTIA Data+ Explain the CompTIA Data+ Exam Roadmap

• مقدمه Introduction

• چرا CompTIA Data+ یک گواهینامه مستقل از فروشنده است Why CompTIA Data+ is a Vendor-Neutral Data Certification

• نحوه سازماندهی آزمون و استراتژی وزن‌دهی How the Exam is Organized and Weighting Strategy

• رویکرد با اعتمادبه‌نفس برای شرکت در آزمون Approaching the Exam with Confidence

• بهترین روش‌های مطالعه مبتنی بر شواهد Evidence-Based Study Best Practices

• مطالعه با «تکنیک فاینمن» Studying with the "Feynman Technique"

• مطالعه با «تکنیک پومودورو» 🍅 Studying with the "Pomodoro Technique" 🍅

• چالش 🥳 Challenge 🎉

توضیح نقش تحلیلگر داده‌های مدرن Explain the Modern Data Analyst Role

• مقدمه Introduction

• عصر طلایی تحلیل داده‌ها The Golden Age of Analytics

• شروع کار در Google Colab Getting Started in Google Colab

• انتقال بینش‌های به‌دست آمده از داده‌ها Communicating Data Insights

• تکنیک‌های اصلی تحلیل و جایگاه هوش مصنوعی Core Analytics Techniques and AI Context

• چالش 🥳 Challenge 🎉

به‌کارگیری فرآیندها و تکنیک‌های تحلیل داده Apply the Data Analytics Process and Techniques

• مقدمه Introduction

• فرآیند تحلیل به عنوان یک مدل ذهنی The Analytics Process as a Mental Model

• شکل دادن به داده‌ها Getting the Data into Shape

• تحلیل اکتشافی (EDA) در عمل EDA in Practice

• تطبیق پرسش با رویکرد تحلیلی مناسب Mapping the Question to the Right Analytics Approach

• چالش 🥳 Challenge 🎉

بررسی اتوماسیون هوش مصنوعی و حاکمیت داده Explore AI Automation and Data Governance

• مقدمه Introduction

• تعریف هوش مصنوعی و نرم‌افزار 1.0 Defining Artificial Intelligence and Software 1.0

• نرم‌افزار 2.0 و 3.0: یادگیری از داده‌ها و GenAI Software 2.0 & 3.0: Learning from Data & GenAI

• هوش مصنوعی بر اساس نوع داده: متن، تصویر و خروجی‌های تولید شده AI by Data Type: Text, Images, and Generated Output

• تعریف یادگیری عمیق در مقابل یادگیری ماشین Defining Deep Learning vs. Machine Learning

• چالش 🥳 Challenge 🎉

توضیح مفهوم داده و اطلاعات Explain What Data and Information Mean

• مقدمه Introduction

• داده خام چیست؟ What is Raw Data?

• اطلاعات چیست؟ What Is Information?

• افزودن ارزش به داده‌های خام Adding Value to Raw Data

• انواع ساختار داده Data Structure Types

• چالش 🥳 Challenge 🎉

دسته‌بندی انواع رایج داده‌ها Classify Common Data Types

• مقدمه Introduction

• خطاهای خاموش ناشی از انواع نادرست داده Silent Errors from Incorrect Data Types

• دسته‌بندی انواع داده‌ها Classifying Data Types

• رفع خطاهای خاموش با اصلاح نوع داده‌ها Fixing Silent Errors by Correcting Data Types

• داده‌های کیفی در مقابل کمی و پنج خانواده داده Qualitative vs. Quantitative Data and the Five Data Families

• چالش 🥳 Challenge 🎉

شناسایی فرمت‌های رایج فایل‌های داده Identify Common Data File Formats

• مقدمه Introduction

• شناسایی فرمت فایل‌ها از طریق بررسی محتوا Sniffing File Formats by Inspecting Content

• شناخت فایل‌های جداشده (Delimited) و نقاط ضعف آن‌ها Recognizing Delimited Files and Their Pitfalls

• فایل‌های تخت (Flat Files) و پسوندهای فایل Flat Files and File Extensions

• درک JSON و ساختارهای تو در تو Understanding JSON and Nested Structures

• HTML، متن، لاگ‌ها و سایر نگهدارنده‌های رایج داده HTML, Text, Logs, and Other Common Data Containers

• چالش 🥳 Challenge 🎉

توضیح نحوه ذخیره‌سازی داده‌ها Explain How Data is Stored

• مقدمه Introduction

• داده یکسان، فرمت‌های متفاوت: پیامدهای ذخیره‌سازی Same Data, Different Formats: Storage Implications

• انواع داده‌های فیلد در سطح ذخیره‌سازی Field Data Types at the Storage Level

• ذخیره‌سازی رابطه‌ای در مقابل غیررابطه‌ای Relational vs. Non-Relational Storage

• کلیدها، روابط و ایندکس‌گذاری در عمل Keys, Relationships, and Indexing in Practice

• مفاهیم ACID، تراکنش‌ها و تفاوت OLTP با OLAP ACID, Transactions, and OLTP vs OLAP

• چالش 🥳 Challenge 🎉

یکپارچه‌سازی داده‌ها از منابع متعدد Integrate Data From Multiple Sources

• مقدمه Introduction

• تعریف Grain و ریسک Join Defining Grain and Join Risk

• انتخاب فرمت فایل برای یکپارچه‌سازی مطمئن داده‌ها Choosing File Formats for Reliable Data Integration

• افزودن در مقابل ادغام: روش صحیح ترکیب داده‌ها Append vs. Merge: Combining Data the Right Way

• تفاوت ETL و ELT: محل وقوع تبدیل ETL vs. ELT: Where Transform Happens

• داده‌های ماشین و لاگ، نظرسنجی‌ها و نمونه‌برداری Machine & Log Data, Surveys, and Sampling

• چالش 🥳 Challenge 🎉

بارگذاری داده‌های یکپارچه در جداول پایگاه داده Load Integrated Data Into Database Tables

• مقدمه Introduction

• تعریف جداول، موجودیت‌ها و Grain Defining Tables, Entities, and Grain

• درک مفاهیم Schema و مبانی DDL Understanding Schema and DDL Fundamentals

• ایجاد جداول و اعمال کلیدها در SQLite Create Tables and Enforce Keys in SQLite

• بارگذاری داده‌ها، ایجاد Viewها و تغییرات امن در Schema Load Data, Create Views, and Make Safe Schema Changes

• چالش 🥳 Challenge 🎉

پاک‌سازی و پروفایل‌بندی مجموعه‌داده‌های نامنظم Clean and Profile Messy Datasets

• مقدمه Introduction

• پروفایل‌بندی داده‌ها (Data Profiling) چیست؟ What Is Data Profiling?

• ساخت یک چک‌لیست کاربردی برای پروفایل‌بندی داده‌ها Building a Practical Data Profiling Checklist

• تمایز بین داده‌های تکراری، مازاد و غیرضروری Distinguishing Duplicate, Redundant, and Unnecessary Data

• استانداردسازی مقادیر مفقود، اعتبارسنجی رکوردها و مدیریت داده‌های پرت Standardizing Missing Values, Validating Records, and Handling Outliers

• چالش 🥳 Challenge 🎉

تبدیل داده‌ها با عملیات‌های اصلی Transform Data with Core Operations

• مقدمه Introduction

• بارگذاری و پروفایل‌بندی چندین جدول Loading and Profiling Multiple Tables

• پاک‌سازی و استانداردسازی فیلدهای رشته‌ای (String) Cleaning and Standardizing String Fields

• تجزیه و ترکیب فیلدهای متنی Parsing and Combining Text Fields

• فیلدهای پایه در مقابل مشتق شده، تجزیه تاریخ و جداول تاریخ Base vs. Derived Fields, Date Parsing, and Date Tables

• کدگذاری مجدد دسته‌ها، ایجاد Flagها و اتصال جداول Recoding Categories, Creating Flags, and Joining Tables

• چالش 🥳 Challenge 🎉

تجمیع داده‌ها با فیلترها و مرتب‌سازی Aggregate Data with Filters and Sorts

• مقدمه Introduction

• تولید یک مجموعه‌داده نمونه برای تمرین تجمیع Generating a Sample Dataset for Aggregation Practice

• استانداردسازی برچسب‌ها قبل از گروه‌بندی Standardizing Labels Before Grouping

• کدگذاری مجدد در مقابل استانداردسازی برچسب‌ها Recoding vs. Standardizing Labels

• مرتب‌سازی در مقابل فیلتر کردن Sorting vs. Filtering

• تجمیع داده‌ها با Group By و خلاصه سازی Aggregating Data with Group By and Summaries

• چالش 🥳 Challenge  🎉

نوشتن کوئری‌های SQL روی جداول Write SQL Queries on Tables

• مقدمه Introduction

• اتصال به پایگاه داده و بررسی جداول و Viewها Connect to the Database and Inspect Tables and Views

• استفاده از WHERE برای فیلتر کردن داده‌ها Using WHERE to filter data

• استفاده از JOIN برای ترکیب جداول Using JOIN to combine tables

• تجمیع، کدگذاری مجدد و اصلاح داده‌ها با SQL Aggregating, Recoding, and Modifying Data with SQL

• چالش 🥳 Challenge 🎉

بهینه‌سازی گردش‌های کاری داده برای افزایش کارایی Optimize Data Workflows for Performance

• مقدمه Introduction

• ساخت یک پایگاه داده تمرینی در Google Colab Building a Practice Database in Google Colab

• درک ایندکس‌ها و کارایی کوئری‌ها Understanding Indexes and Query Performance

• استفاده از زیرمجموعه‌ها برای کاهش حجم کاری کوئری Using Subsets to Reduce Query Work

• پارامتری‌سازی برای SQL امن‌تر Parameterization for Safer SQL

• چالش 🥳 Challenge 🎉

محاسبه میانگین، میانه، مد و موارد دیگر Compute Mean Median Mode and More

• مقدمه Introduction

• تعریف مرکزیت و انتخاب معیار مناسب Defining Centrality and Choosing the Right Measure

• گرایش به مرکز (مرکزیت) در آمار توصیفی Central Tendency (Centrality) Within Descriptive Statistics

• کار با مُد (Mode) Working with Mode

• کار با میانه (Median) Working with Median

• کار با میانگین (Mean) Working with Mean

• مرکزیت، توزیع‌ها و داده‌های پرت Centrality, Distributions & Outliers

• چالش 🥳 Challenge 🎉

توصیف واریانس و انحراف معیار Describe Variance and Standard Deviation

• مقدمه Introduction

• دامنه (Range) چیست؟ What is Range?

• واریانس چیست؟ What is Variance?

• انحراف معیار، Z-Score و درصدها Standard Deviation, Z-Score, and Percentages

• چالش 🥳 Challenge 🎉

توضیح استنباط از نمونه‌ها Explain Inference from Samples

• مقدمه Introduction

• فواصل اطمینان - بخش اول Confidence Intervals Part 1

• فواصل اطمینان - بخش دوم Confidence Intervals Part 2

• آزمون‌های فرضیه Hypothesis Tests

• آزمون T (T-Test) T-Test

• چالش 🥳 Challenge 🎉

به‌کارگیری آزمون‌های فرضیه و فواصل اطمینان Apply Hypothesis Tests and Intervals

• مقدمه Introduction

• تست A/A A/A Testing

• تست A/B A/B Testing

• اجرای تست‌های A/A و A/B با T-Test، آلفا و P-Value Running A/A and A/B Tests with t Tests, Alpha, and p Values

• اجرای عملی تست A/B Running the A/B Test

• چالش 🥳 Challenge 🎉

انتخاب تکنیک‌های تحلیل متناسب با پرسش‌ها Select Analysis Techniques for Questions

• مقدمه Introduction

• پیش‌نمایش مجموعه‌داده Previewing the Dataset

• بررسی مجموعه‌داده و تعریف پرسش‌های تجاری Inspecting the Dataset and Defining Business Questions

• تطبیق پرسش‌های تجاری با انواع تحلیل Matching Business Questions to Analysis Types

• تحلیل اکتشافی داده‌ها (EDA) Exploratory Data Analysis (EDA)

• چالش 🥳 Challenge 🎉

شناسایی ابزارهای تحلیل داده Identify Tools for Data Analytics

• مقدمه Introduction

• محدودیت‌های انتخاب ابزار و مدل‌های سرویس ابری Tool Selection Constraints and Cloud Service Models

• انتخاب بین صفحات گسترده (Excel)، کدنویسی و SQL Choosing Between Spreadsheets, Code, and SQL

• ابزارهای هوش مصنوعی در محیط عملی AI Tools in Context

• مثال‌های تکمیلی Bonus Examples

• چالش 🥳 Challenge 🎉

تبدیل نیازمندی‌ها به گزارشات Translate Requirements Into Reports

• مقدمه Introduction

• درک نیازمندی‌های تجاری Understanding Business Requirements

• منابع پایدار و نحوه تحویل گزارش Stable Sources and Report Delivery

• استخراج طرح کلی (Blueprint) گزارش Extracting the Report Blueprint

• ویدیو تکمیلی: نمونه گزارش‌ها Bonus Video: Report Examples

• چالش 🥳 Challenge 🎉

طراحی داشبوردهای موثر Design Effective Dashboards

• مقدمه Introduction

• تعریف KPI و محدوده (Scope) Defining the KPI and Scope

• انتخاب نمودار بر اساس داستان داده‌ها Letting the Story Choose the Chart

• سیستم‌های طراحی برای داشبوردهای خواناتر Design Systems for More Readable Dashboards

• انتخاب خانواده نموداری مناسب Selecting the Right Chart Family

• چالش 🥳 Challenge 🎉

• مینی چالش Mini challenge:

توضیح مبانی انطباق مقرراتی Explain Regulatory Compliance Basics

• مقدمه Introduction

• انطباق مقرراتی Regulatory Compliance

• خانواده‌های انطباق در عمل Compliance Families in Practice

• نقض داده‌ها (Data Breaches) Data Breaches

• شناسایی چارچوب‌های حاکمیتی مناسب Recognizing the Right Governance Frameworks

• تعاریف کلیدی Key Definitions

• چالش 🥳 Challenge 🎉

توصیف نقش‌های حاکمیت داده Describe Data Governance Roles

• مقدمه Introduction

• تعریف حاکمیت داده در عمل Defining Data Governance in Practice

• آشنایی با مالک داده، متولی داده و نگهبان داده Getting to know the Data Owner, Data Steward and Data Custodian

• نقش‌های حاکمیتی در چرخه حیات داده Governance Roles Across the Data Lifecycle

• چالش 🥳 Challenge 🎉

توصیف روش‌های کنترل کیفیت داده Describe Data Quality Control Practices

• مقدمه Introduction

• مدیریت داده‌های جامع (MDM) Master Data Management

• ساخت فرهنگ لغت داده (Data Dictionary) Building a Data Dictionary

• ابعاد کیفیت داده Data Quality Dimensions

• به‌کارگیری اعتبارسنجی کیفیت داده Applying Data Quality Validation

• چالش 🥳 Challenge 🎉

شناسایی مفاهیم اصلی امنیت داده Identify Core Data Security Concepts

• مقدمه Introduction

• تعریف امنیت داده و مثلث CIA Defining Data Security and the CIA Triad

• استفاده از مثلث CIA در گردش‌های کاری داده Using the CIA Triad in Data Workflows

• مفاهیم استگانوگرافی و کنترل دسترسی Steganography and Access Control Concepts

• مرور مثلث CIA و مسئولیت‌های امنیت ابری Reviewing the CIA Triad and Cloud Security Responsibilities

• چالش 🥳 Challenge 🎉

شناسایی مفاهیم اصلی حریم خصوصی داده Identify Core Data Privacy Concepts

• مقدمه Introduction

• تعریف حریم خصوصی داده Defining Data Privacy

• شناسایی دسته‌های ریسک داده Identifying Data Risk Categories

• ریسک‌های نگهداری و تکثیر داده‌ها Data Retention and Replication Risk

• تکنیک‌های حریم خصوصی و پاسخ به حوادث Privacy Techniques and Incident Response

• چالش 🥳 Challenge 🎉