آموزش SQL پیشرفته برای دانشمندان داده

Advanced SQL for Data Scientists

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: نیاز فزاینده ای به دانشمندان و تحلیلگران داده ها برای درک ذخیره داده های رابطه ای وجود دارد. مدت هاست که سازمان ها از پایگاه داده SQL برای ذخیره داده های معاملاتی و همچنین داده های مربوط به هوش تجاری استفاده می کنند. اگر شما نیاز به کار با پایگاه داده های SQL دارید ، این دوره برای کمک به شما در یادگیری نحوه انجام کارهای مشترک علوم داده ، از جمله یافتن ، کاوش و استخراج در پایگاه های ارتباطی طراحی شده است.

دوره با مروری کوتاه بر SQL آغاز می شود. سپس پنج موضوع اصلی که دانشمند داده هنگام کار با پایگاه داده های رابطه ای باید درک کند: آمار اساسی در SQL ، آماده سازی داده در SQL ، فیلتر پیشرفته و تجمیع داده ها ، توابع پنجره و آماده سازی داده ها برای استفاده با ابزارهای تجزیه و تحلیل.
موضوعات شامل:
  • دستکاری داده ها
  • استانداردهای ANSI
  • SQL و تغییرات
  • توابع آماری در SQL
  • توابع بیان ، عددی و بیان منظم در SQL
  • تکنیک های پیشرفته فیلتر
  • تکنیک های پیشرفته تجمع
  • پنجره های عملکرد برای کار با مجموعه داده های مرتب شده

سرفصل ها و درس ها

مقدمه Introduction

  • خوش آمدی Welcome

  • فایل های تمرینی Exercise files

1. SQL به عنوان ابزاری برای علوم داده 1. SQL as a Tool for Data Science

  • بانکهای اطلاعاتی رابطه ای در علم داده Relational databases in data science

  • ویژگی های دستکاری داده SQL SQL data manipulation features

  • ویژگی های تعریف داده SQL SQL data definition features

  • ANQL استاندارد SQL و انواع ANSI standard SQL and variants

2. آمار پایه با SQL 2. Basic Statistics with SQL

  • نصب PostgreSQL Installing PostgreSQL

  • TABLE و INSERT DATA ایجاد کنید CREATE TABLE and INSERT DATA

  • عملکردهای COUNT ، MIN و MAX The COUNT, MIN, and MAX functions

  • توابع آماری Statistical functions

  • فیلتر و گروه بندی داده ها Filtering and grouping data

3. داده داده با SQL 3. Data Munging with SQL

  • تغییر شکل داده های شخصیت Reformatting character data

  • استخراج رشته ها از داده های شخصیت Extracting strings from character data

  • فیلتر با عبارات منظم Filtering with regular expressions

  • قالب بندی داده های عددی Reformatting numeric data

4- فیلتر ، پیوستن و جمع آوری 4. Filtering, Joins, and Aggregation

  • سوالات زیر در بندهای SELECT Subqueries in SELECT clauses

  • Subqueries در بندهای FROM Subqueries in FROM clauses

  • سوالات زیر در بندهای WHERE Subqueries in WHERE clauses

  • جداول پیوستن Joining tables

  • ایجاد یک نمای Creating a view

  • گروه بندی و جمع بندی Grouping and totaling

  • ROLLUP و CUBE برای ایجاد خرده های فرعی ROLLUP and CUBE to create subtotals

  • برای یافتن نتایج برتر ابتدا FETCH را بدست آورید FETCH FIRST to find top results

5- توابع پنجره و داده های سفارش یافته 5. Window Functions and Ordered Data

  • عملکردهای پنجره: بیش از قسمت Window functions: OVER PARTITION

  • عملکردهای پنجره: FIRST_VALUE Window functions: FIRST_VALUE

  • عملکردهای پنجره: RANK Window functions: RANK

  • LAG و LEAD LAG and LEAD

  • توابع NTILE NTILE functions

6. آماده سازی داده ها برای ابزارهای تحلیلی 6. Preparing Data for Analytics Tools

  • نکاتی در مورد استفاده از SQL برای علم داده Tips for using SQL for data science

نمایش نظرات

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.

آموزش SQL پیشرفته برای دانشمندان داده
جزییات دوره
1h 24m
29
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
249,170
- از 5
ندارد
دارد
دارد
Dan Sullivan
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Dan Sullivan Dan Sullivan

معمار سازمانی ، کارشناس بزرگ داده دان سالیوان ، دکترای علوم ، یک معمار سازمانی و متخصص داده های بزرگ است.

دان متخصص در معماری داده ، تجزیه و تحلیل ، داده کاوی ، آمار ، مدل سازی داده ها ، داده های بزرگ و رایانش ابری است. علاوه بر این ، او دارای دکترای ژنتیک ، بیوانفورماتیک و زیست محاسباتی است. Dan به طور منظم با Spark ، Oracle ، NoSQL ، MongoDB ، Redis ، R و Python کار می کند. وی تجربه نوشتن گسترده ای در موضوعاتی از جمله رایانش ابری ، داده های بزرگ ، Hadoop و امنیت دارد.