آموزش تحلیلگر داده مقدماتی گواهینامه‌دار با پایتون (PCED) - آخرین آپدیت

سرفصل ها و درس ها

مبانی ژوپیتر نوت‌بوک Basics of Jupyter Notebooks

• ژوپیتر نوت‌بوک چیست؟ What are Jupyter Notebooks?

• شروع کار با ژوپیتر نوت‌بوک Getting Started with Jupyter Notebooks

• رابط کاربری مقدماتی جوبيتر The Basic Jupyter Interface

• کلیدهای میانبر ضروری ژوپیتر Essential Jupyter Hotkeys

• چالش کلید میانبر Hotkey Challenge

مقدمه‌ای بر NumPy Introduction to NumPy

• مفاهیم پایه نام‌پای (NumPy) Basic NumPy Concepts

• کار با آرایه‌های نام‌پای Working with NumPy Arrays

• دسترسی و برش آرایه‌های NumPy Accessing and Slicing NumPy Arrays

• روش‌های دیگر برای ایجاد آرایه‌های نام‌پای Other Ways to Create NumPy Arrays

• چالش‌ها و راه‌حل‌ها: تمرین با آرایه‌های NumPy Challenge & Solution: NumPy Array Practice

کار با آرایه‌های چندبعدی نام‌پای Working with Multidimensional NumPy Arrays

• آرایه‌های چند بعدی Multi-Dimensional Arrays

• دسترسی به مقادیر آرایه چند بعدی Accessing Multi-Dimensional Array Values

• برش آرایه‌های چندبعدی Slicing Multi-Dimensional Arrays

• چالش و راه حل: آرایه‌های چهاربعدی Challenge & Solution: 4D Arrays

عملیات آرایه‌ای نام‌پای NumPy Array Operations

• مرتب‌سازی آرایه‌های NumPy Sorting NumPy Arrays

• افزودن و حذف عناصر آرایه Concatenating and Removing Array Elements

• تغییر شکل و تغییر اندازه آرایه‌ها Reshaping and Resizing Arrays

• ویژگی‌های آرایه نام‌پای NumPy Array Attributes

• چالش و راه‌حل: np.lexsort Challenge & Solution: np.lexsort

آموزش ایندکس‌گذاری فانتزی در نام‌پای Introduction to Fancy Indexing in NumPy

• اندیس‌گذاری آرایه اعداد صحیح Integer Array Indexing

• ترکیب ایندکسینگ عددی صحیح با اسلایسینگ Combining Integer Indexing with Slicing

• اندیس‌گذاری آرایه بولی Boolean Array Indexing

• چالش و راه حل: ترکیب فهرست‌بندی عددی و بولی Challenge & Solution: Combining Integer and Boolean Indexing

بررسی عمیق برودکستینگ آرایه نامپای NumPy Array Broadcasting In-Depth

• مبانی برودکستینگ آرایه Array Broadcasting Basics

• برودکستینگ با آرایه‌هایی با ابعاد متفاوت Broadcasting with Arrays of Different Sizes

• تغییر اندازه و تغییر شکل همراه با Broadcast Resizing and Reshaping with Broadcasting

• چالش‌ها و راه‌حل‌های اپلیکیشن‌های پخش Challenge & Solution: Broadcasting Applications

تحلیل داده مقدماتی با آرایه‌های نامپای Basic Data Analysis with NumPy Arrays

• استفاده از مجموعه‌داده‌های نمونه Using "Toy" Datasets

• دستکاری مجموعه داده‌های نمونه با NumPy Manipulating Toy Datasets with NumPy

• استفاده از متد .mean نام‌پای Using NumPy's .mean Method

• استفاده از توابع آمار توصیفی نام‌پای Using NumPy's Descriptive Statistics Functions

• چالش و راه‌حل: اعمال عملیات نام‌پای بر روی مجموعه‌داده‌ها Challenge & Solution: Applying NumPy Operations to Datasets

مبانی سری پانداس Basics of Pandas Series

• مقدمه‌ای بر پانداس Introduction to Pandas

• ایجاد سری پانداس Creating Pandas Series

• دسترسی و دستکاری سری‌های پانداس Accessing and Manipulating Pandas Series

• توابع کاربردی ایجاد سری Useful Series-Creation Functions

• چالش و راه حل: عملیات سری-سری Challenge & Solution: Series-Series Operations

مبانی دیتافریم‌های پانداس Basics of Pandas DataFrames

• ساخت دیتافریم Creating DataFrames

• دسترسی به سطرها و ستون‌ها در دیتافریم‌ها Accessing Rows and Columns on DataFrames

• افزودن و حذف ستون‌ها Adding and Removing Columns

• چالش و راه حل: روش‌های دیگر ایجاد دیتافریم Challenge & Solution: Other Ways of Creating DataFrames

بررسی عمیق انواع داده در NumPy NumPy's Data Types In-Depth

• NumPy انواع اعداد صحیح NumPy Integer Types

• انواع فلوت نام‌پای NumPy Float Types

• سایر انواع داده رایج Other Common Data Types

• چالش‌ها و راه‌حل‌ها: انواع داده‌های ساختاریافته Challenge & Solution: Structured Data Types

تولید اعداد تصادفی با نام‌پای و پانداس Generating Random Numbers with NumPy and Pandas

• تولید اعداد شناور تصادفی Generating Random Floats

• تولید اعداد صحیح تصادفی Generating Random Integers

• انتخاب تصادفی از آرایه‌ها Making Random Selections from Arrays

• تولید اعداد تصادفی از توزیع‌ها Generating Random Numbers from Distributions

• چالش و راه حل: تولید داده‌های مصنوعی Challenge & Solution: Generating Synthetic Data

کار با دیتاست‌ها در پانداس Working with Datasets in Pandas

• بارگذاری و مشاهده دیتاست‌های CSV Loading and Viewing CSV Datasets

• کاوش مقدماتی داده Basic Data Exploration

• مشاهده مقادیر یکتا Viewing Unique Values

• تغییر نام ستون‌های دیتافریم Renaming DataFrame Columns

• چالش: نوبت شما Challenge: Your Turn

پاکسازی مجموعه داده در پانداس Dataset Cleaning in Pandas

• یافتن مقادیر گمشده در دیتافریم‌ها Finding Missing Values in DataFrames

• مشاهده سطرها با مقادیر از دست رفته Viewing Rows with Missing Values

• مدیریت مقادیر گمشده Handling Missing Values

• تغییر دیتاتایپ ستون‌های دیتافریم Retyping DataFrame Columns

• چالش و راه حل: پاکسازی داده‌های املاک و مستغلات Challenge & Solution: Cleaning Real-Estate Data

اصول اولیه گروه‌بندی دیتاست پانداس The Basics of Pandas Dataset Grouping

• راه‌اندازی مجموعه داده Setting Up a Dataset

• گروه‌بندی دیتافریم‌ها بر اساس ستون Grouping DataFrames By Column

• گروه‌بندی بر اساس چند ستون Grouping By Multiple Columns

• چالش‌ها و راه‌حل‌های گروه‌بندی داده Challenge & Solution: Data Grouping Tasks

گروه‌بندی مجموعه داده میانی Intermediate Dataset Grouping

• مقدمه بر دسته‌بندی‌های پانداس Introduction to Pandas Categories

• توابع تجمیع Aggregation Functions

• دسته‌بندی داده‌های غیرطبقه‌بندی شده Grouping Non-Categorical Data

• چالش و راه حل: روشی دیگر برای گروه‌بندی غیرطبقه‌بندی Challenge & Solution: Another Method for Non-Categorical Grouping

فیلتر کردن داده‌ها در پانداس Filtering Data in Pandas

• فیلتر کردن سری‌های پانداس Filtering Pandas Series

• فیلتر کردن دیتافریم‌های Pandas Filtering Pandas DataFrames

• فیلتر کردن گروه‌های سریال Filtering Groups of Series

• فیلتر کردن گروه‌های دیتافریم Filtering Groups of DataFrames

• چالش و راه‌حل: فیلتر کردن پیشرفته‌تر DataFrame.GroupBy Challenge & Solution: More DataFrameGroupBy Filtering

تبدیل داده در پانداس Transforming Data in Pandas

• تبدیل سریال Transforming Series

• تبدیل سری با استفاده از لیست‌ها و دیکشنری‌ها Transforming Series Using Lists and Dictionaries

• تبدیل DataFrame ها Transforming DataFrames

• تحول گروه‌ها Transforming Groups

• چالش و راه حل: تمرینات تحول Challenge & Solution: Transformation Exercises

کاربرد توابع در پانداس Applying Functions in Pandas

• اعمال توابع بر روی دیتافریم‌های کامل Applying Functions to Entire DataFrames

• اعمال توابع به ستون ها Applying Functions to Columns

• اعمال توابع به سطرها Applying Functions to Rows

• اعمال توابع به سلول‌ها Applying Functions to Cells

• چالش و راه‌حل: پر کردن آدرس‌ها Challenge & Solution: Filling Addresses

مرتب‌سازی ساختارهای داده پانداس Sorting Pandas Data Structures

• مرتب‌سازی سری Sorting Series

• مرتب‌سازی DataFrameها بر اساس ستون Sorting DataFrames by Column

• تنظیمات مرتب‌سازی DataFrame DataFrame Sorting Settings

• مرتب‌سازی مجدد ستون‌های دیتافریم Reordering DataFrame Columns

• دریافت بزرگترین و کوچکترین مقادیر Getting the Largest and Smallest Values

• چالش و راه حل: مرتب‌سازی بر اساس طول رشته Challenge & Solution: Sort By String Length

مقدمه‌ای بر وب اسکرپینگ با BeautifulSoup Introduction to Web Scraping with BeautifulSoup

• فرآیند اصلی خراشیدن وب The Basic Web Scraping Process

• بارگذاری و تجزیه HTML Loading and Parsing HTML

• تجزیه و تحلیل اولیه با BeautifulSoup Basic Parsing with BeautifulSoup

• خراشیدن وب‌سایت با BeautifulSoup Scraping a Website with BeautifulSoup

• چالش و راه حل: استخراج داده از صفحات متعدد Challenge & Solution: Scraping Multiple Pages

انواع BeautifulSoup به طور جامع BeautifulSoup Types In-Depth

• ۴ نوع BeautifulSoup The 4 BeautifulSoup Types

• نوع تگ BeautifulSoup The BeautifulSoup Tag Type

• نوع NavigableString The NavigableString Type

• چالش و راه حل: Beautiful Soup و انواع کامنت Challenge & Solution: The BeautifulSoup and Comment Types

یافتن عناصر با BeautifulSoup Finding Elements with BeautifulSoup

• اصول یافتن عناصر The Basics of Finding Elements

• یافتن عناصر متعدد Finding Multiple Elements

• پیدا کردن عناصر خواهر Finding Sibling Elements

• یافتن عناصر والد Finding Parent Elements

• چالش و راه حل: یافتن عناصر Challenge & Solution: Finding Elements

انتخابگرهای CSS برای وب اسکرپینگ CSS Selectors For Web Scraping

• اصول اولیه استفاده از انتخابگرهای CSS با BeautifulSoup The Basics of Using CSS Selectors with BeautifulSoup

• انتخابگرهای تگ CSS CSS Tag Selectors

• انتخابگرهای کلاس و شناسه CSS CSS Class and ID Selectors

• انتخابگرهای ویژگی CSS CSS Attribute Selectors

• چالش و راهکار: لینک‌سازی داخلی Challenge & Solution: Internal Links

ترکیب‌کننده‌های CSS برای وب اسکرپینگ CSS Combinators for Web-Scraping

• انتخاب‌گرهای مقدار ویژگی اضافی Additional Attribute Value Selectors

• لیست‌های انتخابگر و ترکیب‌کننده‌های فرزند Selector Lists and Child Combinators

• ترکیب‌گر نواده The Descendant Combinator

• ترکیب‌کننده‌های هم‌فرزندی بعدی و هم‌فرزندی متعاقب The Next-Sibling and Subsequent-Sibling Combinators

• چالش: آزمون ترکیبیاتی Challenge: Combinator Quiz

کلاس‌های شبه CSS برای وب اسکرپینگ CSS Pseudo-Classes for Web-Scraping

• کلاس‌های شبه فرزند اول و فرزند آخر The First- and Last-Child Pseudo-Classes

• کلاس‌های شبه اولین و آخرین نوع The First- and Last-of-Type Pseudo-Classes

• کلاس شبه "نه" The "not" Pseudo-Class

• کلاس شبه "has" The "has" Pseudo-Class

• چالش: گلف شبه‌کلاس CSS! Challenge: CSS Pseudo-Class Golf!

مقدمه‌ای بر XPath برای وب اسکرپینگ Introduction to XPath for Web-Scraping

• XPath چیست؟ What is XPath?

• استفاده از XPath در جوپیتر Using XPath in Jupyter

• XPaths مطلق و نسبی Absolute and Relative XPaths

• انتخاب عناصر بر اساس مقدار صفت Selecting Elements by Attribute Value

• چالش و راه حل: استخراج داده از HackerNews با XPath Challenge & Solution: Scraping HackerNews with XPath

مفاهیم متوسط XPath Intermediate XPath Concepts

• انتخاب متن و ویژگی‌ها از عناصر Selecting Text and Attributes from Elements

• انتخاب عناصر بر اساس موقعیت Selecting Elements by Position

• اصول اولیه محورهای XPath The Basics of XPath Axes

• محورهای XPath بیشتر More XPath Axes

• چالش و راه حل: جمع‌آوری و استخراج دستور پخت غذا Challenge & Solution: Scraping Recipes

اصول اولیه گزاره‌های XPath XPath Predicates Basics

• Predicate چیست؟ What are Predicates?

• روش‌های دیگر فیلتر کردن بر اساس ویژگی‌ها Other Ways of Filtering By Attributes

• فیلتر کردن با خصوصیات غیرمنبعی Filtering With Non-Attribute Properties

• چالش: خراشیدن دستور پخت بیشتر Challenge: More Recipe Scraping

پیش‌بینی‌های پیشرفته XPath Advanced XPath Predicates

• مسیر-مرتبط عبارات شرطی XPath Path-Related XPath Predicates

• مقایسه‌های نامقیاس‌پذیر (Case-Insensitive Comparisons) Case-Insensitive Comparisons

• استفاده از محورها در بندهای شرطی Using Axes in Predicates

• چالش و راه حل: "نه" Challenge & Solution: "Not"

اصول مصورسازی داده با مت‌پلات‌لیب Basics of Data Visualization with Matplotlib

• نمایش نمودار خطی Displaying a Line Plot

• ترسیم چندین خط Plotting Multiple Lines

• سفارشی‌سازی نمودارها Customizing Plots

• چالش و راه حل: نمایش داده‌های واقعی Challenge & Solution: Displaying Real Data

کار با نمودارهای پراکندگی در مت‌پلات‌لیب Working with Scatterplots in Matplotlib

• مبانی نمودار پراکندگی Scatterplot Basics

• سفارشی‌سازی ظاهر نمودار پراکندگی Customizing Scatterplot Appearance

• نمودارهای پراکندگی نگاشت رنگ Color-Mapping Scatterplots

• ترسیم مجموعه داده‌های متعدد Plotting Multiple Datasets

• چالش و راه‌حل: ترسیم پراکندگی گروه‌ها Challenge & Solution: Scatter-Plotting Groups

کار با نمودارهای میله‌ای در Matplotlib Working with Bar Charts in Matplotlib

• نمایش نمودارهای میله‌ای پایه Displaying Basic Bar Charts

• شخصی‌سازی ظاهر نمودار میله‌ای Customizing Bar Chart Appearances

• افزودن حاشیه‌نویسی به نمودار میله‌ای Adding Annotations to Bars

• ترسیم انواع نمودار میله‌ای مختلف Drawing Different Bar Chart Types

• چالش و راهکار: حاشیه‌نویسی نمودارهای میله‌ای عمودی Challenge & Solution: Annotating Vertical Bar Charts

کار با نمودارهای دایره‌ای در Matplotlib Working with Pie Charts in Matplotlib

• نمایش نمودارهای دایره‌ای ساده Displaying Basic Pie Charts

• سفارشی‌سازی ظاهر نمودارهای دایره‌ای Customizing Pie Chart Appearances

• انواع مختلف نمودارهای دایره ای را رسم کنید Drawing Different Types of Pie Charts

• چالش و راه حل: افزودن یک لایه دیگر Challenge & Solution: Adding Another Layer

اصول بصری‌سازی آماری با مت‌پلات‌لیب Statistical Visualization Basics with Matplotlib

• نمایش هیستوگرام Displaying Histograms

• سفارشی‌سازی هیستوگرام‌ها Customizing Histograms

• رسم نمودار جعبه‌ای Drawing Boxplots

• چالش و راه حل: ترسیم داده‌های دنیای واقعی Challenge & Solution: Plotting Real-World Data

راهنمای جامع تصاویر Matplotlib Matplotlib Figures In-Depth

• اجزاء مختلف یک شکل The Different Parts of a Figure

• نمایش چند نمودار Displaying Multiple Plots

• راهی دیگر برای نمایش چندین نمودار Another Way to Display Multiple Plots

• کنترل چیدمان محورها Controlling Axes Layouts

• چالش و راه حل: نمایش داده‌های دنیای واقعی Challenge & Solution: Displaying Real-World Data

افزودن تعامل با ابزارک‌های Matplotlib Adding Interactivity with Matplotlib Widgets

• ویجت اسلایدر The Slider Widget

• پاسخ به به‌روزرسانی‌های ویجت Responding to Widget Updates

• اسلایدر محدوده ویجت The Range Slider Widget

• چالش و راه‌حل: استفاده از داده‌های دنیای واقعی Challenge & Solution: Using Real-World Data

ابزارهای بیشتر مت‌پلات‌لیب More Matplotlib Widgets

• ابزارک دکمه The Button Widget

• ابزارک دکمه‌های رادیویی The RadioButtons Widget

• ویجت انتخابگر مستطیل The RectangleSelector Widget

• چالش و راه حل: ویجت CheckButtons Challenge & Solution: The CheckButtons Widget

مقدمه‌ای بر Seaborn Introduction to Seaborn

• مبانی Seaborn Seaborn Basics

• مجموعه داده‌های داخلی Seaborn Seaborn's Built-in Datasets

• انواع مختلف طرح داستانی The Different Plot Types

• نمایش اولیه A Basic Demonstration

• چالش: نوبت شماست! Challenge: Your Turn!

کار با نمودارهای رابطه‌ای Seaborn Working with Seaborn's Relational Plots

• تابع .relplot The .relplot Function

• تغییر ظاهر نقاط داده Changing Datapoint Appearances

• جدا کردن داده‌ها در نمودارهای متعدد Separating Data Into Multiple Plots

• چالش و راه‌حل: پنگوئن‌ها Challenge & Solution: Penguins

کار با نمودارهای طبقه‌بندی شده Seaborn Working with Seaborn's Categorical Plots

• تابع .catplot The .catplot Function

• تغییر ظاهر نقاط داده Changing Datapoint Appearances

• انواع مختلف نمودارهای دسته‌ای The Different Types of Categorical Plots

• استفاده از توابع نمودارهای دسته‌بندی خاص Using Specific Categorical Plot Functions

• چالش و راه حل: بازآفرینی طرح داستانی Challenge & Solution: Recreate the Plot

الگوریتم‌های یادگیری ماشین: کی-نزدیک‌ترین همسایه Machine Learning Algorithms: K-Nearest Neighbor

• مبانی الگوریتم نزدیک‌ترین همسایگان K Basics of the K-Nearest Neighbor Algorithm

• ساخت داده‌های آزمایشی با Scikit Learn Creating Test Data with Scikit Learn

• پیش‌بینی یک نقطه داده منفرد Predicting a Single Data Point

• استفاده از مجموعه های آموزشی و تست Using Training and Test Sets

• چالش و راه حل: پیاده‌سازی الگوریتم K-نزدیک‌ترین همسایه Challenge & Solution: Apply K-Nearest Neighbor

الگوریتم‌های یادگیری ماشین: مدل‌های خطی Machine Learning Algorithms: Linear Models

• مقدمه Intro

• ساخت داده‌های آزمایشی با Scikit-learn Creating Test Data with Scikit Learn

• تنظیم خط با Scikit Learn Fitting a Line with Scikit Learn

• پیش‌بینی کردن Making Predictions

• چالش و راه حل: کاربرد مدل‌های خطی Challenge & Solution: Applying Linear Models

الگوریتم‌های یادگیری ماشین: خوشه‌بندی K-Means Machine Learning Algorithms: K-Means Clustering

• مبانی خوشه‌بندی K-Means The Basics of K-Means Clustering

• اجرای الگوریتم K-Means Running the K-Means Algorithm

• جزئیات بیشتر درباره‌ی K-Means Additional K-Means Details

• انتخاب بهینه تعداد خوشه‌ها Choosing the Optimal Number of Clusters

• چالش و راه حل: به کارگیری خوشه بندی K-Means Challenge & Solution: Applying K-Means Clustering

الگوریتم‌های یادگیری ماشین: شبکه‌های عصبی Machine Learning Algorithms: Neural Networks

• اصول شبکه‌های عصبی The Basics of Neural Networks

• ساخت شبکه‌های عصبی Constructing Neural Networks

• آموزش شبکه عصبی Training a Neural Network

• چالش و راه‌حل: یافتن مرزهای تصمیم Challenge & Solution: Finding Decision Boundaries

الگوریتم‌های یادگیری ماشین: درختان طبقه‌بندی Machine Learning Algorithms: Classification Trees

• اصول درختان طبقه‌بندی The Basics of Classification Trees

• پیدا کردن شکاف‌های ممکن Finding Possible Splits

• بهترین تقسیم‌بندی را انتخاب کنید Deciding on the Best Split

• تقسیم بازگشتی Splitting Recursively

• چالش و راه حل: حداکثر عمق درخت Challenge & Solution: Maximum Tree Depth

اصول اولیه آمار توصیفی Basics of Descriptive Statistics

• آمار توصیفی چیست؟ What are Descriptive Statistics?

• شاخص‌های گرایش مرکزی Measures of Central Tendency

• معیارهای پراکندگی Measures of Variability

• انواع مختلف توزیع‌ها Different Types of Distributions

• چالش و راه‌حل: یافتن میانه و مد Challenge & Solution: Finding the Median and Mode

آمار توصیفی جامع Descriptive Statistics In-Depth

• توزیع نرمال: بررسی جامع The Normal Distribution In-Depth

• خواص کاربردی توزیع نرمال Useful Properties of the Normal Distribution

• امتیازات Z و نحوه استفاده از آنها Z-Scores and How to Use Them

• نمونه‌ها در مقابل جوامع آماری: درک تفاوت‌های کلیدی و کاربرد در SEO Samples vs. Populations in Statistics

• چالش و راه حل: چند تابع کاربردی Challenge & Solution: A Few Useful Functions

همبستگی در آمار Correlation In Statistics

• همبستگی چیست؟ What is Correlation?

• باورهای غلط رایج درباره همبستگی Common Correlation Misconceptions

• محاسبه همبستگی در مجموعه داده‌ها Calculating Correlation in Datasets

• نقشه‌های حرارتی همبستگی Correlation Heat Maps

• چالش: همبستگی داده‌های دنیای واقعی Challenge: Correlation of Real-World Data

مبانی آمار استنباطی Inferential Statistics Fundamentals

• آمار استنباطی چیست؟ What is Inferential Statistics?

• مبانی آزمون فرض Basics of Hypothesis Testing

• آزمون فرضیه در ژوپیتر Hypothesis Testing in Jupyter

• چالش و راه حل: اجرای آزمون فرض Challenge & Solution: Perform a Hypothesis Test

راه‌اندازی بوت استرپ و سایر استراتژی‌های استنباطی Bootstrapping and Other Inferential Strategies

• قضیه حد مرکزی The Central Limit Theorem

• اثبات قضیه حد مرکزی A Central Limit Theorem Demonstration

• مبانی راه‌اندازی کسب‌وکار (بوت‌استرپینگ) Bootstrapping Basics

• نمایش راه‌اندازی خودکار A Bootstrapping Demonstration

• چالش و راهکار: راه‌اندازی میانه از ابتدا Challenge & Solution: Bootstrapping the Median

مقدمه‌ای بر SQL برای تحلیلگران داده Introduction to SQL For Data Analysts

• چشم‌انداز SQL The SQL Landscape

• اتصال به پایگاه داده SQL در ژوپیتر Connecting to SQL Databases in Jupyter

• ساخت کوئری‌های SQL Making SQL Queries

• ساخت کوئری با جادو Making Queries with Magics

• چالش و راه حل: تمرین با SQL Challenge & Solution: Practice with SQL

اصول اولیه کوئری SQL SQL Query Fundamentals

• بیانیه SELECT The SELECT Statement

• عبارت WHERE The WHERE Clause

• سایر موقعیت‌های عبارت WHERE Other WHERE Clause Situations

• عبارت ORDER BY The ORDER BY Clause

• چالش و راه‌حل: تمرین‌های SQL Challenge & Solution: SQL Exercises

مدیریت داده ها در جداول SQL Managing Data in SQL Tables

• مبانی جداول SQL Basics of SQL Tables

• ساخت جداول SQL Creating SQL Tables

• درج داده در جداول SQL Inserting Data Into SQL Tables

• انواع داده و محدودیت‌های SQLite SQLite's Data Types and Constraints

• چالش و راه حل: بررسی محدودیت‌ها Challenge & Solution: Checking Out Constraints

به‌روزرسانی و حذف داده‌ها در SQL Updating and Deleting Data in SQL

• به‌روزرسانی ردیف‌های SQL Updating SQL Rows

• استفاده پیشرفته از UPDATE Advanced UPDATE Usage

• حذف ردیف‌های SQL Deleting SQL Rows

• حذف و تغییر جداول SQL Deleting and Altering SQL Tables

• چالش و راه‌حل: تغییر نام ستون‌ها Challenge & Solution: Renaming Columns

روابط و پیوستن در SQL SQL Relationships and Joins

• روابط جدولی چیست؟ What Are Table Relationships?

• روابط یک به یک One-to-One Relationships

• اجرای Join در SQL Performing Joins in SQL

• روابط یک به چند One-to-Many Relationships

• روابط چند به چند Many-to-Many Relationships

• چالش و راه حل: پیاده‌سازی رابطه‌ی چند به چند Challenge & Solution: Many-to-Many Implementation

تجمیع و گروه‌بندی در SQL Aggregates and Grouping in SQL

• توابع تجمعی Aggregate Functions

• استفاده از توابع تجمیعی در کوئری‌ها Using Aggregate Functions in Queries

• عبارت GROUP BY The GROUP BY Clause

• کلمات کلیدی HAVING و DISTINCT The HAVING and DISTINCT Keywords

• چالش و راه حل: تمرین با مصالح ساختمانی Challenge & Solution: Practice with Aggregates

زیرکوئری‌های SQL SQL Subqueries

• اصول زیرپرس و جوها Basics of Subqueries

• زیرپرس‌وجوهای تک‌سطری Single-Row Subqueries

• زیرکوئری‌های چند ردیفه Multi-Row Subqueries

• زیرپرس‌وجوهای مرتبط Correlated Subqueries

• چالش و راه‌حل: زیرپرس‌وجوهای بیشتر Challenge & Solution: More Subqueries

تراکنش‌های SQL و بازگشت به عقب (Rollbacks) SQL Transactions and Rollbacks

• اصول اولیه تراکنش‌ها Basics of Transactions

• انجام تراکنش‌های SQL Performing SQL Transactions

• تراکنش‌های SQL با ماژول sqlite3 SQL Transactions with the sqlite3 Module

• بازگرداندن تراکنش‌ها Rolling Back Transactions

• چالش و راه‌حل: درج داده در چندین جدول Challenge & Solution: Inserting Data Into Multiple Tables