آموزش راهنمای جامع موفقیت در مصاحبه‌های مهندسی داده - آخرین آپدیت

سرفصل ها و درس ها

قبل از شروع Before Beginning

• مقدمه Introduction

• نکات کلیدی Tips

تحریک ذهن و تفکر Entertain Your Brain

• چرا چالش‌های ذهنی؟ Why Brain Teasers ?

• تمرین‌های چالش ذهنی Brain Teasers

پایتون برای داده‌ها Python For Data

• چرا پایتون؟ Why Python ?

• مباحث عمومی General

• مبانی اصلی زبان و کنترل جریان Core Language Fundamentals & Control Flow

• انواع داده‌ها، مجموعه‌ها و تغییرپذیری Data Types, Collections & Mutability

• توابع، ژنراتورها و سبک تابعی Functions, Generators & Functional Style

• مدیریت خطاها و استثناها Error Handling & Exceptions

• پانداس، نامپای و دستکاری داده‌ها Pandas, NumPy & Data Manipulation

• استایل کدنویسی، ساختار پروژه و رفتار زمان اجرا Code Style, Project Structure & Runtime Behavior

• تست‌نویسی Testing

• برنامه‌نویسی شی‌گرا و الگوهای طراحی Object-Oriented Programming & Design Patterns

• هم‌روندی و موازی‌سازی Concurrency & Parallelism

الگوریتم‌ها Algorithmics

• چرا الگوریتم‌ها؟ Why Algorithmics ?

• پیچیدگی در کدنویسی Complexity In Coding

• مسائل و الگوهای الگوریتمی کلاسیک Classic Algorithmic Problems & Patterns

• الگوریتم‌های مرتب‌سازی و پیمایش گراف Sorting & Graph Traversal Algorithms

اس‌کیول (SQL) برای داده‌ها SQL For Data

• چرا SQL؟ Why SQL ?

• مبانی SQL SQL Basics

• ترتیب اجرای منطقی + تفاوت WHERE و HAVING + گروه‌بندی و مرتب‌سازی Logical execution order + WHERE vs HAVING + GROUP BY + ORDER BY + LIMIT

• مشتریان با و بدون فروش (LEFT JOIN و تجمیع) Customers With and Without Sales (LEFT JOIN + Aggregation)

• خود-پیوند (Self Join) + CASE + تجمیع + CTE Self Join + CASE + Aggregation + CTE

• ترتیب اجرای CTE + HAVING + JOIN + WHERE CTE + HAVING + JOIN + WHERE order

• توابع پنجره‌ای (Window Functions) در SQL SQL Window Functions

• تابع ROW_NUMBER + SUM() OVER + بخش‌بندی و فیلتر نتایج پنجره ROW_NUMBER + SUM() OVER + partitioning + filtering on window results

• توابع LAG، میانگین متحرک و تجمیع روزانه (پرس‌وجوی تحلیلی کامل) LAG, moving average, daily aggregation → full analytics-style query

• اندکس‌های SQL و بهینه‌سازی پرس‌وجوها SQL Indexes & Query Optimization

• بهینه‌سازی یک پرس‌وجوی کند (به سبک مصاحبه‌های واقعی) Optimize a Slow Query (Real Interview Style)

• عملگرهای مجموعه‌ای (UNION, INTERSECT, EXCEPT) SQL Set Operators (UNION, INTERSECT, EXCEPT)

• استفاده از EXCEPT و INTERSECT برای مقایسه فروش سالانه Use EXCEPT and INTERSECT to compare yearly sales

• درک تفاوت UNION ALL و UNION و ترکیب منابع Understand UNION ALL vs UNION, and combine sources

• مدیریت NULL، تابع COALESCE و منطق شرطی در SQL SQL : “NULL Handling, COALESCE, and Conditional Logic”

• کار با مقادیر NULL و منطق شرطی NULL Handling, COALESCE, and Conditional Logic

• فیلترینگ پیشرفته و Sargability (بهینه‌سازی عبارت‌های WHERE) Advanced Filtering and Sargability (Optimizing WHERE Clauses)

• بهینه‌سازی بندهای WHERE Optimizing WHERE Clauses

ابزار DBT: ابزار ساخت داده DBT: Data Build Tool

• چرا DBT؟ Why DBT ?

• مبانی Basics

• دستورات Commands

• مباحث پیشرفته Advanced

اسپارک (Spark) برای داده‌ها Spark for Data

• چرا اسپارک؟ Why Spark ?

• مقایسه اسپارک، پانداس و هدوپ - چه زمانی و چرا از اسپارک استفاده کنیم؟ Spark vs Pandas vs Hadoop – When and Why to Use Spark

• مقایسه اسپارک، پانداس و MapReduce Spark vs Pandas vs MapReduce

• مفاهیم اصلی اسپارک و مدل اجرا (RDD, DataFrame, Lazy Evaluation) Core Spark Abstractions & Execution Model (RDD, DataFrame, Lazy Evaluation...)

• تبدیلات Narrow در مقابل Wide، شافل‌ها و پارتیشن‌ها Narrow vs Wide Transformations, Shuffles & Partitions

• کشینگ، Persistence، چک‌پوینتینگ و سریال‌سازی Caching, Persistence, Checkpointing & Serialization

• عملکرد Spark SQL: جوین‌ها، Skew، توابع UDF و بهینه‌سازی پرس‌وجوها Spark SQL Performance: Joins, Skew, UDFs & Query Optimizations

معماری داده Data Architecture

• چرا معماری داده؟ Why Data Architecture ?

• ذخیره‌سازی داده‌ها و مفاهیم معماری داده Data Storage & Data Architecture Concepts

• الگوهای پردازش داده Data Processing Patterns

• معماری‌های سیستم (یکپارچه در مقابل توزیع شده) System Architectures (Monolithic vs Distributed)

مدل‌سازی داده Data Modeling

• چرا مدل‌سازی داده؟ Why Data Modeling ?

• مقدمه Introduction

• نرمال‌سازی در مقابل غیرنرمال‌سازی Normalization vs. Denormalization

• مدل‌سازی رابطه‌ای Relational Modeling

• مدل‌سازی ابعادی Dimensional Modeling

سپاسگزاری Thank you !

• سپاسگزاری Thank you !