آموزش مبانی مدل‌سازی داده‌ها - آخرین آپدیت

دانلود Data Modeling Foundations

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: تسلط بر مدل‌سازی داده‌ها - آموزش گام‌به‌گام مدل‌سازی داده برای پایگاه‌های داده، تحلیل داده‌ها و موفقیت کسب‌وکار مفاهیم بنیادی مدل‌سازی داده‌ها، از جمله موجودیت‌ها (Entities)، ویژگی‌ها (Attributes) و روابط (Relationships) و نحوه به‌کارگیری آن‌ها در سناریوهای واقعی داده‌ها را درک کنید. انواع مختلف مدل‌های داده شامل مدل‌های مفهومی (Conceptual)، منطقی (Logical) و فیزیکی (Physical) را با استفاده از مثال‌های ساده و کاربردی شناسایی و طراحی کنید. نمودارهای رابطه موجودیت (ERD) پایه را برای نمایش بصری ساختارها و روابط داده‌ها ایجاد و تفسیر کنید. مدل‌های داده رابطه‌ای را با جداول، کلیدها و روابط بسازید و نحوه تضمین یکپارچگی داده‌ها (Data Integrity) را بیاموزید. مفاهیم مدل‌سازی ابعادی، مانند جداول واقعیت (Fact) و ابعاد (Dimension) را برای طراحی مدل‌های مناسب گزارش‌گیری و تحلیل داده‌ها به کار ببرید. از ابزارهای کاربرپسند برای ساخت، تجسم و بهینه‌سازی مدل‌های داده از طریق تمرینات عملی استفاده کنید. پیش نیازها: هیچ تجربه قبلی در زمینه مدل‌سازی داده‌ها یا پایگاه داده مورد نیاز نیست؛ این دوره برای مبتدیان مطلق طراحی شده است.

این دوره شامل استفاده از هوش مصنوعی است.

آیا آماده‌اید تا ارزش واقعی داده‌ها را آزاد کنید و مهارتی را به دست آورید که در تمامی صنایع تقاضای بالایی دارد؟ به دوره مبانی مدل‌سازی داده‌ها خوش آمدید؛ نقطه‌ای ایده‌آل برای هر کسی که می‌خواهد مدل‌های داده را درک، طراحی و با اعتمادبه‌نفس مدیریت کند، حتی اگر هیچ تجربه قبلی نداشته باشد.

این دوره با نگاهی ویژه به مبتدیان طراحی شده است. ما از ابتدایی‌ترین مفاهیم شروع می‌کنیم، اصطلاحات پیچیده مدل‌سازی داده‌ها را ساده می‌کنیم و به‌تدریج به سمت ایجاد مدل‌های داده برای سناریوهای واقعی پیش می‌رویم. شما نه تنها تئوری‌ها، بلکه نحوه اجرای آن‌ها را از طریق تمرینات عملی و استفاده از ابزارهای مدل‌سازی داده‌ها خواهید آموخت.

چه چیزهایی خواهید آموخت؟

  • ساده‌سازی مفاهیم کلیدی: درک ماهیت مدل‌سازی داده‌ها، اهمیت آن و جایگاه آن در تصویر کلی تحلیل داده‌ها و هوش تجاری (BI).


  • موجودیت‌ها، ویژگی‌ها و روابط: شناسایی و تعریف بلوک‌های سازنده هر مدل داده و مشاهده نحوه ترکیب آن‌ها برای نمایش موقعیت‌های واقعی.


  • تجسم ساختارهای داده: تسلط بر مبانی نمودارهای رابطه موجودیت (ERD) برای نمایش بصری و انتقال شفاف مدل‌های داده.


  • انواع مدل‌های داده: بررسی تفاوت‌های بین مدل‌های داده مفهومی، منطقی و فیزیکی و زمان مناسب برای استفاده از هر کدام.


  • مبانی مدل‌سازی رابطه‌ای: کسب تجربه عملی در ایجاد جداول، تعریف کلیدهای اصلی (Primary Key) و خارجی (Foreign Key) و ایجاد روابطی که یکپارچگی داده‌ها را تضمین می‌کنند.


  • مدل‌سازی ابعادی برای تحلیل: آشنایی با مبانی شمای ستاره‌ای (Star Schema) و دانه برفی (Snowflake Schema) و نحوه ساختاردهی داده‌ها برای گزارش‌گیری و هوش تجاری.


  • مهارت کار با ابزارهای کاربردی: استفاده از ابزارهای مدل‌سازی داده برای ساخت، تجسم و اصلاح گام‌به‌گام مدل‌ها.


  • بهترین روش‌ها و نکات کاربردی: اجتناب از اشتباهات رایج و یادگیری نحوه ایجاد مدل‌های داده‌ای شفاف، مقیاس‌پذیر و آماده برای استفاده در دنیای واقعی کسب‌وکار.


ویژگی‌های دوره:

  • درس‌های گام‌به‌گام و مبتدی‌پسند که مهارت و اعتمادبه‌نفس شما را از پایه می‌سازد


  • تمرینات عملی در هر بخش، با استفاده از سناریوها و مجموعه‌داده‌های واقعی


  • توضیحات بصری و منابع قابل دانلود برای تقویت یادگیری و ساده‌سازی مفاهیم پیچیده


  • مینی‌پروژه‌ها و کوییزها برای تمرین و به‌کارگیری آموخته‌ها


  • جامعه حمایتی و پرسش و پاسخ با مدرس برای رفع هرگونه مشکل در مسیر یادگیری

این دوره شامل بخش‌های تبلیغاتی است.


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • دانلود منابع دوره Download the course materials

  • ابزارهای رایگان برای تمرین Free tools you can use for practice

  • راه‌اندازی ابزار رایگان تمرینی Setup your free tool for practice

  • ساخت یک نمودار مدل داده ساده در ۵ دقیقه Building a simple Data Model Diagram in 5 minutes

مبانی مدل‌سازی داده‌ها Foundations of Data Modeling

  • مدل‌سازی داده چیست؟ What is Data Modeling?

  • نمودار مدل داده چیست؟ What is a Data Model Diagram

  • انواع مدل‌های داده Types of Data Models

  • مدل داده مفهومی (Conceptual) Conceptual Data Model

  • مدل داده منطقی (Logical) Logical Data Model

  • مدل داده فیزیکی (Physical) Physical Data Model

  • اصول بنیادی مدل‌سازی داده‌ها Data Modeling Fundamentals

آزمایشگاه عملی: خودتان بسازید Practice Lab: Build It Yourself

  • کارگاه عملی: ساخت مدل پایگاه داده خرده‌فروشی با هوش مصنوعی و پایتون (بدون نیاز به تجربه) Hands-On Lab: Build a Retail Database Model with AI and Python (no experience)

اجزای کلیدی مدل‌های داده Key Components of Data Models

  • آشنایی با اجزای کلیدی مدل‌های داده Intro to Key Components of Data Models

  • موجودیت‌ها (Entities) Entities

  • ویژگی‌ها (Attributes) Attributes

  • روابط (Relationships) Relationships

  • نحوه خواندن موجودیت‌های مختلف و تعداد روابط در نمودار How to read the different relationships cardinality on a diagram

  • کلید اصلی (Primary Key) Primary Key

  • کلید خارجی (Foreign Key) Foreign Key

  • محدودیت‌ها (Constraints) Constraints

  • جمع‌بندی اجزای مدل‌های داده Components of Data Models

تمرین: ساخت اولین مدل داده خود PRACTICE - Build Your First Data Model

  • ساخت اولین مدل داده مفهومی Build your first Conceptual Data Model

  • ساخت اولین مدل داده منطقی Build your first Logical Data Model

  • توضیحات تکمیلی درباره انواع داده‌ها در مدل‌های منطقی Clarification on Data Types in Logical Data Models

  • ساخت اولین مدل داده فیزیکی Build your first Physical Data Model

نرمال‌سازی و غیرنرمال‌سازی Normalization and Denormalization

  • نرمال‌سازی چیست؟ What is Normalization

  • نرمال‌سازی مرتبه اول (1NF) First Normal Form (1NF) Normalization

  • نرمال‌سازی مرتبه دوم (2NF) Second Normal Form (2NF) Normalization

  • نرمال‌سازی مرتبه سوم (3NF) Third Normal Form (3NF) Normalization

  • فرم‌های پیشرفته: BCNF, 4NF, 5NF Advanced Forms - BCNF, 4NF, 5NF

  • غیرنرمال‌سازی (Denormalization) چیست؟ What is Denormalization

  • عملی: نرمال‌سازی گام‌به‌گام یک مجموعه داده نامنظم Hands-On: Normalize a messy dataset step by step

  • جمع‌بندی نرمال‌سازی و غیرنرمال‌سازی Normalization and Denormalization

تمرین: نرمال‌سازی و غیرنرمال‌سازی PRACTICE - Normalization and Denormalization

  • تمرین: نرمال‌سازی از UNF به 1NF Practice: Normalize UNF to 1NF

  • تمرین: نرمال‌سازی از 1NF به 2NF Practice: Normalize 1NF to 2NF

  • تمرین: نرمال‌سازی از 2NF به 3NF Practice: Normalize 2NF to 3NF

  • تمرین: غیرنرمال‌سازی یک مجموعه داده ساده Practice: Denormalization of simple dataset

  • تمرین: پاسخ و راه حل غیرنرمال‌سازی Practice: Denormalization Solution

مباحث پیشرفته Advanced Topics

  • مدل‌سازی ابعادی برای انبار داده (Data Warehousing) Dimensional Modeling for Data Warehousing

  • تکنیک‌های بهینه‌سازی عملکرد Performance Optimization Techniques

  • دیتا والت (Data Vault) Data Vault

  • مدل‌سازی لنگری (Anchor Modeling) Anchor Modeling

  • هوش مصنوعی در مدل‌سازی داده‌ها AI in Data Modeling

ابزارهای مدل‌سازی داده Data Modeling Tools

  • آشنایی با ابزارهای مدل‌سازی داده Intro to Data Modeling tools

  • مراحل انتخاب ابزار مناسب مدل‌سازی داده Steps to choose the right Data Modeling tool

  • Erwin Data Modeler Erwin Data Modeler

  • ER/Studio ER/Studio

  • IBM InfoSphere Data Architect IBM InfoSphere Data Architect

  • SAP PowerDesigner SAP PowerDesigner

  • Toad Data Modeler Toad Data Modeler

  • MySQL Workbench MySQL Workbench

  • Visual Paradigm Visual Paradigm

  • Lucidchart Lucidchart

  • DBSchema DBSchema

  • Oracle SQL Developer Data Modeler Oracle SQL Developer Data Modeler

  • مقایسه ابزارها Comparison of the tools

۱۰ پرسش متداول و بهترین روش‌ها Top 10 Q&A and Best Practices

  • ۱۰ پرسش و پاسخ برتر درباره مدل‌سازی داده Top 10 Q&A related to Data Modeling

  • ۵ مورد از بهترین روش‌های اجرایی (Best Practices) Top 5 Best Practices

  • عملی: شناسایی اشتباهات در مدل داده Hands-On: Spot the Data Model Mistakes

پایان دوره Course Closure

  • گام‌های بعدی و سپاسگزاری Next Steps and Thank You

  • درس جایزه (Bonus) Bonus Lecture

نمایش نظرات

آموزش مبانی مدل‌سازی داده‌ها
جزییات دوره
3.5 hours
59
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
2,015
4.5 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

99 Productivity 99 Productivity

برای تبدیل شدن به یک سوپراستار بهره وری از نرم افزار استفاده کنید سلام! من جورجی هستم. من یک گیک نرم افزاری هستم که سالهاست از ابزار نرم افزاری برای افزایش بهره وری و پیشرفت شغلی خود استفاده می کنم. من 99 بهره وری ایجاد کرده ام تا به مردم در تسلط بر ابزارهای نرم افزاری کمک کند تا بتوانند به هر یک از اهداف زیر برسند: - تبلیغات بعدی را در محل کار خود با استفاده از نرم افزار برای جدا کردن از رقابت انجام دهید - با افزودن مهارت های مرسوم ، مداوم CV خود را ایجاد کنید - عملکردهای کسب و کار خود را بهبود ببخشید مانترا من با انجام کار آموزش می دهد. بیا بریم