آموزش SQL پیشرفته برای علوم داده: سری زمانی

Advanced SQL for Data Science: Time Series

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: داده های سری زمانی داده های جمع آوری شده در طول زمان است: معیارهای عملکرد ، تعاملات کاربر و اطلاعات جمع آوری شده توسط حسگرها. از آنجا که داده های مختلف سری زمانی دارای اندازه گیری های مختلف و فواصل مختلف هستند ، این داده ها یک چالش منحصر به فرد برای دانشمندان داده به وجود می آورند. با این حال ، SQL دارای برخی از ویژگی های طراحی شده برای کمک به. این دوره به شما می آموزد که چگونه داده های سری زمانی را با آنها استاندارد و مدلسازی کنید. مربی دن سالیوان در مورد پنجره پردازی و تفاوت بین محاسبات پنجره کشویی و افتراقی بحث می کند. سپس بیاموزید که چگونه ساختارهای SQL مانند OVER و PARTITION BY به ساده کردن تجزیه و تحلیل کمک می کنند و چگونه می توان غیرعادی سازی را برای جلوگیری از پیوستن به داده ها افزایش داد. به علاوه ، تکنیک های بهینه سازی مانند نمایه سازی را کشف کنید. دان همچنین تکنیک های تجزیه و تحلیل سری های زمانی مانند مقایسه دوره زمانی قبلی ، میانگین متحرک ، هموار سازی نمایی و رگرسیون خطی را معرفی می کند.
موضوعات شامل:
  • مبانی داده های سری زمانی
  • نوشتن داده های سری زمانی
  • جستجوی داده های سری زمانی
  • نصب PostgreSQL
  • ارزیابی عملکرد سeryال
  • پیوستن به مجموعه های زمانی
  • غیر طبیعی کردن سری های زمانی
  • نمایه سازی داده ها
  • پرس و جو از یک جدول تقسیم شده
  • توابع سری های زمانی
  • محاسبه مصالح بر روی ویندوز
  • محاسبه میانگین متحرک
  • پیش بینی با رگرسیون خطی

سرفصل ها و درس ها

مقدمه Introduction

  • تجزیه و تحلیل داده های سری زمانی را با SQL بیاموزید Learn time series data analysis with SQL

  • آنچه باید بدانید What you should know

1. آشنایی با داده های سری زمانی 1. Introduction to Time Series Data

  • مشخصات داده های سری زمانی Characteristics of time series data

  • نمونه هایی از داده های سری زمانی Examples of time series data

  • نوشتن داده های سری زمانی Writing time series data

  • جستجوی داده های سری زمانی Querying time series data

2. نصب بانک اطلاعات و ابزارها 2. Installing Database and Tools

  • نصب PostgreSQL Installing PostgreSQL

  • ایجاد طرحواره و جداول Creating schema and tables

  • زمان بندی پرس و جو Timing a query

  • ارزیابی عملکرد پرس و جو با EXPLAIN Evaluating query performance with EXPLAIN

3. پرس و جو کردن داده های سری زمانی 3. Querying Time Series Data

  • نمایش داده شد و پنجره زمان Time window queries and aggregates

  • پنجره های کشویی Sliding windows

  • پنجره های ریز و درشت Tumbling windows

  • پیوستن به دو سریال زمانی Joining two time series

  • مخرب کردن داده های سری زمانی Denormalizing time series data

4- مدل سازی داده های سری زمانی 4. Modeling Time Series Data

  • مجموعه داده های مثال 1: دما بر حسب زمان و مکان Example data set 1: Temperature by time and location

  • فهرست نمایه سازی مجموعه 1: فقط فهرست زمان Indexing data set 1: Time index only

  • فهرست نمایه سازی مجموعه 1: فهرست زمان و مکان Indexing data set 1: Time and location index

  • ایجاد یک جدول تقسیم شده Creating a partitioned table

  • پرسیدن یک جدول تقسیم شده Querying a partitioned table

  • مجموعه داده های مثال 2: استفاده از CPU و نوع برنامه Example data set 2: CPU utilization and application type

  • فهرست نمایه سازی مجموعه 2: فهرست بندی زمان و نوع Indexing data set 2: Time and type Indexing

5- توابع معمولاً مورد استفاده برای سریال زمان 5. Commonly Used Functions for Time Series

  • رهبری Lead

  • تاخیر Lag

  • رتبه Rank

  • رتبه درصد Percent rank

6. تجزیه و تحلیل سری زمانی 6. Time Series Analysis

  • جدول مشترک عبارات و بازگشت Common Table Expressions and recursion

  • محاسبه مصالح در ویندوز Calculating aggregates over windows

  • مقایسه روز قبل Previous day comparison

  • میانگین حرکت Moving averages

  • میانگین وزن متحرک Weighted moving averages

  • پیش بینی با رگرسیون خطی Forecasting with linear regression

  • میانگین متحرک نمایی Exponential moving average

نتیجه Conclusion

  • مراحل بعدی Next steps

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 علوم داده: سری زمانی
جزییات دوره
1h 18m
34
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
21,492
- 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.