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

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.