دوره آموزشی SQL پیشرفته برای علم داده: سری زمانی
1 ساعت 19 دقیقهپیشرفته2019-04-26
مدرسین

Dan Sullivan
Enterprise Architect, Big Data Expert
جزئیات دوره
داده های سری زمانی داده هایی هستند که در طول زمان جمع آوری می شوند: معیارهای عملکرد، تعاملات کاربر و اطلاعات جمع آوری شده توسط حسگرها. از آنجایی که دادههای سری زمانی مختلف اندازهگیریها و فواصل متفاوتی دارند، این دادهها چالشی منحصر به فرد برای دانشمندان داده است. با این حال، SQL دارای برخی از ویژگی های طراحی شده برای کمک است. این دوره به شما می آموزد که چگونه داده های سری زمانی را با آنها استاندارد و مدل کنید. مربی دن سالیوان در مورد پنجره بندی و تفاوت بین محاسبات پنجره کشویی و غلتشی بحث می کند. سپس بیاموزید که چگونه ساختارهای SQL مانند OVER و PARTITION BY به سادهسازی آنالیز کمک میکنند و چگونه میتوان از غیرعادیسازی برای افزایش دادهها و در عین حال اجتناب از اتصال استفاده کرد. به علاوه، تکنیک های بهینه سازی مانند نمایه سازی را کشف کنید. Dan همچنین تکنیک های تحلیل سری های زمانی مانند مقایسه دوره های زمانی قبلی، میانگین متحرک، هموارسازی نمایی و رگرسیون خطی را معرفی می کند.
اهداف یادگیری
مبانی داده های سری زمانی
نوشتن داده های سری زمانی
پرس و جو از داده های سری زمانی
نصب PostgreSQL
ارزیابی عملکرد پرس و جو
پیوستن به سری های زمانی
غیرعادی کردن سری های زمانی
نمایه سازی داده ها
پرس و جو از جدول پارتیشن بندی شده
توابع برای سری های زمانی
محاسبه مصالح روی ویندوز
محاسبه میانگین متحرک
پیش بینی با رگرسیون خطی
اهداف یادگیری
مبانی داده های سری زمانی
نوشتن داده های سری زمانی
پرس و جو از داده های سری زمانی
نصب PostgreSQL
ارزیابی عملکرد پرس و جو
پیوستن به سری های زمانی
غیرعادی کردن سری های زمانی
نمایه سازی داده ها
پرس و جو از جدول پارتیشن بندی شده
توابع برای سری های زمانی
محاسبه مصالح روی ویندوز
محاسبه میانگین متحرک
پیش بینی با رگرسیون خطی
مهارت ها
Data Science FoundationsSQLDatabase AdministrationAdvancedDatabase DevelopmentDatabase ManagementData AnalysisProgramming LanguagesData ScienceBusiness Analysis and StrategyBusiness Software and ToolsOpen SourceSoftware Development
سرفصل ها
0. مقدمه
- 01 - تجزیهوتحلیل دادههای سری زمانی را با SQL یاد بگیرید
- 02 - آنچه باید بدانید
1. مقدمه ای بر دادههای سری زمانی
- 03 - مشخصات دادههای سری زمانی
- 04 - نمونههایی از دادههای سری زمانی
- 05 - نوشتن دادههای سری زمانی
- 06 - استعلام دادههای سری زمانی
2. نصب پایگاه داده و ابزار
- 07 - نصب PostgreSQL
- 08 - ایجاد طرحواره و جداول
- 09 - زمان بندی یک پرس و جو
- 10 - ارزیابی عملکرد کوئری با EXPLAIN
3. جستجوی دادههای سری زمانی
- 11 - و مجموعات پنجره زمانی
- 12 - پنجرههای کشویی
- 13 - غلت زدن پنجره ها
- 14 - پیوستن به دو سری زمانی
- 15 - غیر عادی سازی دادههای سری زمانی
4. مدل سازی دادههای سری زمانی
- 16 - مجموعه دادههای نمونه 1 - دما بر اساس زمان و مکان
- 17 - مجموعه دادههای پروفایل سازی 1 - فقط شاخص زمان
- 18 - مجموعه دادههای پروفایل سازی 1 - شاخص زمان و مکان
- 19 - ایجاد جدول پارتیشن بندی شده
- 20 - کوئری از جدول پارتیشن بندی شده
- 21 - مجموعه داده نمونه 2 - استفاده از CPU و نوع کاربرد
- 22 - مجموعه دادههای پروفایل سازی 2 - زمان و نوع Indexing
5. توابع متداول مورد استفاده برای سریهای زمانی
- 23 - سرب
- 24 - تاخیر
- 25 - رتبه
- 26 - رتبه درصد
6. تجزیهوتحلیل سری زمانی
- 27 - عبارات جدول مشترک و بازگشت
- 28 - محاسبه مصالح روی ویندوز
- 29 - مقایسه روز قبل
- 30 - میانگین متحرک
- 31 - میانگین متحرک وزنی
- 32 - پیشبینی با رگرسیون خطی
- 33 - میانگین متحرک نمایی
نتیجه
- 34 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی یادگیری جامع پایتون برای علم داده و یادگیری ماشین بخش اول
- دوره آموزشی تسلط بر داده ها: کاوش و توصیف داده ها
- دوره آموزشی کلانداده در عصر هوش مصنوعی
- دوره آموزشی مبانی علوم تصمیمگیری
- دوره آموزشی آیا نتیجه داد؟ ارزیابی برنامه در علم داده
- دوره آموزشی ارزیابی برنامه برای علم داده
- دوره آموزشی پاکسازی دادهها برای علم داده مؤثر: واردکردن دادهها، تشخیص ناهنجاری، پرکردن مقادیر گمشده و مهندسی ویژگیها
- دوره آموزشی یادگیری جامع اسکالا برای علوم داده