دوره آموزشی پیشرفته SQL برای برای متخصصین علم داده (با زیر نویس فارسی)

نیاز فزاینده ای به دانشمندان و تحلیلگران داده ها برای درک ذخیره داده های رابطه ای وجود دارد. مدت هاست که سازمان ها از پایگاه داده SQL برای ذخیره داده های معاملاتی و همچنین داده های مربوط به هوش تجاری استفاده می کنند. این دوره برای دانشمندان داده که نیاز به کار با پایگاه داده های SQL دارند، طراحی شده است. به طور خاص، این برنامه برای کمک به این متخصصان در یادگیری نحوه انجام وظایف مشترک علوم داده، از جمله کاوش و استخراج داده ها در پایگاه های ارتباطی طراحی شده است. مربی Dan Sullivan با مروری کوتاه بر دستورات دستکاری داده های SQL و تعریف داده ها، دوره را شروع می کند. وی سپس بر چگونگی استفاده از پرس و جوهای SQL برای تهیه داده ها برای تجزیه و تحلیل تمرکز دارد. استفاده از توابع آماری برای درک بهتر این داده ها؛ و با مصالح ، عملیات پنجره و موارد دیگر کار کنید.

آیا با SQL آشنا هستید؟ آیا پایتون را می شناسید؟ آیا علاقمند به درک نحوه کار این دو زبان هستید؟ پس در این دوره با مربی Bill Weinman همراه شوید زیرا وی قدرت این دو زبان را به صورت ترکیبی نشان می دهد. او با برخی اصول شروع می کند - اتصال به پایگاه داده، انجام پرس و جوهای ساده و خواندن سطرها از یک جدول. وی نحوه استفاده از دستورات و نشانگرهای آماده شده، نحوه ساختن کلاس پوششی برای ساده سازی رابط SQL و پشتیبانی از چندین موتور پایگاه داده مختلف و همچنین ساخت کلاس CRUD و یک برنامه وب با امکانات کامل را با استفاده از آنچه آموخته اید، بیان می کند. بسیاری از برنامه ها به ترکیبی از SQL و Python نیاز دارند و پس از پایان دوره Bill، درک بهتری از دلیل و چگونگی استفاده از قدرت این دو زبان در کنار هم خواهید داشت.

آیا برای به دست آوردن داده های مورد نیاز خود به فناوری اطلاعات متکی هستید؟ آیا اغلب در صف انتظار برای داده‌ها مانده‌اید و آرزو می‌کنید که خودتان آن‌ها را بازیابی کنید؟ در این دوره یاد بگیرید که چگونه با نوشتن کمی کد SQL به داده های مورد نظر خود دست یابید. شما فقط نمی‌توانید داده‌ها را از پایگاه داده بیرون بکشید، بلکه می‌توانید آن‌ها را دستکاری کنید - آن‌ها را ادغام کنید، گروه‌بندی کنید و دوباره برچسب بزنید تا فقط گزارشی را که می‌خواهید دریافت کنید. به اما ساندرز بپیوندید تا نحوه نوشتن پرس‌و‌جوهای ساده SQL را برای گزارش‌دهی و تجزیه و تحلیل داده‌ها با استفاده از یک پایگاه داده آنلاین در دسترس عموم نشان دهد. با استفاده از توابع داخلی SQL برای قالب‌بندی یا محاسبه نتایج، نحوه فیلتر کردن، گروه‌بندی و مرتب‌سازی داده‌ها را بیاموزید. نحوه انجام پرس و جوهای پیچیده تر، مانند اتصال داده ها از جداول پایگاه داده مختلف را کشف کنید. آخرین اما نه کم اهمیت، او نماها، رویه ها، توابع و متغیرها را معرفی می کند.

Power BI یک ابزار تجزیه و تحلیل داده و تجسم قدرتمند است که به کاربران تجاری اجازه می دهد داده ها را رصد کنند، روندها را تجزیه و تحلیل کنند و تصمیم گیری کنند. هر ماه، مایکروسافت به روز رسانی Power BI را به کاربران نهایی ارائه می دهد و رشد Power BI بخش مهمی از استراتژی فعلی مایکروسافت است. این دوره قابلیت های هوش مصنوعی و یادگیری ماشینی موجود را که به طور مستقیم در قابلیت های Power BI قابل دسترسی موجود است نشان می دهد. مربی Helen Wall متخصص تجزیه و تحلیل داده ها و تجزیه و تحلیل کسب و کار به شما یک نمای کلی از Power BI می دهد، سپس مراحل پیکربندی Power Query و مدل داده شما را بررسی می کند. او تجزیه و تحلیل متغیرهای واحد را انجام می دهد و ابزارها و تکنیک های اندازه گیری روابط بین متغیرها را به شما نشان می دهد. او تصاویری را به شما نشان می دهد که می توانید از آنها برای طرح و پاسخ به سوالات در Power BI استفاده کنید، تکنیک های مفیدی را برای افزایش تجزیه و تحلیل داده های سری زمانی به شما توضیح می دهد و بهترین شیوه ها را برای به اشتراک گذاری تجزیه و تحلیل شما ارائه می دهد.

زبان SQL به طور گسترده ای مورد استفاده قرار می گیرد و می تواند در زمینه های فنی مختلفی مانند انبار داده ها، توسعه برنامه ها، علوم داده و غیره استفاده شود. اگر با زبان SQL آشنا هستید یا علاقه مند به یادگیری بیشتر در مورد آن هستید، در این دوره آموزشی به نیکیا سیمپسون بپیوندید زیرا او به شما کمک می کند تا شغلی پیرامون این مجموعه مهارت طراحی کنید، چه در ابتدای کار خود هستید و چه به دنبال تغییر هستید. نیکیا حوزه‌های مختلف شغلی را بررسی می‌کند و به نمونه‌های خاصی از هرکدام نگاه می‌کند تا قبل از تصمیم‌گیری برای رفتن به یک مسیر خاص، کمی در مورد هر کدام از آنها بدانید. اگر به این فکر می کنید که چگونه مهارت های خود را بازاریابی کنید و کشف کنید که با استفاده از دانش SQL که در حال حاضر دارید می توانید شغل خود را به کجا ببرید، در این دوره آموزشی به نیکیا بپیوندید.

پرس‌وجوهای SQL می‌توانند سریع و بسیار کارآمد باشند، اما همچنین می‌توانند کند باشند و نیاز به منابع CPU و حافظه بیش از حد داشته باشند. برای بسیاری از برنامه نویسان SQL، حملات گاه به گاه با پرس و جوهای طولانی مدت و عملکرد ضعیف به سادگی برای دوره مشابه هستند. اما با به دست آوردن درک بهتری از نحوه ترجمه پرس‌و‌جوهای SQL توسط پایگاه‌های داده به برنامه‌های اجرایی، می‌توانید برای جلوگیری از این مشکلات اقداماتی را انجام دهید. در این دوره، دن سالیوان به توسعه دهندگان نشان می دهد که چگونه برنامه های اجرای پرس و جو را تجزیه و تحلیل کنند و از استراتژی های مدل سازی داده برای افزایش عملکرد پرس و جو استفاده کنند. Dan نحوه اجرای پرس و جوهای SQL را شرح می دهد. انواع مختلف ایندکس ها را برجسته می کند و چگونه آنها را در تنظیم پرس و جو تعیین می کند. چندین روش برای انجام اتصالات را پوشش می دهد. و نحوه استفاده از پارتیشن بندی و نماهای مادی شده برای بهبود عملکرد را مورد بحث قرار می دهد. اهداف یادگیری SQL چگونه کوئری ها را اجرا می کند کار با ابزار PostgreSQL برای تنظیم بیت مپ و نمایه های هش استفاده از انواع مختلف شاخص ها برای بهبود عملکرد چالش‌های پیوستن به جداول زمان استفاده از پارتیشن بندی برای بهبود عملکرد جمع آوری آمار در مورد داده ها در جداول

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

12 تکنیک SQL ضروری بن سالینز را برای متخصصان علوم داده - مهندسان، DevOps، استخراج کنندگان داده، برنامه نویسان و سایر متخصصان سیستم، دریافت کنید. نکات بن بر کاربردهای عملی پرس و جوهای SQL برای تجزیه و تحلیل داده ها متمرکز است. نحوه بازیابی داده‌ها، پیوستن به جداول، محاسبه میانگین‌ها و رتبه‌بندی‌ها، کار با تاریخ و زمان، استفاده از توابع پنجره، جمع‌آوری و فیلتر کردن داده‌ها و موارد دیگر را بیاموزید. هر نکته کوتاه، مرتبط و به‌روز با بهترین شیوه‌های صنعت کنونی است، که این دوره آموزشی عالی برای تحلیلگران پرمشغله‌ای است که معمولاً برای پیدا کردن زمان برای ایجاد مهارت‌های خود تلاش می‌کنند.

اکنون، بیش از هر زمان دیگری، کسب‌وکارها به افرادی نیاز دارند که داده‌ها را بدانند – نحوه ذخیره‌سازی، دسترسی و تجزیه و تحلیل سریع و کارآمد آن‌ها. سرعت گرفتن با Microsoft SQL Server - سیستم مدیریت پایگاه داده پرکاربرد - می تواند به شما کمک کند در دنیای تجارت مبتنی بر داده امروزی تبدیل به یک بازیکن کلیدی شوید. در این دوره، مدرس والتر شیلدز به شما پنج مهارت مهم را آموزش می دهد تا بدانید که آیا می خواهید یک استاد واقعی SQL باشید. ساختار اساسی پایگاه‌های داده رابطه‌ای، نحوه کار، اهمیت آن‌ها برای کسب‌وکار، و نحوه هدایت موفقیت‌آمیز آن‌ها برای جمع‌آوری بینش در هر مقیاسی را بررسی کنید. پرس و جوهای برتر SQL را که باید بدانید، و چگونه و چه زمانی به بهترین نحو از آنها استفاده کنید، از جمله عبارت WHERE و عملگرهای IN، BETWEEN، AND، و OR را کشف کنید. در پایان این دوره، شما آماده خواهید بود که داده های بزرگ را با کارآمدی بیشتری با سهولت تجزیه و تحلیل کنید.

تلاش برای مکان یابی معنا و جهت در داده های بزرگ دشوار است. R می تواند به شما کمک کند راه خود را پیدا کنید. R یک زبان برنامه نویسی آماری برای تجزیه و تحلیل و تجسم روابط بین مقادیر زیادی داده است. این مجموعه آموزشی معرفی کاملی از R، همراه با دستورالعمل‌های دقیق برای نصب و پیمایش R و RStudio و نمونه‌های عملی، از گرافیک اکتشافی گرفته تا شبکه‌های عصبی، ارائه می‌کند. در بخش اول، مربی بارتون پولسون نشان می‌دهد که چگونه می‌توان بسته‌های R و R محبوب را راه‌اندازی کرد و شروع به وارد کردن، تمیز کردن و تبدیل داده‌ها برای تجزیه و تحلیل کرد. او همچنین نشان می دهد که چگونه می توان تجسم هایی مانند نمودارهای میله ای، هیستوگرام ها و نمودارهای پراکنده ایجاد کرد و داده های طبقه بندی، کیفی و پرت را تغییر داد تا بهترین پاسخگویی به سؤالات تحقیق شما و الزامات الگوریتم های شما باشد. اهداف یادگیری نصب R وارد کردن داده ها بسته های R وارد کردن داده های XLS، XML و JSON تجسم داده ها با ggplot2 ایجاد نمودار، هیستوگرام، نمودار پراکندگی و نمودار تبدیل داده ها فیلتر کردن موارد و زیر گروه ها رمزگذاری مجدد داده ها ایجاد نمرات مقیاس

تجزیه و تحلیل داده های اکتشافی یک مرحله اساسی در علم داده است که با بررسی داده ها برای استخراج بینش سروکار دارد. در دنیای داده های بزرگ ، جستجوی مجموعه داده های عظیم یک چالش است ، زیرا به فناوری هایی نیاز دارد که مقیاس پذیر ، سریع و دارای ویژگی های غنی باشند. Apache Flink - بستر محبوب پردازش جریان - برای این تلاش کاملا مناسب است. این دوره بر بررسی مجموعه داده ها با SQL در Apache Flink تمرکز دارد. Kumaran Ponnambalam مربی کار خود را با مرور API های رابطه ای که Flink برای تجزیه و تحلیل داده های بزرگ فراهم می کند شروع می کند. سپس کوماران نگاه عمیق تری به توابع Table API و SQL دارد. او قابلیت های مختلف SQL موجود برای کاوش داده ها ، از جمله فیلتر کردن ، تجمیع و پیوستن را کشف می کند. برای جمع بندی ، او یک پروژه مورد استفاده را ارائه می دهد که به شما امکان می دهد مهارت های جدید خود را تمرین کنید. موضوعات مورد بحث عبارتند از: - اتصالات و یکپارچه سازی های موجود در API های Flink - ایجاد جداول از CSV - انتخاب و فیلتر کردن داده های جدول - استفاده از توابع تجمع در SQL - پیوستن به جداول - پنجره در جریان ها - زمان برگزاری با جداول Flink

SQL در پنج دهه گذشته زبان غالب پردازش داده ها بوده است. این دوره شما را فراتر از مبانی نحو می برد و به دنیای جدیدی از درک اینکه سیستم های مدیریت پایگاه داده رابطه ای پرس و جوهای SQL را پردازش می کنند و چگونه بر شیوه های کدگذاری شما تأثیر می گذارد ، می برد. درباره پردازش منطقی پرس و جو اطلاعاتی کسب کنید و از بیشترین مشکلات معمول و محدودیت های پردازش جلوگیری کنید. تکنیک های پیشرفته JOIN و نحوه مقابله با داده های از دست رفته را کشف کنید. نکات ظریف منطق سه گانه ، ارزیابی بیان SELECT ، منطق گروه بندی و نحوه پیاده سازی و مرتب سازی کارآمد را بفهمید. در پایان دوره ، شما می توانید با بهره گیری از تفاوت های ظریف پردازش منطقی پرس و جو ، به راحتی و به طرز زیبا و کارآمد عیب یابی و حل چالش های دلهره آور SQL را انجام دهید. موضوعات شامل: - سفارش پردازش منطقی پرس و جو - پردازش پیشرفته پیوستن - فیلتر کردن ردیف ها با پیش بینی منطق سه گانه - گروه بندی و جمع آوری داده ها به طور کارآمد - فیلتر پیشرفته گروهی - ترتیب و صفحه بندی نشانگرهای نتیجه

توابع پنجره یکی از بنیادی ترین و اساسی ترین پیشرفت های SQL مدرن است. آنها اجازه می دهد بدون استفاده از زیرمجموعه ها به ردیف های همسایه دسترسی پیدا کنید ، بنابراین فرصت های شگفت انگیز برای راه حل های مختصر ، زیبا و با عملکرد بالا را فراهم می کند. این دوره مبانی و پیچیدگی های پردازش عملکرد پنجره و نحوه استفاده از آن برای اجرای راه حل های عملی برای چالش های روزمره را آموزش می دهد. شما می توانید یاد بگیرید که چگونه از سازه های مختلف و تکنیک های پیشرفته راه حل استفاده کنید و چگونه از ماهیت اعلامی و قابل ترکیب SQL و ترتیب پردازش آن استفاده کنید. با پایان دوره شما جوانب مثبت و منفی هر یک از روش ها را بهتر درک خواهید کرد. موضوعات شامل: بندهای OVER و FILTER قاب بندی ، موارد استثنا و میانبرها توابع پنجره جمع توابع پنجره رتبه توابع پنجره توزیع توابع پنجره افست

بسیاری از برنامه ها به یک پایگاه داده رابطه ای احتیاج دارند. اما معماری ضعیف طراحی داده ها و SQL ضعیف نوشته شده می تواند منجر به عملکرد زیرکار ، خدمات غیرقابل اعتماد و مقیاس بندی دشوار شود. این دوره شامل مثالهای عملی و درسی است که نشان می دهد چگونه می توان پایگاه داده های مقیاس پذیر و انعطاف پذیر برای پشتیبانی از هر برنامه ای ساخت. بیاموزید که چگونه SQL بهینه شده را برای پردازش معاملات بنویسید ، از شاخص ها برای کاهش تأخیر خواندن ، داده های پارتیشن برای بهبود مقیاس پذیری و استفاده از الگوهای طراحی شده استفاده کنید. مربی Dan Sullivan همچنین نقشه برداری رابطه ای شی را کاوش می کند و نحوه پاسخگویی به خطاهای پایگاه داده مانند وقفه های جستجو و اتصالات رد شده را نشان می دهد. پس از اتمام این دوره ، شما قادر خواهید بود برنامه های کاربردی پایگاه داده قوی را طراحی کنید که بتواند برای مقابله با بارهای فزاینده خواستار مقیاس بندی کند. موضوعات شامل: ایجاد جداول و بارگذاری داده ها پارامتر کردن عبارات SELECT جدول های نمایه سازی نقشه برداری رابطه ای اشیا پارتیشن بندی به دام انداختن خطا نظارت و ورود به سیستم انتقال خودکار طرحواره

برای ایجاد برنامه‌های کاربردی و مفید پایتون، به یک پایگاه داده نیاز دارید. پایگاه‌های داده به شما امکان می‌دهد داده‌های جلسات کاربر را ذخیره کنید، موجودی را ردیابی کنید، پیشنهادهایی ارائه کنید و موارد دیگر. با این حال، پایتون با بسیاری از گزینه‌ها سازگار است از جمله: SQLite، MySQL و PostgreSQL . انتخاب پایگاه داده مناسب مهارتی است که انتظار می‌رود توسعه دهندگان پیشرفته آن را فرا بگیرند. این دوره با مقایسه انواع مختلف پایگاه داده‌هایی که می‌توانند از طریق Python Database API به یکدیگر متصل شوند، یک شروع عالی ارائه می‌دهد. مربی Kathryn Hodge تفاوت بین SQLite، MySQL و PostgreSQL را آموزش می‌دهد و نحوه استفاده از ابزار ORM SQLAlchemy برای جستجوی پایگاه داده را نشان می‌دهد. فصل‌های آخر دانش شما را در دو پروژه عملی به کاربرد عملی می‌رساند: توسعه یک برنامه کامل پشته با Python، PostgreSQL و Flask و ایجاد یک برنامه تجزیه و تحلیل داده با pandas و Jupyter Notebook. در پایان، شما باید در ایجاد و استفاده از پایگاه داده احساس راحتی کنید و بتوانید تصمیم بگیرید که کدام پایگاه داده پایتون برای شما مناسب است. موضوعات شامل: پایگاه داده چیست؟ پایگاه های رابطه ای در مقابل پایگاه های غیر رابطه ای ایجاد پایگاه داده SQLite در حال ویرایش سوابق در SQLite ایجاد یک پایگاه داده MySQL کپسوله سازی عملیات پایگاه داده ایجاد پایگاه داده PostgreSQL تعامل با پایگاه های داده با استفاده از SQLAlchemy ایجاد رویه ذخیره شده در حال توسعه برنامه های پشته ای کامل با Python و Flask در حال توسعه برنامه های تجزیه و تحلیل با پاندا و SQLAlchemy

بدون درک مفاهیم اساسی SQL، توسعه دهندگان با تعدادی از چالش‌ها روبرو می‌شوند که روند کار آنها را کند می‌کند. این دوره - دومین قسمت از مجموعه - برای کمک به شما در جلوگیری از این مشکلات مشترک و درک محدودیت‌های پردازش SQL طراحی شده است. در ادامه با مربی Ami Levin همراه باشید تا او همچنان در پردازش منطقی پرس و جو جستجو کند. با نحوه پردازش زیر پرسش‌های عبارت، جدول و ردیف آشنا شوید. self joins، نیازهای منحصر به فرد آنها و همچنین زمان استفاده از آنها را کشف کنید. به علاوه، نحوه استفاده از اتصالات جانبی، بازگشتی با clausesها و موارد دیگر را بیاموزید.

زبان پرس و جو ساختاریافته (SQL) یک ابزار رایج برای بازیابی داده ها از پایگاه داده های رابطه ای مانند SQL Server، MySQL، MariaDB و PostgreSQL است. این دوره مقدمه ای بر این زبان برنامه نویسی اصلی ارائه می دهد. نحوه درخواست داده از پایگاه داده، محدود کردن و مرتب کردن پاسخ‌ها، جمع‌آوری داده‌ها از چندین جدول با اتصال، و ویرایش و حذف داده‌ها را بیاموزید. مربی اسکات سیمپسون همچنین نحوه انجام عملیات ساده ریاضی و تبدیل داده ها به فرمت های مختلف را نشان می دهد. اهداف یادگیری گزاره عبارت زیر را نام ببرید: SELECT EyeColor, Age FROM Student WHERE FirstName = 'Tim' ORDER BY LastName ASC; توضیح دهید که اگر عبارت WHERE شامل چندین عبارت برای ارزیابی باشد، برای اعمال ترتیبی که یک عبارت باید ارزیابی شود، از چه چیزی استفاده شود. بهترین گزینه برای اتصال دو جدول در یک پایگاه داده را شناسایی کنید تا بتوانید داده ها را از هر دو نمایش دهید. یک نوع داده را لیست کنید که عددی نیست. نتیجه اجرای عبارت زیر را روی جدولی حاوی ستون های col_1 و col_2 تعیین کنید: INSERT INTO Box (col_1, col_2) VALUES ('A', 'B')، ('A', 'B'), ('A', 'B'), ('A', 'B'); بهترین روش حذف جان رامیرز (ID 3452) از جدول دانشجویی را تعیین کنید.

Power BI به سرعت در حال تبدیل شدن به یکی از محبوب ترین ابزارهای گزارشگری و تجسم است و یک روش عالی برای کاربران غیر فنی برای ساخت گزارش ها و تجسم داده های خود است. با این حال، Power BI با مجموعه ای محدود از تصاویر استاندارد ارائه می شود و ایجاد تصاویر سفارشی می تواند یک روند دلهره آور باشد، روشی که به برنامه نویسان JavaScript یا TypeScript نیاز دارد. در این دوره، Emma Saunders به برنامه نویسان با تجربه در ایجاد تجسم داده در وب نشان می دهد که چگونه تصاویر بصورت سفارشی را در Power BI ایجاد کنند. اما با اصول راه اندازی محیط شما و نصب بسیاری از فایلهای مورد نیاز شروع می شود، سپس نحوه راه اندازی حساب برای دسترسی به خدمات Power BI را نشان می دهد. او ساختار پوشه را برای بیش از 5000 پرونده مورد نیاز شما برای یک تصویری سفارشی، قبل از غواصی در ایجاد تصاویری سفارشی با استفاده از تجمع داده های منفرد، طبقه ای و گروهی، توضیح می دهد.

در این دوره ، آمی لوین سری Advanced SQL خود را با بخش جدیدی با هدف تسخیر چالش های تقسیم رابطه ای ادامه می دهد. همانطور که آمی اشاره کرد ، شما احتمالاً قبلاً با تقسیم رابطه ای روبرو شده اید ، حتی اگر با این اصطلاح آشنا نباشید. بنابراین آمی با زمینه ای از تقسیم رابطه ای شروع می شود، از جمله چگونگی جبر رابطه ای و محصول دکارتی با تصویر متناسب است. او سپس به SQL شیرجه می زند و جنبه های چالش برانگیز تقسیم رابطه ای و سه تکنیک مختلف برای حل آنها را نشان می دهد، موارد مثبت و منفی هر روش را برجسته می کند. در طول راه، امین شما را به چالش می کشد تا قبل از اینکه از روش مورد استفاده خود استفاده کنید، سوالات خود را بنویسید. با پایان این دوره، شما بینش ارزشمندی در مورد نحوه کار SQL خواهید یافت، قادر به شناسایی چالش های تقسیم رابطه ای هستید و می دانید چگونه بهترین راه حل ها را پیاده سازی کنید.