تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی MySQL برای تحلیل داده‌ها

دوره آموزشی MySQL برای تحلیل داده‌ها

9 ساعت 36 دقیقهمتوسط2026-07-30

مدرسین

Alex Freberg

Alex Freberg

Analyst Builder

Analyst Builder

جزئیات دوره

SQL یکی از مهم‌ترین مهارت‌ها برای کار با داده و انجام تحلیل‌های حرفه‌ای است؛ اما تسلط واقعی بر SQL زمانی شکل می‌گیرد که بتوانید مفاهیم آن را در پروژه‌ها و مسائل واقعی به کار بگیرید. این دوره با تمرکز بر پروژه‌های عملی و هدایت‌شده (Guided Projects) به شما کمک می‌کند مهارت‌های SQL خود را در سناریوهای واقعی تقویت کرده و از داده‌های خام به بینش‌های قابل‌استفاده برسید.

در طول دوره، با استفاده از MySQL یاد می‌گیرید چگونه داده‌ها را بررسی، پاک‌سازی و تحلیل کنید. از فرآیند Data Cleaning آغاز کرده و سپس به تحلیل اکتشافی داده (Exploratory Data Analysis) می‌رسید تا بتوانید الگوها، ناهنجاری‌ها و اطلاعات ارزشمند موجود در مجموعه‌داده‌ها را شناسایی کنید.

یکی از بخش‌های مهم دوره، استفاده از Window Functions برای انجام تحلیل‌های پیشرفته‌تر است. این قابلیت به شما اجازه می‌دهد محاسباتی مانند رتبه‌بندی، مقایسه رکوردها و تحلیل‌های مبتنی بر ترتیب داده‌ها را بدون پیچیدگی‌های غیرضروری انجام دهید.

همچنین با Regular Expressions (Regex) آشنا می‌شوید و یاد می‌گیرید چگونه از الگوهای متنی برای جست‌وجو، استخراج و تحلیل داده‌ها استفاده کنید؛ مهارتی که در پاک‌سازی و پردازش داده‌های متنی کاربرد زیادی دارد.

دوره علاوه بر دستورات SQL، نحوه کار متخصصان داده با محیط‌های واقعی MySQL را نیز بررسی می‌کند. با مفاهیمی مانند Staging Database، Production Database و Naming Conventions آشنا می‌شوید تا درک شما از نحوه سازمان‌دهی و مدیریت داده در محیط‌های حرفه‌ای نیز تقویت شود.

در پایان، با تکمیل پروژه‌های تحلیلی می‌توانید مجموعه‌ای از پروژه‌های Portfolio ایجاد کنید که علاوه بر تقویت مهارت‌های SQL و تحلیل داده، برای نمایش توانایی‌های عملی شما در مسیر شغلی نیز قابل استفاده باشند.

🎯 اهداف یادگیری
تحلیل داده‌ها با استفاده از MySQL و دستورات کاربردی SQL
پاک‌سازی و آماده‌سازی داده‌ها برای انجام تحلیل‌های دقیق‌تر
اجرای تحلیل اکتشافی داده‌ها برای کشف الگوها و بینش‌های ارزشمند
استفاده از Window Functions برای انجام تحلیل‌های پیشرفته داده
به‌کارگیری Regular Expressions برای جست‌وجو و تحلیل داده‌های متنی
کار با مجموعه‌داده‌های واقعی و متنوع برای حل مسائل تحلیلی
درک تفاوت و کاربرد Staging Database و Production Database در محیط‌های حرفه‌ای
استفاده از Naming Conventions و استانداردهای مناسب در پروژه‌های MySQL
به‌کارگیری SQL برای حل مسائل واقعی و استخراج بینش از داده‌ها
ساخت پروژه‌های Data Analytics برای ایجاد و تقویت Portfolio حرفه‌ای

سرفصل ها

مقدمه

  • معرفی مدرس
  • معرفی دوره

شروع کار با MySQL

  • SQL چیست؟
  • SQL چگونه استفاده می‌شود؟
  • دانلود و نصب MySQL (برای کاربران Microsoft)
  • ایجاد پایگاه‌های داده
  • آشنایی با رابط کاربری MySQL

مبانی Query‌نویسی

  • مقدمه‌ای بر Query‌نویسی
  • مبانی Query‌نویسی
  • دستور SELECT
  • عبارت WHERE
  • عملگرهای مقایسه‌ای
  • عملگرهای منطقی
  • عملگر IN
  • عملگر BETWEEN
  • عملگر LIKE
  • عبارت ORDER BY
  • عبارت LIMIT
  • نام‌گذاری مستعار (Aliasing)

انواع داده و توابع

  • مقدمه‌ای بر انواع داده
  • انواع داده عددی
  • توابع رشته‌ای
  • توابع تاریخ و قالب‌بندی تاریخ
  • توابع IF
  • عبارت‌های CASE
  • توابع CAST و CONVERT

GROUP BY

  • مقدمه‌ای بر GROUP BY
  • مبانی GROUP BY
  • توابع تجمیعی
  • عبارت HAVING در برابر WHERE
  • ROLLUP

JOINها

  • مقدمه‌ای بر JOINها
  • INNER JOIN
  • اتصال چند جدول
  • اتصال بر اساس چند شرط
  • OUTER JOIN
  • SELF JOIN
  • CROSS JOIN
  • NATURAL JOIN
  • کلمه کلیدی USING
  • UNIONها
  • موارد کاربرد JOIN

Subqueryها

  • مقدمه‌ای بر Subquery
  • مبانی Subquery
  • عملگرهای ANY و ALL
  • EXISTS
  • Subqueryها در SELECT و FROM

توابع پنجره‌ای (Window Functions)

  • مقدمه‌ای بر توابع پنجره‌ای
  • مبانی توابع پنجره‌ای؛ OVER و PARTITION BY
  • ROW_NUMBER
  • RANK و DENSE_RANK
  • LAG و LEAD

عبارات باقاعده (Regular Expression)

  • مقدمه‌ای بر عبارات باقاعده
  • روش‌های استفاده از عبارات باقاعده
  • متاکاراکترهای عبارات باقاعده
  • مثال‌ها و موارد کاربرد عبارات باقاعده

کار با فایل‌ها

  • وارد کردن داده‌ها به MySQL
  • خروجی گرفتن از داده‌ها به فرمت CSV

پاک‌سازی داده‌ها

  • مقدمه‌ای بر پاک‌سازی داده‌ها
  • حذف داده‌های تکراری
  • استانداردسازی داده‌ها
  • تقسیم یک ستون به چند ستون
  • کار با مقادیر NULL
  • حذف ستون‌ها

پروژه‌های جامع

  • مقدمه‌ای بر پروژه‌ها
  • پاک‌سازی داده‌های امید به زندگی در جهان
  • تحلیل اکتشافی داده‌های امید به زندگی در جهان
  • پاک‌سازی داده‌های درآمد خانوار در ایالات متحده
  • تحلیل اکتشافی داده‌های درآمد خانوار در ایالات متحده

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
زرین پال
زیبال