دوره‌ها / SQL برای تحلیل داده
میانیدوره کلاسی

SQL برای تحلیل داده

آموزش SQL برای تحلیل داده در مسیر DATA-P01 — تحلیلگر داده؛ سطح L2 (میانی) و 24 ساعت آموزش ساختاریافته.

حدود ۲۴ ساعت۱۶ درس
مشاهده و ثبت‌نام دوره

معرفی دوره

معرفی دوره SQL برای تحلیل داده

دوره SQL برای تحلیل داده با کد DATA-103 در دپارتمان علم داده ارائه می‌شود. این دوره بخشی از DATA-P01 — تحلیلگر داده است و برای یادگیری مرحله‌به‌مرحله موضوع دوره طراحی شده است.

جایگاه دوره در مسیر یادگیری

سطح این دوره L2 (میانی) است و 24 ساعت زمان آموزشی دارد. محتوای دوره بر ایجاد درک کاربردی از SQL برای تحلیل داده و آماده‌سازی برای ادامه همین مسیر یادگیری تمرکز دارد.

مشخصات کلیدی

  • کد دوره: DATA-103
  • دپارتمان: علم داده
  • مسیر یادگیری: DATA-P01 — تحلیلگر داده
  • سطح: L2 (میانی)
  • مدت آموزش: 24 ساعت

برای چه کسانی مناسب است؟

این دوره برای علاقه‌مندانی مناسب است که می‌خواهند مهارت خود را در SQL برای تحلیل داده تقویت کنند و مسیر DATA-P01 — تحلیلگر داده را هدفمند ادامه دهند.

سرفصل‌ها و درس‌ها

مبانی SQL تحلیلی
  • ساختار پایگاه داده رابطه‌ای
  • SELECT و WHERE
  • مرتب‌سازی و محدودسازی
  • توابع روی داده
ترکیب و خلاصه‌سازی
  • GROUP BY و Aggregation
  • JOINها
  • CASE Expression
  • Subquery
پرس‌وجوی پیشرفته
  • CTE
  • Window Function
  • کار با تاریخ و زمان
  • Pivot داده
پروژه تحلیل داده
  • طراحی پرسش‌های کسب‌وکار
  • بهینه‌سازی Query
  • ساخت Dataset گزارش
  • پروژه تحلیل فروش

پرسش‌های متداول

دوره «SQL برای تحلیل داده» برای چه کسانی مناسب است؟

این دوره برای علاقه‌مندانی مناسب است که می‌خواهند «SQL برای تحلیل داده» را در یک مسیر ساختاریافته، پروژه‌محور و قابل استفاده در دنیای واقعی یاد بگیرند.

پیش‌نیاز شرکت در این دوره چیست؟

آشنایی مقدماتی با حوزه دوره پیشنهاد می‌شود؛ مباحث ضروری در شروع هر بخش مرور خواهند شد.

مدت زمان دوره و شیوه پیشروی چگونه است؟

مدت برنامه‌ریزی‌شده دوره 24 ساعت است. محتوا در ۴ سرفصل و ۱۶ درس مرتب شده و بهتر است درس‌ها به‌ترتیب همراه با تمرین دنبال شوند.

پس از پایان دوره چه توانایی‌ای به دست می‌آورم؟

پس از تکمیل درس‌ها و تمرین‌ها، می‌توانید مباحث دوره را در سناریوهای واقعی به کار بگیرید و با انجام بخش «پروژه تحلیل داده» یک خروجی قابل ارائه برای ادامه مسیر یادگیری یا نمونه‌کار بسازید.