آموزش تحلیل داده با PostgreSQL

PostgreSQL یک سیستم مدیریت پایگاه داده رابطه ای یا Relational Database Management System است که کاملا متن باز می باشد و بیش از 30 سال سابقه توسعه فعالانه دارد. این پایگاه داده همانطور که از نامش پیداست از استانداردهای SQL پشتیبانی می کند و به دلیل پایداری، امنیت بالا و امکانات پیشرفته ای مانند پشتیبانی از انواع داده های پیچیده، توابع سفارشی سازی شده و تراکنش های ACID، در پروژه های کوچک تا سازمانی کاربرد گسترده ای دارد.

در این دوره چه مباحثی آموزش داده شده است؟

ما در این دوره به آموزش تحلیل داده با PostgreSQL می پردازیم. در این دوره کاربردی و تعاملی، همراه با مدرس دوره یعنی آدام ویلبرت، با تکنیک های پیشرفته تحلیل داده در SQL آشنا می شوید و آنها را به صورت عملی تمرین می کنید. این دوره می تواند به شما کمک کند مهارت های فنی تان را تقویت کنید، برای مصاحبه های شغلی آماده شوید یا برای ورود به موقعیت های شغلی جدید در حوزه داده قدم بردارید.

در طول دوره، با چالش های کدنویسی (Code Challenges) که توسط پلتفرم CoderPad ارائه شده اند، مهارت های خود را به صورت تعاملی و با بازخورد فوری تقویت خواهید کرد. این تمرین ها فرصتی عالی برای تجربه عملی کدنویسی و افزایش تسلط شما هستند.

در این مسیر، یاد می گیرید چطور باید داده ها را پاکسازی و سازمان دهی کنید، اطلاعات موجود در پایگاه داده را استانداردسازی کنید و تحلیل های توصیفی انجام دهید. اگر به دنبال یادگیری عملی و اصولی تحلیل داده در PostgreSQL هستید، این دوره می تواند نقطه شروع مناسبی برای شما باشد.

سرفصل های دوره آموزش تحلیل داده با PostgreSQL

مقدمه

• معرفی دوره
• تمرین عملی تحلیل داده با PostgreSQL
• آنچه باید از قبل بدانید
• آشنایی با محیط CoderPad

1. پاک سازی و سازمان دهی داده ها

• کار با رشته های متنی با استفاده از توابع
• راه حل: کار با رشته های متنی با استفاده از توابع
• انتخاب متن بر اساس الگوی مشخص
• راه حل: انتخاب متن بر اساس الگوی مشخص
• انجام محاسبات با داده های تاریخ و زمان
• راه حل: انجام محاسبات با داده های تاریخ و زمان
• دسته بندی و گروه بندی داده ها با استفاده از CASE
• راه حل: دسته بندی و گروه بندی داده ها با استفاده از CASE

2. استانداردسازی اطلاعات در پایگاه داده

• گرد کردن مقادیر عددی
• راه حل: گرد کردن مقادیر عددی
• تبدیل نوع داده های ذخیره شده
• راه حل: تبدیل نوع داده های ذخیره شده
• کار با مقادیر NULL در مجموعه داده
• راه حل: کار با مقادیر NULL در مجموعه داده

3. انجام تحلیل توصیفی

• محاسبه گرایش مرکزی داده ها
• راه حل: محاسبه گرایش مرکزی داده ها
• اندازه گیری پراکندگی با انحراف معیار
• راه حل: اندازه گیری پراکندگی با انحراف معیار
• محاسبه رتبه درصدی یک مقدار
• راه حل: محاسبه رتبه درصدی یک مقدار
• تجمیع مقادیر با استفاده از پارتیشن بندی پنجره ای
• راه حل: تجمیع مقادیر با استفاده از پارتیشن بندی پنجره ای
• ایجاد قاب پنجره ای متحرک (Moving Window Frame)
• راه حل: ایجاد قاب پنجره ای متحرک

جمع بندی

• گام های بعدی

حاصل دوره

دانشجویان عزیز با گذراندن این دوره، با روش های پاکسازی، استانداردسازی و تحلیل توصیفی داده ها در PostgreSQL آشنا می شوند، توانایی استفاده از توابع متنی، عددی، تاریخ و زمان، و CASE برای آماده سازی داده ها را کسب می کنند. همچنین با مفاهیم تحلیل آماری مانند میانگین، انحراف معیار و توابع پنجره ای برای تحلیل های پیشرفته آشنا خواهند شد.