آموزش انجام پروژه های Data Science بوسیله SQL

با مشاهده این کورس آموزشی از طریق انجام پروژه های واقعی و به زبانی بسیار ساده مطالب فراوانی را در رابطه با دیتا ساینس یاد می گیرید.

عنوان اصلی : Advanced SQL for Data Scientists

سرفصل ها :

معرفی :
تکنیک های پیشرفته SQL برای علم داده
آنچه شما باید بدانید
1. مدل سازی داده ها: جداول:
قوانین عادی سازی
عادی سازی
پارتیشن بندی داده ها
دیدگاه های مادی شده
کپی ها را بخوانید
چالش: طراحی یک مدل داده برای تجزیه و تحلیل
راه حل: یک مدل داده برای تجزیه و تحلیل طراحی کنید
2. مدل سازی داده ها: شاخص ها:
شاخص های درخت B
نمایه های بیت مپ
شاخص های هش
شاخص های GiST و SP-GiST
شاخص های GIN و BRIN
چالش: انتخاب یک استراتژی نمایه سازی بهینه
راه حل: انتخاب یک استراتژی نمایه سازی بهینه
3. بهینه سازی پرس و جو:
دستورات را توضیح دهید و آنالیز کنید
تولید داده باgene_sequence
تولید داده های سری زمانی
تجزیه و تحلیل یک پرس و جو با بندها و شاخص های WHERE
تجزیه و تحلیل یک پرس و جو با یک پیوستن
چالش: یک پرس و جو را با استفاده از یک طرح توضیحی بهینه کنید
راه حل: یک پرس و جو را با استفاده از یک طرح توضیحی بهینه کنید
4. توابع تعریف شده توسط کاربر:
گسترش SQL با توابع تعریف شده توسط کاربر
توابع پرس و جوی SQL
اضافه بار عملکرد
نوسانات تابع
توابع PL/Python
چالش: یک تابع تعریف شده توسط کاربر بنویسید
راه حل: یک تابع تعریف شده توسط کاربر بنویسید
5. عملکرد ویژه:
پرس و جوهای فدرال
فیلترهای بلوم
Hstore برای جفت های کلید-مقدار
JSON برای داده های نیمه ساختار یافته
داده های سلسله مراتبی و درختان
چالش: یک جدول برای پشتیبانی از داده های بدون ساختار طراحی کنید
راه حل: یک جدول برای پشتیبانی از داده های بدون ساختار طراحی کنید
نتیجه :
مراحل بعدی