سلام دوستان

به کانال دیتاهابیز خوش اومدین 🤗


با توجه به حجم منتورینگ‌هایی که این چند وقت اخیر با دوستان مختلف تو حوزه‌های مرتبط با دیتا داشتم با چالش‌ها و مشکلاتشون آشنا شدم. برای همین تصمیم گرفتم این کانال راه‌اندازی کنم برای کسانی که دوست دارن به اتمسفر دیتا😎 وارد شن و تو پوزیشن‌های شغلی مربوطه کار پیدا کنن.
اینجابه صورت رایگان رودمپ هایی به تفکیک پوزیشن‌های شغلی مختلف میذارم و سعی میکنم تا اونجا که بتونم کمکتون کنم مسیر مختص به خودتون پیدا کنین.

در واقع میخوام تو این کانال یه رودمپ یا مسیر برای تبدیل به متخصص شدن از گام‌های خیلی ابتدایی (برای دوستان تازه‌کار) تا گام‌های حرفه‌ای به مرور زمان قرار بدم و در این بین کنار دوستانی باشم که علاقه‌مند به این حوزه هستند، یا در یکی از شاخه‌های دیتایی دنبال موقعیت شغلی مناسب میگردن و احتیاج به دید همه‌جانبه‌تر و عمیق‌تری دارن.
قراره یه دورهمی حرفه‌ای کنار هم داشته باشیم. مطمئم به کمک شما میتونیم اتفاقای قشنگی رو برای جامعه علاقه‌مندان دیتا رقم بزنیم. 🙂


#مقدمه
@DataHobbies

به طور کلی تو جامعه امروز بینش، نگرش و تصمیمات مبتنی بر دیتا جایگاه خیلی ویژه‌ای داره؛ تصمیمات بزرگی تو اکثر نقاط دنیا بر پایه همین تحلیل‌های دیتا داره اتفاق میفته و دو تا محور اصلی که به پشتوانه وجود دیتا حیات پیدا کردن AI(Artificial Intelligence) و BI(Business Intelligence) هستن.


اصلی‌ترین تمایز (AI) هوش مصنوعی و (BI) هوش تجاری رو اینطور میشه دید:
تو هوش مصنوعی هدف اینه ماشین‌ها رو تبدیل به حالتی کنیم که بتونن مثل مغز انسان کار کنن
و
تو هوش تجاری هدف اصلی تجزیه و تحلیل داده‌های بیزینس و سعی بر پیش‌بینی آینده با استفاده از داده‌های گذشته‌س

#مقدمه
@DataHobbies

میدونیم ازونجا که فعالیت‌های متنوعی تو تیم‌های دیتامحور وجود داره نقش‌های متفاوتی هم برای ایفای وظیفه تعریف شدن.
از امور جمع‌آوری، سازماندهی ومدیریت داده‌های سازمان تا تحلیل و انواع مدلسازی اون داده‌ها، ایجاد گزارش و داشبورد و ارائه انواع رویکردهای پیش‌بینی، تخمین و کشف مشکلات یک سازمان، تا ارائه هزاران طرح نو بیزینسی
تحلیل داده‌های مختلف صدا، تصویر، متن، سری‌های زمانی و . . . تو هر بیزینسی قسمتی ازین ماجرای قشنگه!
لیست یه سری عناوین شغلی که اسمشون می‌شنویم اینجا مینویسم:
نقش‌های مختلفی که تو تیم‌های مدیریت دیتا وجود دارن (با وظایف مختلف و بعضی اوقات نزدیک به هم):
BI architect
BI systems administrator
BI project manager
BI developer
BI analyst
Business analyst
Data analyst
Data engineer
Data architect
Data scientist
Data base administrator
ML engineer
ML scientist
DataOps
MLOps

و . . .

#مقدمه
@DataHobbies

یه دید کلی از فرآیند ایجاد محصول تو حوزه دیتا 👌

#مقدمه
@DataHobbies


---------------اتمام مقدمه -------------------

Online Translation Processing (OLTP)
VS
Online Analytical Processing (OLAP)

یکی از قسمت‌های اساسی که باید راجع بهش شناخت داشته باشیم همین بحث OLTP , OLAP هستش

OLTP:
با هدف پردازش داده‌ها، تراکنش‌های یه سازمان رو تو قالب تعداد زیادی تراکنش کوتاه آنلاین مثل insert,delete,update انجام میده.
اینجا اطلاعات به صورت کامل و با تمام جزئیات، لحظه‌ای از طرق مختلف مثل برنامه‌های تعاملی، اپراتورها و اینا وارد میشن

OLAP:
با هدف تجزیه و تحلیل داده‌ها برای تصمیمات بیزینسی به وجود اومده و ممکن اطلاعات چندین پایگاه داده رو درون خودش جمع کرده باشه.
اینجا داده‌های سیستم‌های عملیاتی با فاصله زمانی‌های مشخص، به صورت یکدفعه (تجمعی و انبوه) وارد میشه نه مثل تراکنشی(OLTP) که رکورد به رکود اضافه میشه

@DataHobbies

تنوع پایگاه‌داده‌ها (data base) کم نیس

رابطه‌ای‌ها (Relational) مثل:
Oracle
SQL Server
MySQL
PostgreSQL
SQLLite
MariaDB
IBM Db2
, . . .
و غیررابطه‌ای‌ها (Non Relational) مثل:
MongoDB
Neo4j
Redis
Cassandra
HBase
, . . .

بحث مدیریت و پشتیبانی و نگهداری پایگاه‌داده وظیفه ادمین اونه ( database administrator)
ولی هر کسی تو زمینه دیتا فعالیت میکنه باید بتونه با دیتابیسی که کار میکنه تعامل برقرار کنه و مسائل اولیه خودش پیش ببره.
کارایی مثل import کردن یه دیتابیس، یا یه فایل csv به پایگاه داده‌، آماده کردن back up و . . .

فارغ از بحث مدیریت و پشتیبانی دیتابیس یه بحثی وجود داره به اسم زبان T-SQL
با این زبان ما میتونیم انواع پرس‌وجوها (query) ها روی دیتابیسمون بزنیم و بتونیم با داده‌هامون آشنا شیم، اونارو تحلیل کنیم.

اکثر دیتابیس‌های رابطه‌ای و بعضی از دیتابیس‌های غیررابطه‌ای زبان کوئری‌نویسیشون به شدت شبیه به همه
تفاوت کمی تو syntax بین dbهای مختلف وجود داره ولی مفهوم و کلیات کاملا یکیه

مثلا فرمت تاریخ دادن تو اوراکل یکم با sql متفاوته
یا با مهارت T-SQL میتونیم خیلی راحت تو mongodb که یه دیتابیس غیررابطه‌ایِ کوئری‌ بنویسیم.

@DataHobbois

سایت زیر یه دید خوبی از دیتابیس‌های مختلف و آموزش‌های مورد نیاز کسی که میخواد دیتا رو تحلیل کنه میده:
https://www.databasestar.com/

تصویر کلی از دستورات زبان T-SQL


#sql_مقدماتی
#SQL
@DataHobbies

سایت w3school هم یه قسمتی برای sql داره که خیلی خوب میشه تو خود سایت با syntax اولیه دستورات آشنا شد و تمرینای کوچیک کرد

https://www.w3schools.com/sql/


#sql_مقدماتی
#SQL
@DataHobbies

پیشنهاد میکنم کسایی که تازه دارن کار با زبان کوئری‌نویسی رو با sql server
شروع میکنن و میخوان خودخوان (self study) جلو برن، با دیتابیس های معروف تو زمینه آموزش مثل adventureworks و northwind شروع کنن
چون ک کلی آموزش و مثال آماده روی این دیتابیس ها وجود داره و میتونین آموزش انواع کوئری‌های مختلف تو مثال یاد بگیرین


#sql_مقدماتی
#SQL
@DataHobbies

این چند تا سایتم برای آموزش sql خوبن👌👌👌

#sql_مقدماتی
#SQL
@DataHobbies

اینجا کلی مثال حل شده قشنگ پیدا میکنین

https://leetcode.com/problemset/database/

#SQL
#sql_مقدماتی
@DataHobbies

تو این سایتم میتونین پروژه محور جلو برین

https://8weeksqlchallenge.com/getting-started/

#SQL
#sql_مقدماتی
@DataHobbies


---------------اتمام مقدماتی sql------------------

بعد از اینکه دستورات ساده و اولیه sql یاد گرفتیم، باید سعی کنیم موارد پیشرفته‌تر یاد بگیریم
انواع دستورات پیشرفته مثل
Intersect
Minus
SubQuery
Inline View
Union All
Stored Procedures
Windows Function (Lead, Lag, NTILE)
, . . .

این سایت یه تعدادی ازین دستورات خوب توضیح داده:

https://www.1keydata.com/sql/advanced.html