درباره دوره: پایگاه داده‌ها (دادگان یا بانک اطّلاعاتی) به مجموعه‌ای از اطّلاعات با ساختار منظم و سامانمند گفته می‌شود. پایگاه‌های داده‌ها معمولاً در قالبی که برای دستگاه‌ها و رایانه‌ها قابل خواندن و دسترسی باشد ذخیره می‌شوند. البته چنین شیوه ذخیره‌سازی اطلاعات تنها روش موجود نیست و شیوه‌های دیگری مانند ذخیره‌سازی ساده در پرونده‌ها نیز استفاده می‌گردد. آنچه ذخیره‌سازی داده‌ها در پایگاه‌های داده‌ها را مؤثر می‌سازد وجود یک ساختار مفهومی برای ذخیره‌سازی و روابط بین داده‌ها است. پایگاه داده در اصل مجموعه‌ای سازمان یافته از اطلاعات است.این واژه از دانش رایانه سرچشمه می‌گیرد، اما کاربرد وسیع و عمومی نیز دارد، این وسعت به اندازه‌ای است که مرکز اروپایی پایگاه داده (که تعاریف خردمندانه‌ای برای پایگاه داده ایجاد می‌کند) شامل تعاریف غیر الکترونیکی برای پایگاه داده می‌باشد. در این نوشتار به کاربردهای تکنیکی برای این اصطلاح محدود می‌شود. یک تعریف ممکن این است که: پایگاه داده مجموعه‌ای از رکوردهای ذخیره شده در رایانه با یک روش سیستماتیک (اصولی) مثل یک برنامه رایانه‌ای است که می‌تواند به سؤالات کاربر پاسخ دهد. برای ذخیره و بازیابی بهتر، هر رکورد معمولاً به صورت مجموعه‌ای از اجزای داده‌ای یا رویدادها سازماندهی می‌گردد. بخش‌های بازیابی شده در هر پرسش به اطلاعاتی تبدیل می‌شود که برای اتخاذ یک تصمیم کاربرد دارد. برنامه رایانه‌ای که برای مدیریت و پرسش و پاسخ بین پایگاه‌های داده‌ای استفاده می‌شود را مدیر سیستم پایگاه داده‌ای یا به‌اختصار (DBMS) می‌نامیم. خصوصیات و طراحی سیستم‌های پایگاه داده‌ای در علم اطلاعات مطالعه می‌شود. برای یادگیری بیشتر در این زمینه می‌توانید، دوره‌های آموزش پایگاه داده را مشاهده کنید. فیلم های آموزشی: 1 - جلسه اول - مقدمه 2 - جلسه دوم - مقدمه 3 - جلسه سوم - ادامه مقدمه 4 - جلسه چهارم - مدل سازی معنایی داده ها 5 - جلسه پنجم - ادامه مدل سازی معنایی داده ها 6 - جلسه ششم - ادامه مدل سازی معنایی داده ها 7 - جلسه هفتم - ادامه مدل سازی معنایی داده ها 8 - جلسه هشتم - جمع بندی مدلسازی داده ، مبانی طراحی منطقی 9 - جلسه نهم - ادامه طراحی منطقی 10 - جلسه دهم - ادامه طراحی منطقی ، مقدمات پیاده سازی و SQL 11 - جلسه یازدهم - ادامه مقدمات پیاده سازی و SQL 12 - جلسه دوازدهم - ادامه مقدمات پیاده سازی و SQL 13 - جلسه سیزدهم - معماری پایگاه داده 14 - جلسه چهاردهم - ادامه معماری پایگاه داده 15 - جلسه پانزدهم - ادامه معماری پایگاه داده ، مقدمه ای بر مدل داده رابطه ای 16 - جلسه شانزدهم - ادامه مدل داده رابطه ای 17 - جلسه هفدهم - ادامه مدل داده رابطه ای 18 - جلسه هیجدهم - ادامه مدل داده رابطه ای 19 - جلسه نوزدهم - عملیات در پایگاه داده رابطه ای(جبر رابطه ای) 20 - جلسه بیستم - ادامه عملیات در پایگاه داده رابطه ای(جبر رابطه ای) 21 - جلسه بیست و یکم - مثال هایی از حساب و جبر رابطه ای 22 - جلسه بیست و دوم - طراحی پایگاه داده رابطه ای(روش بالا و پایین) 23 - جلسه بیست و سوم - طراحی پایگاه داده رابطه ای(ادامه طراحی بالا به پایین-تئوری وابستگی) 24 - جلسه بیست و چهارم - طراحی پایگاه داده رابطه ای(سطوح نرمال 1NF تا 3NF) 25 - جلسه بیست و پنجم - طراحی پایگاه داده رابطه ای(سطح نرمال BCNF) 26 - جلسه بیست و ششم - طراحی پایگاه داده رابطه ای (فرم 5NFو6NF) 27 - جلسه بیست و هفتم - طراحی پایگاه داده رابطه ای (سطح نرمال 5NFو6NF)

درباره دوره: هوش مصنوعی در حال تغییر جهان اطراف ماست و به‌طور کامل نحوه کار ما را متحول می‌کند. امروزه متخصصان داده به ابزارهایی دسترسی دارند که مانند ابرقدرت‌ها، آن‌ها را قادر می‌سازد هوشمندتر و سریع‌تر از همیشه کار کنند. در دوره"ChatGPT and SQL"، تیم Maven Analytics شما را با دنیای یادگیری عمیق و هوش مصنوعی مولد آشنا کرده و نحوه استفاده از SQL و ChatGPT به صورت ترکیبی برای کارایی بیشتر و تصمیم‌گیری‌های هوشمند مبتنی بر داده را آموزش می‌دهد. با پیشرفت سریع مدل‌های زبانی بزرگ مانند ChatGPT و Google Gemini آشنا شوید و با ابزارهای رایگان که مهارت‌های شما را به سطح بالاتری می‌برد، شروع به کار کنید. همچنین در هنر مهندسی درخواست (prompt engineering) عمیق شوید، نکات و بهترین شیوه‌ها برای تولید خروجی‌های دقیق و پایدار مدل‌ها را مرور کرده و یاد بگیرید چگونه با محدودیت‌ها و مشکلات رایج مواجه شوید. پس از آن، جان پالر شما را با قدرتمندترین و کاربردی‌ترین موارد استفاده از ChatGPT در علم داده و تحلیل آشنا می‌کند و آموزش‌هایی با راهنمایی مدرس در SQL ارائه می‌دهد. مقدمه: 1 - آینده اکنون است: آشنایی با AI برای تحلیل داده 2 - تعیین انتظارات چرا AI برای تحلیل داده مناسب است؟: 1 - چرا هوش مصنوعی تغییردهنده بازی تحلیل داده است؟ 2 - موارد استفاده AI برای تحلیل داده آشنایی با LLMs ،AI و ChatGPT: 1 - چشم‌انداز AI 2 - Generative AI و مدل‌های زبانی بزرگ 3 - مسیر به سوی ChatGPT 4 - ابزارهای Generative AI 5 - هشدار: دام‌های ChatGPT 6 - دسترسی به ChatGPT و Google Bard مهندسی پرامپت: 1 - آشنایی با مهندسی پرامپت 2 - نکته پرامپت: واضح و مشخص باشید 3 - نکته پرامپت: زمینه را فراهم کنید 4 - نکته پرامپت: نقش‌ها را ایجاد کنید 5 - نکته پرامپت: شرایط را فراهم کنید ChatGPT برای SQL: 1 - آشنایی با ChatGPT برای SQL 2 - توضیح مفاهیم اصولی SQL 3 - توضیح کوئری زدن در SQL 4 - افزودن کامنت به کوئری در SQL 5 - عیب‌یابی و اشکال زدایی کد SQL 6 - ایجاد کوئری SQL از ابتدا 7 - بهینه‌سازی کوئری‌ها در SQL نتیجه‌گیری: 1 - نکات کلیدی و گام‌های بعدی

درباره دوره: دوره "Using Databases with Python" به بررسی اصول اولیه زبان پرس‌وجوی ساختاریافته (SQL) و طراحی پایگاه‌های داده می‌پردازد و به شما کمک می‌کند تا داده‌ها را به طور مؤثر در یک فرایند چندمرحله‌ای جمع‌آوری، تحلیل و پردازش کنید. با استفاده از پایگاه داده SQLite3، یاد خواهید گرفت که چگونه داده‌ها را در پایگاه‌های داده سازماندهی و مدیریت کنید. همچنین، دوره شامل ساخت خزنده‌های وب و فرایندهای پیچیده جمع‌آوری و مصورسازی داده‌ها است. برای مصورسازی داده‌ها، از کتابخانه D3.js استفاده خواهیم کرد که ابزار قدرتمندی برای نمایش بصری داده‌ها به شمار می‌رود. این دوره به بررسی فصل‌های 14 و 15 کتاب «پایتون برای همه» می‌پردازد و برای موفقیت در آن، آشنایی با مطالب فصل‌های 1 تا 13 کتاب. دوره بر روی نسخه 3 پایتون متمرکز است و به شما امکان می‌دهد تا مهارت‌های لازم برای کار با پایگاه‌های داده و تحلیل داده‌ها را به دست آورید. با پایان دوره، قادر خواهید بود تا داده‌ها را از منابع مختلف جمع‌آوری کرده، آن‌ها را تحلیل کرده و به‌صورت بصری نمایش دهید. پایتون شی‌ءگرا: 1 - خوش‌آمدید به استفاده از پایگاه‌های داده با پایتون 2 - کاراکترها و رشته‌های یونیکد 3 - ویندوز 10: نصب پایتون و نوشتن یک برنامه 4 - ویندوز: گرفتن عکس از صفحه 5 - مکینتاش: استفاده از پایتون و نوشتن یک برنامه 6 - مکینتاش: گرفتن عکس از صفحه 7 - 14.1 - تعاریف و اصطلاحات شی‌ءگرا 8 - 14.2 - کلاس و شیء اول ما 9 - 14.3 - چرخه حیات شیء 10 - 14.4 - وراثت شیء 11 - پاداش: مصاحبه - مهندسی نرم‌افزار - برتران مایر 12 - پاداش: ساعات اداری - لندن زبان پرس‌وجوی ساختاریافته (SQL) پایه: 1 - 15.1 - پایگاه‌های داده رابطه‌ای 2 - 15.2 - استفاده از پایگاه‌های داده 3 - 15.3 - CRUD تک‌جدولی 4 - مثال عملی: شمارش ایمیل‌ها در یک پایگاه داده 5 - پاداش: ساعات اداری - زاگرب، کرواسی 6 - مصاحبه: الیزابت فنگ - سال‌های اولیه SQL مدل‌های داده و SQL رابطه‌ای: 1 - 15.4 - طراحی مدل داده 2 - 15.5 - نمایش مدل داده در جداول 3 - 15.6 - درج داده‌های رابطه‌ای 4 - 15.7 - بازسازی داده با JOIN 5 - مثال عملی: Tracks.py 6 - پاداش: ساعات اداری - پرت، استرالیا 7 - مصاحبه پاداش: نیکلاوس ویرث 8 - پاداش: ساعات اداری - بارسلونا روابط چند به چند در SQL: 1 - 15.8 - روابط چند به چند 2 - مثال عملی: roster.py 3 - پاداش: ساعات اداری - مکزیکو سیتی 4 - مصاحبه پاداش: اندرو تاننباوم - Minix پایگاه‌های داده و مصورسازی: 1 - 16.1 - جغرافی‌کدینگ 2 - مثال عملی: Geodata 3 - پاداش: ساعات اداری - آمستردام 4 - مصاحبه پاداش: ریچارد استالمن - بنیاد نرم‌افزار آزاد 5 - مصاحبه پاداش: برایان بلهندورف - بنیاد آپاچی

درباره دوره: دانش عملی SQL برای حرفه‌های حوزه داده مانند دانشمندان داده، تحلیلگران داده و مهندسین داده حیاتی است. اکثر داده های موجود در دنیا داخل دیتابیس ها جا گرفته است. SQL زبانی قدرتمند برای برقراری ارتباط و استخراج داده از پایگاه‌های داده است. در این دوره شما SQL را بطور کامل از مقدماتی‌‌ترین دستورات مانند Select گرفته تا مفاهیم پیشرفته مانند دستورات Join می آموزید. آموزش پایگاه داده و SQL برای علوم داده یکی از مهم‌ترین مباحثی است که علاقه‌مندان به دیتا ساینس باید در آن شرکت کنند. زیرا با استفاده از SQL امکان ذخیره‌سازی هرگونه اطلاعاتی در حجم بزرگ امکان‌پذیر است. دنیای پیشرفته‌ی امروز، دنیای داده‌ها است. از کسب‌وکارها و تجارت‌های مختلف گرفته تا علم پزشکی و هواشناسی، حجم انبوهی از اطلاعات دارند که به تحلیل و بررسی نیاز دارد. در اینجا علوم داده کمک می‌کند تا از دل این اقیانوس اطلاعات، دانش و بینش‌های کارآمد استخراج کنیم و بتوانیم مسائل مختلف را به‌صورت مؤثر حل کنیم. برای این‌که بتوان اطلاعات زیادی را ذخیره کرد به ابزاری خاصی به نام پایگاه داده نیاز است. پایگاه داده برای علوم داده نوع خاصی از ابزار ذخیره‌سازی اطلاعات است که به‌طور ویژه برای ذخیره، مدیریت و تجزیه‌وتحلیل مجموعه داده‌های حجیم طراحی شده است. این ابزار می‌تواند داده‌های فراوانی را در جداول مختلف ذخیره کند تا با استفاده از علوم داده اطلاعات مفید از آنها استخراج شود. به همین علت آموزش پایگاه داده و SQL برای علوم داده اهمیت فراوانی دارد. SQL، مخفف زبان پرس‌و‌جوی ساختاریافته و یک زبان استاندارد برای مدیریت پایگاه‌های داده رابطه‌ای (RDBMS) است. این زبان برای ایجاد، مدیریت و به‌روزرسانی پایگاه‌های داده به‌کار می‌رود و امکان استخراج، تجزیه‌و‌تحلیل داده‌ها و تهیه گزارش‌های دقیق را فراهم می‌کند. SQL به‌عنوان یک ابزار قدرتمند در حوزه داده‌ها شناخته شده و برای دستکاری و پردازش داده‌های ذخیره شده در پایگاه‌های داده استفاده می‌شود. متخصصان علوم داده برای انجام وظایف خود به داده‌های باکیفیت و قابل‌ اعتماد نیاز دارند. پایگاه داده با فراهم کردن امکان ذخیره‌سازی ایمن، سازمان‌یافته و کارآمد داده‌ها نقش اساسی در این زمینه ایفا می‌کند. اینجاست که اهمیت آموزش پایگاه داده mysql خود را نشان می‌دهد. برخی از مهم‌ترین دلایل اهمیت دیتابیس برای علوم داده عبارت‌اند از: سازماندهی و مدیریت داده‌ها: پایگاه داده با فراهم کردن ساختاری مناسب برای داده‌ها، امکان سازماندهی و مدیریت آنها را آسان می‌کند. این امر باعث می‌شود تا متخصصان دیتا ساینس بتوانند به راحتی داده‌های مورد نظر خود را بازیابی کنند. دسترسی آسان و سریع به داده‌ها: در پایگاه داده امکانی وجود دارد که متخصصان این حوزه می‌توانند داده‌های مورد نظر خود را که در جدول وجود دارد جستجو و بازیابی کنند. به همین علت آنها هر زمانی که بخواهند می‌توانند به‌راحتی به اطلاعات مورد نیاز دسترسی داشته باشند. حفظ کیفیت و یکپارچگی داده‌ها: پایگاه داده با استفاده از ابزارهای مختلف، از قبیل قواعد اعتبارسنجی و کلیدهای اصلی کیفیت و یکپارچگی داده‌ها را تضمین می‌کند. این امر منجر به نمایش نتایج دقیق‌تر و قابل اعتمادتری در تحلیل‌های علوم داده می‌شود. مقیاس‌پذیری: پایگاه داده SQL برای مدیریت حجم زیادی از داده‌ها طراحی شده‌ است. این امر برای متخصصان علوم داده که اغلب با داده‌های بسیار زیادی سروکار دارند، اهمیت فراوانی دارد. پایگاه‌های داده به گونه‌ای طراحی شده‌اند که بتوان آنها را با افزایش حجم داده‌ها، به راحتی مقیاس‌بندی کرد و گسترش داد. امنیت داده‌ها: پایگاه‌های داده دارای مکانیزم‌های امنیتی مختلفی برای محافظت از داده‌ها در برابر دسترسی‌های غیرمجاز، سوء‌استفاده و حملات سایبری هستند. این امر برای سازمان‌هایی که با داده‌های حساس سروکار دارند، بسیار مهم است. دیتابیس به‌عنوان زیرساختی کارآمد و سازمان‌یافته برای ذخیره‌سازی و مدیریت داده‌ها در علوم داده به‌ کار می‌رود. می‌توان گفت پایگاه داده برای دیتا ساینس حکم ستون فقرات در پروژه‌های مختلف را دارد. به همین علت آموزش پایگاه داده و SQL برای علوم داده اهمیت و کاربردهای فراوانی را دارد. برخی از مهم‌ترین کاربردهای پایگاه داده در علوم داده عبارت‌اند از: پایگاه داده با استفاده از ابزارهای مختلفی مانند تریگرها و پروسیجرهای ذخیره‌شده امکان اتوماسیون وظایف تکراری را فراهم می‌کند. این امر می‌تواند به صرفه‌جویی در زمان و افزایش بهره‌وری متخصصان علوم داده کمک کند. بسیاری از داده‌ها دارای اطلاعات مکانی (موقعیت جغرافیایی) هستند. به همین علت پایگاه‌های داده مکانی با قابلیت ذخیره‌سازی و تحلیل این نوع داده‌ها، امکان انجام تحلیل‌های فضایی و نقشه‌برداری را فراهم می‌کنند. داده‌های زمانی به داده‌هایی اطلاق می‌شوند که دارای بعد زمان هستند (تاریخ و ساعت). بنابراین پایگاه داده زمانی، با قابلیت ذخیره‌سازی و تحلیل این نوع داده‌ها بررسی روندها و تغییرات در طول زمان را ممکن می‌کنند. این امر به کسب‌وکارها کمک می‌کند تا رفتار مشتریان خود را در طول زمان به‌طور کامل بررسی کنند. داده‌های استاد به داده‌های پایه و مرجع در یک سازمان اطلاق می‌شود (اطلاعات مشتریان یا محصولات). پایگاه داده با قابلیت مدیریت داده‌های استاد، امکان حفظ انسجام و یکپارچگی این داده‌ها را در سرتاسر سازمان فراهم می‌کند. پایگاه داده با قابلیت پشتیبانی از حاکمیت داده، امکان نظارت بر دسترسی به داده‌ها، اعمال ردیابی ممیزی و حفظ انطباق با قوانین و مقررات مربوط به داده‌ها را فراهم می‌کند. در آموزش پایگاه داده و SQL برای علوم داده با ویژگی‌های مهم این ابزار آشنا می‌شوید. برخی از مهم‌ترین ویژگی‌هایی که در آموزش sql برای علوم داده به آنها اشاره می‌شود عبارت‌اند از: با تسلط بر آموزش پایگاه داده sql می‌توان از آن در محیط‌های مختلف مانند پایتون استفاده کرد و اطلاعات را از طریق این ابزار استخراج کرد. تسلط بر اصول طراحي پایگاه داده به شما این امکان را می‌دهد تا شما بتوانید در هر محیطی بلادرنگ به اطلاعات مورد نیاز خود و تحلیل آنها دسترسی داشته باشید. با توجه به اهمیت فراوان آموزش اس کیو ال برای علم داده، مکتب خونه یکی از بهترین دوره‌های مقدماتی از آکادمی Coursera را ترجمه کرده و با زیرنویس فارسی در اختیار شما قرار داده است تا بتوانید از اطلاعات بهترین دوره‌ها در دنیا استفاده کنید. مدرسان این دوره Hima Vasudevan که یکی از داده‌شناسان شرکت IBM و Rav Ahuja که مدیر ارشد برنامه جهانی در این شرکت است، هستند. مدت زمان برگزاری این دوره مقدماتی 2 ساعت است. شما در این مدت زمان مباحث اصلی و پایه را یاد می‌گیرید و با انجام تمرین‌هایی که در انتهای دوره وجود دارد بر آنها تسلط کافی پیدا می‌کنید. سرفصل‌های دوره آموزش پایگاه داده و SQL برای دیتاساینس به صورت زیر است: فصل اول: شروع به کار با SQL فصل دوم: آشنایی با پایگاه داده‌ و جداول مرتبط  (Relational) فصل سوم: SQL (سطح متوسط) فصل چهارم: دسترسی به پایگاه داده با پایتون فصل پنجم: تمرین دوره فصل آخر: (اختیاری) SQL پیشرفته برای مهندس داده گفتنی است که برای شرکت در این دوره به هیچ پیش‌نیازی احتیاج ندارید. اما اگر می‌خواهید درباره SQL اطلاعات بیشتری داشته باشید می‌توانید در آموزش پایگاه داده رایگان یا آموزش sql server رایگان مکتب خونه شرکت کنید. گفتنی است درس پایگاه داده رشته کامپیوتر جزوه پایگاه داده، برای آموزش پایگاه داده و SQL برای علوم داده به شما کمک می‌کند تا این دوره را با تسلط بیشتری بگذرانید. افراد زیادی می‌توانند در آموزش پایگاه داده برای علوم داده شرکت کنند. به‌طور کلی می‌توان گفت هر کس که به دنبال ارتقا دانش خود همراه با علوم داده است می‌تواند در این دوره شرکت کند. اما حضور در این آموزش برای گروه‌های زیر الزامی است: اگر مشتاق هستید تا علوم داده را یاد بگیرید و وارد این حوزه شوید، باید با نحوه‌ی ذخیره‌سازی و مدیریت داده‌های بزرگ آشنا باشید. شما می‌توانید با شرکت در آموزش پایگاه داده و SQL برای علوم داده مکتب خونه اطلاعات مفیدی درباره آن بدست آورید و با انجام تمرین‌ها به آن مسلط شوید. پس اگر به فکر ارتقا مهارت‌ها و دانش خود در این زمینه هستید، همین حالا برای تهیه این آموزش اقدام کنید. در مکتب خونه همچنین انواع دوره آموزش برنامه نویسی، آموزش پایتون، آموزش پایگاه داده و آموزش دیتاساینس به عنوان پیش نیاز و مکمل این دوره آموزشی در دسترس است. شروع به کار با SQL: 1 - مقدمه دوره 2 - آشنایی با پایگاه داده 3 - دستور Select 4 - Count ، Distinct و Limit 5 - دستور Insert 6 - دستورهای Delete و Update آشنایی با پایگاه داده‌ و جداول مرتبط (Relational): 1 - مفاهیم پایگاه داده‌های مرتبط (Relational) 2 - انواع دستورها در SQL (DDL و DML) 3 - دستور Create Table 4 - دستورات Alter، Drop و Truncate در جداول 5 - نحوه ساخت Instance پایگاه داده در فضای ابری SQL (سطح متوسط): 1 - استفاده از Patternها و Rangeها در String 2 - مرتب‌سازی نتایج 3 - گروه‌بندی نتایج 4 - توابع داخلی پایگاه داده 5 - توابع داخلی Date و Time 6 - Sub-Queryها و Nested Select 7 - کار با چند جدول دسترسی به پایگاه داده با پایتون: 1 - دسترسی به پایگاه داده با پایتون 2 - نوشتن کد با DB-API 3 - دسترسی به پایگاه داده با SQL Magic 4 - تحلیل داده با پایتون 5 - اتصال به پایگاه داده از طریق ibm_db API 6 - ایجاد جدول، بارگزاری داده و کوئری زدن تمرین دوره: 1 - کار با دیتاست‌های واقعی 2 - گرفتن جزئیات جدول و ستون‌ها (اختیاری) SQL پیشرفته برای مهندس داده: 1 - Viewها 2 - فرآیندهای ذخیره شده (Stored Procedures) 3 - تراکنش‌های ACID 4 - بررسی اجمالی دستور Join 5 - دستور Inner Join 6 - دستور Outer Join

درباره دوره: درس اصول طراحی پایگاه داده از مهم ترین و کاربردی ترین مباحث آموزشی در رشته های نرم افزار و فناوری اطلاعات می باشد و لزوم یادگیری صحیح و اهمیت این درس بر کسی پوشیده نیست ، اما یادگیری اصولی و در عین حال کاربردی این درس نیازمند استادی است که در عین آموزش نظری و تئوری این درس ، با تجربه ی فعالیت نرم افزاری خود نحوه ی کار عملی با مبانی نظری این درس را در یک محیط عملیاتی مانند SQL Server آموزش دهد تا دانشجو بتواند در عین یادگیری مبانی نظری مانند اصول طراحی نمودار های ER و یادگیری مفاهیم اولیه پایگاه داده مانند موجودیت ها ، صفات و رابطه ها بتواند یک پایگاه داده ی اصولی و حرفه ای پیاده سازی کرده و پیچیده ترین پرس و جو ها ( QUERY ) را به صورت عملی بر روی این پایگاه داده اعمال کند . فیلم های آموزشی: 1 - جلسه اول - مقدمات 2 - جلسه دوم - آشنائی با نمودار رابطه موجودیت 3 - جلسه سوم - ادامه با نمودار رابطه موجودیت 4 - جلسه چهارم - نگاشت نمودار رابطه – موجودیت به ساختار داده­ای رابطه­ای یا جدولی 5 - جلسه پنجم - طراحی جداول در پایگاه داده اس کیو ال سرور 6 - جلسه ششم - دستورات SQL 7 - جلسه هفتم - ادامه دستورات SQL 8 - جلسه هشتم - 9 - جلسه نهم - 10 - جلسه دهم - 11 - جلسه یازدهم - 12 - جلسه دوازدهم -