Data Warehouses: Ξεκινώντας με τα βασικά
⚠️ Για να εγγραφτείτε στο μάθημα θα πρέπει να είστε συνδεδεμένοι. Επιλέξτε το κουμπί Σύνδεση για σύνδεση σε υπάρχοντα λογαριασμό ή για δημιουργία λογαριασμού.

-
LevelΑρχάριος
-
Duration10 ώρες
-
Last Updated13/10/2025
-
Enrollment validityEnrollment validity: Lifetime
-
CertificateCertificate of completion
🤝 100% επιστροφή χρημάτων εντός 7 ημερών αν δεν είστε ικανοποιημένοι.
💡Η πρόσβαση στο μάθημα γίνεται άμεσα με το που γίνει η πληρωμή.
📽️ Η παρακολούθηση είναι ασύγχρονη.
👩🏻🏫 Η καθοδήγηση από επαγγελματία παρέχεται οποτεδήποτε την χρειάζεστε.
Χαρακτηριστικά του μαθήματος

Καθοδήγηση Επαγγελματία

Forum Συζητήσεων

Πιστοποίηση

Υποστήριξη Εργασίας
Περιγραφή
Τι θα μάθω;
- Γνωριμία με την έννοια των OLTP και OLAP και τις διαφορές μεταξύ τους
- Πρακτική κατανόηση της χρησιμότητας ενός Data Warehouse σε σύγκριση με μια σχεσιακή βάση δεδομένων
- Εξ' ολοκλήρου επεξήγηση της Αρχιτεκτονικής ενός Data Warehouse
- Κατανόηση του Multidimensional Modeling
- Διάκριση μεταξύ Start και Snowflake Schema
- Πρακτική αναγνώριση και κατανόηση των διαφόρων τύπων Fact και Dimension Tables
Curriculum
Καλωσόρισμα
Σημαντικές πληροφορίες σχετικά με το μάθημα.
-
Εισαγωγή του Μαθήματος
-
Γνωριμία με την καθοδηγήτρια
-
Προτεινόμενο Εβδομαδιαίο Πλάνο
-
Κανόνες Κοινότητας
-
Mini Εκπαιδευτική Καθόδηγηση μόνο για τους μαθητές μας
-
[Σημαντικό!] Κάνε Join τον Discord Server 🙏🏻
-
Ενεργοποίηση Cookies Εμπορικής Προώθησης
-
Τελευταία λόγια και… ξεκινάμε!
Σχετικά με το Project & Διαγώνισμα του μαθήματος
Σε αυτήν την ενότητα θα βρείτε τα δεδομένα και πληροφορίες για τα επόμενα βήματα σχετικά με το προαιρετικό project.
-
Δεδομένα
-
Σχετικά με το επικείμενο project και το διαγώνισμα
Εισαγωγή
Σε αυτήν την ενότητα θα συζητηθούν βασικές ορολογίες.
-
Γιατί να μάθω Data Warehouses;
-
Τύποι Κλειδιών
00:00 -
Γιατί Business Intelligence?
-
OLTP vs OLAP
00:00 -
AI Prompt: Summary
-
Activity: Προσδιορισμός Primary & Foreign Keys
-
Κουίζ Ενότητας: Εισαγωγή
Data Warehouse Foundamentals
Σε αυτό το μάθημα θα ασχοληθούμε με βασικά στοιχεία που πρέπει να γνωρίζουμε σχετικά με τα Data Warehouses.
-
Τι είναι ένα Data Warehouse?
00:00 -
Data Warehouse: 4 Πυλώνες
-
Data Warehouse Πλεονεκτήματα/Μειονεκτήματα
00:00 -
Αρχιτεκτονική Data Warehouse
00:00 -
Βασικές Διεργασίες ενός Data Warehouse
00:00 -
Εφαρμογές
-
AI Prompt: Summary
-
Κουίζ Ενότητας: Data Warehouse Fundamentals
Dimensional Modeling
Σε αυτήν την ενότητα θα συζητηθούν βασικές αρχές και τεχνικές του Dimensonal Modeling.
-
Normalization/Denormalization
03:07 -
Activity: Normalization ενός πίνακα
-
Normalization ενός πίνακα
-
Dimensional Model
02:45 -
Πίνακας Dimension
01:20 -
Πίνακας Fact
01:17 -
Activity: Προσδιορισμός Fact & Dimension Πινάκων
-
Κουίζ Activity: Προσδιορισμός Fact & Dimension Πινάκων
-
Τύποι Schemas
01:06 -
Star Schema
01:28 -
Snowflake Schema
01:24 -
Activity: Εύρεση του σωστού schema type
-
Bus Matrix
01:15 -
AI Prompt: Summary
Τελικό Project & Διαγώνισμα
Εδώ θα μπορέσετε να βρείτε το project, αλλά και το διαγώνισμα του μαθήματος.
-
Project: Αρχιτεκτονική του Data Warehouse
-
Τελικό Παραδοτέο
-
Υποβολή Εργασίας
-
“Ανέβασμα” Project στο GitHub Repository
-
Τελικό Διαγώνισμα
Επιπλέον Πηγές και Αξιολόγηση
Εδώ θα βρείτε διάφορα Cheatsheets, Youtube Videos, Άρθρα και e-books τα οποία μπορούν να σας βοηθήσουν στην επέκταση γνώσεων επί του θέματος του μαθήματος. Επίσης, θα αξιολογήσετε το μάθημα.
-
Βιβλίο
-
Διαφάνειες
-
Αξιολόγηση και Κοινοποίηση της Επιτυχίας σας!
Λάβε Πιστοποίηση
Βάλε αυτήν την πιστοποίηση στο βιογραφικό σου για να αναδείξεις τις δεξιότητές σου στους Recruiters!

Αξιολογήσεις και Κριτικές Μαθητών
-
LevelΑρχάριος
-
Duration10 ώρες
-
Last Updated13/10/2025
-
Enrollment validityEnrollment validity: Lifetime
-
CertificateCertificate of completion
🤝 100% επιστροφή χρημάτων εντός 7 ημερών αν δεν είστε ικανοποιημένοι.
💡Η πρόσβαση στο μάθημα γίνεται άμεσα με το που γίνει η πληρωμή.
📽️ Η παρακολούθηση είναι ασύγχρονη.
👩🏻🏫 Η καθοδήγηση από επαγγελματία παρέχεται οποτεδήποτε την χρειάζεστε.
Η Καθοδηγήτρια

Κοινό
- Αρχάριοι Data Analysts που στοχεύουν να λάβουν στοιχειώδη γνώση στα Data Warehouses & Dimensional Modeling.
Υλικό
- Καθοδηγητικά Videos
- Διαφάνειες
- Πρακτικές ασκήσεις με τις λύσεις τους
- Σύντομα knowledge-check quizzes
- AI Prompts
- Τελική αξιολόγηση σε μορφή online διαγωνίσματος
Απαιτήσεις
- Έχετε ενεργοποιημένα τα Cookies Προώθησης
Αξιολογήσεις Μαθητών
Συχνές Ερωτήσεις
Τίτλοι σπουδών όπως:
- Μαθηματικά,
- Στατιστική,
- Διοίκηση Επιχειρήσεων,
- Οικονομικά,
- ή Πληροφορική.
Ωστόσο, οι παραπάνω περιπτώσεις δεν χρειάζεται να σε περιορίσουν ώστε να αλλάξεις το αντικείμενο καριέρας σου και να ακολουθήσεις καριέρα στα Data Analytics.
Όπως σε κάθε επάγγελμα, χρειάζεται να αποκτήσεις πολλαπλές δεξιότητες. Έτσι, και οι ρόλοι που σχετίζονται με Data Analytics χρειάζονται αρκετές δεξιότητες τις οποίες όμως θα βρεις επαρκές υλικό και εξάσκηση στην Data Tutor μέσω των μαθημάτων, αλλά και των εκπαιδευτικών υπηρεσιών καθοδήγησης και προετοιμασίας!
Η Εκπαιδευτική Πλατφόρμα Data Tutor διαθέτει πληθώρα διαφορών σε σχέση με άλλες εκπαιδευτικές πλατφόρμες. Ενδεικτικά:
- Επαγγελματίας του χώρου σας καθοδηγεί σε project με πραγματικά δεδομένα και πραγματικές περιπτώσεις που δύναται να αντιμετωπίσετε στην πραγματική δουλειά.
- Η καθοδήγηση δεν περιορίζεται μόνο σε project, αλλά και σε γενικότερες γνώσεις που μπορείτε να πάρετε μέσω 1:1 συναντήσεις.
- Συναντήσεις mentoring/coaching είναι διαθέσιμες για εσάς προκειμένου να θέσετε ένα πλάνο από το Α-Ω.
- Μετά την ολοκλήρωση των projects και της μελέτης δεν ήρθε το τέλος. Το παλεύουμε μαζί να είστε πανέτοιμοι για συνεντεύξεις.
- Το υλικό των μαθημάτων είναι στα Αγγλικά, αλλά τα βίντεο, οι ασκήσεις και το Project στα Ελληνικά.
Ναι, τα μαθήματα κορμού που περιλαμβάνονται σε εκπαιδευτικά πακέτα έχουν όλα από ένα (1) Project.
Στην καθοδήγηση των μαθημάτων η καθοδηγήτρια έρχεται σε επικοινωνία μαζί σου για να σου προσφέρει βελτίωση του τελικού σου project. Στην εκπαιδευτική καθοδήγηση λαμβάνεις online 1:1 καθοδήγηση πάνω σε γνώσεις και ύλη των μαθημάτων που προσφέρονται πάντοτε με βάση τις προσωπικές σου ανάγκες. Οι συναντήσεις αυτές είναι προγραμματισμένες εκ των προτέρων ύστερα από συνεννόηση με την καθοδηγήτρια. Τέλος, η εκπαιδευτική καθοδήγηση προσφέρει σύνολο 3 ώρες και το πλήθος των ωρών δεν είναι καθόλου τυχαίο. Μέσα από την εμπειρία της καθοδηγήτριας, 3 – 4 ώρες χρειάζονται σε συνδυασμό με την μελέτη και την προσωπική εξάσκηση για να βοηθηθείς στην επίλυση των αποριών σου.
Μερικοί από τους λόγους για τους οποίους θα προτιμούσε κανείς εκπαιδευτική καθοδήγηση είναι οι παρακάτω:
- Για να καλύψουμε όλες αυτές τις ερωτήσεις και απορίες που δεν μπορέσαμε να κάνουμε διότι προέκυψαν στην πορεία
- Για να εκπαιδευτούμε σε εργαλεία που δεν προσφέρονται μέσα από ήδη υπάρχοντα προγράμματα σπουδών
- Για να μάθουμε λεπτομέρειες σε τεχνολογίες και εργαλεία που δεν μπορέσαμε να βρούμε μέσα από τα διαθέσιμα προγράμματα σπουδών
- Γιατί θέλουμε σε σύντομο χρονικό διάστημα, να ανανεώσουμε κάποιες γνώσεις μας ώστε να ψάξουμε για εργασία
- κ.ά.
Αν ταυτίζεσαι με την πλειονότητα των παραπάνω, τότε η εκπαιδευτική καθοδήγηση είναι αυτή την στιγμή αυτό που χρειάζεσαι.
Η φράση “Γίνε και εσύ Data Analyst σε 30 ημέρες…” είναι μια απάτη. Για να μπορέσει κανείς να γίνει επαγγελματίας σε ένα πεδίο χρειάζεται χρόνο να μελετήσει, συνεχή εξάσκηση, επιπλέον πρακτική, και διαρκή “περιέργεια” το πώς δουλεύει το κάθε τι. Το συγκεκριμένο εκπαιδευτικό πακέτο με το πλήθος των μαθημάτων και ακολουθώντας το εβδομαδιαίο πλάνο μελέτης, απαιτεί τουλάχιστον 8 μήνες.

Δεν είσαι ακόμη σίγουρος/η;
Μην διστάσεις να κλείσεις μια 15' δωρέαν συνάντηση με την καθοδηγήτρια της Data Tutor.
Φρόντισε απλώς να περιγράψεις εν συντομία τον προβληματισμό σου.
Δεν είσαι ακόμη σίγουρος/η;
