Databases 101: Η βάση της ανάλυσης δεδομένων
⚠️ Για να εγγραφτείτε στο μάθημα θα πρέπει να είστε συνδεδεμένοι. Επιλέξτε το κουμπί Σύνδεση για σύνδεση σε υπάρχοντα λογαριασμό ή για δημιουργία λογαριασμού.
-
LevelΑρχάριος
-
Duration1 ώρα 10 λεπτά
-
Last Updated12/11/2024
-
CertificateCertificate of completion
🤝 100% επιστροφή χρημάτων εντός 7 ημερών αν δεν είστε ικανοποιημένοι.
Χαρακτηριστικά Μαθημάτων
Καθοδήγηση Επαγγελματία
Πιστοποίηση
Υποστήριξη Εργασίας
Forum Συζητήσεων
Περιγραφή
Τι θα μάθω;
- Διάκριση των διαφόρων δομών δεδομένων
- Πρακτικά παραδείγματα χρήσης Βάσεων Δεδομένων
- Σχεδιασμός Βάσεων Δεδομένων και συγκεκριμένα του Conceptual, Logical και Physical Data Model
- Κατανόηση των Relational Databases
- Κατανόηση των Database Management Systems και καταγραφή διαδικασίας επιλογής αυτού ανάλογα με τα δεδομένα
- Δημιουργία ενός Entity-Relationship Model
- Πρακτική χρήση και συζήτηση γύρω από την Normalization και τους διαφόρους τύπους αυτής
Curriculum
Καλωσόρισμα
Σημαντικές πληροφορίες σχετικά με το μάθημα.
-
Εισαγωγή του Μαθήματος
-
Γνωριμία με την καθοδηγήτρια
-
Προτεινόμενο Εβδομαδιαίο Πλάνο
-
Κανόνες Κοινότητας
-
Αποδοχή Συμφωνίας
-
Τελευταία λόγια και… ξεκινάμε!
-
Ενεργοποίηση Cookies Εμπορικής Προώθησης
-
Αρχική Αξιολόγηση Γνώσεων
Εισαγωγή
Σε αυτό το μάθημα θα συζητηθούν βασικές αρχές των δεδομένων και ιστορική αναδρομή σχετικά με τις Βάσεις Δεδομένων.
-
Εισαγωγή Στα Δεδομένα
-
Δομές Δεδομένων (Data Structures)
02:03 -
Δομημένα Δεδομένα
02:43 -
Αδόμητα Δεδομένα
01:42 -
Λίγη Ιστορία των Συστημάτων Βάσεων Δεδομένων
-
Big Data
-
AI Prompt: Summary
-
Κουίζ Ενότητας
Database and Database Design Fundamentals
Σχολιασμός των βάσεων δεδομένων και αρχές σχεδίασης βάσεων δεδομένων.
-
Συναλλαγές Βάσεων Δεδομένων
02:13 -
Παραδείγματα Εφαρμογών Βάσεων Δεδομένων
-
Πώς Γίνεται Ο Σχεδιασμός Βάσεων Δεδομένων; (Database Design)
-
Conceptual Model
01:47 -
Logical Model
01:03 -
Physical Model
00:44 -
AI Prompt: Summary
-
Κουίζ Ενότητας
Relational Databases and RDBMS
Σε αυτήν την ενότητα θα αναφερθούμε στις Relational Databases και στα Relational Database Management Systems.
-
Εισαγωγή στις Relational Databases
01:10 -
Relational Databases: Βασικά Χαρακτηριστικά
02:47 -
Relational Databases: Παράδειγμα
02:22 -
Εισαγωγή στα Database Management Systems (DBMS)
00:59 -
Relational Database Management Systems (RDBMS)
00:53 -
Πώς Να Επιλέξετε Ένα DBMS?
01:16 -
AI Prompt: Summary
Entity-Relationship Model
Σε αυτό το μάθημα θα συζητήσουμε για το Entity-Relationship Model και θα μάθουμε πώς να δημιουργούμε ένα.
-
Entity-Relationship Model
02:20 -
Επεξήγηση Σχήματων
04:36 -
Παραδείγματα E-R Models
05:21 -
Χρήσιμοι Σύνδεσμοι
-
AI Prompt: Summary
Normalization
Σε αυτό το μάθημα θα συζητηθεί η έννοια της Normalization, καθώς και οι διάφοροι τύποι Normalization.
-
Αρχές Του Normalization
01:14 -
1NF Normalization
01:00 -
2NF Normalization
01:57 -
3NF Normalization
02:31 -
Data Anomalies
-
Demo: Normalization
06:01 -
AI Prompt: Summary
Ασκήσεις
Σε αυτήν την ενότητα θα δοθούν κάποιες ασκήσεις προς επίλυση.
-
Άσκηση: Δημιουργία ενός ER-Model για μια Τράπεζα
-
Προαιρετική Άσκηση: Δημιουργία μιας βάσης δεδομένων στο SQL Server Management Studio
Τελικό Project
Σε αυτή την ενότητα θα συζητηθεί εκτενώς ποιο είναι το τελικό project, ποιος είναι ο στόχος του, τι αναμένω ως καθοδηγήτρια από εσάς σχετικά με το τελικό project, πώς αναμένετε να είναι η συνεργασία μας και διάφορες οδηγίες επιτυχίας του project.
-
Περιγραφή Project
-
Τελικό Παραδοτέο
-
(Προαιρετικό) Πώς Φτιάχνω Ένα ZIP Φάκελο;
-
Υποβολή Εργασίας
-
“Ανέβασμα” Project στο GitHub Repository
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.
-
Σύνδεσμοι
-
Διαφάνειες
-
Κάντε Join την κοινότητά μας!
-
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
-
Duration1 ώρα 10 λεπτά
-
Last Updated12/11/2024
-
CertificateCertificate of completion
🤝 100% επιστροφή χρημάτων εντός 7 ημερών αν δεν είστε ικανοποιημένοι.
Η Καθοδηγήτρια
Κοινό
- Απόφοιτοι σχολών Μαθηματικών, Στατιστικής, Διοίκησης Επιχειρήσεων, Οικονομικών, Πληροφορικής, κ.ά. συναφή.
- Επαγγελματίες που χρησιμοποιούν την SQL, το Microsoft Power BI.
- Επαγγελματίες που διαχειρίζονται δεδομένα.
- Επαγγελματίες Data Analyst, Business Intelligence Developer/Analyst που θέλουν να κατανοήσουν πλήρως τις αρχές των Βάσεων Δεδομένων.
- Επαγγελματίες που έχουν δουλέψει με Microsoft Access.
- Οποισδήποτε θέλει να κατανοήσει εις βάθος το πώς τα δεδομένα συσχετίζονται μεταξύ τους και να κάνουν το επόμενο βήμα, εκείνο του Data Modeling μέσω ενός εργαλείου όπως το Microsoft Power BI.
Υλικό
- Καθοδηγητικά Videos
- Διαφάνειες με δυνατότητα αποθήκευσης ("Download")
- Ασκήσεις βήμα-βήμα προς επίλυση σε real-world datasets
- Σύντομα κουίζ γνώσεων
- AI Βοηθητικά Ερωτήματα
- Μια άλυτη, προαιρετική, εργασία (project) προς επίλυση για το portfolio
Απαιτήσεις
- Καθοδηγητικά Videos
- Διαφάνειες με δυνατότητα αποθήκευσης ("Download")
- Ασκήσεις βήμα-βήμα προς επίλυση σε real-world datasets
- Σύντομα κουίζ γνώσεων
- AI Βοηθητικά Ερωτήματα
- Μια άλυτη, προαιρετική, εργασία (project) προς επίλυση για το portfolio
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.