5.00(1 Ratings)

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.

Categories Data Management
49,00 

🤝 100% επιστροφή χρημάτων εντός 7 ημερών αν δεν είστε ικανοποιημένοι.

Χαρακτηριστικά Μαθημάτων

Περιγραφή

Το μάθημα "Databases 101: Η βάση της ανάλυσης δεδομένων" είναι ιδανικό για εκείνους που ξεκινάνε την καριέρα τους στην Ανάλυση Δεδομένων ή για εκείνους που θέλουν να εξοικειωθούν με βασικές έννοιες και αρχές των Βάσεων Δεδομένων, και ιδιαίτερα των Relational Databases. Μέσα από αυτό το μάθημα, θα λάβετε βασικές γνώσεις για τα δεδομένα, τις βάσεις δεδομένων και το Normalization, καθώς και θα δημιουργήσετε ένα δικό σας ER-Model και ένα Physical Data Model για μια διαδικτυακή πλατφόρμα κρατήσεων καταλυμάτων. Ακολουθώντας την φιλοσοφία της Data Tutor, το μάθημα αυτό σας παρέχει μια πρακτική εμπειρία εκμάθησης με την χρήση πραγματικών δεδομένων και σεναρίων, δυνατότητες επίλυσης αποριών με άλλους μαθητές, καθώς και καθοδήγηση από επαγγελματία. Προς το τέλος του μαθήματος, θα έχετε την ευκαιρία να εφαρμόσετε τις γνώσεις σας σε ένα πρακτικό project δημιουργώντας ένα logical & physical data model σε σενάριο που σχετίζεται με διαδικτυακή πλατφόρμα κρατήσεων καταλυμάτων, λαμβάνοντας σχόλια βελτίωσης από την καθοδηγήτριά σας, διασφαλίζοντας ότι το project σας είναι ευπαρουσίαστο και έτοιμο για παρουσίαση που συνδυάζει το τεχνικό με το αναλυτικό σας υπόβαθρο.
Show More

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.

Database and Database Design Fundamentals
Σχολιασμός των βάσεων δεδομένων και αρχές σχεδίασης βάσεων δεδομένων.

Relational Databases and RDBMS
Σε αυτήν την ενότητα θα αναφερθούμε στις Relational Databases και στα Relational Database Management Systems.

Entity-Relationship Model
Σε αυτό το μάθημα θα συζητήσουμε για το Entity-Relationship Model και θα μάθουμε πώς να δημιουργούμε ένα.

Normalization
Σε αυτό το μάθημα θα συζητηθεί η έννοια της Normalization, καθώς και οι διάφοροι τύποι Normalization.

Ασκήσεις
Σε αυτήν την ενότητα θα δοθούν κάποιες ασκήσεις προς επίλυση.

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.

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.

Λάβε Πιστοποίηση

Βάλε αυτήν την πιστοποίηση στο βιογραφικό σου για να αναδείξεις τις δεξιότητές σου στους Recruiters!

selected template

Αξιολογήσεις και Κριτικές Μαθητών

5.0
Σύνολο 1 Αξιολόγηση
5
1 Αξιολόγηση
4
0 Αξιολόγηση
3
0 Αξιολόγηση
2
0 Αξιολόγηση
1
0 Αξιολόγηση
ΑΣ
πριν από 2 εβδομάδες
Πολύ ενδιαφέρον μάθημα και προσέγγιση!
49,00 

🤝 100% επιστροφή χρημάτων εντός 7 ημερών αν δεν είστε ικανοποιημένοι.

Η Καθοδηγήτρια

Alexandra Athanasakou
Alexandra Athanasakou
Business Intelligence Developer, Trainer and Learning Designer

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.

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;

Μην διστάσεις να κλείσεις μια 15' δωρέαν συνάντηση με την καθοδηγήτρια της Data Tutor.
Φρόντισε απλώς να περιγράψεις εν συντομία τον προβληματισμό σου.

Scroll to Top