نتایج جست و جو :
SQL Server
28 اسفند 1398

 -نصب نرم افزار SQL Server

-آشنایی با دستورات ساخت/حذف/ ویرایش پایگاه داده

-Data File & Filegroup

-Log File

– آشنایی با دستورات ساخت/حذف/ ویرایش جدول

-آشنایی با نوع داده

-آشنایی با کلید ها و نحوه پیاده سازی

 -آشنایی با ساختار دستور Select و اجزای آن

 -آشنایی با فیلتر کردن نتایج دستور Select

 -آشنایی با دستور Case

-آشنایی با Predicates

-آشنایی با توابع رشته ای و توابع مبتنی بر تاریخ

-آشنایی با مفاهیم مرتب سازی

 -آشنایی با مفاهیم گروه بندی

-آشنایی با Windows Functions

-آشنایی با Cross Join

-آشنایی با Inner Join

-آشنایی با Outer Join

 

-نحوه ساختن Sub Query

-پرس و جوهای مستقل و وابسته

-پرس و جوهای تک مقداری و چند مقداری

-Derived Table

-آشنایی با دستور Insert

-آشنایی با دستور Update

-آشنایی با دستور Delete

-آشنایی با دستور Truncate



SQL Server
17 شهریور 1398

SQL Server Installation-

Service Account-

Authentications-

collation settings-

Server Role-

Database Role-

schema concept-

Entities-

Primary Key & Foreign Key-

Relations-

Cardinality-

Join Concepts-

Data Types-

Exact numerics-

Approximate numerics-

Decimal-

Date and Time-

Character Strings-

BLOB-

Referential Integrity laws-

Check Constraints-

DDL Statements to CREATE / ALTER / DROP tables-

Working with Scalar Functions-

Using Case Expressions-

ALL-

DISTINCT-

TOP-

Table-

View-

(Derived Table and Common Table Expressio (CTE-

Table Valued Functions-

Synonyms-

Grouping Sets-

Conditional Aggregate Functions-

Casting and conversion-

Working with Date and Time data types-

UNION-

INTERSECT-

EXCEPT-

Update from existing data-

WRITE extension to the UPDATE command-

Deleting related data-

Truncate Table-

Working with Variables-

IF Statement-

CASE Expressions-

WHILE Loop-

Auto Commit Transactions-

BEGIN TRAN and compound transactions-



متخصص هوش تجاری Business Intelligence(بر اساس سرفصل های گواهینامه MCSA)
2 دی 1399

-Introduction to Data Warehousing

  • Overview of Data Warehousing
  • Considerations for a Data Warehouse Solution

-Planning Data Warehouse Infrastructure

  • Considerations for Data Warehouse Infrastructure
  • Planning Data Warehouse Hardware

-Designing and Implementing a Data Warehouse

  • Data Warehouse Design Overview
  • Designing Dimension Tables
  • Designing Fact Tables
  • Physical Design for a Data Warehouse

-Creating an ETL Solution with SSIS

  • Introduction to ETL with SSIS
  • Exploring Source Data
  • Implementing Data Flow

-Implementing Control Flow in an SSIS Package

  • Introduction to Control Flow
  • Creating Dynamic Packages
  • Using Containers
  • Implementing Control Flow in an SSIS Package
  • Managing Consistency
  • Using Transactions and Checkpoints

-Debugging and Troubleshooting SSIS Packages

  • Debugging an SSIS Package
  • Logging SSIS Package Events
  • Handling Errors in an SSIS Package

-Implementing a Data Extraction Solution

  • Planning Data Extraction
  • Extracting Modified Data

-Loading Data into a Data Warehouse

  • Planning Data Loads
  • Using SSIS for Incremental Loads
  • Using Transact-SQL Loading Techniques

-Enforcing Data Quality

  • Introduction to Data Quality
  • Using Data Quality Services to Cleanse Data
  • Cleansing Data
  • Using Data Quality Services to Match Data
  • Deduplicating Data

-Master Data Services

  • Introduction to Master Data Services
  • Implementing a Master Data Services Model
  • Managing Master Data
  • Creating a Master Data Hub

-Extending SQL Server Integration Services

  • Using Scripts in SSIS
  • Using Custom Components in SSIS

-Deploying and Configuring SSIS Packages

  • Overview of SSIS Deployment
  • Deploying SSIS Projects
  • Planning SSIS Package Execution

-Consuming Data in a Data Warehouse

  • Introduction to Business Intelligence
  • Enterprise Business Intelligence
  • Self-Service BI and Big Data

-Design a multidimensional business intelligence (BI) semantic model

         – Create a multidimensional database by using Microsoft SQL

         – Server Analysis Services (SSAS)

                    – Design, develop, and create multidimensional databases

                   – Select a storage model

         – Design and implement dimensions in a cube

Select an appropriate dimension model, such as fact, parent-child,roleplaying, reference, data mining, many-to-many –                    

                        , and slowly changing dimension

                    – Implement a dimension type

                    – Define attribute relationships 

         – Implement measures and measure groups in a cube

                    – Design and implement measures, measure groups, granularity,calculated measures, and aggregate functions

                   – Define semi-additive behavior

Design a tabular BI semantic model-

           – Design and publish a tabular data model

                    – Design measures, relationships, hierarchies, partitions,perspectives, and calculated columns

                    – Relationships

                    – Create a Time Table

                    – Publish from Microsoft Visual Studio

                    – Import from Microsoft PowerPivot

                    – Select a deployment option, including Processing Option,Transactional Deployment, and Query Mode

         – Configure, manage, and secure a tabular model

                    – Configure tabular model storage and data refresh

                    – Configure refresh interval settings

                    – Configure user security and permissions

                    – Configure row-level security

         – Develop a tabular model to access data in near real time Use DirectQuery with Oracle, Teradata, Excel, and PivotTables Convert in-memory queries to DirectQuery

-Develop queries using Multidimensional Expressions (MDX) and Data Analysis Expressions (DAX)

 Create basic MDX queries –

                   – Implement basic MDX structures and functions, including tuples, sets, and TopCount

 Implement custom MDX solutions –       

                   – Create custom MDX or logical solutions for pre-prepared case tasks or business rules

                   – Define a SCOPE statement

 Create formulas by using the DAX language –       

                   – Use the EVALUATE and CALCULATE functions

                   – Filter DAX queries

                   – Create calculated measures

                   – Perform analysis by using DAX   

Configure and maintain SQL Server Analysis Services (SSAS)-

        – Plan and deploy SSAS

                   – Configure memory limits

                   – Configure Non-Union Memory Access (NUMA)

                   – Configure disk layout

                   – Determine SSAS instance placement

        – Monitor and optimize performance

                   – Monitor performance and analyze query plans by using Extended Events and Profiler

                   – Identify bottlenecks in SSAS queries

                   – Monitor processing and query performance

                   – Resolve performance issues

                   – Configure usability limits

                   – Optimize and manage model design

        – Configure and manage processing

                   – Configure partition processing

                   – Configure dimension processing

                   – Use Process Default, Process Full, Process Clear, Process Data, Process Add, Process Update, Process Index, Process Structure, and Process Clear Structure processing methods Configure Parallel, Sequential, and Writeback processing settings

        – Create Key Performance Indicators (KPIs) and translations

                   – Create KPIs in multidimensional models and tabular models

                   – Configure KPI options, including Associated measure group, Value Expression, Goal Expression, Status, Status expression, Trend, Trend expression, and Weight

                   – Create and develop translations

-Getting started to Power BI

-Introduction to Power BI

-Introduction to the Query editor

-Working on our Data Model – Data & Relationship View

-Working in the Report View to Visualize our Results

-Power BI Service & Power BI Mobile – How to Continue

-Other Data Sources

-Introduction to Reporting Service(SSRS)



کاربرد Power BI در مدیریت و کنترل پروژه
5 آذر 1399

– خوانش و جمع‌آوری داده‌های موجود در Microsoft Project و Primavera P6 و بارگزاری آنها در Power BI

      -اتصال به دیتابیس P6 در حالت SQLite

      -اتصال به دیتابیس P6 در حالت SQL SERVER

-واکشی (Extract) داده‌ها و کوئری به منابع مختلف داده‌ها  اعم از دیتابیس SQL Server، ACCESS ، Analysis Services، انواع Flat File اعم از Excel, CSV,JSON و …

-پاکسازی و تبدیل (Transform) داده‌ها با ابزار Power Query و آشنایی با امکانات مختلف Power Query

معرفی مدلسازی معنایی داده‌ها و برقراری ارتباط بین جدول فعالیت‌های پروژه با جدول WBS

شرح انواع ارتباطات بین جداول (یک به یک، یک به چند و چند به چند)

برقراری ارتباط بین جداول فاز مهندسی، خرید و اجرا در پروژه‌های EPC

معرفی زبان DAX

توابع پرکاربرد DAX در حوزه کنترل پروژه

محاسبه پیشرفت فعالیت‌ها در فازهای مهندسی، خرید و اجرا با استفاده از زبان DAX

محاسبه پیشرفت پروژه و سطوح مختلف WBS با توجه به اوزان فعالیت‌ها با استفاده از زبان DAX

کاربرد زبان DAX در تهیه گزارشات روزانه و هفتگی پروژه اعم از آمار وضعیت کارگاه، مواد و مصالح مصرفی، نیروی انسانی و …

محاسبات مربوط به مدیریت ارزش کسب شده (EVM) با زبان DAX

ترسیم S-Curve و موزی گزارشات

مقایسه پیشرفت برنامه‌ای و واقعی با انواع نمودارهای جذاب Power BI

ایجاد Gantt chart در گزارشات

نمایش پیشرفت پروژه و سطوح مختلف WBS با استفاده از انواع المان‌های زیبای گرافیکی

استفاده از انواع نمودارهای جذاب عقربه‌ای در گزارشات

ایجاد هیستوگرام منابع انسانی پروژه

 بارگزاری و به اشتراک‌گذاری داشبوردها و گزارشات در سرویس Cloud مایکروسافت

 نحوه به اشتراک گذاری گزارشات با استفاده Power BI Report Server



دوره های آنلاین
1 اردیبهشت 1399

برنامه نویسی با پایتون

🕑 ۲۴ ساعت
۵۴۰,۰۰۰ هزار تومان
◄ جزییات

هوشمند سازی کسب و کار با Microsoft Power BI

🕑 ۳۲ ساعت
۹۵۰,۰۰۰ هزار تومان
◄ جزییات

دوره تخصصی فشرده آمادگی آزمون MSRT-EPT

🕑 ۲۰ ساعت
۴۹۰,۰۰۰ هزار تومان
◄ جزییات

آشنایی با استاندارد ICB4 و اخذ گواهینامه IPMA-D

🕑 ۲۴ ساعت
۱,۱۰۰,۰۰۰ تومان
◄ جزییات

داده کاوی با پایتون

🕑 ۲۰ ساعت
۵۷۰,۰۰۰ هزار تومان
◄ جزییات

SQL Server

🕑 ۲۴ ساعت
۴۵۰,۰۰۰ هزار تومان
◄ جزییات

برنامه ریزی و کنترل پروژه با نرم افزار MSP

🕑 ۱۶ ساعت
۳۵۰,۰۰۰ هزار تومان
◄ جزییات

تربیت کارشناس Excel

🕑 ۳۶ ساعت
۳۹۰,۰۰۰ هزار تومان
◄ جزییات

بلاکچین و ارزهای دیجیتال

🕑 ۱۲ ساعت
۴۵۰,۰۰۰ هزار تومان
◄ جزییات

تربیت کارشناس روشنایی و نورپردازی با نرم افزار DIALUX

🕑 ۱۶ ساعت
۶۹۵,۰۰۰ تومان
◄ جزییات

اظهارنامه مالیاتی

🕑 ۷ ساعت
۱۰۰,۰۰۰ هزار تومان
◄ جزییات

دوره مقدماتی نرم افزار دیگسایلنت DIGSILENT

🕑 ۱۶ ساعت
۸۹۵,۰۰۰ تومان
◄ جزییات

متره و برآورد سازه های بتن آرمه با EXCEL

🕑 ۳۰ ساعت
۳۵۰,۰۰۰ تومان
◄ جزییات

رسیدگی به پرونده های مالیاتی

🕑 3 ساعت
50 هزار تومان
◄ جزییات



هوشمند سازی کسب و کار با Microsoft Power BI
27 اسفند 1398

نرم افزار Power BI به عنوان یکی از برترین نرم افزارهای هوش تجاری (Business Intelligence) در دنیاست که توسط شرکت Microsoft طراحی شده است. براساس گزارش مرجع تخصصی Gartner در سال ۲۰۱۷، این نرم افزار در کنار نرم افزارهای هوش تجاری همچون Tableau و Qlikview قرار گرفته است. علت محبوبیت این نرم افزار در بین کاربران در دنیا، متعلق بودن این نرم افزار به شرکت Microsoft می‌باشد و قرار گرفتن این نرم افزار در کنار نرم افزارهای آفیس (مخصوصا اکسل)، راهکارهای مدیریت پروژه مایکروسافت (Microsoft Project Server)، SharePoint و بسیار دیگری از محصولات مایکروسافت می‌باشد. یکی از مهمترین مزایای این نرم افزار دامنه کاربرد نرم افزار برای کلیه افراد و کلیه رشته‌های کاری و کلیه سطوح سازمانی است. که بدلیل راحتی کار برای کاربران، شرکتها و سازمان‌ها به سرعت به سمت این راهکار پیش رفته‌اند.

-واکشی (Extract) داده‌ها و کوئری به منابع مختلف داده‌ها  اعم از دیتابیس SQL Server، ACCESS ، Analysis Services، انواع Flat File اعم از Excel, CSV,JSON و …

-پاکسازی و تبدیل (Transform) داده‌ها و بخش‌های مختلف Query Editor

Split Column

ابزار Column From Example

ابزار Replace Values

ابزار Merge Columns

Row Operations; Removing rows, keeping rows

Index Column: Row Number

Conditional Column

ابزار Un-Pivot Columns

امکان Fill Down و Fill Up

-Left Outer Join

-Right Outer Join

-Full Outer Join

-Inner Join

-Left Anti Join

-Right Anti Join

مدل سازی معنایی (Data Modeling) داده‌ها

-معرفی مدلسازی معنایی داده‌ها

-مدل جدولی(Tabular Model) و چندبعدی(Multidimensional Model)

-انواع جداول در مدلسازی (Fact, Dimension and Bridge Tables)

-انواع ارتباط (Relationships): یک-به-یک، یک-به-چند و چند-به-چند

-شمای ستاره‌ای (Star Schema)

-شمای برف‌دانه‌ای (Snowflake schema)

-انواع داده‌ها(Data Types) ، عملگرها(Operators)

-ستون‌های محاسبه‌شدنی(Calculated columns) و سنجه(Measure)

-انواع Measureها: Explicit و Implicit و معایب استفاده از نوع Implicit

-تعریف Measure با استفاده از توابع مهم DAX از جمله:

SUMX() and AVERAGEX()

Calculated Columns

CALCULATE() and CALCULATETABLE()

IF(), SWITCH(), and FIND()

VALUES() and HASONEVALUE()

FILTER()

RELATED() and RELATEDTABLE()

-مفاهیم Row Context، Filter Context و Context Transition  در DAX

-نحوه استفاده و تنظیمات انواع Visualها و المان‌های گرافیکی اعم از:

 

Area charts: Basic (Layered) and Stacked

Bar and column charts

Cards: Single number

Cards: Multi row

Combo charts

Doughnut charts

Funnel charts

Gauge charts

Key influencers chart

Line charts

Matrix

Tables

Treemaps

Pie charts

Ribbon chart

Scatter, Bubble, and Dot Plot charts

Slicers

Waterfall charts

-اتصال به Market Place و استفاده از انواع Custom Visualها

-نحوه‌ی ایجاد Hierarchy و استفاده از قابلیت Drill

-ارتباط (Interaction) Visualها با یکدیگر

-آشنایی با محدوده‌ی فیلترها: Visual Level, Page Level, Report Level

-انواع فیلترها:

Manual filters

Automatic filters

Drill-down filters

Cross-drill filters

Drillthrough filters

Pass-through filters

-انواع اسلایسرها (متنی، عددی و تاریخی) و تنظیمات مختلف آن‌ها، ارتباط و همگام‌سازی اسلایسرها

-کار با Bookmarkها و دکمه‌ها، تنظیم Action مربوط به دکمه‌ها با استفاده از Bookmark

-استفاده از امکان فرمت‌دهی شرطی (Conditional Formatting) در Visualها

-بارگزاری و به اشتراک‌گذاری داشبوردها و گزارشات در سرویس Cloud مایکروسافت



برگزاری هوشمندسازی کسب و کار با Microsoft Power BI در صدا و سیمای جمهوری اسلامی ایران
21 شهریور 1398

برگزاری هوشمندسازی کسب و کار با Microsoft Power BI در صدا و سیمای جمهوری اسلامی ایران […]



Practical Big Data Analytics
25 آذر 1397

بنا به اصلاحات انجام شده و کاربردی تر کردن دوره های مربوط به حوزه علم داده این دوره با تغییر سرفصل های آموزشی در قالب دوره ای جدید ارائه می گردد برای اطلاع از دوره های جدید به لینک زیر مراجعه کنید.

دوره مهندس داده Data Engineer

Introduction to Big Data

What is Big Data-

Big Data opportunities, Challenges-

Characteristics of Big Data-

Introduction to Hadoop

Hadoop Distributed File System-

Comparing Hadoop & SQL-

Data Locality-

Hadoop Architecture-

Map Reduce & HDFS-

(Hadoop Distributed File System (HDFS

HDFS Design & Concepts-

Blocks, Name nodes and Data nodes-

HDFS High-Availability and HDFS Federation-

Hadoop DFS The Command-Line Interface-

Basic File System Operations-

Anatomy of File Read, File Write-

Metadata, FS image, Edit log, Secondary Name Node and Safe Mode-

(How to add New Data Node dynamically, decommission a Data Node dynamically (Without stopping cluster-

How to override default configuration at system level and Programming level-

Map Reduce

Map Reduce Functional Programming Basics-

Map and Reduce Basics-

How Map Reduce Works-

Anatomy of a Map Reduce Job Run-

Shuffling and Sorting-

Splits, Record reader, Partition, Types of partitions & Combiner-

(Distributed Cache and Hadoop Streaming (Python, Ruby and R

Apache YARN-

Sequential Files and Map Files-

Map side Join with distributed Cache-

Map Reduce Programming – Java Programming

Hands on “Word Count” in Map Reduce in standalone and Pseudo Distribution Mode-

Write some Map Reduce programs to solve some real world problems-

Apache HIVE Installation

Installing Hive-

Configuring Hive-

Configuring Metastore of Hive-

Verifying Hive Installation-

Database Operations-

Create Database Statement-

Drop Database Statement-

Table Operations

Create Table Statement-

Load Data Statement-

Alter Table Statement-

Change Statement-

Add Columns Statement-

Replace Statement-

Drop Table Statement-

Apache Spark Basics

? What is Apache Spark-

 Spark Installation-

 Spark Configuration-

 Spark Context-

 Using Spark Shell-

 Resilient Distributed Datasets (RDDs) – Features, Partitions, Tuning Parallelism-

 Functional Programming with Spark-

Working with RDDs

 RDD Operations – Transformations and Actions-

 Types of RDDs-

 Key-Value Pair RDDs – Transformations and Actions-

 MapReduce and Pair RDD Operations-

 Serialization-

Spark on a cluster

Overview-

A Spark Standalone Cluster-

The Spark Standalone Web UI-

Executors & Cluster Manager-

Spark on YARN Framework-



علم داده
11 شهریور 1397

ما در جهاد دانشگاهی صنعتی شریف برای شما عزیزانی که علاقه مند ورود به حوزه علم داده(data science)هستید و می خواهید توانمندی هایتان را در این مباحث گسترش دهید مجموعه ای از افراد خبره این حوزه را دورهم جمع کردیم و برای کسانی که می خواهند در این حوزه وارد شوند یک دوره مسیر یابی شغلی را بر اساس مباحث روز در نظر گرفته ایم که در این دوره شما با عمده مباحث مطرح شده به خوبی آشنا می شوید و بعد از آن می توانید به راحتی مسیر شغلی خود رادر حوزه علوم داده انتخاب کنید همینطور در کنار آن نقشه راه و همچنین تک دوره هایی را به صورت جداگانه تدارک دیدیم که در هر کدام از آن ها با عمق بیشتری به مباحث ذکر شده پرداخته میشود و آن ها را تکمیل می کند.

اگر می خواهید وارد این حوزه دانشی شوید و یا با برنامه نویسی آشنا هستید اما مسیر آموزشی و کاری که می خواهید را نمی شناسید دوره علم داده به شما راه را نشان خواهد داد.

سرفصل های دوره:

Data Science in practice

Data Engineering in practice

Introduction to Data

-Exploratory Data Analysis Concept
-R for Data Engineering
-SQL Design & Querying
-R for DataScience -Python for Data Engineering

Data Analysis in practice

-Python for DataScience

Big Data

-Microsoft Power BI

EDA

-tableau
data science



تربیت متخصص علم داده Data Science
26 تیر 1397

با علم داده data science شروع به سفر علمی داده های خود کنید، در این دوره آموزشی یاد می گیرید چه چیز باعث تبدیل شدن شما  به یک دانشمند داده data scientist می شود. یاد بگیرید که از داده های مختلفی از تجسم، تحلیلی و تکنیک های آماری استفاده کنید.
کارشناسان علم داده می‌توانند مهارت‌هایشان را برای دست یابی به طیف وسیعی از نتایج نهایی به کار گیرند. تعدادی از این مهارت ها به شرح ذیل هستند:
  • توانایی استخراج و تفسیر منابع داده
  • مدیریت حجم زیاد اطلاعات با سخت‌افزار
  • محدودیت‌های نرم‌افزاری و پهنای باند
  • ادغام منابع داده با یک دیگر
  • تضمین پایداری مجموعه‌های داده
  • مصورسازی داده برای فهم آن
  • ساخت مدل‌های ریاضی با استفاده از داده، مانند مدلهای ریگرسیون و طبقه بندی
  • مقایسه آماری مدلهای ریاضی گوناگون و انتخاب مدل برتر، فی المثل توسط آزمون آ/ب
  • به اشتراک گذاری یافته‌ها و دیدگاه‌ها در حوزه داده با متخصصان دیگر یا مخاطب عام
مباحثی که در این دوره آموزشی، به فراگیران آموزش داده می شود طبق سرفصل های عنوان شده توسط مایکروسافت برای کارشناسان علم داده می باشد که به تفصیل در ذیل آورده شده :

Introduction to Data Science

Analyzing and Visualizing Data

Analyzing and Visualizing Data with Power BI
        Analyzing and Visualizing Data with Qlik sense-
            Analyzing and Visualizing Data with tableau-

   Query Relational Data

Querying Data with Transact-SQL-

Explore Data with Code

Introduction to R for Data Science-
Introduction to Python for Data Science-

Plan and Conduct Data Studies

Data Science Research Methods: R Edition-
Data Science Research Methods: Python Edition-

Build Machine Learning Models

Principles of Machine Learning: R Edition-
 Principles of Machine Learning: Python Edition-

Build Predictive Solutions at Scale

Analyzing Big Data with Microsoft R-

Final project

 اساتید دوره آموزشی تربیت کارشناس علم داده



داده کاوی Microsoft Data mining
16 اردیبهشت 1397

– آشنایی با مفاهیم داده کاوی Microsoft Data mining
– معرفی و تشریح الگوریتم های داده کاوی مایکروسافت (خوشه بندی، درخت تصمیم، رگرسیون خطی، الگوریتم بیز، الگوریتم های سری زمانی، الگوریتم شبکه عصبی، رگرسیون منطقی، الگوریتم وابستگی و …)
– معرفی ابزارهای مایکروسافت جهت پیاده سازی داده کاوی در SQL Server Analysis Services
– آشنایی با اصول زبان برنامه نویسی R
– نصب ابزار R Tools for Visual Studio
– تکنیک های انتقال و پاکسازی داده ها با زبان R
– نمایش خروجی الگوریتم ها در داشبورد Power BI



هوشمندسازی کسب و کار با Microsoft Power BI
26 فروردین 1397

نرم افزار Power BI به عنوان یکی از برترین نرم افزارهای هوش تجاری (Business Intelligence) در دنیاست که توسط شرکت Microsoft طراحی شده است. براساس گزارش مرجع تخصصی Gartner در سال ۲۰۱۷، این نرم افزار در کنار نرم افزارهای هوش تجاری همچون Tableau و Qlikview قرار گرفته است. علت محبوبیت این نرم افزار در بین کاربران در دنیا، متعلق بودن این نرم افزار به شرکت Microsoft می‌باشد و قرار گرفتن این نرم افزار در کنار نرم افزارهای آفیس (مخصوصا اکسل)، راهکارهای مدیریت پروژه مایکروسافت (Microsoft Project Server)، SharePoint و بسیار دیگری از محصولات مایکروسافت می‌باشد. یکی از مهمترین مزایای این نرم افزار دامنه کاربرد نرم افزار برای کلیه افراد و کلیه رشته‌های کاری و کلیه سطوح سازمانی است. که بدلیل راحتی کار برای کاربران، شرکتها و سازمان‌ها به سرعت به سمت این راهکار پیش رفته‌اند.

 

-واکشی (Extract) داده‌ها و کوئری به منابع مختلف داده‌ها  اعم از دیتابیس SQL Server، ACCESS ، Analysis Services، انواع Flat File اعم از Excel, CSV,JSON و …

-پاکسازی و تبدیل (Transform) داده‌ها و بخش‌های مختلف Query Editor

Split Column

ابزار Column From Example

ابزار Replace Values

ابزار Merge Columns

Row Operations; Removing rows, keeping rows

Index Column: Row Number

Conditional Column

ابزار Un-Pivot Columns

امکان Fill Down و Fill Up

-Right Outer Join

-Full Outer Join

-Inner Join

-Left Anti Join

-Right Anti Join

-معرفی مدلسازی معنایی داده‌ها

-مدل جدولی(Tabular Model) و چندبعدی(Multidimensional Model)

-انواع جداول در مدلسازی (Fact, Dimension and Bridge Tables)

-انواع ارتباط (Relationships): یک-به-یک، یک-به-چند و چند-به-چند

-شمای ستاره‌ای (Star Schema)

-شمای برف‌دانه‌ای (Snowflake schema)

-انواع داده‌ها(Data Types) ، عملگرها(Operators)

-ستون‌های محاسبه‌شدنی(Calculated columns) و سنجه(Measure)

-انواع Measureها: Explicit و Implicit و معایب استفاده از نوع Implicit

-تعریف Measure با استفاده از توابع مهم DAX از جمله:

SUMX() and AVERAGEX()

Calculated Columns

CALCULATE() and CALCULATETABLE()

IF(), SWITCH(), and FIND()

VALUES() and HASONEVALUE()

FILTER()

RELATED() and RELATEDTABLE()

-مفاهیم Row Context، Filter Context و Context Transition  در DAX

-نحوه استفاده و تنظیمات انواع Visualها و المان‌های گرافیکی اعم از:

  • Area charts: Basic (Layered) and Stacked
  • Bar and column charts
  • Cards: Single number
  • Cards: Multi row
  • Combo charts
  • Doughnut charts
  • Funnel charts
  • Gauge charts
  • Key influencers chart
  • Line charts
  • Matrix
  • Tables
  • Treemaps
  • Pie charts
  • Ribbon chart
  • Scatter, Bubble, and Dot Plot charts
  • Slicers
  • Waterfall charts

-اتصال به Market Place و استفاده از انواع Custom Visualها

-نحوه‌ی ایجاد Hierarchy و استفاده از قابلیت Drill

-ارتباط (Interaction) Visualها با یکدیگر

-آشنایی با محدوده‌ی فیلترها: Visual Level, Page Level, Report Level

-انواع فیلترها:

  • Manual filters
  • Automatic filters
  • Drill-down filters
  • Cross-drill filters
  • Drillthrough filters
  • Pass-through filters

-انواع اسلایسرها (متنی، عددی و تاریخی) و تنظیمات مختلف آن‌ها، ارتباط و همگام‌سازی اسلایسرها

-کار با Bookmarkها و دکمه‌ها، تنظیم Action مربوط به دکمه‌ها با استفاده از Bookmark

-استفاده از امکان فرمت‌دهی شرطی (Conditional Formatting) در Visualها

-بارگزاری و به اشتراک‌گذاری داشبوردها و گزارشات در سرویس Cloud مایکروسافت



logo