دادههای سری زمانی دادههایی هستند که در طول زمان جمعآوری میشوند: مانند معیارهای عملکرد، تعاملات کاربران و اطلاعاتی که حسگرها ثبت میکنند. از آنجا که انواع مختلف دادههای سری زمانی دارای واحدهای اندازهگیری و فواصل زمانی متفاوتی هستند، کار با این دادهها چالشی ویژه برای دانشمندان داده محسوب میشود. با این وجود، SQL ابزارهایی دارد که به تحلیل این نوع دادهها کمک میکند. این دوره به شما یاد میدهد که چگونه با استفاده از این ابزارها، دادههای سری زمانی را استاندارد و مدلسازی کنید. مدرس دوره، دن سالیوان، در این آموزش تکنیکهای پنجرهبندی و تفاوت میان محاسبات پنجرههای لغزنده (sliding) و تومبلینگ (tumbling) را بررسی میکند.
سپس شما با ساختارهای SQL مانند OVER و PARTITION BY آشنا میشوید که تحلیل دادهها را سادهتر میکنند. همچنین میآموزید که چگونه با دنرمالسازی دادهها را افزایش دهید بدون اینکه نیاز به اتصال جداول داشته باشید. علاوه بر این، تکنیکهای بهینهسازی مانند ایندکسگذاری نیز پوشش داده میشود. دن همچنین روشهای تحلیل دادههای سری زمانی شامل مقایسه با دورههای زمانی قبلی، میانگینهای متحرک، هموارسازی نمایی و رگرسیون خطی را آموزش میدهد.
اهداف یادگیری این دوره عبارتند از:
- اصول اولیه دادههای سری زمانی
- نوشتن دادههای سری زمانی
- جستجو در دادههای سری زمانی
- نصب PostgreSQL
- ارزیابی عملکرد کوئریها
- ترکیب دادههای سری زمانی
- دنرمالسازی دادههای سری زمانی
- ایندکسگذاری دادهها
- جستجو در جداول پارتیشنبندیشده
- توابع مربوط به دادههای سری زمانی
- محاسبه تجمعها در پنجرهها
- محاسبه میانگینهای متحرک
- پیشبینی با استفاده از رگرسیون خطی