О чём курс
Курс дает общее представление об этапах проектирования информационных систем, насколько необходимо моделирование данных как инициирующий этап разработки любой системы.
Особое внимание уделяется особенностям проектирования баз данных: производится обзор как базовых принципов проектирования в свете разработки модели данных, так и детально разбираются наиболее часто встречаемые концепции. Также рассматриваются общеизвестные негативные практики, что позволит слушателям избежать часто встречающиеся ошибки при проектировании приложения.
Разбирается унифицированный механизм оценки качества сформированной модели данных, что позволяет ввести некоторую единую метрику для процесса моделирования.
Цели
В результате прохождения курса участники:
узнают, что такое модель данных и в чем ее важность;
познакомятся со всеми этапами моделирования данных;
узнают паттерны и антипаттерны в моделировании данных;
познакомятся с типовыми подходами к моделированию иерархических данных и элементов данных со сложным жизненным циклом;
научатся оценивать качество моделей данных.
Целевая аудитория
разработчики;
архитекторы систем;
функциональные и системные аналитики.
Предварительная подготовка
Базовые навыки программирования. Опыт работы с базами данных желателен, но не обязателен.
Для кого
Разработчик
Системный аналитик
Улучшаемые навыки
Проектирование баз данных
Нормализация
Моделирование данных
SQL
UML
Инструменты
Расписание курсов
Программа курса
01
Обзор процесса моделирования данных
Цели, задачи, парадигмы моделирования.
Определение границ модели, масштаба и временных интервалов.
02
Уровни моделей (CDM, LDM, PDM)
Переходы между уровнями, отличия концептуальной, логической и физической моделей.
Преобразование CDM → LDM → PDM на примере модели данных.
Типы связей (1:1, 1:M, M:M), нормализация (1NF, 2NF, 3NF), иерархические структуры.
Нормализация таблиц, построение иерархий.
04
Жизненный цикл сущностей
Жизненный цикл сущностей
Построение жизненного цикла заказа в интернет-магазине.
05
Паттерны и антипаттерны моделирования
Аудит данных, деревья, симметричные связи, искусственные уровни.
Исправление антипаттернов.
Критерии оценки качества модели (корректность, полнота, структура).
Анализ реальной модели по шкале ScoreCard.
Создание CDM/LDM/PDM для системы разграничения прав доступа.
Разбор сложных случаев, ответы на вопросы.
08
Итого на курс 16 часов: теория – 7,5 ч ( 47%), практика – 8,5 ч ( 53%)
Чему вы научитесь
01
Проектировать реляционные модели данных.
02
Применять нормализацию для улучшения структуры баз данных.
03
Создавать концептуальные, логические и физические модели данных.
04
Оценивать качество моделей данных.
05
Избегать распространенных антипаттернов в моделировании данных.