Submit Search
Upload
Sql第1回資料
•
0 likes
•
75 views
Y
yujiimuta
Follow
sql勉強会資料
Read less
Read more
Engineering
Report
Share
Report
Share
1 of 30
Download now
Download to read offline
Recommended
2014年11月10日オープンラボ@公立はこだて未来大学
相互運用可能な知的活動測定システムの研究
相互運用可能な知的活動測定システムの研究
yamahige
リブセンスのプロダクトマネージャーが普段どのようにSQLを活用しているか・またSQL活用で事業成長にどんな嬉しいことがあるかを具体例を交えてご紹介します。
非エンジニアのSQL活用が加速させる事業成長
非エンジニアのSQL活用が加速させる事業成長
Keiko Inagaki
MLOps with mlflow for beginner
Ocha_MLflow_MLOps.pdf
Ocha_MLflow_MLOps.pdf
Kenichi Sonoda
db tech showcase2022
MySQLで学ぶ機械学習ことはじめ.pdf
MySQLで学ぶ機械学習ことはじめ.pdf
Machiko Ikoma
最先端のアルゴリズムがgithubなどから手軽に入手できるようになったことで、ビジネスの現場では、アルゴリズムやモデルの改善より、 アノテーションデータの質や量を改善する方が実用化を目指す上でよりコストメリットのいいアプローチとなりつつあります。 本発表では、従来のモデル改善を中心としたMLOpsの考え方と異なり、データ(アノテーションデータ)改善を中心としたMLOpsの考え方をご紹介します。
Data-centricなML開発
Data-centricなML開発
Takeshi Suzuki
MANABIYAでの発表資料です。 数十のプロダクトのデータを一手に集め、処理を回すリクルートライフスタイルのビックデータ分析基盤。本資料では、分析基盤の構成、ブロダクトの選定理由、課題解決の実例という3本立てでご紹介します。 リクルートライフスタイル 白子 佳孝 秋本 大樹
リクルートライフスタイル流!分析基盤との賢い付き合い方
リクルートライフスタイル流!分析基盤との賢い付き合い方
Recruit Lifestyle Co., Ltd.
「アドテクを支える技術 〜1日40億リクエストを捌くには〜」 【23卒/24卒】オンライン勉強会:「アドテクを支える技術 〜1日40億リクエストを捌くには〜」 https://microad.connpass.com/event/255303/ #MicroadDevs
アドテクを支える技術 〜1日40億リクエストを捌くには〜
アドテクを支える技術 〜1日40億リクエストを捌くには〜
MicroAd, Inc.(Engineer)
【2021年3月3日開催】 メルペイ x ティアフォー 機械学習のためのシステム開発の話
メルペイの与信モデリングで安全・安心のために実践していること
メルペイの与信モデリングで安全・安心のために実践していること
Yuhi Kawakami
Recommended
2014年11月10日オープンラボ@公立はこだて未来大学
相互運用可能な知的活動測定システムの研究
相互運用可能な知的活動測定システムの研究
yamahige
リブセンスのプロダクトマネージャーが普段どのようにSQLを活用しているか・またSQL活用で事業成長にどんな嬉しいことがあるかを具体例を交えてご紹介します。
非エンジニアのSQL活用が加速させる事業成長
非エンジニアのSQL活用が加速させる事業成長
Keiko Inagaki
MLOps with mlflow for beginner
Ocha_MLflow_MLOps.pdf
Ocha_MLflow_MLOps.pdf
Kenichi Sonoda
db tech showcase2022
MySQLで学ぶ機械学習ことはじめ.pdf
MySQLで学ぶ機械学習ことはじめ.pdf
Machiko Ikoma
最先端のアルゴリズムがgithubなどから手軽に入手できるようになったことで、ビジネスの現場では、アルゴリズムやモデルの改善より、 アノテーションデータの質や量を改善する方が実用化を目指す上でよりコストメリットのいいアプローチとなりつつあります。 本発表では、従来のモデル改善を中心としたMLOpsの考え方と異なり、データ(アノテーションデータ)改善を中心としたMLOpsの考え方をご紹介します。
Data-centricなML開発
Data-centricなML開発
Takeshi Suzuki
MANABIYAでの発表資料です。 数十のプロダクトのデータを一手に集め、処理を回すリクルートライフスタイルのビックデータ分析基盤。本資料では、分析基盤の構成、ブロダクトの選定理由、課題解決の実例という3本立てでご紹介します。 リクルートライフスタイル 白子 佳孝 秋本 大樹
リクルートライフスタイル流!分析基盤との賢い付き合い方
リクルートライフスタイル流!分析基盤との賢い付き合い方
Recruit Lifestyle Co., Ltd.
「アドテクを支える技術 〜1日40億リクエストを捌くには〜」 【23卒/24卒】オンライン勉強会:「アドテクを支える技術 〜1日40億リクエストを捌くには〜」 https://microad.connpass.com/event/255303/ #MicroadDevs
アドテクを支える技術 〜1日40億リクエストを捌くには〜
アドテクを支える技術 〜1日40億リクエストを捌くには〜
MicroAd, Inc.(Engineer)
【2021年3月3日開催】 メルペイ x ティアフォー 機械学習のためのシステム開発の話
メルペイの与信モデリングで安全・安心のために実践していること
メルペイの与信モデリングで安全・安心のために実践していること
Yuhi Kawakami
鷲崎弘宜, 新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて, Agile Tour Osaka × miniPLoP 2020 基調講演, 2020年12月12日
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて
Hironori Washizaki
japan teacher school
japan teacher
japan teacher
peterjiang
吉田★学習スタイルコーディネート★ラボイベント<学習スタイルコーディネート>
吉田★学習スタイルコーディネート★ラボイベント<学習スタイルコーディネート>
吉田★学習スタイルコーディネート★ラボイベント<学習スタイルコーディネート>
デジタル・ナレッジ はが弘明
JAWSDAYS 2018 でランチサポーター枠で発表したときの資料です。 来栖川電算でどのような取り組みが行われているか分かります。
JAWSDAYS 2018 LUNCH SESSION
JAWSDAYS 2018 LUNCH SESSION
陽平 山口
ITに関係する勉強会は毎日のように開催されています。 これだけ勉強会の数が多いと、どのようなIT系の勉強会があって、自分が関心がある勉強会がいつ開催されるのか、わからない人も多いですよね。 今回は、近年人気のある勉強会の紹介から始め、勉強会という視点以外からも、技術情報のキャッチアップする方法やその心構えについて紹介します。 さらに、より踏み込んだ勉強会への参加のためにはLTへの参加など、登壇することも重要な一つです。 今まで踏み込めなかった皆さんでも、すこしだけ発表がしやすくなるような、登壇のコツも紹介できればと思っています。
インフラエンジニア必見!勉強会の歩き方
インフラエンジニア必見!勉強会の歩き方
真俊 横田
クラウドが変えるwebの世界
クラウドが変えるwebの世界
Satoshi Ishikawa
2018/2/15【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編] https://info.microsoft.com/JA-AABD-WBNR-FY18-02Feb-15-AzureDataLake-MCW0002857_02OnDemandRegistration-ForminBody.html
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
Hideo Takagi
MySQL 勉強会 in 大阪(第9回)資料
MySQL Workbench をモデリングツールとして使ってみた
MySQL Workbench をモデリングツールとして使ってみた
Norio Nakamura
Data-Centric AI開発における データ生成の取り組みを紹介します。画像生成、3DCGなどさまざま考えられますが、今回Blender/BlenderProcを活用した取り組みをご紹介します。
Data-Centric AI開発における データ生成の取り組み
Data-Centric AI開発における データ生成の取り組み
Takeshi Suzuki
クラウドファーストからクラウドネイティブへ。 クラウドの進化がシステムのアーキテクチャを根底から変えようとしています。それに伴い、エンジニアに求められる役割も変化しつつあります。2tierアーキテクチャなどを紹介しつつ、今注目していることについて話していこうと思います。
DevLove Kansai AWS
DevLove Kansai AWS
Takuro Sasaki
JST未来社会 未来社会創造事業 機械学習を用いたシステムの高品質化・実用化を加速する”Engineerable AI”(eAI)プロセスパターンチーム による機械学習応用システムのアーキテクチャ・デザインパターンの整理
機械学習応用システムのアーキテクチャ・デザイパターン(2020-07 ドラフトバージョン))
機械学習応用システムのアーキテクチャ・デザイパターン(2020-07 ドラフトバージョン))
HironoriTAKEUCHI1
2010/07/21 Apple Store TenjinのAppleBUにてプレゼンした際の資料
Apple bu20100721
Apple bu20100721
Yutaka Fujisaki
Elasticsearchのビギナーです。Elasticsearchを使ったTwitter監視アプリを作成してみました。
Elasticsearchを使ったTwitter監視アプリ
Elasticsearchを使ったTwitter監視アプリ
YuichiArisaka
機械学習/Kaggleもくもく会#11@大阪での発表資料になります
変数の重要度ってどうやったらわかるん?
変数の重要度ってどうやったらわかるん?
hiroya akita
IT企業向けのためのDrupal構築アドバイスを図書館の事例から紹介しました
It企業向けのdrupal構築アドバイス slideshare
It企業向けのdrupal構築アドバイス slideshare
Kunihiro Imura
Hadoop Conferece Japan 2016 LTの「データサイエンスにおける一次可視化からのSpark on Elasticsearchの利用」の発表資料です。
16.02.08_Hadoop Conferece Japan 2016_データサイエンスにおける一次可視化からのSpark on Elasticsear...
16.02.08_Hadoop Conferece Japan 2016_データサイエンスにおける一次可視化からのSpark on Elasticsear...
LINE Corp.
2021/11/06 オンライン勉強会 「アドテクを支える技術 〜1日40億リクエストを捌くには〜」 https://microad.connpass.com/event/229092/
アドテクを支える技術 〜1日40億リクエストを捌くには〜
アドテクを支える技術 〜1日40億リクエストを捌くには〜
MicroAd, Inc.(Engineer)
db tech showcase Tokyo 2017の「SQL Server 2017で実現されるAI(ディープラーニング)のシステムモデルのご紹介」セッションで使用したスライドです
Data Scientists Love SQL Server
Data Scientists Love SQL Server
Tomoyuki Oota
http://www.spath.jp/ こちらのエンタープライズ向けの資料(暫定)です。 検討はしていますよーという程度のものですが、だからこそ、今お声がけ頂けましたら、カスタマイズして提供なども可能です。もしご興味があればお問い合わせください。
Spath for enterprise
Spath for enterprise
Koichiro Sumi
2011/5/14のCommunity Open Dayで使用したスライドです。
Light switch × sql azure
Light switch × sql azure
貴仁 大和屋
More Related Content
Similar to Sql第1回資料
鷲崎弘宜, 新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて, Agile Tour Osaka × miniPLoP 2020 基調講演, 2020年12月12日
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて
Hironori Washizaki
japan teacher school
japan teacher
japan teacher
peterjiang
吉田★学習スタイルコーディネート★ラボイベント<学習スタイルコーディネート>
吉田★学習スタイルコーディネート★ラボイベント<学習スタイルコーディネート>
吉田★学習スタイルコーディネート★ラボイベント<学習スタイルコーディネート>
デジタル・ナレッジ はが弘明
JAWSDAYS 2018 でランチサポーター枠で発表したときの資料です。 来栖川電算でどのような取り組みが行われているか分かります。
JAWSDAYS 2018 LUNCH SESSION
JAWSDAYS 2018 LUNCH SESSION
陽平 山口
ITに関係する勉強会は毎日のように開催されています。 これだけ勉強会の数が多いと、どのようなIT系の勉強会があって、自分が関心がある勉強会がいつ開催されるのか、わからない人も多いですよね。 今回は、近年人気のある勉強会の紹介から始め、勉強会という視点以外からも、技術情報のキャッチアップする方法やその心構えについて紹介します。 さらに、より踏み込んだ勉強会への参加のためにはLTへの参加など、登壇することも重要な一つです。 今まで踏み込めなかった皆さんでも、すこしだけ発表がしやすくなるような、登壇のコツも紹介できればと思っています。
インフラエンジニア必見!勉強会の歩き方
インフラエンジニア必見!勉強会の歩き方
真俊 横田
クラウドが変えるwebの世界
クラウドが変えるwebの世界
Satoshi Ishikawa
2018/2/15【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編] https://info.microsoft.com/JA-AABD-WBNR-FY18-02Feb-15-AzureDataLake-MCW0002857_02OnDemandRegistration-ForminBody.html
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
Hideo Takagi
MySQL 勉強会 in 大阪(第9回)資料
MySQL Workbench をモデリングツールとして使ってみた
MySQL Workbench をモデリングツールとして使ってみた
Norio Nakamura
Data-Centric AI開発における データ生成の取り組みを紹介します。画像生成、3DCGなどさまざま考えられますが、今回Blender/BlenderProcを活用した取り組みをご紹介します。
Data-Centric AI開発における データ生成の取り組み
Data-Centric AI開発における データ生成の取り組み
Takeshi Suzuki
クラウドファーストからクラウドネイティブへ。 クラウドの進化がシステムのアーキテクチャを根底から変えようとしています。それに伴い、エンジニアに求められる役割も変化しつつあります。2tierアーキテクチャなどを紹介しつつ、今注目していることについて話していこうと思います。
DevLove Kansai AWS
DevLove Kansai AWS
Takuro Sasaki
JST未来社会 未来社会創造事業 機械学習を用いたシステムの高品質化・実用化を加速する”Engineerable AI”(eAI)プロセスパターンチーム による機械学習応用システムのアーキテクチャ・デザインパターンの整理
機械学習応用システムのアーキテクチャ・デザイパターン(2020-07 ドラフトバージョン))
機械学習応用システムのアーキテクチャ・デザイパターン(2020-07 ドラフトバージョン))
HironoriTAKEUCHI1
2010/07/21 Apple Store TenjinのAppleBUにてプレゼンした際の資料
Apple bu20100721
Apple bu20100721
Yutaka Fujisaki
Elasticsearchのビギナーです。Elasticsearchを使ったTwitter監視アプリを作成してみました。
Elasticsearchを使ったTwitter監視アプリ
Elasticsearchを使ったTwitter監視アプリ
YuichiArisaka
機械学習/Kaggleもくもく会#11@大阪での発表資料になります
変数の重要度ってどうやったらわかるん?
変数の重要度ってどうやったらわかるん?
hiroya akita
IT企業向けのためのDrupal構築アドバイスを図書館の事例から紹介しました
It企業向けのdrupal構築アドバイス slideshare
It企業向けのdrupal構築アドバイス slideshare
Kunihiro Imura
Hadoop Conferece Japan 2016 LTの「データサイエンスにおける一次可視化からのSpark on Elasticsearchの利用」の発表資料です。
16.02.08_Hadoop Conferece Japan 2016_データサイエンスにおける一次可視化からのSpark on Elasticsear...
16.02.08_Hadoop Conferece Japan 2016_データサイエンスにおける一次可視化からのSpark on Elasticsear...
LINE Corp.
2021/11/06 オンライン勉強会 「アドテクを支える技術 〜1日40億リクエストを捌くには〜」 https://microad.connpass.com/event/229092/
アドテクを支える技術 〜1日40億リクエストを捌くには〜
アドテクを支える技術 〜1日40億リクエストを捌くには〜
MicroAd, Inc.(Engineer)
db tech showcase Tokyo 2017の「SQL Server 2017で実現されるAI(ディープラーニング)のシステムモデルのご紹介」セッションで使用したスライドです
Data Scientists Love SQL Server
Data Scientists Love SQL Server
Tomoyuki Oota
http://www.spath.jp/ こちらのエンタープライズ向けの資料(暫定)です。 検討はしていますよーという程度のものですが、だからこそ、今お声がけ頂けましたら、カスタマイズして提供なども可能です。もしご興味があればお問い合わせください。
Spath for enterprise
Spath for enterprise
Koichiro Sumi
2011/5/14のCommunity Open Dayで使用したスライドです。
Light switch × sql azure
Light switch × sql azure
貴仁 大和屋
Similar to Sql第1回資料
(20)
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて
japan teacher
japan teacher
吉田★学習スタイルコーディネート★ラボイベント<学習スタイルコーディネート>
吉田★学習スタイルコーディネート★ラボイベント<学習スタイルコーディネート>
JAWSDAYS 2018 LUNCH SESSION
JAWSDAYS 2018 LUNCH SESSION
インフラエンジニア必見!勉強会の歩き方
インフラエンジニア必見!勉強会の歩き方
クラウドが変えるwebの世界
クラウドが変えるwebの世界
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
MySQL Workbench をモデリングツールとして使ってみた
MySQL Workbench をモデリングツールとして使ってみた
Data-Centric AI開発における データ生成の取り組み
Data-Centric AI開発における データ生成の取り組み
DevLove Kansai AWS
DevLove Kansai AWS
機械学習応用システムのアーキテクチャ・デザイパターン(2020-07 ドラフトバージョン))
機械学習応用システムのアーキテクチャ・デザイパターン(2020-07 ドラフトバージョン))
Apple bu20100721
Apple bu20100721
Elasticsearchを使ったTwitter監視アプリ
Elasticsearchを使ったTwitter監視アプリ
変数の重要度ってどうやったらわかるん?
変数の重要度ってどうやったらわかるん?
It企業向けのdrupal構築アドバイス slideshare
It企業向けのdrupal構築アドバイス slideshare
16.02.08_Hadoop Conferece Japan 2016_データサイエンスにおける一次可視化からのSpark on Elasticsear...
16.02.08_Hadoop Conferece Japan 2016_データサイエンスにおける一次可視化からのSpark on Elasticsear...
アドテクを支える技術 〜1日40億リクエストを捌くには〜
アドテクを支える技術 〜1日40億リクエストを捌くには〜
Data Scientists Love SQL Server
Data Scientists Love SQL Server
Spath for enterprise
Spath for enterprise
Light switch × sql azure
Light switch × sql azure
Sql第1回資料
1.
第 1 回
S Q L 勉 強 会
2.
⾃⼰紹介 2 ⽂系私⽴⼤学卒。卒業後、図書館で勤務。 勤務中にデータ分析に興味を持ち、IT業界へ。 ⼊社した企業で、半年間の数学、プログラミングの研修を経て データ分析の実務へ。 広告系の企業にて、ユーザー分析や、レコメンドエンジンの モデル開発、実装を担当。 昨年、8⽉にFabeee ⼊社 4匹の飼い猫とガンバ⼤阪をこよなく愛する⼈間 アルテミス 2世 きつねさん a.k.a
モフ さんま
3.
お⼿元に環境が⽤意できない⽅へ・・ ブラウザでSQLを実⾏できるサイトをご紹介します SQL Zoo https://sqlzoo.net/wiki/SQL_Tutorial SQL Fiddle http://sqlfiddle.com/#!17/e1277/1 ©
Fabeee Inc. 3
4.
データベースとは 4 様々なデータを格納する場所 SQLはデータベースに対して命令を送ることで 特定のデータを抽出することができます ※今⽇はデータベースに関することは特に触れません
5.
データベースの中⾝のイメージ データベースの中には表形式で表現されているテーブルというものがあります このテーブルには名称があります 例として、user テーブルというものを⾒てみましょう © Fabeee
Inc. 5 ID 1 2 name Aさん Bさん ・・・ ・・・ ・・・ User テーブル名:表の名前 カラム(フィールド) :列⽅向のデータ レコード:⾏⽅向のデータ
6.
データベースの中⾝のイメージ② このuserテーブルを⾔語化してみると・・・ UserテーブルのnameカラムのAさん UserテーブルのIDカラム 2 ということになります この値にはデータ型というものもあります name :
⽂字型 ID : 整数型 © Fabeee Inc. 6 ID 1 2 name Aさん Bさん ・・・ ・・・ ・・・ User
7.
データベースの中⾝のイメージ③ © Fabeee Inc.
7 テーブル構造はエクセルと同じです。こうするとイメージしやすいですよね?
8.
データ型について 前ページで触れたデータ型について触れてみたいと思います 数字がデータとして格納されているが、実はデータ型だったということがよくあります ⽂字型と数値型の計算はできないので要注意!!! © Fabeee Inc.
8 数値型 Int bigint 符号付き整数 float 浮動少数点数値 ⽂字型 char 固定⻑の⽂字列 Varchar 可変⻑の⽂字列 論理値型 Boolearn 論理値
9.
データの値を特定するための必要なデータ データ分析をすすめていくと、複数のデータを1つにまとめたかったりすることがある 特定の値を基に結合する その値のことを主キー(primary key)と呼びます 他のテーブルの関連付けの値を外部キー(foreign key)と呼びます ©
Fabeee Inc. 9 ID name ID shop_id ID T-sihrt user shop item ID shop_id user_id ID name ID T-sihrt user_id shop_id user shop item
10.
ここで⼀旦コーヒーブレイク © Fabeee Inc.
10
11.
SQLについて © Fabeee Inc.
11 先⽉のシャツの売り上げを 知りたい 上司からこんな要望がありました
12.
© Fabeee Inc.
12
13.
SQLについて 上司からそんな要望があった場合は、紙などの履歴から⼿計算をするのもいいかもしれませんが、 結構⼤変・・・・ そこでシャツの購⼊履歴データがデジタルで保管されているならば、そこから抽出することですぐに 結果を渡すことができますね ここで、必要になるのが、SQLになります © Fabeee Inc.
13
14.
SQLについて SQLとはデータベースに対して命令をすることができる⾔語のことを指します データベースへの命令をクエリと呼びます © Fabeee Inc.
14 このデータをください : クエリ
15.
SQLについて 実際にSQLを⾒てみましょう 先ほどの例で⾔うと先⽉のシャツの売り上げを抽出するものをSQLで書いてみましょう © Fabeee Inc.
15 SELECT SUM(price) FROM item WHERE name = “T-shirt” AND date BETWEEN ʻ2021‒06-01ʼ AND ʼ2021‒06-31ʼ ; 上記のような書き⽅で先⽉のTシャツの値段を抽出することができます 今回⾚字で書いたところがSQL⾔語となります 次ページよりここを解説していきたいと思います
16.
SQLについて どの値が欲しいのか SELECT どこから値を抽出するのか FROM これがSQLの基本になります この基本に対して他の条件を追加して 様々なデータを抽出していきます © Fabeee Inc.
16 SELECT * FROM テーブル名 FROM SELECT
17.
SQLについて 先ほどの基本構⽂から少し発展させてみましょう 条件を追加してみよう 先ほどの基本構⽂に抽出する件数に制限をつけてみましょう では、情報を3件だけ抽出してみましょう © Fabeee Inc.
17 SELECT * FROM ITEM LIMIT 3 ;
18.
SQLについて 抽出したいデータに対して件数の制限を持たせたい場合には、LIMIT句を使⽤します 次に集計関数について確認してみたいと思います エクセルなどを使われた経験がある⽅だと、ここはどこに関数を書くのか ということを覚えるだけですんなり覚えられると思います © Fabeee Inc.
18 集計したい内容 SQL関数 件数を数えたい COUNT 最⼤値を知りたい MAX 最⼩値を知りたい MIN 平均値を知りたい AVG 合計値を知りたい SUM SELECT 集計関数(カラム名) FROM テーブル名 ;
19.
SQLについて データの集計を進めていくと、重複のある値が出現することがあります これを排除したい際には集計関数と組み合わせることが可能となる あるカラムのユニークな数が知りたいとしましょう © Fabeee Inc.
19 SELECT COUNT( DISTINCT カラム名), FROM テーブル名 ; こうすることで、あるカラムのユニークの数を抽出することが可能となります
20.
SQLについて 抽出結果をある値についてソートしたいこともあると思います これを実現したい際は、 © Fabeee Inc.
20 SELECT カラム名, FROM テーブル名 ORDER BY カラム名 ; 通常ですと昇順ですが、降順にみたいこともあると思います その際は、 ORDER BY カラム名 DESC ;
21.
SQLについて ⼀番最初の例で⾒たところでWHEREという関数が出てきました 次はこれを掘り下げていきたいと思います ⽐較的多くの場⾯で⾒かけることが多いと思います これは、抽出したいもののフィルタリングをする際に使⽤します Ex.1 値同⼠の⽐較 < ,
> , <=, >= … etc EX.2 カラム名 = ○○ EX.3 AND, OR, NOT EX.4 BETWEEN © Fabeee Inc. 21
22.
SQLについて ⽐較演算 具体例を考えてみたいと思います ある値段以下の商品を抽出したいと思います ここでは、値段が1000円以下の商品が欲しいと考えたいと思います © Fabeee Inc.
22 SELECT * FROM テーブル名 WHERE price <= 1000 ;
23.
SQLについて 論理演算 これは条件抽出の発展です 抽出したい値が 〇〇かつ×× または 〇〇または×× 上記のような条件を指定することが可能です これを具体例で落とし込んでみたいと思います © Fabeee Inc.
23
24.
SQLについて ある特定のお店で購⼊された商品を指定して抽出してみたいと思います © Fabeee Inc.
24 SELECT * FROM テーブル名 WHERE item_id = 1 AND shop_id = 5 ;
25.
SQLについて ある複数のお店のデータを抽出してみたいと思います © Fabeee Inc.
25 SELECT * FROM テーブル名 WHERE shop_id = 1 OR shop_id = 5 ;
26.
SQLについて データの中にある値が含まれているか確認したいことがあります その時もWHEREを使⽤してデータを抽出します データの値に対してパターンマッチングをしたいと思います 具体例として名前に⼭⽥という名字が含まれているユーザーを抽出したい © Fabeee Inc.
26 SELECT * FROM テーブル名 WHERE user_name = ʻ%⼭⽥%ʼ ;
27.
パターンマッチングについて少し補⾜します 様々なパターンがあります 下記を参照に様々なパターンを試してみてください ※ _ でのパターンマッチングもあります ご⾃⾝で調べてみてください ©
Fabeee Inc. 27 記法 内容 %○○% ○○を含む %○○ ○○で終わる ○○% ○○で始まる
28.
SQLについて 次にWHERE句の範囲指定です これはある期間内に販売されたものについて知りたい時などに使⽤します © Fabeee Inc.
28 SELECT * FROM テーブル名 WHERE date BETWEEN ʼ2021-06-01ʼ AND ʻ2021-06-31ʼ ;
29.
最後に・・・ お疲れ様でした 全4回の初回が終わりました SQLに慣れていただくことをメインに実施させていただきました 第2回はここから少し発展した内容をやっていきます © Fabeee Inc.
29
30.
H I T
O ∼ I T は 人 な り ∼
Download now