(O11gDMT) Oracle Database 11g: Data Mining Techniques

Описание курса:

В данном курсе дан обзор основных концепций data mining. Изучается применение опции Oracle Database Data Mining посредством Oracle Data Miner 11g Release 2. Oracle Data Miner GUI является расширением Oracle SQL Developer 3.0, позволяющим аналитикам работать с данными непосредственно в базе данных. Data Miner GUI обеспечивает интуитивно понятные средства, позволяющие исследовать данные графически, строить и оценивать разнообразные модели, применять модели Oracle Data Mining к новым данным и осуществлять развертывание предсказаний и предположений Oracle Data Mining на уровне предприятия. Oracle Data Miner SQL APIs позволяет автоматически исследовать данные Oracle и осуществлять развертывание результатов в реальном времени. Поскольку данные, модели и результаты остаются в базе данных Oracle, то отсутствует перемещение данных, безопасность максимальна, а запаздывание информации минимально.

Необходимая предварительная подготовка:

• Практическое знание языка SQL

Круг слушателей:

• Разработчики приложений
• Аналитики хранилищ данных
• Бизнес аналитики
• Администраторы баз данных

Программа курса:

Введение
Задачи курса. Предполагаемая предварительная подготовка. Предполагаемое расписание курса. Учебные схемы. Структура практики и решений. Обзор дополнительных ресурсов (включая документацию по ODM и SQL Developer, а также online ресурсы).

Обзор концепций Data Mining
Что такое Data Mining? Для чего применяется Data Mining? Примеры приложений Data Mining. Контролируемое и неконтролируемое обучение. Поддерживаемые алгоритмы Data Mining и их применение.

Процесс Data Mining
Общие задачи в процессе Data Mining.

Введение в Oracle Data Miner 11g Release 2

Data mining с использованием базы данных Oracle
Введение в интерфейс SQL Developer. Настройка Oracle Data Miner. Доступ к Data Miner GUI. Компоненты интерфейса Data Miner. Узлы Data Miner. Предварительный просмотр Data Miner Workflows.

Использование моделей классификации
Обзор моделей  классификации. Добавление источников данных к Workflow. Использование Data Source Wizard. Создание моделей класcификации. Построение моделей. Закладки построения классов. Сравнение моделей. Выбор и проверка модели.

Использование регрессионных моделей
Обзор регрессионных моделей. Добавление источников данных к Workflow. Использование Data Source Wizard. Осуществление преобразований данных. Создание регрессионных моделей. Построение моделей. Сравнение моделей. Выбор модели.

Осуществление Market Basket анализа
Что такое  Market Basket анализ. Обзор правил ассоциирования. Создание нового Workflow. Добавление источников данных к Workflow. Создание правил ассоциирования модели. Определение правил ассоциирования. Построение модели. Проверка тестовых результатов.

Использование моделей кластеризации
Описание алгоритмов, используемых для моделей кластеризации. Добавление источников данных к Workflow. Исследование данных для шаблонов. Определение и построение моделей кластеризации. Сравнение результатов моделей. Выбор и применение модели. Определение формата вывода. Проверка кластерных результатов.

Обнаружение аномалий
Обзор модели и алгоритма обнаружения аномалий. Добавление источников данных к Workflow. Создание модели. Построение модели. Проверка тестовых результатов. Применение модели. Оценка результатов.

Развертывание результатов Data Mining
Требования к развертыванию. Задачи развертывания. Настройки развертывания.