Курс: Oracle Database 11g: Data Mining Techniques
Продолжительность курса: 16 ак. ч.
Формат обучения:
• Очно - на территории нашего учебного центра или на территории Заказчика (для корпоративных клиентов)
• Онлайн обучение с помощью вебинаров в режиме "здесь и сейчас"
• Дистанционно с помощью системы СДО в любое удобное для вас время
Описание курса:
В курсе будут рассмотрены основные концепции технологии анализа данных в базах данных или хранилищах (data mining), а также способы выгодного использования функциональных возможностей Oracle Database Data Mining, в том числе мощные возможности упреждающего анализа (predictive analysis), на примере Oracle Data Miner 11g Release 2. Графический пользовательский интерфейс (GUI) Oracle Data Miner это расширенный вариант Oracle SQL Developer 3.0, что позволяет аналитикам работать напрямую с данными в базе. Oracle Data Miner GUI предоставляет интуитивно понятный инструментарий, позволяющий исследовать данные графически, строить и оценивать различные модели для анализа данных (data mining models), применять эти модели к новым данным и развертывать приложения аналитического прогнозирования Oracle Data Mining на корпоративных системах. Интерфейс прикладного программирования (SQL API) Oracle Data Miner автоматически извлекает данные из базы данных Oracle и развертывает результаты в режиме реального времени. В силу того, что данные, модели и результаты остаются в самой базе данных Oracle, исключен перенос данных, что повышает безопасность и минимизирует задержку передачи информации.
Аудитория:
• Разработчики приложений
• Бизнес-аналитики
• Аналитики хранилищ данных
• Администраторы баз данных
Необходимая подготовка:
• Знание языка SQL, опыт проектирования и администрирования баз данных Oracle
Результат обучения:
После изучения курса слушатель будет знать:
• Объяснение основных концепций data mining и описание преимуществ упреждающего анализа
• Понимание первоочередных задач и описание ключевых шагов процесса data mining
• Использование Oracle Data Miner для построения, оценки и применения различных моделей data mining
• Развертывание результатов data mining для доступа к ним конечного пользователя в режиме реального времени
Программа курса:
Модуль 1. Introduction
• Course Objectives
• Suggested Course Pre-requisites
• Suggested Course Schedule
• Class Sample Schemas
• Practice and Solutions Structure
• Review location of additional resources (including ODM and SQL Developer documentation and online resources)
Модуль 2. Overviewing Data Mining Concepts
• What is Data Mining?
• Why use Data Mining?
• Examples of Data Mining Applications
• Supervised Versus Unsupervised Learning
• Supported Data Mining Algorithms and Uses
Модуль 3. Understanding the Data Mining Process
• Common Tasks in the Data Mining Process
Модуль 4. Introducing Oracle Data Miner 11g Release 2
• Data mining with Oracle Database
• Introducing the SQL Developer interface
• Setting up Oracle Data Miner
• Accessing the Data Miner GUI
• Identifying Data Miner interface components
• Examining Data Miner Nodes
• Previewing Data Miner Workflows
Модуль 5. Using Classification Models
• Reviewing Classification Models
• Adding a Data Source to the Workflow
• Using the Data Source Wizard
• Creating Classification Models
• Building the Models
• Examining Class Build Tabs
• Comparing the Models
• Selecting and Examining a Model
Модуль 6. Using Regression Models
• Reviewing Regression Models
• Adding a Data Source to the Workflow
• Using the Data Source Wizard
• Performing Data Transformations
• Creating Regression Models
• Building the Models
• Comparing the Models
• Selecting a Model
Модуль 7. Performing Market Basket Analysis
• What is Market Basket Analysis?
• Reviewing Association Rules
• Creating a New Workflow
• Adding a Data Source to th Workflow
• Creating an Association Rules Model
• Defining Association Rules
• Building the Model
• Examining Test Results
Модуль 8. Using Clustering Models
• Describing Algorithms used for Clustering Models
• Adding Data Sources to the Workflow
• Exploring Data for Patterns
• Defining and Building Clustering Models
• Comparing Model Results
• Selecting and Applying a Model
• Defining Output Format
• Examining Cluster Results
Модуль 9. Performing Anomaly Detection
• Reviewing the Model and Algorithm used for Anomaly Detection
• Adding Data Sources to the Workflow
• Creating the Model
• Building the Model
• Examining Test Results
• Applying the Model
• Evaluating Results
Модуль 10. Deploying Data Mining Results
• Requirements for deployment
• Deployment Tasks
• Examining Deployment Options
Окончательная цена указывается в договоре на обучение.
Записаться на курс