НОУ ИНТУИТ | Учебный курс

Опубликован: 22.04.2006 | Уровень: специалист | Доступ: платный

Курс знакомит слушателей с технологией Data Mining, подробно рассматриваются методы, инструментальные средства и применение Data Mining. Описание каждого метода сопровождается конкретным примером его использования.

Обсуждаются отличия Data Mining от классических статистических методов анализа и OLAP-систем, рассматриваются типы закономерностей, выявляемых Data Mining (ассоциация, классификация, последовательность, кластеризация, прогнозирование). Описывается сфера применения Data Mining. Вводится понятие Web Mining. Подробно рассматриваются методы Data Mining: нейронные сети, деревья решений, методы ограниченного перебора, генетические алгоритмы, эволюционное программирование, кластерные модели, комбинированные методы. Знакомство с каждым методом проиллюстрировано решением практической задачи с помощью инструментального средства, использующего технологию Data Mining.Излагаются основные концепции хранилищ данных и места Data Mining в их архитектуре. Вводятся понятия OLTP, OLAP, ROLAP, MOLAP.Обсуждается процесс анализа данных с помощью технологии Data Mining. Подробно рассматриваются этапы этого процесса. Анализируется рынок аналитического программного обеспечения, описываются продукты от ведущих производителей Data Mining, обсуждаются их возможности.

Цель: Познакомить слушателей с теоретическими аспектами технологии Data Mining, методами, возможностью их применения, дать практические навыки по использованию инструментальных средств Data Mining

Необходимые знания: Желательны, но не обязательны знания по информатике, основам теории баз данных, знания по математике (в пределах начальных курсов ВУЗа), технологии обработки информации.

Предварительные курсы Введение в реляционные базы данных Введение в модель данных SQL

Вам нравится? Нравится 263 студентам

| Поделиться |

Поддержать

| Скачать электронную книгу

Занятие	Заголовок <<	Дата изучения
	Экзамен экстерном	-
Лекция 1 41 минута	Что такое Data Mining? В лекции подробно рассмотрено понятие Data Mining. Описано возникновение, перспективы, проблемы Data mining. Дан взгляд на технологию Data Mining как на часть рынка информационных технологий. Оглавление	-
Тест 1 15 минут	5 заданий	-
Лекция 2 44 минуты	Данные В лекции подробно рассматривается понятие данных. Объясняется значение понятий объект и атрибут, выборка, зависимая и независимая переменная. Подробно обсуждаются типы шкал. Приводятся различные типы наборов данных. Кратко рассмотрены понятия базы данных и СУБД. Оглавление	-
Тест 2 15 минут	5 заданий	-
Лекция 3 40 минут	Методы и стадии Data Mining В лекции описаны стадии Data Mining и действия, выполняемые в рамках этих стадий. Рассмотрены известные классификации методов Data Mining. Приведена сравнительная характеристика некоторых методов, основанная на их свойствах. Оглавление	-
Тест 3 15 минут	5 заданий	-
Лекция 4 44 минуты	Задачи Data Mining. Информация и знания В лекции кратко описана основная суть задач Data Mining и их классификация. Подробно рассмотрены понятия "информация", "знания", а также дано сопоставление и сравнение этих понятий. Оглавление	-
Тест 4 15 минут	5 заданий	-
Лекция 5 42 минуты	Задачи Data Mining. Классификация и кластеризация В этой лекции подробно рассматриваются две задачи Data Mining - классификация и кластеризация. Описаны суть задач, процесс решения, методы решения, применение. Приведено сравнение двух рассмотренных задач. Оглавление	-
Тест 5 15 минут	5 заданий	-
Лекция 6 42 минуты	Задачи Data Mining. Прогнозирование и визуализация В лекции описана суть задачи прогнозирования. Рассмотрено понятие временного ряда, его компоненты, параметры прогнозирования, виды прогнозов. Кратко охарактеризована задача визуализации данных. Оглавление	-
Тест 6 15 минут	5 заданий	-
Лекция 7 37 минут	Сферы применения Data Mining В лекции рассмотрены основные сферы деятельности человека, где может успешно применяться технология Data Mining. Вводятся понятия Web Mining, Text Mining, Call Mining. Оглавление	-
Тест 7 15 минут	5 заданий	-
Лекция 8 42 минуты	Основы анализа данных Лекция посвящена основам анализа данных, рассмотрены основные характеристики описательной статистики, кратко изложена суть корреляционного и регрессионного анализа. Приведены примеры решения задач в Microsoft Excel. Оглавление	-
Тест 8 15 минут	5 заданий	-
Лекция 9 39 минут	Методы классификации и прогнозирования. Деревья решений Описывается метод деревьев решений. Рассматриваются элементы дерева решения, процесс его построения. Приведены примеры деревьев, решающих задачу классификации. Даны алгоритмы конструирования деревьев решений CART и C4.5. Оглавление	-
Тест 9 15 минут	5 заданий	-
Лекция 10 39 минут	Методы классификации и прогнозирования. Метод опорных векторов. Метод "ближайшего соседа". Байесовская классификация Описаны основные идеи метода опорных векторов, метода "ближайшего соседа" и байесовской классификации. Рассмотрены преимущества и недостатки этих методов. Оглавление	-
Тест 10 15 минут	5 заданий	-
Лекция 11 48 минут	Методы классификации и прогнозирования. Нейронные сети В лекции описывается метод нейронных сетей. Рассмотрены элементы и архитектура, процесс обучения и явление переобучения нейронной сети. Описана такая модель нейронной сети как персептрон. Приведен пример решения задачи при помощи аппарата нейронных сетей. Оглавление	-
Тест 11 15 минут	5 заданий	-
Лекция 12 35 минут	Нейронные сети. Самоорганизующиеся карты Кохонена. В лекции продолжается описание работы с нейронными сетями, в частности, рассматриваются классификации нейронных сетей. Описан процесс подготовки данных для обучения. Подробно рассмотрены самоорганизующиеся карты Кохонена, приведен пример решения задачи. Оглавление	-
Тест 12 15 минут	5 заданий	-
Лекция 13 39 минут	Методы кластерного анализа. Иерархические методы В лекции рассматриваются основы кластерного анализа, математические характеристики кластера. Описаны две группы иерархического кластерного анализа: агломеративные и дивизимные методы. Приведен пример иерархического кластерного анализа в SPSS. Оглавление	-
Тест 13 15 минут	5 заданий	-
Лекция 14 35 минут	Методы кластерного анализа. Итеративные методы. Рассмотрены итеративные методы на примере алгоритма k-средних. Изложена основа факторного анализа и итеративная кластеризация в SPSS. Описан процесс кластерного анализа. Приведен сравнительный анализ иерархических и неиерархических методов и некоторые новые алгоритмы. Оглавление	-
Тест 14 15 минут	5 заданий	-
Лекция 15 46 минут	Методы поиска ассоциативных правил В лекции описана суть задачи поиска ассоциативных правил. Рассмотрен алгоритм Apriori. Кратко изложена суть некоторых других алгоритмов. Рассмотрен пример решения задачи в аналитическом пакете Deductor. Оглавление	-
Тест 15 15 минут	5 заданий	-
Лекция 16 36 минут	Способы визуального представления данных. Методы визуализации В лекции рассматриваются методы и средства визуального представления информации, в частности, способы представления информации в одно-, двух-, трехмерном измерениях, а также способы отображения информации в более чем трех измерениях. Описаны принципы качественной визуализации. Изложены основные тенденции в области визуализации. Оглавление	-
Тест 16 15 минут	5 заданий	-
Лекция 17 45 минут	Комплексный подход к внедрению Data Mining, OLAP и хранилищ данных в СППР В лекции рассматриваются такой тип информационных систем, как СППР, их типы и компоненты. Изложены основные идеи OLAP-технологии, архитектуры OLAP-серверов, интеграции Data Mining и OLAP. Описана технология хранилищ данных и преимущества их использования, в частности, для процесса Data Mining. Оглавление	-
Тест 17 15 минут	5 заданий	-
Лекция 18 37 минут	Процесс Data Mining. Начальные этапы В лекции рассматриваются три первые этапа процесса Data Mining. Подробно описан процесс подготовки данных, введены понятия качества данных, грязных данных, этапы очистки данных. Оглавление	-
Тест 18 15 минут	5 заданий	-
Лекция 19 37 минут	Процесс Data Mining. Очистка данных Рассматриваются две классификации инструментов очистки и редактирования данных, основные функции инструментов очистки данных, классификация ошибок в данных, которые возникают в результате использования средств очистки данных. Оглавление	-
Тест 19 15 минут	5 заданий	-
Лекция 20 51 минута	Процесс Data Mining. Построение и использование модели В лекции рассматриваются этапы процесса Data Mining, связанные с построением, проверкой, оценкой, выбором и коррекцией моделей. Подробно исследуются понятия "модель" и "моделирование". Оглавление	-
Тест 20 15 минут	5 заданий	-
Лекция 21 44 минуты	Организационные и человеческие факторы в Data Mining. Стандарты Data Mining В лекции процесс Data Mining рассматривается с точки зрения организационных факторов, а также в соответствии с известными методологиями CRISP и SEMMA. Кратко описываются стандарты, имеющие прямое и опосредованное отношение к Data Mining. Оглавление	-
Тест 21 15 минут	5 заданий	-
Лекция 22 45 минут	Рынок инструментов Data Mining В лекции рассматривается рынок инструментов Data Mining, в частности, его развитие, поставщики инструментов, классификация инструментов. Описаны критерии, по которым можно сравнивать и выбирать инструмент Data Mining. Оглавление	-
Тест 22 15 минут	5 заданий	-
Лекция 23 51 минута	Инструменты Data Mining. SAS Enterprise Miner В лекции рассматривается пакет SAS Enterprise Miner 5.1. Дан обзор программного продукта, описаны основные характеристики и технические требования пакета. Кратко описан подход SAS к созданию информационно-аналитических систем. Оглавление	-
Тест 23 15 минут	5 заданий	-
Лекция 24 45 минут	Инструменты Data Mining. Система PolyAnalyst В лекции описывается система PolyAnalyst. Рассматривается ее архитектура, аналитический инструментарий, краткая характеристика математических алгоритмов PolyAnalyst. Кратко охарактеризована система WebAnalyst. Оглавление	-
Тест 24 15 минут	5 заданий	-
Лекция 25 49 минут	Инструменты Data Mining. Программные продукты Cognos и система STATISTICA Data Miner В лекции рассмотрено два инструмента Data Mining. Первый из них - комплекс программных средств компании Cognos; описаны особенности методологии моделирования в системе. Второй инструмент - STATISTICA Data Miner, описаны средства анализа и схема работы. Оглавление	-
Тест 25 15 минут	5 заданий	-
Лекция 26 42 минуты	Инструменты Oracle Data Mining и Deductor В лекции рассматриваются два продукта: Data Mining от Oracle и Deductor. Дана характеристика Oracle Data Mining, реализованные алгоритмы и функциональные возможности. Рассмотрена аналитическая платформа Deductor, архитектура ее системы и аналитические алгоритмы. Оглавление	-
Тест 26 15 минут	5 заданий	-
Лекция 27 33 минуты	Инструмент KXEN Рассматривается программное обеспечение KXEN. Указываются отличия подхода KXEN от традиционного подхода Data Mining. Исследуются предпосылки создания системы KXEN и ее технические характеристики. Описаны ключевые компоненты системы KXEN. Разобрана технология IOLAP. Оглавление	-
Тест 27 15 минут	5 заданий	-
Лекция 28 36 минут	Data Mining консалтинг Рассмотрено понятие Data Mining-консалтинга, предоставления услуг по эффективному внедрению этой технологии. Описаны преимущества этого варианта. Изложена процедура работы консалтинговой компании SnowCactus с клиентом. Оглавление	-
Тест 28 15 минут	5 заданий	-
5 часов	Экзамен	-

Авторизоваться

Data Mining

Предварительные курсы

План занятий