Print

数据仓库和数据挖掘

主办单位:中培网   中培管理咨询

时间地点:2015-11-25至2015-11-27 在 北京

学员对象:数据仓库工程师,数据分析员

费  用: 5700元

【培训对象】

数据仓库工程师,数据分析员

【课程收益】

【课程大纲】

课程收益:

本课程结合实例,讲解如何构建数据仓库、采集数据,并有效地根据业务需要挖掘数据价值,应用数据资源。首先讲解如何建立有效的数据仓库,从定义、结构、设计、数据访问方法及应用等方面进行详细的讲解。然后基于数据仓库,讲解如何进行充分的数据挖掘,包括:定义、数据预处理方法、数据挖掘发现知识的类型及数据挖掘常用算法等。本课程结合SQL Server或Oracle的数据挖掘工具应用和SPSS数据挖掘工具应用。最后,课程通过一个数据挖掘的应用实例的回顾和总结,让学员产生具体而深刻的理解。

培训目标:

• 了解数据挖掘

•了解数据仓库

•数据挖掘应用实例

•深入理解数据仓库的结构

•数据仓库的清理

•数据仓库系统的设计

•数据仓库数据的访问

•数据仓库的应用

•数据预处理的目的

•数据清理

•数据集成和变换

•数据归约

•广义知识

•关联知识

•分类知识

•预测型知识

•偏差型知识

•神经网络算法

•使用候选项集找频繁项集(Apriori)算法

•决策树算法

•聚类分析

•SQL Server 2000数据挖掘工具应用

•SPSS数据挖掘工具应用

•决策树算法

•实例开发

培训对象:数据仓库工程师,数据分析员

学员基础:具有数据库一般理论和应用基础,并对数据仓库和数据挖掘有初步了解。

授课方式: 定制课程 + 案例讲解 + 小组讨论,60%案例讲解,40%实践演练

培训内容: 3天

初识数据挖掘

• 数据挖掘的产生

• 数据挖掘的应用价值

• 数据挖掘的发展过程

• 数据挖掘的定义

初识数据仓库

• 数据仓库的产生

• 数据仓库的应用价值

• 数据仓库的发展过程

• 数据仓库的定义

• 数据仓库与数据挖掘的关系

进一步理解数据挖掘 • 数据挖掘的功能

• 数据挖掘常用技术

• 数据挖掘的过程

数据挖掘应用实例 • 应用领域

• 典型案例

数据挖掘的发展趋势 •数据挖掘研究方向

• 数据挖掘应用的热点

进一步深入理解数据仓库的定义 •数据仓库的数据是面向主题的

• 数据仓库的数据是集成的

• 数据仓库的数据是不可更新的

• 数据仓库的数据是随时间不断变化的

数据仓库的结构 •元数据

• 粒度的概念

• 分割问题

• 数据仓库中的数据组织形式

数据仓库的清理

数据仓库系统的设计

•数据仓库系统设计方法

• 数据仓库设计的三级数据模型

• 提高数据仓库的性能

• 数据仓库设计步骤

数据仓库数据的访问 •数据仓库数据的直接访问

• 数据仓库数据的间接访问

数据仓库的应用 •数据仓库的主要应用领域

• 数据仓库应用实例

数据预处理的目的 •原始数据中存在的问题

• 数据预处理的方法和功能

数据清理 • 处理空缺值

• 噪声数据的处理

数据集成和变换 • 数据集成

• 数据变换

数据归约 • 数据归约的方法

• 数据立方体聚集

• 维归约

• 数据压缩

• 数值归约

• 离散化与概念分层生成

广义知识 • 广义知识的概念

• 广义知识的发现方法

关联知识 • 关联知识的概念

• 关联知识的发现方法

• 关联规则应用实例

分类知识 • 分类知识的概念

•分类知识的发现方法

• 分类知识应用实例

预测型知识 •预测型知识的概念

•预测型知识的发现方法

• 预测型知识应用实例

偏差型知识 •偏差型知识的概念

•偏差型知识的发现方法

神经网络算法 •神经网络的概念

•神经网络的计算机模型

• 定义神经网络拓扑

• 基于神经网络的算法

使用候选项集找频繁项集(Apriori)算法 •关联规则的分类

•Apriori算法

• 从频繁项集产生关联规则

决策树算法 • 信息论的基本原理

• ID3算法

• 树剪枝

• 由决策树提取分类规则

聚类分析 • 聚类分析的概念

• 聚类分析中的数据类型

• 几种主要的聚类分析方法

• 聚类分析算法

SQL Server 2000数据挖掘工具应用 • 安装要求

• 安装过程

• Analysis Services功能介绍

• Analysis Services的优点

• 创建数据挖掘模型

• 查看和分析挖掘结果

• 聚类模型

SPSS数据挖掘工具应用 •安装SPSS Clementine

• SPSS Clementine 8.0工作环境介绍

• Clementine应用的结构

• Clementine的使用

• 挖掘模型的建立和执行

决策树算法 • 实例背景

• 数据挖掘中的分类算法

• 决策树的概念

实例开发

• 实例开发前的准备

• 实例的系统结构

• 决策树算法模块

• 算法的程序实现

【讲师介绍】

        ▓▓▓▓▓▓▓▓▓ (此表复制有效)▓▓▓▓▓▓▓▓

                                    传真至:020-62355807

 

我单位共___ 人报名参加 2015-11-25至2015-11-27北京 举办的 数据仓库和数据挖掘

 

单位名称:______________________________________

 

培训联系人:_________ 联系电话:_________ 联系传真:________

 

移动电话:____________ 电子邮箱:__________________

 

参加人数:____ 费用总计:______

 

人:________ 所任职务:__________ 移动电话:_________

 

人:________ 所任职务:__________ 移动电话:_________

 

人:________ 所任职务:__________ 移动电话:_________

══════════════════════════════════════════

广州电话:(0203997189362355796              传真号码:(02062355807

人:赵小姐、张先生                   报名邮箱: 317709971@QQ.COM

参会方式:请您把培训回执表填写好回传,课前一星期您将会收到传真函,包括培训注意事项及详细安排

文档生成:http://www.chinacpx.com/word/<%=wsid%>.doc