Predictive Analytics using Oracle Data Mining
- Код курса: PAODM
- Длительность: 2 д.
- Цена: 70 000 Р
- Часы в неделю: 16 ак. часов.
Описание курса
Аннотация:
На этом курсе Predictive Analytics с использованием Oracle Data Mining будут рассмотрены основные концепции интеллектуального анализа данных. Опытные инструкторы Oracle University научат вас, как использовать интеллектуальную силу прогнозирования Oracle Data Mining, компонента опции Oracle Advanced Analytics.
По окончании курса:
- Объясните основные концепции интеллектуального анализа данных и опишите преимущества прогнозного анализа.
- Поймите основные задачи интеллектуального анализа данных и опишите ключевые этапы процесса интеллектуального анализа данных.
- Используйте Oracle Data Miner для создания, оценки, применения и развертывания нескольких моделей интеллектуального анализа данных.
- Используйте прогнозы и аналитические данные Oracle Data Mining для решения многих видов бизнес-задач.
- Развертывание моделей интеллектуального анализа данных для доступа конечного пользователя, в пакетном режиме или в режиме реального времени, а также внутри приложений.
Преимущества:
По завершении этого курса вы сможете использовать Oracle Data Miner 4.1, графический интерфейс рабочего процесса Oracle Data Mining, который позволяет аналитикам данных работать непосредственно с данными внутри базы данных. Графический интерфейс Data Miner предоставляет интуитивно понятные инструменты, которые помогают графически исследовать данные, создавать и оценивать несколько моделей интеллектуального анализа данных, применять модели Oracle Data Mining к новым данным и развертывать прогнозы и аналитические данные Oracle Data Mining по всему предприятию.
Oracle Data Miner's SQL APIs - Получайте результаты в режиме реального времени
Oracle Data Miner's SQL APIs автоматически извлекают данные Oracle и размещают результаты в режиме реального времени. Поскольку данные, модели и результаты остаются в базе данных Oracle, перемещение данных исключается, безопасность повышается, а задержка информации сводится к минимуму.
Цели курса:
- Объясните основные концепции интеллектуального анализа данных и опишите преимущества прогнозного анализа
- Поймите основные задачи интеллектуального анализа данных и опишите ключевые этапы процесса интеллектуального анализа данных
- Используйте Oracle Data Miner для создания, оценки, применения и развертывания нескольких моделей интеллектуального анализа данных.
- Используйте прогнозы и аналитические данные Oracle Data Mining для решения многих видов бизнес-задач
- Развертывание моделей интеллектуального анализа данных для пакетного доступа или доступа в реальном времени для конечных пользователей
Аудитория:
- Администраторы базы данных
- Эксперт по аналитическим данным
- Аналитик данных
Программа курса:
Введение:
- Просмотрите расположение дополнительных ресурсов
- Цели курса
- Практика и структура решений
- Предлагаемые условия курса
- Образцы схем классов
- Предлагаемое расписание курсов
Прогнозная аналитика и концепции интеллектуального анализа данных
- Что такое прогнозирующая аналитика?
- Представляете опцию Oracle Advanced Analytics (OAA)?
- Что такое Data Mining?
- Зачем использовать Data Mining?
- Примеры приложений для интеллектуального анализа данных
- Контролируемое и неконтролируемое обучение
- Поддерживаемые алгоритмы интеллектуального анализа данных и их использование
Понимание процесса интеллектуального анализа данных
- Общие задачи в процессе интеллектуального анализа данных
- Представляем интерфейс разработчика SQL
Представляем Oracle Data Miner 4.1
- Интеллектуальный анализ данных с базой данных Oracle
- Настройка Oracle Data Miner
- Доступ к графическому интерфейсу Data Miner
- Определение компонентов интерфейса Data Miner
- Изучение узлов майнеров данных
- Предварительный просмотр рабочих процессов Data Miner
Использование классификационных моделей
- Просмотр классификационных моделей
- Добавление источника данных в рабочий процесс
- Использование мастера источников данных
- Использование узлов Explore и Graph
- Использование узла фильтра столбцов
- Создание классификационных моделей
- Построение моделей
- Изучение вкладок построения классов
Использование регрессионных моделей
- Просмотр моделей регрессии
- Добавление источника данных в рабочий процесс
- Использование мастера источников данных
- Выполнение преобразований данных
- Создание регрессионных моделей
- Построение моделей
- Сравнение моделей
- Выбор модели
Использование кластерных моделей
- Описание алгоритмов, используемых для кластерных моделей
- Добавление источников данных в рабочий процесс
- Изучение данных для шаблонов
- Определение и построение кластерных моделей
- Сравнение результатов модели
- Выбор и применение модели
- Определение формата вывода
- Изучение результатов кластера
Выполнение анализа корзины рынка
- Что такое анализ корзины рынка?
- Проверка правил ассоциации
- Создание нового рабочего процесса
- Добавление источника данных в рабочий процесс
- Создание модели правил ассоциации
- Определение правил ассоциации
- Построение модели
- Изучение результатов испытаний
Выполнение обнаружения аномалий
- Обзор модели и алгоритма, используемого для обнаружения аномалий
- Добавление источников данных в рабочий процесс
- Создание модели
- Построение модели
- Изучение результатов испытаний
- Применение модели
- Оценка результатов
Майнинг структурированных и неструктурированных данных
- Работа с транзакционными данными
- Обработка агрегированных (вложенных) данных
- Объединение и фильтрация данных
- Включение интеллектуального анализа текста
- Изучение предсказательных результатов
Использование прогнозирующих запросов
- Что такое прогнозирующие запросы?
- Создание прогнозирующих запросов
- Изучение предсказательных результатов
Развертывание прогнозных моделей
- Требования к развертыванию
- Варианты развертывания
- Изучение вариантов развертывания