Oracle - Data Mining

Details

ID 1252811
Dauer 3.0 Tage
Methoden Vortrag mit Beispielen und Übungen.
Vorwissen Allgemeine Datenbank-Kenntnisse
Zielgruppe Business Intelligence-Entwickler

Ziele

Data Mining verstehen

Verstehen Sie die Philosophie von Data Mining in Oracle

Assoziationsanalyse einsetzen

Führen Sie eine Warenkorbanalyse durch und erkennen Sie wesentliche Häufungen

Daten klassifizieren

Nutzen Sie Entscheidungsbäume, Naïve Bayes und Künstliche Neuronale Netze, um Gruppen zu klassifizieren

Mit Regression (nicht)lineare Abhängigkeiten modellieren

Verwenden Sie Regressionsmodelle und verallgemeinerte lineare Modelle für mehrdimensionale Daten

Cluster-Analyse für Segmentierung von Daten nutzen

Erkennen Sie Gemeinsamkeiten und Gruppen in Ihren Daten

Oracle Data Miner im Oracle SQL Developer einsetzen

Datenquellen verbinden, Tabellen aktualisieren, Workflows einrichten, Graphen erstellen

Übersicht

Data Mining übertrifft einfache Analysetechniken an Wirkungsweise und Ergebnissen und bietet eine Methodik, die auf erweiterten statistischen und algorithmischen Konzepten des maschinellen Lernens beruht. Es unterstützt die Entwicklung und Gewinnung von wertvollem Unternehmenswissen anhand komplexer Analyseverfahren. Dieses Seminar macht Sie mit den Konzepten von Data Mining mit dem Oracle Data Miner im Oracle SQL Developer vertraut. Das Seminar zeigt Ihnen aufgrund von Theorie und Analyse-Beispielen mit den Oracle-Data Mining-Werkzeugen, welche Analyseverfahren in Oracle zur Verfügung stehen und wie gängige Algorithmen für maschinelles Lernen funktionieren. Es sind grundlegende Kenntnisse der Mathematik und Statistik notwendig, die bei Bedarf allerdings auch an den entsprechenden Stellen im Seminar noch einmal wiederholt werden können.

Termine

OPEN
INHOUSE

Zurzeit stehen keine offenen Termine zur Verfügung. Nutzen Sie alternativ die Inhouse‑Option.

Lernen Sie anhand maßgeschneiderter Beispiele und Inhalte – passgenau für Ihre Anforderungen.

Ihre Vorteile im Überblick

  • Flexibles Wunschdatum
  • Maßgeschneiderte Inhalte
  • Intensiver Austausch
  • Hoher Praxisbezug

Themen

  • Data Mining-Ansatz und Philosophie verstehen
  • Oracle Data Miner GUI im Oracle SQL Developer verwenden
  • Assoziationsanalyse für einfache Mustererkennung nutzen
  • Daten klassifizieren mit Entscheidungsbäumen, Künstlichen Neuronalen Netzen und Naïve Bayes
  • Regressionsanalyse und GLM (Generalized Linear Models) durchführen
  • Cluster-Analyse für Segmentierung von Daten nutzen
  • Data Mining-Modelle bewerten und vergleichen

Beschreibung

Nutzen Sie den Oracle SQL Developer, um Data Mining und maschinelles Lernen in Oracle umzusetzen. In diesem Seminar visualisieren Sie Daten mit verschiedenen Diagrammen, selektieren Sie Variablen, transformieren sie und können dabei auch neue Variablen erstellen. Sie erstellen grafisch Data Mining-Modelle, um Muster in Daten zu erkennen und führen Klassifikation und Vorhersagen durch. Schließlich können Sie Ihre Modelle testen und miteinander vergleichen.

Services

  • Mittagessen / Catering
  • Hilfe bei Hotel / Anreise
  • Comelio-Zertifikat
  • Flexibel: Bis einen Tag vorher kostenlos stornieren
Service-Kaffeekanne

Comelio Medien

Noch auf der Suche nach weiterführender Literatur? Entdecken Sie passende Fachbücher in unserem Katalog.

Inhalt

Data Mining und Oracle

Statistik, multivariate Statistik und Data Mining – Data Mining-Kreislauf - Daten-Vorverarbeitung: Beschreibende Datenaggregation, Datenbereinigung, Datenintegration und –transformation – Datenreduktion – Diskretisierung und Konzept-Hierarchien – Verwendung der Oracle SQL Developer GUI für Data Mining-Projekte

Strukturentdeckende Verfahren

Faktoranalyse und Hauptkomponentenanalyse - Ausreißeranalyse

Data Mining mit Assoziationsregeln

Suchen von häufigen Kombinationen (Frequent Itemset Mining) – Assoziationsregeln abregeln und bewerten

Data Mining für Klassifikation

Entscheidungsbäume: Auswahl von Attributen, Beschneidung von Bäumen, Ableitung von Regeln, Gütemaße und Vergleich von Modellen, Ableitung von Regeln - Support Vector Machines: Vorstellung des Algorithmus, Modellaufbau und Modellverwendung

Data Mining mit Wahrscheinlichkeitstheorie

Klassifikation über Logistische Regression - Wahrscheinlichkeitstheorie und Bayes Theorem –Naïve Bayes-Algorithmus: Algorithmus, Modellaufbau und Modellverwendung

Cluster-Analyse

Einführung in die Cluster Analyse – Ähnlichkeits- und Distanzmessung - Varianten und grundlegende Techniken – Partitionierende Methoden: k-Means-Verfahren, Expectation Maximization (EM), Orthogonal Partitioning Clustering

Dozent/in

Unser Statistik- und Data-Mining-Trainer Marco Skulschus studierte in Wuppertal und Paris Ökonomie und arbeitet schon seit mehr als 10 Jahren als Dozent, Fachbuch-Autor zum Thema Datenbanken und als Business Intelligence-Berater. Zu seinen Kunden zählen Marktforschungsunternehmen oder Behörden wie der Deutsche Bundesrat sowie Abteilungen für die Qualitätssicherung und Prozessoptimierung.

Veröffentlichungen

  • Grundlagen empirische Sozialforschung (Comelio Medien )
    978-3-939701-23-1
  • System und Systematik von Fragebögen (Comelio Medien )
    978-3-939701-26-2
  • Oracle SQL (Comelio Medien )
    978-3-939701-41-5
  • SQL Server 2012: Data Mining und multivariate Verfahren (Comelio Medien )
    978-3-939701-85-9
  • SQL und relationale Datenbanken (Comelio Medien )
    978-3-939701-52-1

Projekte

Er leitete ein mehrjähriges Forschungsprojekt zur Entwicklung eines Fragebogensystems mit ontologie-basiertem Datenmodell und innovativen Frage-Antwort-Darstellungen. Förderung durch das BMWi und Zusammenarbeit mit verschiedenen Universitäten.

Forschung

Als Berater und Projektleiter konzipiert Herr Skulschus Business Intelligence-Systeme auf Basis von OLAP und Data Warehouse-Technologien mit MS SQL Server und Oracle mit Berichtskomponenten im Intranet oder MS Excel, statistische Analysen und Data Mining-Modulen. Je nach Aufgabe setzt er R, IBM SPSS oder Minitab ein.

Zertifikate

Marco Skulschus ist zertifiziert als "Microsoft Certified Trainer" und "Oracle Certified Associate" und hat die ComptiaCTT+ Prüfung absolviert.