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
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
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