Oracle - Data Mining mit PL/SQL

Seminarübersicht

ID 1102007
Dauer 3.0 Tage
Methoden Vortrag mit Beispiel und Übungen.
Vorwissen Oracle SQL, PL / SQL
Zielgruppe Data Scientists, Machine Learning Engineers und Analysten
Vorgängerkurs 1102001

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 PL/SQL für Data Mining verwenden

Die PL/SQL-Pakete DBMS_DATA_MINING, DBMS_DATA_MINING_TRANSFORM und DBMS_PREDICTIVE_ANALYTICS einsetzen

Übersicht

Oracle Data Mining (ODM) bietet mit SQL und PL/SQL direkt in der Oracle Datenbank Werkzeuge, um multivariate Analyse und Data Mining zu verwenden. Über PL/SQL-Pakete lassen sich Data Mining-Modelle erstellen, miteinander vergleichen und auch für Vorhersage und Klassifikation verwenden. In diesem Seminar lernen Sie, mit Oracle SQL Ihre Daten passend für die verschiedenen Data Mining-Algorithmen vorzubereiten, mit Oracle PL/SQL danach Data Mining-Modelle zu entwickeln und diese dann miteinander zu vergleichen und schließlich auch für Vorhersage und Klassfikation zu verwenden.

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
  • Die Pakete DBMS_DATA_MINING, DBMS_DATA_MINING_TRANSFORM und DBMS_PREDICTIVE_ANALYTICS 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 Oracle PL/SQL und Data Mining, um Muster in Daten zu erkennen wie bspw. Gruppen, wichtige Variablen oder Zusammenhänge, die für Klassifikation und Vorhersage genutzt werden können. Erfahren Sie, wie Sie mit Oracle SQL Ihre Daten transformieren und vorbereiten, damit Sie dann mit Oracle PL/SQL die in Oracle eingebauten Data Mining-Algorithmen für Analysen, Vorhersagen und Klassfikationen verwenden können.

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.

Zum Bücherkatalog

Inhalt

Data Mining und Oracle PL/SQL

Statistik, multivariate Statistik und Data Mining – Data Mining-Kreislauf - Daten-Vorverarbeitung: Beschreibende Datenaggregation, Datenbereinigung, Datenintegration und –transformation – Datenreduktion – Diskretisierung und Konzept-Hierarchien – Verwendung von SQL und PL/SQL für Data Mining

Strukturentdeckende Verfahren

Faktoranalyse und Hauptkomponentenanalyse - Ausreißeranalyse - Umsetzung mit Oracle SQL und PL/SQL

Data Mining mit Assoziationsregeln

Suchen von häufigen Kombinationen (Frequent Itemset Mining) – Assoziationsregeln abregeln und bewerten - Umsetzung mit Oracle SQL und PL/SQL

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 - Umsetzung mit Oracle SQL und PL/SQL

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 - Umsetzung mit Oracle SQL und PL/SQL

Dozent/in

Unser Oracle-Trainer Marco Skulschus studierte in Wuppertal und Paris Ökonomie mit Schwerpunkt Wirtschaftsinformatik und arbeitet schon seit mehr als 10 Jahren als Oracle-Trainer und Oracle-DB-Entwickler für Data Warehousing- und Reporting-Lösungen. Er hat mehrere Bücher zu Oracle SQL und Oracle PL/SQL veröffentlicht.

Veröffentlichungen

  • Oracle SQL (Comelio Medien )
    978-3-939701-41-5
  • Oracle PL/SQL (Comelio Medien )
    978-3-939701-40-8
  • Oracle PL/SQL - Objektrelationale Techniken (Comelio Medien )
    978-3-939701-42-2
  • Oracle, PL/SQL und XML (Comelio Medien )
    978-3-939701-49-1
  • Oracle 10g: Programmierung mit PL/SQL, Java, PHP und C++  (Galileo Computing )
    978-3898423144

Projekte

Er entwickelt Data Warehouse-Systeme mit der Oracle Datenbank. Für eine Schweizer Bank entwickelte er ein System zur Generierung von Infoblättern mit Oracle PL/SQL und XML. Für eine Versicherung in Deutschland entwickelte er eine Datenbank mit Reporting-Komponente zur Prozessanalyse.

Forschung

Er leitete verschiedene Forschungsprojekte mit semantischen Technologien oder komplexer relationaler und ontologischer Datenmodellierung.

Zertifikate

Marco Skulschus hat die "Oracle Certified Associate"-Zertifizierung absolviert.