План на курса

Въведение

    Извличане на данни като стъпка за анализ на процеса KDD („Откриване на знания в Databases“) Подполе на компютърните науки Откриване на модели в големи набори от данни

Източници на методи

    Изкуствен интелект Машинно обучение Statistics Системи за бази данни

Какво включва?

    Database и аспекти на управлението на данни Предварителна обработка на данни Съображения за модел и извод Показатели за интересност Съображения за сложност Постобработка на открити структури Визуализация Онлайн актуализиране

Основни задачи за извличане на данни

    Автоматичен или полуавтоматичен анализ на големи количества данни Извличане на неизвестни преди това интересни модели групи от записи на данни (клъстерен анализ) необичайни записи (откриване на аномалии) зависимости (извличане на правила за асоцииране)

Извличане на данни

    Откриване на аномалия (откриване на отклонение/откриване на промяна/отклонение) Обучение на правило за асоцииране (моделиране на зависимост) Клъстериране Класификация Регресия Обобщаване

Използване и приложения

    Able Danger Поведенчески анализи Бизнес анализи Cross Industry Standard Process for Data Mining Customer analytics Извличане на данни в селското стопанство Извличане на данни в метеорологията Извличане на образователни данни Човешки генетични клъстери Инферентна атака Java Data Mining Разузнаване с отворен код Анализ на пътя (компютър) Реактивно бизнес разузнаване

Драгиране на данни, риболов на данни, проследяване на данни

Изисквания

Добро познаване на релационните структури от данни, SQL

  21 Hours
 

Брой участници


Започва

Свършва


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Oтзиви от потребители (8)

Свързани Kурсове

Knowledge Discovery in Databases (KDD)

  21 Hours

From Data to Decision with Big Data and Predictive Analytics

  21 Hours

Свързани Kатегории