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 Часа

Брой участници


Цена за участник

Oтзиви от потребители (5)

Предстоящи Курсове

Свързани Kатегории