ابزار داده کاوی اوراکل

ابزار داده کاوی اوراکل ( داده کاوی با Oracle )

Oracle Database 11g: Oracle Data mining Techniques

در این دوره دانشجویان با مفاهیم داده کاوی و روش های پیاده سازی تکنیک ها و ابزار آن در راهکار اوراکل Oracle آشنا خواهند شد. 

• فراگیری تکنیک های داده کاوی

• فراگیری الگوریتم های داده کاوی

• فراگیری پیاده سازی پروژه های داده کاوی در Oracle

در انتهای اين دوره دانشجويان قادر خواهند بود از آموزه‌های حاصل از این دوره به خوبی و به شکل کاربردی در انجام پژوهش های داده کاوی ، انجام پروژه دانشجویی خود، و اجرای پروژه داده کاوی در سازمان استفاده نمایند.

• کاربران سیستم‌ها و راهکارهای هوش کسب و کار BI
• توسعه دهندگان سامانه های هوش تجاری BI به کمک ابزار Oracle
• محققان و پژوهشگران در حوزه‌ی داده کاوی و بیگ دیتا
• کارشناسان و علاقه مندان به داده کاوی که می خواهند پروژه دانشجویی یا پروژه سازمانی خود را به کمک راهکارهای هوش تجاری اوراکل اجرا و پیاده سازی کنند

مهدی خوشنویس

• مدیر گروه هوش کسب و کار ایرانیان
• ارایه دهنده ی دوره های هوش تجاری BI
• دارای بیش از 7 سال سابقه پیاده سازی و اجرای راهکارهای Oracle BI

• آشنایی با مفاهیم BI
• آشنایی با مفاهیم پایگاه داده

Introduction

• Course Objectives
• Suggested Course Pre-requisites
• Suggested Course Schedule
• Class Sample Schemas
• Practice and Solutions Structure
• Review location of additional resources (including ODM and SQL Developer documentation and online resources)

Overviewing Data Mining Concepts

• What is Data Mining?
• Why use Data Mining?
• Examples of Data Mining Applications
• Supervised Versus Unsupervised Learning
• Supported Data Mining Algorithms and Uses

Understanding the Data Mining Process

• Common Tasks in the Data Mining Process

Introducing Oracle Data Miner 11g Release 2

• Data mining with Oracle Database
• Introducing the SQL Developer interface
• Setting up Oracle Data Miner
• Accessing the Data Miner GUI
• Identifying Data Miner interface components
• Examining Data Miner Nodes
• Previewing Data Miner Workflows

Using Classification Models

• Reviewing Classification Models
• Adding a Data Source to the Workflow
• Using the Data Source Wizard
• Creating Classification Models
• Building the Models
• Examining Class Build Tabs
• Comparing the Models
• Selecting and Examining a Model

Using Regression Models

• Reviewing Regression Models
• Adding a Data Source to the Workflow
• Using the Data Source Wizard
• Performing Data Transformations
• Creating Regression Models
• Building the Models
• Comparing the Models
• Selecting a Model

Performing Market Basket Analysis

• What is Market Basket Analysis?
• Reviewing Association Rules
• Creating a New Workflow
• Adding a Data Source to th Workflow
• Creating an Association Rules Model
• Defining Association Rules
• Building the Model
• Examining Test Results

Using Clustering Models

• Describing Algorithms used for Clustering Models
• Adding Data Sources to the Workflow
• Exploring Data for Patterns
• Defining and Building Clustering Models
• Comparing Model Results
• Selecting and Applying a Model
• Defining Output Format
• Examining Cluster Results

Performing Anomaly Detection

• Reviewing the Model and Algorithm used for Anomaly Detection
• Adding Data Sources to the Workflow
• Creating the Model
• Building the Model
• Examining Test Results
• Applying the Model
• Evaluating Results

Deploying Data Mining Results

• Requirements for deployment
• Deployment Tasks
• Examining Deployment Options

• Oracle BI Suite 11g R1: Build Repositories 
• Oracle Data Integrator 12c: Integration and Administration
• Oracle BI Suite 11gR1: Create Analyses and Dashboards