資料庫與商業智慧型

課程概述

隨著計算方法和信息技術的不斷發展，大量數據的產生和收集導致信息爆炸，而信息可以產生價值，因而需要我們對這些數據進行實時和深層次的分析。商業智慧型通常被理解為將企業中現有的數據轉化為知識，幫助企業做出明智的業務經營決策的工具。為了將數據轉化為知識，需要利用數據倉庫、在線上分析處理（OLAP）工具和數據挖掘等技術。本課程將介紹這三方面技術背景，並通過一系列實驗綜合運用這些技術。學生只需要有基本的資料庫知識，不需要掌握程式語言，通過課程學習引導學生對數據挖掘產生興趣，並且逐漸培養學生的數據意識，對較為成熟的技術和方法具有相應的分析套用能力。並為以後深入學習打下基礎。

本課程內容共11周，分為兩部分:概念和實踐。概念4周，實踐7周。具體內容如下：

第一部分，共4周：講解課程涉及的基本概念，包括：導論、數據挖掘定義、數據挖掘分類、判斷挖掘問題類型、基本數據挖掘技術、數據倉庫原理、數據預處理。

第二部分，共7周：其中5周講解經典數據挖掘算法套用案例。算法包括：決策樹、貝葉斯、聚類、關聯規則、神經網路、邏輯回歸、時間序列、序列聚類。另外2周講解OLAP套用，涉及多維數據集的創建和維護方法，最後使用它進行多維數據分析。

本課程實驗環境使用SQLServer Analysis Services。

課程大綱

第1章導論

1-1 商業智慧型

1-2 數據倉庫

1-3 數據挖掘

第2章數據挖掘簡介

2-1 數據挖掘是怎樣工作的

2-2 數據挖掘還是數據查詢

2-3 數據挖掘的功能

第3章數據挖掘的主要方法

3-1 決策樹

3-2 關聯規則

3-3 K-平均值算法

3-4 遺傳學習

3-5 神經網路

第4章數據倉庫

4-1 數據倉庫的定義

4-2 數據倉庫的結構

4-3 數據倉庫系統的設計

數據挖掘實戰（1）

DM-1 基於SQLServer的數據分析環境

DM-2 決策樹算法套用場景

DM-3 決策樹算法套用示例

數據挖掘實戰（2）

DM-4 聚類算法套用場景與示例

DM-5 關聯規則算法套用場景

DM-6 關聯規則算法套用示例

數據挖掘實戰（3）

DM-7 貝葉斯算法套用場景與示例

DM-8 神經網路算法套用場景與示例

DM-9 邏輯回歸算法套用場景與示例

數據挖掘實戰（4）

DM-10 順序分析和聚類分析算法套用場景

DM-11 順序分析和聚類分析算法套用示例

數據挖掘實戰（5）

DM-12 時序算法套用場景

資料庫與商業智慧型

基本介紹

課程概述

課程大綱

相關詞條

熱門詞條