Спонсор: Microsoft
Опубликован: 06.03.2012 | Уровень: специалист | Доступ: платный | ВУЗ: Санкт-Петербургский государственный политехнический университет
Курс посвящен использованию технологии интеллектуального анализа данных (Data Mining) и ее реализации в Microsoft SQL Server 2008 и связанных программных продуктах.
Рассматриваются все алгоритмы DM, поддерживаемые Microsoft SQL Server 2008, надстройки интеллектуального анализа данных для Microsoft Office, основы языка DMX.

Microsoft DreamSpark

Бесплатные лицензионные инструменты разработки и дизайна для школьников, студентов, аспирантов и преподавателей.

Специальное предложение для студентов НОУ «ИНТУИТ».

 ...еще >>

План занятий

ЗанятиеЗаголовок <<Дата изучения
-
Лекция 1
15 минут
Интеллектуальный анализ данных: базовые понятия
В лекции рассматривается понятие "интеллектуальный анализ данных", описываются основные задачи интеллектуального анализа и приводятся примеры использования в разных отраслях деятельности.
Оглавление
    -
    Лекция 2
    16 минут
    Интеллектуальный анализ данных в СУБД MicrosoftSQLServer
    В лекции рассматривается архитектура СУБД Microsoft SQL Server, место занимаемое в ней аналитическими службами, а также способы их взаимодействия с внешними приложениями. Приводится перечень алгоритмов интеллектуального анализа, входящих в поставку SQL Server 2008 и описываются имеющиеся различия между версиями СУБД.
    Оглавление
      -
      Лекция 3
      10 минут
      Этапы проведения интеллектуального анализа данных
      В лекции рассматривается предлагаемая Майкрософт последовательность этапов решения задачи интеллектуального анализа данных.
      Оглавление
        -
        Самостоятельная работа 1
        14 минут
        Надстройки интеллектуального анализа данных для MicrosoftOffice
        В ходе данной лабораторной работы будет рассмотрен процесс установки пакета надстроек интеллектуального анализа данных для MicrosoftOffice 2007 и начального конфигурирования MicrosoftSQLServer 2008 (2008 R2).
        Оглавление
          -
          Самостоятельная работа 2
          18 минут
          Использование инструментов "AnalyzeKeyInfluencers" и "DetectCategories"
          В ходе данной лабораторной работы будет рассмотрено использование инструментов "Анализ ключевых факторов влияния" ("AnalyzeKeyInfluencers") и "Обнаружение категорий" ("DetectCategories"), относящихся к компоненту "Средства анализа таблиц для Excel" пакета надстроек интеллектуального анализа данных для MicrosoftOffice 2007.
          Оглавление
            -
            Самостоятельная работа 3
            15 минут
            Использование инструментов "FillFromExample" и "Forecast"
            В данной лабораторной работе будет рассмотрено использование инструментов "Заполнение по примеру" ("FillFromExample") и "Прогноз" ("Forecast"), относящихся к компоненту "Средства анализа таблиц для Excel" пакета надстроек интеллектуального анализа данных для MicrosoftOffice 2007.
            Оглавление
              -
              Самостоятельная работа 4
              20 минут
              Использование инструментов "HighlightExceptions" и "ScenarioAnalysis"
              Лабораторная работа посвящена использованию инструментов "Выделение исключений" ("HighlightExceptions") и "Анализ сценариев" ("ScenarioAnalysis").
              Оглавление
                -
                Самостоятельная работа 5
                18 минут
                Использование инструментов "Prediction Calculator" и "ShoppingbasketAnalysis"
                Лабораторная работа посвящена использованию инструментов "Расчет прогноза" ("PredictionCalculator") и "Анализ покупательской корзины" ("ShoppingBasketAnalysis").
                Оглавление
                  -
                  Самостоятельная работа 1
                  24 минуты
                  -
                  Лекция 4
                  20 минут
                  Краткий обзор алгоритмов интеллектуального анализа данных. Упрощенный алгоритм Байеса. Деревья решений. Линейная регрессия
                  В лекции приводится обзор трех алгоритмов интеллектуального анализа данных, входящих в поставку SQL Server 2008. Это упрощенный алгоритм Байеса, алгоритмы деревьев решений и линейной регрессии. При выборе алгоритма линейной регрессии, СУБД вызывает особый вариант алгоритма дерева решений.
                  Оглавление
                    -
                    Лекция 5
                    20 минут
                    Краткий обзор алгоритмов интеллектуального анализа данных. Алгоритмы временных рядов и кластеризации
                    Данная лекция посвящена рассмотрению двух классов алгоритмов интеллектуального анализа данных – алгоритмов временных рядов и алгоритмов кластеризации. Описываются особенности реализации указанных алгоритмов в MS SQL Server 2008.
                    Оглавление
                      -
                      Лекция 6
                      13 минут
                      Краткий обзор алгоритмов интеллектуального анализа данных. Алгоритмы взаимосвязей и кластеризации последовательностей
                      Лекция посвящена краткому рассмотрению двух алгоритмов интеллектуального анализа данных – алгоритма взаимосвязей и алгоритмов кластеризации последовательностей.
                      Оглавление
                        -
                        Лекция 7
                        13 минут
                        Краткий обзор алгоритмов интеллектуального анализа данных. Алгоритмы нейронных сетей и логистической регрессии
                        Лекция посвящена краткому рассмотрению двух алгоритмов интеллектуального анализа данных – нейронных сетей и логистической регрессии. Особенностью реализации этих алгоритмов в SQL Server 2008 является то, что алгоритм логистической регрессии, по сути, является алгоритмом нейронных сетей, запускаемым с особыми параметрами.
                        Оглавление
                          -
                          Самостоятельная работа 6
                          24 минуты
                          Использование инструментов Data Mining Client для Excel 2007 для подготовки данных
                          Данная лабораторная работа описывает возможности инструментов, относящихся к Data Mining Client для Excel 2007, в части подготовки данных для анализа.
                          Оглавление
                            -
                            Самостоятельная работа 7
                            16 минут
                            Использование инструментов Data Mining Client для Excel 2007 для создания модели интеллектуального анализа данных
                            В лабораторной работе будет рассмотрен процесс создания модели интеллектуального анализа с помощью инструментов, входящих в состав Data Mining Client для Excel.
                            Оглавление
                              -
                              Самостоятельная работа 8
                              21 минута
                              Анализ точности прогноза и использование модели интеллектуального анализа
                              Лабораторная работа посвящена проверке точности модели и выполнению запросов к модели интеллектуального анализа.
                              Оглавление
                                -
                                Самостоятельная работа 9
                                18 минут
                                Построение модели кластеризации, трассировка и перекрестная проверка
                                В лабораторной работе рассматривается построение модели интеллектуального анализа данных, использующей алгоритм кластеризации, проводится анализ модели с использованием перекрестной проверки и рассматриваются предоставляемые DataMiningClient возможности по выполнению трассировки запросов к серверу.
                                Оглавление
                                  -
                                  Самостоятельная работа 2
                                  24 минуты
                                  -
                                  Лекция 8
                                  29 минут
                                  Концепции языка DMX
                                  В лекции рассматриваются базовые понятия языка DMX – атрибут, вариант, структура. Приводится обзор используемых типов данных и содержимого.
                                  Оглавление
                                    -
                                    Лекция 9
                                    22 минуты
                                    DMX. Создание структуры и модели
                                    В лекции рассматривается создание средствами языка DMX моделей и структур интеллектуального анализа данных.
                                    Оглавление
                                      -
                                      Лекция 10
                                      25 минут
                                      DMX. Обработка, очистка, удалениеи восстановление структур и моделей
                                      В лекции рассматриваются основные операции, которые можно проводить с моделями и структурами данных после их создания – обработка (обучение), очистка содержимого, удаление, экспорт и импорт.
                                      Оглавление
                                        -
                                        Лекция 11
                                        19 минут
                                        DMX. Запросы
                                        В лекции рассматривается написание запросов к структурам и моделям интеллектуального анализа данных.
                                        Оглавление
                                          -
                                          Лекция 12
                                          18 минут
                                          DMX. Прогнозы
                                          В лекции рассматриваются вопросы, связанные с написанием прогнозирующих запросов на языке DMX, а также с созданием копий существующих моделей интеллектуального анализа.
                                          Оглавление
                                            -
                                            Самостоятельная работа 10
                                            14 минут
                                            Начало работы в BIDevStudio
                                            В ходе выполнения данной работы будут рассмотрены начальные этапы выполнения интеллектуального анализа в среде BusinessIntelligenceDevelopmentStudio (BIDevStudio) - создание проекта и определение источников данных.
                                            Оглавление
                                              -
                                              Самостоятельная работа 11
                                              18 минут
                                              Создание представления источника данных
                                              В предыдущей лабораторной работе была создана база данных аналитических служб и источник данных (DataSource). В ходе выполнения этой работы мы познакомимся с созданием представления источника данных (DataSourceView, DSV), а также именованных вычислений и запросов.
                                              Оглавление
                                                -
                                                Самостоятельная работа 3
                                                24 минуты
                                                -
                                                Лекция 13
                                                16 минут
                                                DMX. Параметры алгоритмов интеллектуального анализа данных. Упрощённый алгоритм Байеса, деревья решений, линейная регрессия
                                                В данной лекции мы рассмотрим некоторые особенности определения моделей данных, основанных на упрощенном алгоритме Байеса и деревьях принятия решений.
                                                Оглавление
                                                  -
                                                  Лекция 14
                                                  22 минуты
                                                  DMX. Параметры алгоритмов интеллектуального анализа данных. Временные ряды, кластеризация
                                                  В лекции рассмотрены особенности определения на языке DMX моделей данных, основанных на алгоритмах временных рядов и кластеризации.
                                                  Оглавление
                                                    -
                                                    Лекция 15
                                                    11 минут
                                                    DMX. Параметры алгоритмов интеллектуального анализа данных. Алгоритм взаимосвязей, кластеризация последовательностей
                                                    В лекции рассмотрены особенности определения моделей данных, основанных на алгоритмах взаимосвязей и кластеризации последовательностей.
                                                    Оглавление
                                                      -
                                                      Лекция 16
                                                      11 минут
                                                      DMX. Параметры алгоритмов интеллектуального анализа данных. Алгоритмы нейронных сетей и логистической регрессии
                                                      В лекции рассмотрены особенности определения на языке DMX моделей данных, основанных на алгоритмах нейронных сетей и логистической регрессии.
                                                      Оглавление
                                                        -
                                                        Самостоятельная работа 12
                                                        22 минуты
                                                        Создание структуры и модели интеллектуального анализа. Задача кластеризации
                                                        В ходе выполнения предыдущих лабораторных работ была создана база аналитических служб MSSQLServer и определены источник данных и представление источника данных. Текущая работа посвящена созданию в среде BIDevStudio структуры и модели интеллектуального анализа данных.
                                                        Оглавление
                                                          -
                                                          Самостоятельная работа 13
                                                          16 минут
                                                          Задача классификации. Создание структуры и моделей интеллектуального анализа. Сравнение точности моделей
                                                          Данная лабораторная работа посвящена решению задачи классификации и оценке точности прогнозов, получаемых с использованием разных алгоритмов.
                                                          Оглавление
                                                            -
                                                            Самостоятельная работа 14
                                                            14 минут
                                                            Просмотр моделей интеллектуального анализа (деревья решений, упрощенный алгоритма Байеса, нейронные сети). Написание "одноэлементных" прогнозирующих запросов
                                                            В ходе предыдущей лабораторной работы были созданы три модели интеллектуального анализа. Данная работа посвящена более подробному знакомству с содержимым модели, а также написанию прогнозирующих запросов.
                                                            Оглавление
                                                              -
                                                              Самостоятельная работа 15
                                                              12 минут
                                                              Работа с моделями интеллектуального анализа данных из SQLServerManagementStudio
                                                              В ходе выполнения данной лабораторной работы будут рассмотрены вопросы, связанные с использованием среды SQLServerManagementStudioпри интеллектуальном анализе данных.
                                                              Оглавление
                                                                -
                                                                Самостоятельная работа 16
                                                                16 минут
                                                                Использование алгоритма MicrosoftTimeSeries для прогнозирования значений временных рядов
                                                                Данная лабораторная работа посвящена вопросам использования аналитических служб SQLServer 2008 для прогнозирования временных рядов.
                                                                Оглавление
                                                                  -
                                                                  Самостоятельная работа 4
                                                                  24 минуты
                                                                  -
                                                                  5 часов
                                                                  -
                                                                  Ovaere Robin
                                                                  Ovaere Robin
                                                                  Гамбия
                                                                  Александр Ерыгин
                                                                  Александр Ерыгин
                                                                  Россия