Data Science / Data Mining / Microsoft / MS SQL Server 2019 / Data Mining

MS SQL Server 2019 - Data Mining

ID	1252814
Klassenraum	3 Tage 9:00-16:30
Webinar	5 Tage 9:00-12:30
Methode	Vortrag mit Beispielen und Übungen.
Vorwissen	Grundlagen MS SQL Server
Zielgruppe	Business Intelligence-Entwickler

Data Mining-Ansatz und Philosophie verstehen
Assoziationsanalyse für einfache Mustererkennung nutzen
Daten klassifizieren mit Entscheidungsbäumen, Künstlichen Neuronalen Netzen und Naïve Bayes
Cluster-Analyse für Segmentierung von Daten nutzen
Data Mining-Software kennenlernen
Data Mining-Modelle bereitstellen und in Software einsetzen

Data Mining verstehen: Verstehen Sie die Philosophie von Data Mining im MS SQL Server
Assoziationsanalyse einsetzen: Führen Sie eine Warenkorbanalyse durch und erkennen Sie wesentliche Häufungen
Daten klassifizieren: Nutzen Sie Entscheidungsbäume, Naïve Bayes und Künstliche Neuronale Netze, um Gruppen zu klassifizieren
Mit Regression Zeit und (nicht)lineare Abhängigkeiten modellieren: Verwenden Sie Zeitreihenanalyse und Regressionsmodelle für mehrdimensionale Daten
Cluster-Analyse für Segmentierung von Daten nutzen: Erkennen Sie Gemeinsamkeiten und Gruppen in Ihren Daten
Data Mining-Modelle im MS SQL Server bereitstellen: Veröffentlichen Sie Data Mining-Modelle und nutzen Sie diese in Berichten und Software

Beschreibung

Nutzen Sie Data Mining im MS SQL Server, um Muster in Daten zu erkennen wie bspw. Gruppen, wichtige Variablen oder Zusammenhänge, die für Klassifikation und Vorhersage genutzt werden können.

Services

Mittagessen / Catering
Hilfe bei Hotel / Anreise
Comelio-Zertifikat
Flexibel: Bis einen Tag vorher kostenlos stornieren

Übersicht

MS SQL Server 2019 Data Mining Training Der MS SQL Server bietet zusätzlich zu den Berichts- und Integrationskomponenten auch Werkzeuge für den Bereiche Data Warehousing und OLAP mit den Analysis Services. Diese werden abgerundet durch die Data Mining-Technologien und Data Mining-Algorithmen. Dieses Seminar zeigt Ihnen, wie Sie auf Basis eines bestehenden Data Warehouses oder einfach mit Daten aus einfachen DB-Strukturen Data Mining-Modelle verwenden, um Zusammenhänge/Korrelationen oder Cluster in Ihren Daten zu finden sowie ein Data Mining-Modell für die Vorhersage/Prognose von kategorialen und numerischen Werten und Zeitreihen zu nutzen. Anhand von Theorie und Beispielen lernen Sie, die verschiedenen Data Mining-Modelle im MS SQL Server einzurichten, zu testen und Auswertungen im Server, mit MS Excel oder über Abfragen durchzuführen.

Termine

Wir überarbeiten gerade unsere Webseite und die Seminare. Neue Termine gibt es erst ab 2025. Wir bieten dieses Seminar weiterhin als Inhouse-Seminar für Sie und Ihr Team an.

Inhalt

Data Mining und MS SQL Server - Einführung

Business Intelligence und Data Mining - Einsatzbereiche von Data Mining – Data Mining-Verfahren in Microsoft SQL Server und MS Excel – Server- und Client-Komponenten: MS SQL Server Analysis Services und Data Mining Add Ins für MS Excel und MS Visio - Aufgaben im Bereich Data Mining - Data Mining-Techniken im MS SQL Server - Projektzyklus (Datensammlung, Aufbereitung und Reinigung von Daten, Modellbildung, Modellbewertung, Reporting, Vorhersage, Integration in Anwendungen, Modellverwaltung)

Klassifikation mit Microsoft Decision Trees - Entscheidungsbäume

Vorstellung des Algorithmus - Parameter - Modellaufbau und Modellverwendung - DMX-Abfragen: Klassifikationsmodell, Regressionsmodell, Beziehungsmodell

Klassifikation mit Microsoft Naive Bayes

Vorstellung des Algorithmus - Parameter - Modellaufbau und Modellverwendung - DMX-Abfragen: Abhängigkeitsnetz, Attributprofile, Attributcharakteristika, Attributdiskrimierung

Microsoft Time Series - Zeitreihenanalyse

Vorstellung des Algorithmus - Parameter - Modellaufbau und Modellverwendung: Autoregression, Mehrere Zeitreihen, Saisonalität, Historische Vorhersagen, Vorhersagen cachen - DMX-Abfragen

Microsoft Clustering – Cluster Analyse

Vorstellung des Algorithmus - Parameter - Modellaufbau und Modellverwendung: Harte/weiche Clusterung, Skalierbare Clusterung, Geclusterte Vorhersagen - DMX-Abfragen: Cluster, Cluster-Wahrscheinlichkeit, Vorhersage-Histogramm, CaseLikelihood

Microsoft Sequence Clustering – Cluster Analyse

Vorstellung des Algorithmus - Parameter - Modellaufbau und Modellverwendung: Markov-Kette, Übergangsmatrix, Clusterung einer Markov-Kette, Dekomposition clustern - DMX-Abfragen

Microsoft Association Rules - Assoziationsanalyse

Vorstellung des Algorithmus - Parameter - Modellaufbau und Modellverwendung: Itemset, Unterstützung, Wahrscheinlichkeit/Konfidenz, Wichtigkeit/Wesentlichkeit - DMX-Abfragen

Microsoft Neural Network – Künstliche neuronale Netze

Vorstellung des Algorithmus - Parameter - Modellaufbau und Modellverwendung: Kombination und Aktivierung, Normalisierung und Zuordnung, Topologie eines neuronalen Netzes, Modelltraining - DMX-Abfragen

Skripte für Data Mining

XML/A (XML for Analysis): Skripte generieren und verwenden, Data Mining-Modelle aufbauen, verwalten und trainieren - DMX (Data Mining Extensions): Data Mining-Modelle aufbauen, verwalten und trainieren, Data Mining-Modelle abfragen

Integration und Reporting Services

Data Mining-Modelle in Integration Services verwenden – Data Mining-Ergebnisse in Reporting Services aufrufen

Dozent/in

Unser MS SQL Server-Trainer Marco Skulschus studierte in Wuppertal und Paris Ökonomie mit Schwerpunkt Wirtschaftsinformatik und arbeitet schon seit mehr als 10 Jahren als Dozent, Fachbuch-Autor zum Thema MS SQL Server und als Business Intelligence-Berater.

Veröffentlichungen

SQL Server 2012: Data Mining und multivariate Verfahren ISBN 978-3-939701-85-9
MS SQL Server 2012 – XML-Integration mit T-SQL ISBN 978-3-939701-83-5
MS SQL Server 2012 - T-SQL Abfragen und Analysen ISBN 978-3-939701-69-9
Grundlagen empirische Sozialforschung ISBN 978-3-939701-23-1

Projekte

Als Berater und Projektleiter konzipiert Herr Skulschus Business Intelligence-Systeme mit MS SQL Server Analysis Services für OLAP udn Data Mining, mit MS SQL Server Integration Services als ETL-Plattform und auch mit MS SQL Server Reporting Services oder MS Excel für Reporting. Er ergänzt diese Data Warehouse-Technologien zusätzlich statistische Analysen, Data Mining-Module oder auch semantische Technologien. Zu seinen Kunden in diesem Bereich zählt auch der Deutsche Bundesrat.

Forschung

Er leitete ein mehrjähriges Forschungsprojekt zur Entwicklung eines Fragebogensystems mit ontologie-basiertem Datenmodell und innovativen Frage-Antwort-Darstellungen. Förderung durch das BMWi und Zusammenarbeit mit verschiedenen Universitäten.