Oracle - Data Mining mit PL/SQL

Details

ID 1151912
Dauer 3.0 Tage
Methoden Vortrag mit Beispiel und Übungen.
Vorwissen Oracle SQL, PL / SQL
Zielgruppe Business Intelligence-EntwicklerInnen

Ziele

Data Mining verstehen
Verstehen Sie die Philosophie von Data Mining in Oracle
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 (nicht)lineare Abhängigkeiten modellieren
Verwenden Sie Regressionsmodelle und verallgemeinerte lineare Modelle für mehrdimensionale Daten
Cluster-Analyse für Segmentierung von Daten nutzen
Erkennen Sie Gemeinsamkeiten und Gruppen in Ihren Daten
Oracle PL/SQL für Data Mining verwenden
Die PL/SQL-Pakete DBMS_DATA_MINING, DBMS_DATA_MINING_TRANSFORM und DBMS_PREDICTIVE_ANALYTICS einsetzen

Übersicht

Oracle Data Mining (ODM) bietet mit SQL und PL/SQL direkt in der Oracle Datenbank Werkzeuge, um multivariate Analyse und Data Mining zu verwenden. Über PL/SQL-Pakete lassen sich Data Mining-Modelle erstellen, miteinander vergleichen und auch für Vorhersage und Klassifikation verwenden. In diesem Seminar lernen Sie, mit Oracle SQL Ihre Daten passend für die verschiedenen Data Mining-Algorithmen vorzubereiten, mit Oracle PL/SQL danach Data Mining-Modelle zu entwickeln und diese dann miteinander zu vergleichen und schließlich auch für Vorhersage und Klassfikation zu verwenden.

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.

Comelio Medien

Noch auf der Suche nach weiterführender Literatur? Entdecken Sie passende Fachbücher in unserem Katalog.

Zum Bücherkatalog

Themen

  • Data Mining-Ansatz und Philosophie verstehen
  • Die Pakete DBMS_DATA_MINING, DBMS_DATA_MINING_TRANSFORM und DBMS_PREDICTIVE_ANALYTICS verwenden
  • Assoziationsanalyse für einfache Mustererkennung nutzen
  • Daten klassifizieren mit Entscheidungsbäumen, Künstlichen Neuronalen Netzen und Naïve Bayes
  • Regressionsanalyse und GLM (Generalized Linear Models) durchführen
  • Cluster-Analyse für Segmentierung von Daten nutzen
  • Data Mining-Modelle bewerten und vergleichen

Beschreibung

Nutzen Sie Oracle PL/SQL und Data Mining, um Muster in Daten zu erkennen wie bspw. Gruppen, wichtige Variablen oder Zusammenhänge, die für Klassifikation und Vorhersage genutzt werden können. Erfahren Sie, wie Sie mit Oracle SQL Ihre Daten transformieren und vorbereiten, damit Sie dann mit Oracle PL/SQL die in Oracle eingebauten Data Mining-Algorithmen für Analysen, Vorhersagen und Klassfikationen verwenden können.

Services

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

Inhalt

Data Mining und Oracle PL/SQL
Statistik, multivariate Statistik und Data Mining – Data Mining-Kreislauf - Daten-Vorverarbeitung: Beschreibende Datenaggregation, Datenbereinigung, Datenintegration und –transformation – Datenreduktion – Diskretisierung und Konzept-Hierarchien – Verwendung von SQL und PL/SQL für Data Mining
Strukturentdeckende Verfahren
Faktoranalyse und Hauptkomponentenanalyse - Ausreißeranalyse - Umsetzung mit Oracle SQL und PL/SQL
Data Mining mit Assoziationsregeln
Suchen von häufigen Kombinationen (Frequent Itemset Mining) – Assoziationsregeln abregeln und bewerten - Umsetzung mit Oracle SQL und PL/SQL
Data Mining für Klassifikation
Entscheidungsbäume: Auswahl von Attributen, Beschneidung von Bäumen, Ableitung von Regeln, Gütemaße und Vergleich von Modellen, Ableitung von Regeln - Support Vector Machines: Vorstellung des Algorithmus, Modellaufbau und Modellverwendung - Umsetzung mit Oracle SQL und PL/SQL
Data Mining mit Wahrscheinlichkeitstheorie
Klassifikation über Logistische Regression - Wahrscheinlichkeitstheorie und Bayes Theorem –Naïve Bayes-Algorithmus: Algorithmus, Modellaufbau und Modellverwendung
Cluster-Analyse
Einführung in die Cluster Analyse – Ähnlichkeits- und Distanzmessung - Varianten und grundlegende Techniken – Partitionierende Methoden: k-Means-Verfahren, Expectation Maximization (EM), Orthogonal Partitioning Clustering - Umsetzung mit Oracle SQL und PL/SQL

Dozent/in

Marco Skulschus (born in Germany in 1978) studied economics in Wuppertal (Germany) and Paris (France) and wrote his master´s thesis about semantic data modeling. He started working as a lecturer and consultant in 2002.

Veröffentlichungen

  • Oracle PL/SQL (Comelio Medien)
    978-3-939701-40-8
  • Oracle SQL (Comelio Medien)
    978-3-939701-41-5
  • Oracle PL/SQL - Objektrelationale Techniken (Comelio Medien)
    978-3-939701-42-2
  • Oracle, PL/SQL und XML (Comelio Medien)
    978-3-939701-49-1

Projekte

He led several research projects and was leading scientist and project manager of a publicly funded project about interactive questionnaires and online surveys.

Forschung

He works as an IT-consultant and project manager. He developed various Business Intelligence systems for industry clients and the public sector. For several years now, he is responsible for a BI-team in India which is mainly involved in BI and OLAP projects, reporting systems as well as statistical analysis and Data Mining. He led several research projects and was leading scientist and project manager of a publicly funded project about interactive questionnaires and online surveys.

Zertifikate

Marco Skulschus is "Oracle Certified Associate" and passed the ComptiaCTT+ examination.