THỜI LƯỢNG: 2 ngày (~16 giờ)
GIỚI THIỆU KHÓA HỌC
Khóa học Predictive Analytics using Oracle Data Mining Ed 1 đưa ra các khái niệm cơ bản về khai thác dữ liệu, cách thức tận dụng sức mạnh phân tích dự báo của Oracle Data Mining - một thành phần của tùy chọn Oracle Advanced Analytics.
MỤC TIÊU KHÓA HỌC
Sau khi hoàn tất khóa học, học viên có khả năng:
- Giải thích các khái niệm khai phá dữ liệu cơ bản và mô tả lợi ích của phân tích dự báo
- Nắm bắt các nhiệm vụ khai phá dữ liệu chính và mô tả các giai đoạn quan trọng của quá trình khai phá dữ liệu
- Sử dụng Oracle Data Miner để xây dựng, đánh giá, áp dụng và triển khai nhiều mô hình khai phá dữ liệu
- Sử dụng các dự đoán và thông tin chi tiết của Oracle Data Mining để giải quyết nhiều khía cạnh của vấn đề kinh doanh
- Triển khai các mô hình khai thác dữ liệu để truy cập hàng loạt hoặc theo thời gian thực bởi người dùng cuối
ĐỐI TƯỢNG THAM GIA
- Database Administrators
- Data Scientist
- Data Analyst
KHÓA HỌC LIÊN QUAN
CHỨNG NHẬN
Sau khi hoàn tất khóa học, học viên sẽ được cấp chứng nhận hoàn tất khóa học của Oracle.
NỘI DUNG KHÓA HỌC
Module 1: Introduction
- Review location of additional resources
- Course Objectives
- Practice and Solutions Structure
- Suggested Course Prerequisites
- Class Sample Schemas
- Suggested Course Schedule
Module 2: Predictive Analytics and Data Mining Concepts
- Introducting the Oracle Advanced Analytics (OAA) Option?
- Why use Data Mining?
- Supervised Versus Unsupervised Learning
- Supported Data Mining Algorithms and Uses
- What is Data Mining?
- What is the Predictive Analytics?
- Examples of Data Mining Applications
Module 3: Understanding the Data Mining Process
- Common Tasks in the Data Mining Process
- Introducing the SQL Developer interface
Module 4: Introducing Oracle Data Miner 4.1
- Previewing Data Miner Workflows
- Examining Data Miner Nodes
- Setting up Oracle Data Miner
- Data mining with Oracle Database
- Identifying Data Miner interface components
- Accessing the Data Miner GUI
Module 5: Using Classification Models
- Building the Models
- Using the Data Source Wizard
- Examining Class Build Tabs
- Adding a Data Source to the Workflow
- Creating Classification Models
- Reviewing Classification Models
- Using the Column Filter Node
- Using Explore and Graph Nodes
Module 6: Using Regression Models
- Using the Data Source Wizard
- Selecting a Model
- Building the Models
- Comparing the Models
- Creating Regression Models
- Reviewing Regression Models
- Performing Data Transformations
- Adding a Data Source to the Workflow
Module 7: Using Clustering Models
- Adding Data Sources to the Workflow
- Comparing Model Results
- Exploring Data for Patterns
- Describing Algorithms used for Clustering Models
- Defining and Building Clustering Models
- Defining Output Format
- Selecting and Applying a Model
- Examining Cluster Results
Module 8: Performing Market Basket Analysis
- Adding a Data Source to the Workflow
- Creating a New Workflow
- What is Market Basket Analysis?
- Reviewing Association Rules
- Building the Model
- Defining Association Rules
- Creating an Association Rules Model
- Examining Test Results
Module 9: Performing Anomaly Detection
- Applying the Model
- Adding Data Sources to the Workflow
- Evaluating Results
- Building the Model
- Examining Test Results
- Reviewing the Model and Algorithm used for Anomaly Detection
- Creating the Model
Module 10: Mining Structured and Unstructured Data
- Enabling mining of Text
- Joining and Filtering data
- Examining Predictive Results
- Handling Aggregated (Nested) Data
- Dealing with Transactional Data
Module 11: Using Predictive Queries
- Examining Predictive Results
- Creating Predictive Queries
- What are Predictive Queries?
Module 12: Deploying Predictive models
- Examining Deployment Options
- Requirements for deployment
- Deployment Options
.png)
