Data Mining
Что такое Data Mining?Понятие Статистики
Понятие Машинного обучения
Понятие Искусственного интеллекта
Сравнение статистики, машинного обучения и Data Mining
Развитие технологии баз данных
Понятие Data Mining
Классификация аналитических систем
Мнение экспертов о Data Mining
Отличия Data Mining от других методов анализа данных
Перспективы технологии Data Mining
Существующие подходы к анализу
Data Mining
Что такое данные?Набор данных и их атрибутов
Измерения
Шкалы
Данные, состоящие из записей
Графические данные
Химические данные
Форматы хранения данных
Базы данных. Основные положения
Системы управления базами данных, СУБД
Классификация видов данных
Метаданные
Data Mining
Методы и стадии Data MiningКлассификация стадий Data Mining
Сравнение свободного поиска и прогностического моделирования с точки зрения логики
Классификация методов Data Mining
Классификация технологических методов Data Mining
Свойства методов Data Mining
Data Mining
Задачи Data Mining. Информация и знанияЗадачи Data Mining
Классификация задач Data Mining
Связь понятий
От данных к решениям
От задачи к приложению
Информация
Свойства информации
Требования, предъявляемые к информации
Знания
Сопоставление и сравнение понятий "информация", "данные", "знание"
Data Mining
Классификация и кластеризацияЗадача классификации
Процесс классификации
Методы, применяемые для решения задач классификации
Точность классификации: оценка уровня ошибок
Оценивание классификационных методов
Задача кластеризации
Оценка качества кластеризации
Процесс кластеризации
Применение кластерного анализа
Кластерный анализ в маркетинговых исследованиях
Практика применения кластерного анализа в маркетинговых исследованиях
Выводы
Data Mining
Прогнозирование и визуализацияЗадача прогнозирования
Сравнение задач прогнозирования и классификации
Прогнозирование и временные ряды
Тренд, сезонность и цикл
Точность прогноза
Виды прогнозов
Методы прогнозирования
Задача визуализации
Плохая визуализация
Data Mining
Сферы применения Data MiningБанковское дело
Страхование
Телекоммуникации
Электронная коммерция
Промышленное производство
Маркетинг
Розничная торговля
Фондовый рынок
Применение Data Mining в CRM
Исследования для правительства
Биоинформатика
Медицина
Фармацевтика
Молекулярная генетика и генная инженерия
Химия
Web Mining
Text Mining
Call Mining
Data Mining
Основы анализа данныхАнализ данных в Microsoft Excel
Описательная статистика
Центральная тенденция
Свойства среднего
Некоторые свойства медианы
Характеристики вариации данных
Корреляционный анализ
Коэффициент корреляции Пирсона
Регрессионный анализ
Последовательность этапов регрессионного анализа
Задачи регрессионного анализа
Data Mining
Методы классификации и прогнозирования. Деревья решенийПреимущества деревьев решений
Процесс конструирования дерева решений
Критерий расщепления
Большое дерево не означает, что оно "подходящее"
Остановка построения дерева
Сокращение дерева или отсечение ветвей
Алгоритмы
Алгоритм CART
Алгоритм C4.5
Разработка новых масштабируемых алгоритмов
Data Mining
Метод опорных векторов. Метод "ближайшего соседа". Байесовская классификация
Метод опорных векторов
Линейный SVM
Метод "ближайшего соседа" или системы рассуждений на основе аналогичных случаев
Преимущества метода
Недостатки метода "ближайшего соседа"
Решение задачи классификации новых объектов
Решение задачи прогнозирования
Оценка параметра k методом кросс-проверки
Байесовская классификация
Байесовская фильтрация по словам
Data Mining
Нейронные сетиЭлементы нейронных сетей
Архитектура нейронных сетей
Обучение нейронных сетей
Модели нейронных сетей
Персептрон
Программное обеспечение для работы с нейронными сетями
Пример решения задачи
Пакет Matlab
Data Mining
Классификация нейронных сетейПодготовка данных для обучения
Выбор структуры нейронной сети
Самоорганизующиеся карты (Self-Organizing Maps, SOM)
Задачи, решаемые при помощи карт Кохонена
Обучение сети Кохонена
Карты входов
Data Mining
Иерархические методыМетоды кластерного анализа
Иерархические методы кластерного анализа
Меры сходства
Методы объединения или связи
Иерархический кластерный анализ в SPSS
Пример иерархического кластерного анализа
Определение количества кластеров
Data Mining
Итеративные методыАлгоритм k-средних (k-means)
Описание алгоритма
Проверка качества кластеризации
Алгоритм PAM ( partitioning around Medoids)
Предварительное сокращение размерности
Факторный анализ
Итеративная кластеризация в SPSS
Процесс кластерного анализа. Рекомендуемые этапы
Сложности и проблемы, которые могут возникнуть при применении кластерного анализа
Сравнительный анализ иерархических и неиерархических методов кластеризации
Новые алгоритмы и некоторые модификации алгоритмов кластерного анализа
Алгоритм BIRCH (Balanced Iterative Reducing and Clustering using Hierarchies)
Алгоритм WaveCluster
Алгоритм CLARA (Clustering LARge Applications)
Алгоритмы Clarans, CURE, DBScan
Data Mining
Часто встречающиеся приложения с применением ассоциативных правил:Введение в ассоциативные правила
Часто встречающиеся шаблоны или образцы
Поддержка
Характеристики ассоциативных правил
Границы поддержки и достоверности ассоциативного правила
Методы поиска ассоциативных правил
Разновидности алгоритма Apriori
AprioriTid
AprioriHybrid
Пример решения задачи поиска ассоциативных правил
Визуализатор "Правила"
Data Mining
Способы визуального представления данных. Методы визуализацииВизуализация инструментов Data Mining
Визуализация Data Mining моделей
Методы визуализации
Представление данных в одном, двух и трех измерениях
Представление данных в 4 + измерениях
Параллельные координаты
"Лица Чернова"
Качество визуализации
Представление пространственных характеристик
Основные тенденции в области визуализации
Data Mining
Комплексный подход к внедрению Data Mining, OLAP и хранилищ данных в СППР
Классификация СППР
OLAP-системы
OLAP-продукты
Интеграция OLAP и Data Mining
Хранилища данных
Преимущества использования хранилищ данных
Data Mining
Процесс Data Mining. Начальные этапыЭтап 1. Анализ предметной области
Этап 2. Постановка задачи
Этап 3. Подготовка данных
Определение и анализ требований к данным
Сбор данных
Определение необходимого количества данных
Предварительная обработка данных
Очистка данных
Этапы очистки данных
Инструменты очистки данных
Выводы по подготовке данных
Data Mining
Построение и использование моделиМоделирование
Виды моделей
Математическая модель
Этап 4. Построение модели
Этап 5. Проверка и оценка моделей
Этап 6. Выбор модели
Этап 7. Применение модели
Этап 8. Коррекция и обновление модели
Погрешности в процессе Data Mining
Data Mining
Организационные и человеческие факторы в Data Mining. Стандарты Data MiningОрганизационные Факторы
Человеческие факторы. Роли в Data Mining
CRISP-DM методология
SEMMA методология
Другие стандарты Data Mining
Стандарт PMML
Стандарты, относящиеся к унификации интерфейсов
Data Mining
Рынок инструментов Data MiningПоставщики Data Mining
Классификация инструментов Data Mining
Программное обеспечение Data Mining для поиска ассоциативных правил
Программное обеспечение для решения задач кластеризации и сегментации
Программное обеспечение Data Mining для решения задач оценивания и прогнозирования
Data Mining
Инструменты Data Mining. SAS Enterprise MinerОбзор программного продукта
Графический интерфейс (GUI) для анализа данных
Инструментарий для углубленного интеллектуального анализа данных
Набор инструментов для подготовки, агрегации и исследования данных
Интегрированный комплекс разнообразных методов моделирования
Интегрированные средства сравнения моделей и пакеты результатов
Скоринг по модели и простота развертывания модели
Гибкость благодаря открытости и расширяемости
Встроенная стратегия обнаружения данных
Распределенная система интеллектуального анализа данных, ориентированная на крупные предприятия
Основные характеристики пакета SAS Enterprise Miner 5.1
Специализированное хранилище данных
Подход SAS к созданию информационно-аналитических систем
Технические требования пакета SASR Enterprise Miner
Data Mining
Инструменты Data Mining. Система PolyAnalystАрхитектура системы
PolyAnalyst Workplace - лаборатория аналитика
Аналитический инструментарий PolyAnalyst
Модули для построения числовых моделей и прогноза числовых переменных
Алгоритмы кластеризации
Алгоритмы классификации
Алгоритмы ассоциации
Модули текстового анализа
Визуализация
Эволюционное программирование
Общесистемные характеристики PolyAnalyst
WebAnalyst
Data Mining
Программные продукты Cognos и система STATISTICA Data MinerОсобенности методологии моделирования с применением Cognos 4Thought
Система STATISTICA Data Miner
Средства анализа STATISTICA Data Miner
Data Mining
Oracle Data MiningOracle Data Mining - функциональные возможности
Краткая характеристика алгоритмов классификации
Регрессия
Поиск существенных атрибутов
Аналитическая платформа Deductor
Поддержка процесса от разведочного анализа до отображения данных
Архитектура Deductor Studio
Архитектура Deductor Warehouse
Описание аналитических алгоритмов
Data Mining
Инструмент KXENРеинжиниринг аналитического процесса
Технические характеристики продукта
Предпосылки создания KXEN
Структура KXEN Analytic Framework Version 3.0
Технология IOLAP
Data Mining
Data Mining консалтингData Mining-услуги
Работа с клиентом
Примеры решения
Техническое описание решения
далее
далее
Содержание раздела
