Data Mining Teoria e Prática com MS SQLServer Analysis Services
Objetivo: A mineração de dados é o processo de extrair padrões de grandes conjuntos de dados, conectando os métodos de estatísticas e de inteligência artificial com a gestão de banco de dados. A mineração de dados envolve a análise de grandes massas de dados e conversão em informações. Neste curso vamos discutir o processo de Knowledge Discovery in Databases (KDD), como os dados podem ser extraídos e utilizados para melhorar os negócios, o processo, as ferramentas, exemplos práticos, e a relação com o Datawarehouse, Business Intelligence e BigData.
Carga Horária:24 horas
Pré-requisitos: Conhecimentos de Análise e Desenvolvimento de Sistemas, Modelagem de banco de dados relacional (MER), noções de Matemática Estatística, Modelagem Multi Dimensional.
Metodologia de ensino: Exposição teórica seguida de aplicação de exercícios de fixação e workshop prático.
Conteúdo programático:
Parte 1 – Teoria do Data Mining
Introdução à Knowledge Discovery in Databases e Data Mining
Definição de Knowledge Discovery in Databases (KDD)
Técnicas e Processos de KDD
Definição de Data Mining
Estilos de Aprendizagem
Vantagens e Desvantagens do Data Mining
Dados, Informações e Conhecimentos
Relação entre Data Mining e Datawarehouse e BigData
Árvore de Decisão de Aprendizagem
Dados e Informações Mineráveis
Tipos de dados estudados em Data Mining
Processo de Mineração de Dados
O que Data Mining pode fazer?
Tipos de conjuntos de dados
Processo de Mineração de Dados
Fluxo do processo
Ferramentas de Mineração de Dados e exemplos
Ferramentas de data mining
Técnicas de Mineração de Dados
Análise de carrinho de compras, Previsão de Vendas, Banco de dados de Marketing, Planejamento de Mercadorias, Uso de Cartão de Crédito, Análise de chamadas telefônicas, Fidelização de Clientes, Segmentação de clientes, Manufatura de produtos
Futuro da Mineração de Dados
Parte 2 – Prática de Data Mining com MS SQLServer Analysis Services
Estudo de caso Data Mining básico
Preparando o banco de dados do Analysis Services
Criando uma estrutura de mala direta
Adicionando e processando modelos
Árvores de Decisão
Clustering
Naive Bayes
Explorando os modelos de mala direta
Testando modelos
Criando e trabalhando com previsões
Estudo de caso Data Mining intermediário
Previsão: modelo de série temporal, para prever as vendas de produtos em diferentes regiões do mundo.
Análise de carrinho de compras: modelo de associação, para analisar agrupamentos de produtos comprados durante visitas ao site de comércio eletrônico.
Análise de sequência: modelo de clustering de sequências, para analisar a ordem em que os clientes compram produtos.
Análise fatorial: modelo de rede neural e de regressão logística para explorar as possíveis causas da baixa qualidade do serviço em dados de call center.
Referência DMX (Data Mining Extensions) Data Mining avançado
Instruções de definição de dados DMX
Instruções de manipulação de dados DMX
Tutorial DMX Comprador de bicicleta
Tutorial DMX do Market Basket
Tutorial DMX de previsão de série temporal
Obs: Este curso necessita o uso de computadores com MS SQLServer Analysis Services instalado e banco de dados de exemplo. O instrutor vai providenciar para os alunos 2 opções, os arquivos de instalação e banco de dados de exemplo, ou máquina virtual no padrão VMWARE. Os alunos devem providenciar laptops com a seguinte configuração mínima:
- Sistema operacional MS Windows 7 SP1 64bits ou superior
- Processador com 2 cores Intel i3 ou superior
- 4GB de RAM e 10GB livre em disco (instalação do SQLServer de avaliação)
- 6GB de RAM e 30GB livre em disco (para máquina virtual VMWARE)
Para turmas fechadas a empresa contratante pode optar por oferecer sala de treinamento com os equipamentos compatíveis.
Carga Horária:24 horas
Pré-requisitos: Conhecimentos de Análise e Desenvolvimento de Sistemas, Modelagem de banco de dados relacional (MER), noções de Matemática Estatística, Modelagem Multi Dimensional.
Metodologia de ensino: Exposição teórica seguida de aplicação de exercícios de fixação e workshop prático.
Conteúdo programático:
Parte 1 – Teoria do Data Mining
Introdução à Knowledge Discovery in Databases e Data Mining
Definição de Knowledge Discovery in Databases (KDD)
Técnicas e Processos de KDD
Definição de Data Mining
Estilos de Aprendizagem
Vantagens e Desvantagens do Data Mining
Dados, Informações e Conhecimentos
Relação entre Data Mining e Datawarehouse e BigData
Árvore de Decisão de Aprendizagem
Dados e Informações Mineráveis
Tipos de dados estudados em Data Mining
Processo de Mineração de Dados
O que Data Mining pode fazer?
Tipos de conjuntos de dados
Processo de Mineração de Dados
Fluxo do processo
Ferramentas de Mineração de Dados e exemplos
Ferramentas de data mining
Técnicas de Mineração de Dados
Análise de carrinho de compras, Previsão de Vendas, Banco de dados de Marketing, Planejamento de Mercadorias, Uso de Cartão de Crédito, Análise de chamadas telefônicas, Fidelização de Clientes, Segmentação de clientes, Manufatura de produtos
Futuro da Mineração de Dados
Parte 2 – Prática de Data Mining com MS SQLServer Analysis Services
Estudo de caso Data Mining básico
Preparando o banco de dados do Analysis Services
Criando uma estrutura de mala direta
Adicionando e processando modelos
Árvores de Decisão
Clustering
Naive Bayes
Explorando os modelos de mala direta
Testando modelos
Criando e trabalhando com previsões
Estudo de caso Data Mining intermediário
Previsão: modelo de série temporal, para prever as vendas de produtos em diferentes regiões do mundo.
Análise de carrinho de compras: modelo de associação, para analisar agrupamentos de produtos comprados durante visitas ao site de comércio eletrônico.
Análise de sequência: modelo de clustering de sequências, para analisar a ordem em que os clientes compram produtos.
Análise fatorial: modelo de rede neural e de regressão logística para explorar as possíveis causas da baixa qualidade do serviço em dados de call center.
Referência DMX (Data Mining Extensions) Data Mining avançado
Instruções de definição de dados DMX
Instruções de manipulação de dados DMX
Tutorial DMX Comprador de bicicleta
Tutorial DMX do Market Basket
Tutorial DMX de previsão de série temporal
Obs: Este curso necessita o uso de computadores com MS SQLServer Analysis Services instalado e banco de dados de exemplo. O instrutor vai providenciar para os alunos 2 opções, os arquivos de instalação e banco de dados de exemplo, ou máquina virtual no padrão VMWARE. Os alunos devem providenciar laptops com a seguinte configuração mínima:
- Sistema operacional MS Windows 7 SP1 64bits ou superior
- Processador com 2 cores Intel i3 ou superior
- 4GB de RAM e 10GB livre em disco (instalação do SQLServer de avaliação)
- 6GB de RAM e 30GB livre em disco (para máquina virtual VMWARE)
Para turmas fechadas a empresa contratante pode optar por oferecer sala de treinamento com os equipamentos compatíveis.
