Visão Geral

Este Curso Predictive Analytics using Oracle Data Mining tem com objetivo revisará os conceitos básicos de mineração de dados. Instrutores especialistas em Analytics ensinarão você a aproveitar o poder analítico preditivo do Oracle Data Mining, um componente da opção Oracle Advanced Analytics.

Aprender a:

• Explique os conceitos básicos de mineração de dados e descreva os benefícios da análise preditiva.
• Entenda as principais tarefas de mineração de dados e descreva as principais etapas de um processo de mineração de dados.
• Use o Oracle Data Miner para criar, avaliar, aplicar e implantar vários modelos de mineração de dados.
• Use as previsões e insights do Oracle Data Mining para resolver vários tipos de problemas de negócios.
• Implante modelos de mineração de dados para acesso do usuário final, em lote ou em tempo real, e dentro de aplicativos.

Benefícios para você

Ao concluir este curso, você poderá usar o Oracle Data Miner 4.1, a GUI de "fluxo de trabalho" do Oracle Data Mining, que permite que analistas de dados trabalhem diretamente com dados dentro do banco de dados. A GUI do Data Miner fornece ferramentas intuitivas que ajudam você a explorar os dados graficamente, criar e avaliar vários modelos de mineração de dados, aplicar modelos Oracle Data Mining a novos dados e implantar as previsões e insights do Oracle Data Mining em toda a empresa.

APIs SQL do Oracle Data Miner - Obtenha resultados em tempo real

As APIs SQL do Oracle Data Miner extraem automaticamente dados Oracle e implementam resultados em tempo real. Como os dados, modelos e resultados permanecem no banco de dados Oracle, a movimentação de dados é eliminada, a segurança é maximizada e a latência das informações é minimizada.

Objetivo

Após Realizar este Curso Predictive Analytics using Oracle Data Mining você será capaz de:

• Explicar os conceitos básicos de mineração de dados e descrever os benefícios da análise preditiva
• Entenda as principais tarefas de mineração de dados e descreva as principais etapas de um processo de mineração de dados
• Use o Oracle Data Miner para criar, avaliar, aplicar e implantar vários modelos de mineração de dados
• Use as previsões e insights do Oracle Data Mining para resolver vários tipos de problemas de negócios
• Implante modelos de mineração de dados para acesso em lote ou em tempo real por usuários finais

Publico Alvo

• Analyst
• Data Scientist
• Database Administrator

Materiais

Conteúdo Programatico

Introduction

1. Course Objectives
2. Suggested Course Prerequisites
3. Suggested Course Schedule
4. Class Sample Schemas
5. Practice and Solutions Structure
6. Review location of additional resources
7. Predictive Analytics and Data Mining Concepts
8. What is the Predictive Analytics?
9. Introducting the Oracle Advanced Analytics (OAA) Option?
10. What is Data Mining?
11. Why use Data Mining?
12. Examples of Data Mining Applications
13. Supervised Versus Unsupervised Learning
14. Supported Data Mining Algorithms and Uses

Understanding the Data Mining Process

1. Common Tasks in the Data Mining Process
2. Introducing the SQL Developer interface
3. Introducing Oracle Data Miner 4.1
4. Data mining with Oracle Database
5. Setting up Oracle Data Miner
6. Accessing the Data Miner GUI
7. Identifying Data Miner interface components
8. Examining Data Miner Nodes
9. Previewing Data Miner Workflows

Using Classification Models

1. Reviewing Classification Models
2. Adding a Data Source to the Workflow
3. Using the Data Source Wizard
4. Using Explore and Graph Nodes
5. Using the Column Filter Node
6. Creating Classification Models
7. Building the Models
8. Examining Class Build Tabs
9. Using Regression Models
10. Reviewing Regression Models
11. Adding a Data Source to the Workflow
12. Using the Data Source Wizard
13. Performing Data Transformations
14. Creating Regression Models
15. Building the Models
16. Comparing the Models
17. Selecting a Model

Using Clustering Models

1. Describing Algorithms used for Clustering Models
2. Adding Data Sources to the Workflow
3. Exploring Data for Patterns
4. Defining and Building Clustering Models
5. Comparing Model Results
6. Selecting and Applying a Model
7. Defining Output Format
8. Examining Cluster Results
9. Performing Market Basket Analysis
10. What is Market Basket Analysis?
11. Reviewing Association Rules
12. Creating a New Workflow
13. Adding a Data Source to the Workflow
14. Creating an Association Rules Model
15. Defining Association Rules
16. Building the Model
17. Examining Test Results

Performing Anomaly Detection

1. Reviewing the Model and Algorithm used for Anomaly Detection
2. Adding Data Sources to the Workflow
3. Creating the Model
4. Building the Model
5. Examining Test Results
6. Applying the Model
7. Evaluating Results
8. Mining Structured and Unstructured Data
9. Dealing with Transactional Data
10. Handling Aggregated (Nested) Data
11. Joining and Filtering data
12. Enabling mining of Text
13. Examining Predictive Results

Using Predictive Queries

1. What are Predictive Queries?
2. Creating Predictive Queries
3. Examining Predictive Results
4. Deploying Predictive models
5. Requirements for deployment
6. Deployment Options
7. Examining Deployment Options