数据仓库与数据挖掘（结合SPSS和WEKA案例） 培训...课程特色与背景

  各有关单位：

  技术研究所是国家专门的计算技术研究机构，同时也是中国信息化建设的重要支撑单位，中科院计算所培训中心是致力于高端IT类人才培养及企业内训的专业培训机构。中心凭借科学院的强大师资力量，在总结多年大型软件开发和组织经验的基础上，自主研发出一整套课程体系，其目的是希望能够切实帮助中国软件企业培养高级软件技术人才，提升整体研发能力。迄今为止已先后为国家培养了数万名计算机专业人员，并先后为数千家大型国内外企业进行过专门的定制培训服务。

  随着近年来数据资源的日益丰富，从数据资源提取信息和知识进行辅助决策非常必要。如何从企业内部众多的信息系统中提取真正反映企业运营状况的有效信息资源、深入挖掘价值客户信息，从而提高经营管理决策的支撑能力和快速响应能力，以期对纷繁变化的市场和竞争对手有足够的洞察力、掌控力和预判力，成为企业下一阶段信息系统建设的目标和方向。而这一目标正是要靠IT领域中的数据仓库和商务智能技术来实现和达到。

  本次培训重在突出数据仓库与数据挖掘决策支持的本质，介绍数据挖掘的各种方法、技术实现手段，通过对实例的深入剖析解释它们的原理。

课程大纲

第一部分数据仓库及联机分析

1)数据仓库简介及结构体系

2)数据仓库数据模型

3)数据抽取、转换和装载，元数据管理

4)OLAP概念及其数据模型

5)多维数据的显示(基于BusinessIntelligenceDevStudio)

第二部分数据仓库设计、开发与案例分析

1)数据仓库分析、设计与开发过程

2)数据仓库技术与开发的困难

3)OLAP的多维数据分析

4)数据仓库案例剖析1：移动运营商的客户投诉联机分析

5)数据仓库案例剖析2：统计业数据仓库系统

第三部分数据挖掘与知识发现

1)数据挖掘与知识发现简介

2)数据挖掘的任务与对象

3)数据挖掘方法及相关技术

4)线性回归及逻辑回归分析技术

5)回归技术应用案例：电信客户流失分析

第四部分关联及聚类分析算法及案例

1)关联规则介绍及Aprior算法详解

2)从频繁项集产生关联规则

3)关联规则应用案例：捆绑销售及购物篮实例分析

4)聚类分析的概念及主要的聚类方法

5)K-means算法详解

6)聚类分析应用案例：用户数据的聚类分析应用

第五部分决策树和神经网络算法及案例

1)决策树及ID3算法介绍

2)由决策树提取分类规则

3)决策树分析应用实例：用决策树依据银行信贷历史记录决定贷款与否

4)神经网络及其算法介绍

5)多层感知器与RBF网络及其应用

6)神经网络应用实例：利用神经网络对GDP总量做预测分析

课程主讲

杨老师：培训中心高级讲师，主要研究方向为网络信息分析以及云计算相关技术，长期从事通信网管系统、网络信息处理、商务智能(BI)以及电信决策支持系统的研究开发工作，具有丰富的工程实践及软件研发经验。

课程对象

数据仓库管理人员、建模人员，分析人员和开发人员、系统管理人员、数据库管理人员以及对数据仓库感兴趣的其他人员。

备  注

课程费用：原价5900元/人，特别价格2600元/人

（每天晚上19:30-22:00，授课2小时，讨论互动0.5小时）