你的位置: 首页 > 公开课首页 > 语言 > 课程详情

数据仓库多维建模与数据挖掘

暂无评价   
  • 课程时间:2013/12/14 09:00 至 2013/12/15 16:00 已结束
  • 开课地点:上海市
  • 授课讲师: 戴老师
  • 课程编号:237606
  • 课程分类:语言
你实际购买的价格
付款时最多可用0淘币抵扣0元现金
购买成功后,系统会给用户帐号返回的现金券
淘课价格¥3200
你还可以: 收藏
人气:1432 课纲 | 收藏

培训受众:

研发人员及数据涉及人员

课程收益:

1、 培训过程中将以大型项目案例为背景,逐步讲解整个数据仓库和海量数据处理项目过程中的设计思路和实施方法
2、 课程将以深入浅出的案例让学员轻松掌握数据仓库和数据挖掘领域相关技术
3、 课程的重点是项目实施,将深入探讨数据仓库和数据挖掘项目的实施问题,逐一解决项目实施过程中所遇到的问题和处理技巧
4、 结合动手实验和实际项目案例,使学员充分理解数据仓库、多维模型、ETL、OLAP、报表分析、数据挖掘架构设计和相关工具的使用

培训颁发证书:

颁发安博中程在线的培训证书

课程大纲

专题 授课内容 简述

专题一:
数据仓库基础知识 内容一:数据仓库基本概念
1、 数据仓库的来源及定义
2、 数据仓库的应用领域
3、 数据挖掘的来源及定义
4、 数据挖掘的应用领域
内容二:BI的架构
1、BI体系介绍
2、数据仓库介绍
3、ETL介绍
4、多维数据库介绍
5、前端展现介绍
6、数据挖掘模型介绍
内容三:BI工具介绍
1、ETL工具---SSIS介绍
2、OLAP工具---SSAS介绍
3、报表工具---SSRS介绍
4、数据挖掘工具---SSAS中的挖掘模型
内容四、BI在行业中的应用
1、现代企业BI需求概述
2、互联网行业案例分析
3、电信行业案例分析
4、生产制造行业案例研究
5、金融等行业案例分析
6、BI系统数据更新与维护
介绍数据仓库与数据挖掘基本概念,BI体系架构, BI工具介绍及其应用,针对行业提供行业解决方案和案例分析。
专题二:
数据仓库架构设计与完整流程详解 内容一、数据仓库多维模型设计
1、数据仓库多维模型设计原则与模型搭建
2、星型架构与雪花型架构
3、事实表与维度表的设计
4、逻辑设计与物理设计
5、数据仓库设计的常用方法
6、数据仓库设计技巧总结
7、数据仓库案例分析
内容二、ETL
1、数据集成方法
2、数据抽取
3、数据转换
4、数据加载
5、ETL调度策略
6、缓慢变化维度和时间戳的处理
7、ETL高级技巧
8、ETL案例分析
内容三:元数据管理
1、元数据概念
2、元数据的来源
3、元数据在数据仓库中的作用
4、元数据设计
5、元数据管理
6、元数据应用
7、元数据案例分析
内容四:OLAP模型设计
1、OLAP的应用场合
2、OLAP模型搭建
3、统一维度模型UDM
4、确定维度、量度与事实的关系
5、使用计算成员
6、使用KPI
7、OLAP中的高级应用
介绍数据仓库设计的基本原则和数据仓库的架构设计方式,以及构建数据仓库的核心步骤,提供ETL,元数据管理,OLAP,多维分析报表等整体解决方案和设计方法。
专题三:
数据挖掘架构设计与完整流程详解 内容一:九种数据挖掘算法
1、 九种挖掘算法应用的背景
2、 决策树算法与模型设计
3、 聚类算法与模型设计
4、 关联规则算法与模型设计
5、 贝叶斯算法与模型设计
6、 时间序列算法与模型设计
7、 其他挖掘算法与模型设计
内容二:常用挖掘模型详解
1、决策树算法详解及工具实现
2、聚类算法详解及工具实现
3、关联规则算法详解及工具实现
4、贝叶斯算法详解及工具实现
5、时间序列算法详解及工具实现
6、数据挖掘模型评估
内容三:数据挖掘的流程
1、数据清洗准备
2、数据预处理
3、选择数据挖掘模型
4、数据挖掘模型训练
5、更新算法模型
6、模型评估
7、部署与应用
内容四:DMX语言
1、DMX语法结构
2、使用DMX创建挖掘模型
3、使用DMX将挖掘结果导出
4、使用DMX进行挖掘模型参数设置
九种数据挖掘算法与模型详解,数据挖掘的设计与实施流程,数据挖掘查询语言的使用等,重点对决策树算法、关联规则算法、聚类算法等给出详细设计和处理流程。
专题四:
数据仓库与数据挖掘项目案例分析 内容一:Novartis大型数据仓库项目
1、项目介绍
2、复杂多系统多数据源的特点
3、ODS的使用
4、MDM的使用
5、整体项目架构设计
6、ETL流程设计
7、缓慢变化维度的使用
8、抽取策略的制定
9、OLAP与报表的设计和使用
10、数据仓库更新技巧
内容二:Search Funnel数据挖掘项目
1、项目介绍
2、项目中的海量数据
3、数据挖掘算法
4、数据挖掘模型构建
5、数据的预处理技术
6、对挖掘模型进行训练
7、展示数据挖掘模型结果
8、数据挖掘模型评估
内容三:AdventureWorks整体BI项目案例
1、案例介绍
2、ETL流程详解
3、OLAP流程详解
4、前端报表流程详解
5、数据挖掘流程详解
大型数据仓库与数据挖掘项目设计和实施,重点对项目架构设计和数据完整处理流程做重点分析和详细介绍,针对大型数据仓库项目,提供了完备的异构数据源集成方案,以及ODS、MDM和缓慢变化维度等的应用技巧,提供了完整的设计思路和数据仓库处理技术技巧等。

培训师介绍

戴老师,微软Adcentor产品中心BI项目经理,微软MCT,BI专家,在数据仓库,数据清洗,数据整合和多维数据库方 面有很深的造诣,负责企业级数据仓库架构,ETL,数据仓库实现,调度,海量数据的优化处理以及数据分析与数据挖掘等。负责和参与开发的主要项目有:微软 总部MSN数据挖掘项目;微软总部Microsoft Marketing数据分析项目等。对数据仓库的架构和海量数据的优化有丰富的经验和处理方法,授课中结合丰富的实际项目案例,使学员轻松掌握数据仓库、 商业智能和数据挖掘等相关技术。
精通技术:企业级的数据仓库架构;建模;ETCL过程:包括数据的清洗,抽取,转换,加载等技术,对ETCL有比较深刻的了解和设计思想;搭建OLAP;前端展现和数据挖掘;数据整合与集成;海量数据处理,多次处理开发基于海量数据的项目。精通工具为:J2EE架构,.NET架构,Oracle,OWB,Informatica, SQL Server 2000及SQL Server 2005数据仓库相关工具,熟悉主流BI开发工具,Reporting Servers, ProClarity, Brio, BO等前端展现工具等

本课程名称: 数据仓库多维建模与数据挖掘

查看更多:语言公开课

数据仓库 相关的最新课程
讲师动态评分 与同行相比

授课内容与课纲相符00%

讲师授课水平00%

服务态度00%