Course Outline

Introductie

  • Datamining als analysestap van het KDD-proces ("Knowledge Discovery in Databases")
  • Deelgebied van de informatica
  • Patronen ontdekken in grote datasets

Bronnen van methoden

  • Kunstmatige intelligentie
  • Machinaal leren
  • Statistics
  • Database Systemen

Wat komt er allemaal bij kijken?

  • Database en aspecten van gegevensbeheer.
  • Voorbewerking van gegevens
  • Overwegingen bij modellen en gevolgtrekkingen
  • Statistieken over interessantheid
  • Aandachtspunten bij complexiteit
  • Nabewerking van ontdekte structuren
  • Visualisatie
  • Online updaten

Hoofdtaken datamining

  • Automatische of semi-automatische analyse van grote hoeveelheden gegevens
  • Extraheren van voorheen onbekende interessante patronen
    • Groepen gegevensrecords (clusteranalyse)
    • Ongebruikelijke records (detectie van afwijkingen)
    • afhankelijkheden (associatieregel mining)

Datamining

  • Anomaliedetectie (detectie van uitschieters/veranderingen/afwijkingen)
  • Leren van associatieregels (afhankelijkheidsmodellering)
  • Clustering
  • Classificatie
  • Regressie
  • Samenvatting

Gebruik en toepassingen

  • Bekwaam gevaar
  • Gedragsanalyse
  • Business Analyse
  • Industrieoverschrijdend standaardproces voor Data Mining
  • Analyse van klanten
  • Datamining in de landbouw
  • Datamining in de meteorologie
  • Educatieve datamining
  • Menselijke genetische clustering
  • Inferentie-aanval
  • Java Data Mining
  • Open-source intelligentie
  • Padanalyse (berekening)
  • ReactIve Business Intelligence

Data baggeren, data vissen, data snuffelen

Requirements

Eerlijke kennis over relationele datastructuren, SQL

  21 Hours

Getuigenissen (9)

Related Courses

Related Categories