数据挖掘原理、案例、工具与应用培训课程

培训目标：

专题

授课内容

简述

第一天上午：
数据挖掘基础知识

内容一：数据挖掘基本概念

1、数据挖掘的来源
2、数据挖掘的定义
3、数据挖掘的应用领域
4、数据挖掘的

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：数据挖掘工具介绍

1、ETL工具和数据预处理工具介绍
2、SPSS工具介绍
3、SAS工具介绍
4、SSAS工具介绍

内容四、数据挖掘在行业中的应用

1、现代企业数据挖掘需求概述
2、电信行业案例分析
3、金融行业案例研究
4、销售行业案例分析
5、BI系统数据更新与维护

介绍数据挖掘基本概念，BI体系架构，数据挖掘工具介绍及其应用，针对行业提供行业解决方案和案例分析。

第一天下午：
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。

第二天上午：
数据挖掘项目案例分析

内容一：中国电信数据挖掘项目

1、项目介绍
2、复杂多系统多数据源的特点
3、ODS的使用
4、整体项目架构设计
5、数据挖掘算法选取
6、数据挖掘模型设计
7、数据挖掘处理流程
8、数据抽取策略的制定
8、挖掘模型的更新技巧

内容二：MSN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，针对大型数据挖掘项目，提供了完备的解决方案，给出完整设计思路和数据处理技术应用。

第二天下午：
数据挖掘工具操作与使用

内容一：SPSS工具操作与使用

1、SPSS工具基本介绍
2、数据清洗与整合功能
3、建立挖掘模型流程
4、训练和处理挖掘模型
5、使用相关控件
6、使用SPSS解决业务问题

内容二：SAS工具操作与使用

1、SAS基本介绍
2、SAS中的控件
3、SAS中训练和处理挖掘模型
4、SAS使用中需要注意的问题
5、SAS操作技巧与实践经验

内容三：SSAS中的挖掘模型

1、SSAS中的数据挖掘模型介绍
2、使用SSAS建立挖掘模型
3、使用SSAS训练挖掘模型
4、使用SSAS展现挖掘结果
5、使用SSAS与SSIS将挖掘结果导出

详细讲解主流数据挖掘工具操作与使用，结合实际项目案例给出工具使用方法和演示，并给出使用中的常用方法和处理技巧。