Brochure Taller de Inducción al Oracle DataMining Minería de Datos (DM048)
6
Av. José Pardo 138, Oficina 1402 [email protected] Miraflores– Lima - Perú www.kasperu.com Telf. (51-1) 697–8227 / 725-7209 1 Taller de Inducción al Oracle DataMining Minería de Datos y Minería de Textos (DM048) SUMILLA El Oracle Data Mining (ODM) es una herramienta de software para el datamining. El ODM permite a los usuarios descubrir nuevos conocimientos ocultos en los datos y aprovechar la inversión hecha en la tecnología Oracle, integra en un solo ambiente de trabajo la importación de los datos, las preparación de los datos, el desarrollo del modelo y principalmente el despliegue del modelo. El ODM permite crear y aplicar modelos predictivos que ayuden a identificar a sus mejores clientes, desarrollar perfiles detallados de los clientes, encontrar y prevenir fraudes, identificar potenciales casos de deserción, optimizar campañas de marketing, detectar patrones de conducta anormales, analizar las canasta de mercado y múltiples aplicaciones más. El ODM está basado en un esquema de Flujo de Trabajo, similar a otras herramientas de minería de datos, este esquema de trabajo es una extensión del SQL Developer, permitiendo analizar los datos, explorar los datos, construir y evaluar modelos y aplicar estos modelos a nuevos datos, así compartir estos modelos en aplicaciones en línea entregando resultados en tiempo real. La herramienta integra en un solo ambiente todas las etapas del proceso de la minería de datos, reduciendo el tiempo de latencia por el movimiento de los datos y permitiendo integrar los modelos en aplicaciones que ofrece la Inteligencia de Negocios. OBJETIVOS Al final del taller los alumnos estarán en capacidad de: Conocer el flujo de trabajo del Oracle Datamining. Administrar la interfaz de SQL Developer. Creación, modificación y eliminación de nodos del DataMiner. Configurar el Oracle Data Miner. Accesar al Oracle Data Miner GUI. Identificar los componentes (nodos) de la interfaz del Data Miner. Ejecutar operadores para la lectura de datos, exportación de datos, ejecución de sentencias SQL. Implementar flujos de trabajo para la transformación de datos. Comprender y aplicar los conceptos necesarios para evaluar el rendimiento de los modelos basado en su efectividad haciendo uso de la matriz de clasificación y del MAPE. Implementar flujos de trabajo para la creación de modelos de clasificación. Implementar flujos de trabajo para la creación de modelos de agrupamiento. Implementar flujos de trabajo para la creación de modelos de reglas se asociación. Implementar flujos de trabajo para la creación de modelos de minería de datos. Comprender, usar y entender los resultados entregados.
-
Upload
kasperu-sac -
Category
Documents
-
view
375 -
download
3
description
El Oracle Data Mining (ODM) es una herramienta de software para el datamining. El ODM permite a los usuarios descubrir nuevos conocimientos ocultos en los datos y aprovechar la inversión hecha en la tecnología Oracle, integra en un solo ambiente de trabajo la importación de los datos, las preparación de los datos, el desarrollo del modelo y principalmente el despliegue del modelo. El ODM permite crear y aplicar modelos predictivos que ayuden a identificar a sus mejores clientes, desarrollar perfiles detallados de los clientes, encontrar y prevenir fraudes, identificar potenciales casos de deserción, optimizar campañas de marketing, detectar patrones de conducta anormales, analizar las canasta de mercado y múltiples aplicaciones más. El ODM está basado en un esquema de Flujo de Trabajo, similar a otras herramientas de minería de datos, este esquema de trabajo es una extensión del SQL Developer, permitiendo analizar los datos, explorar los datos, construir y evaluar modelos y aplicar estos modelos a nuevos datos, así compartir estos modelos en aplicaciones en línea entregando resultados en tiempo real. La herramienta integra en un solo ambiente todas las etapas del proceso de la minería de datos, reduciendo el tiempo de latencia por el movimiento de los datos y permitiendo integrar los modelos en aplicaciones que ofrece la Inteligencia de Negocios.
Transcript of Brochure Taller de Inducción al Oracle DataMining Minería de Datos (DM048)
Av. José Pardo 138, Oficina 1402 [email protected]
Miraflores– Lima - Perú www.kasperu.com
Telf. (51-1) 697–8227 / 725-7209
1
Taller de Inducción al Oracle DataMining
Minería de Datos y Minería de Textos (DM048)
SUMILLA
El Oracle Data Mining (ODM) es una herramienta de software para el datamining. El ODM
permite a los usuarios descubrir nuevos conocimientos ocultos en los datos y aprovechar la inversión hecha en la tecnología Oracle, integra en un solo ambiente de trabajo la importación
de los datos, las preparación de los datos, el desarrollo del modelo y principalmente el
despliegue del modelo. El ODM permite crear y aplicar modelos predictivos que ayuden a
identificar a sus mejores clientes, desarrollar perfiles detallados de los clientes, encontrar y prevenir fraudes, identificar potenciales casos de deserción, optimizar campañas de marketing,
detectar patrones de conducta anormales, analizar las canasta de mercado y múltiples
aplicaciones más. El ODM está basado en un esquema de Flujo de Trabajo, similar a otras
herramientas de minería de datos, este esquema de trabajo es una extensión del SQL Developer, permitiendo analizar los datos, explorar los datos, construir y evaluar modelos y
aplicar estos modelos a nuevos datos, así compartir estos modelos en aplicaciones en línea
entregando resultados en tiempo real. La herramienta integra en un solo ambiente todas las
etapas del proceso de la minería de datos, reduciendo el tiempo de latencia por el movimiento
de los datos y permitiendo integrar los modelos en aplicaciones que ofrece la Inteligencia de Negocios.
OBJETIVOS
Al final del taller los alumnos estarán en capacidad de:
Conocer el flujo de trabajo del Oracle Datamining.
Administrar la interfaz de SQL Developer. Creación, modificación y eliminación de nodos del DataMiner.
Configurar el Oracle Data Miner.
Accesar al Oracle Data Miner GUI.
Identificar los componentes (nodos) de la interfaz del Data Miner.
Ejecutar operadores para la lectura de datos, exportación de datos, ejecución de sentencias SQL.
Implementar flujos de trabajo para la transformación de datos.
Comprender y aplicar los conceptos necesarios para evaluar el rendimiento de los modelos
basado en su efectividad haciendo uso de la matriz de clasificación y del MAPE. Implementar flujos de trabajo para la creación de modelos de clasificación.
Implementar flujos de trabajo para la creación de modelos de agrupamiento.
Implementar flujos de trabajo para la creación de modelos de reglas se asociación.
Implementar flujos de trabajo para la creación de modelos de minería de datos. Comprender, usar y entender los resultados entregados.
Av. José Pardo 138, Oficina 1402 [email protected]
Miraflores– Lima - Perú www.kasperu.com
Telf. (51-1) 697–8227 / 725-7209
2
CONTENIDO
El contenido del taller está conformado por los siguientes temas.
Minería de datos
Oracle DataMiner
11g
Modelos de clasificación
Modelos de regresión
Cesta de mercado
Modelos de clustering
Los temas se encadenan en una secuencia lógica de desarrollo pedagógico, basada en la
exposición de las acciones y los pasos necesarios para implementar modelos de minería de
datos y minería de textos en el Oracle DataMining.
METODOLOGÍA
Aprendizaje basado en la solución de problemas y casos.
Desarrollo de conceptos básicos para explicar los conceptos necesarios. Desarrollo de ejercicios, donde se aplica la herramienta para abordar problemas prácticos.
Uso de medios audiovisuales (proyectores).
Materiales de clase impresos y en CD.
DOMINIOS DE APLICACIÓN
Riesgos Financieros Riesgos de Fraudes
Riesgos de Accidentes de Trabajo
Deserción de clientes
Detección de fraudes
Segmentación de Clientes Ventas Cruzadas
Patrones Secuenciales
Análisis de opiniones subjetivas Similaridad de documentos
Búsqueda e indexación de documentos
Análisis de mensajes en redes sociales
Análisis de encuestas abiertas.
Análisis de post en blogs. Análisis de correos electrónicos (spam).
Estructuración de base de datos.
REQUISITOS
Es deseable que los alumnos tengan conocimiento en (no indispensable):
Minería de datos. Oracle DataBase.
Estadística y probabilidades
Hoja de cálculo.
QUIENES PUEDEN ASISTIR
Analistas de riesgos.
Analistas de marketing en la web. Analistas de marketing, mercadeo o de pronóstico.
Investigadores de mercado que desean analizar encuestas abiertas.
Personal involucrado en proyectos de Business Intelligence.
Personal involucrado en proyectos de pronóstico y predicción. Profesionales de estadísticos y economía.
Profesionales en estadística interesados en analizar el contenido de textos no estructurados
(formularios, encuestas, etc.).
Administradores de Bases de Datos.
Av. José Pardo 138, Oficina 1402 [email protected]
Miraflores– Lima - Perú www.kasperu.com
Telf. (51-1) 697–8227 / 725-7209
3
HERRAMIENTAS
Para el desarrollo del taller se hace uso del software libre Oracle DataMining.
MATERIALES
El alumno recibe como parte de su capacitación: Un CD conteniendo el material del taller, ejercicios prácticos, software libre y documentos
relacionados.
Material impreso.
Break de cortesía.
CONSTANCIA
Para recibir la constancia de asistencia al taller, el alumno debe de asistir al 100% de la sesión. La constancia de asistencia se entrega solo al finalizar la sesión, si esta estudiante no se
encuentra en el aula en el momento de la entrega no recibirá la constancia de asistencia.
INSTRUCTOR
Ing. Samuel Oporto Díaz. Especialista en el desarrollo de modelos
predictivos. Magíster en Inteligencia Artificial – ITESM-México.
Ingeniero de Sistemas – UNI-Perú. Estudios de Especialización en robótica aplicada-CNAD-México DF. Política Educativa Virtual-UAH-
Chile. Docente del curso de Inteligencia Artificial en la UNI, UPAO,
USMP y UPC. Docente del Curso de Minería de Datos en el IIFIIS,
CTIC-UNI y la UPC. Jefe del Proyectos en el CTIC-UNI. Investigador Principal del Instituto de Investigación de la FIIS (IIFIIS).
Especialista en Visión Artificial, Reconocimiento de Patrones y Redes
Neuronales. Investigador en Ciencias de Computación con
publicaciones en: IJCNN2007, ICAIPR2007, ICIAR2005, LNCS2005, CLEI2004, CLEI2006. Consultor en Sistemas Inteligentes y Sistemas
Autónomos. Consultor del programa de Modernización del Estado
Peruano. Consultor de la Secretaría de Planificación Estratégica del
Ministerio de Educación del Perú.
Av. José Pardo 138, Oficina 1402 [email protected]
Miraflores– Lima - Perú www.kasperu.com
Telf. (51-1) 697–8227 / 725-7209
4
TEMARIO
Nombre de los temas a tratar Duración
CONCEPTOS DE MINERÍA DE DATOS ¿Qué es la minería de datos? ¿Por qué utilizar minería de datos? Ejemplos de
aplicaciones de minería de datos. Aprendizaje Supervisados versus Aprendizaje
no supervisado. Algoritmos de minería de datos soportados y usos. Descripción
del proceso de minería de datos. Tareas comunes en el proceso de minería de datos.
1 horas
PRESENTACIÓN DEL ORACLE DATA MINER 11G RELEASE 2. La Minería de Datos con Oracle Database. Presentación de la interfaz SQL
Developer. Configuración de Oracle Data Miner. Acceso al Data Miner GUI.
La identificación de componentes de interfaz del Data Miner. Examinando los
nodos del Data Miner. Vista previa de Data MinerWorkFlow.
2 horas
USO DE MODELOS DE CLASIFICACIÓN Revisión de los modelos de clasificación. Adicionando un Data Source al
Workflow. Utilizando el asistente para Data Source. Creando Modelos de
Clasificación. Construyendo el Modelos de Clasificación. Examinando el Tabs
construcción de la clase. Comparando modelos. Seleccionando y examinando modelos de clasificación.
2 horas
USO DE MODELOS DE REGRESIÓN Revisión de los modelos de regresión. Adicionando un Data Source al
Workflow. Utilizando el asistente para orígenes de datos. Realización de
transformaciones de los datos. Creando modelos de regresión. Construcción
del modelo. Comparación del modelo. Seleccionando y examinando modelos de regresión.
1 horas
ANÁLISIS DE LA CESTA DE MERCADO ¿Qué es el análisis de la cesta de marcado? Revisión de Reglas de Asociación.
Creación de un nuevo WorkFlow. Adicionando un Data Source al Workflow.
Creación de un modelo de reglas de asociación. Definiendo reglas de
asociación. Construcción del modelo. Examinando los resultados del modelo
1 horas
USO DE MODELOS DE CLÚSTERING Describiendo los algoritmos utilizados en clústering. Adicionando un Data
Source al Workflow. Explorando patrones de datos. Definición y construyendo
modelos de clustering. Comparando los resultados del modelo. Examinando los
resultados del clustering
1 horas
Total de horas a dictar 8 horas
Av. José Pardo 138, Oficina 1402 [email protected]
Miraflores– Lima - Perú www.kasperu.com
Telf. (51-1) 697–8227 / 725-7209
5
EX ALUMNOS DE NUESTROS CURSOS O TALLERES
EDELNOR
SUNAT
Pacifico Vida Profuturo AFP
Caja Municipal de Trujillo
FondeSurco
SCI Nextel del Perú
Telefónica del Perú
ATENTO
Corporación Radial del Perú RPP
TECSUP
UPCH
UPC BSH Electrodomésticos
LAN Perú
Visanet Perú
Corporación Lindley
Citibank del Perú S.A. Aceros Arequipa
Financiera Efectiva S.A.
Red Científica Peruana
Av. José Pardo 138, Oficina 1402 [email protected]
Miraflores– Lima - Perú www.kasperu.com
Telf. (51-1) 697–8227 / 725-7209
6
KASPeru Av. José Pardo 138, Oficina 1402
Miraflores
Lima – Perú
(51-1) 697-8227 (51-1) 725-7209
www.kasperu.com [email protected] Todos los derechos reservados.
Todos los nombres de empresas y/o productos mencionados tienen propósitos de identificación
únicamente, ellos son registrados por sus respectivos dueños.
