Информация о курсе Название курса



Скачать 37,96 Kb.
Дата29.10.2016
Размер37,96 Kb.

Общая информация о курсе


Название курса:

ОПЕРАТИВНЫЙ И ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ



Краткая аннотация: Рассматриваются теоретические и практические аспекты оперативного и интеллектуального анализа с применением базовой платформы SQL Server Analysis Services. Обсуждаются вопросы хранения данных, построения многомерных моделей данных, решения задач оперативного и интеллектуального анализа данных и подготовки отчётов по результатам анализа.

Подробное описание. Учебное пособие содержит изложение основ оперативного и интеллектуального анализа данных с применением базовой платформы SQL Server Analysis Services. Лекции первого раздела посвящены технологиям обработки, хранения интеграции и трансформации данных в аналитических системах. Второй раздел содержит лекции, в которых рассматриваются концепции и компоненты многомерных моделей данных, организация служб оперативного и интеллектуального анализа. В третьем разделе лекции содержат постановку задач интеллектуального анализа данных, изложение методов и алгоритмов решения этих задач. Лекции четвёртого раздела содержат учебный материал, в котором обсуждаются основы языков оперативного (Multidimensional Expressions) и интеллектуального (Data Mining Extensions) анализа данных. В пятом разделе лекции посвящены разработке отчётов по результатам анализа с применением службы отчётов.
Предисловие: Развитие аппаратных и программных средств вычислительной техники сделали возможным повсеместное ведение баз данных (БД) оперативной информации на разных уровнях управления. БД хранят в себе большие потенциальные возможности по извлечению полезной аналитической информации, на основе которой можно выявлять скрытые тенденции, строить стратегию развития, находить новые решения. Наиболее распространённым способом доступа к данным в современных БД является выполнение запросов. Запрос определяет данные, запрашиваемые пользователем, но не определяет процедуру (алгоритм) выполнения запроса. Структурированный язык запросов (Structured Query Language, SQL) самый распространённый язык для работы с реляционными БД. Однако SQL-язык изначально не предназначался для работы с многомерными моделями данных и применяется только для осуществления запросов.

В последние годы в мире оформился ряд новых концепций хранения и анализа корпоративных данных: хранилища данных (Data Warehouse, DW); оперативная аналитическая обработка (On-Line Analytical Processing, OLAP); интеллектуальный анализ данных (Data Mining, DM). Технология комплексного многомерного анализа данных, получившая название OLAP (On-Line Analytical Processing), OLAP является ключевым компонентом организации хранилищ данных. Концепция OLAP была описана в 1993 году Эдгаром Коддом, известным исследователем баз данных и автором реляционной модели данных [1, 3]. Технологии OLAP тесно связаны с технологиями построения DW и методами интеллектуального анализа. Поэтому наилучшим вариантом является комплексный подход к их внедрению. Для доступа к данным OLAP-систем фирмой Microsoft разработан язык программирования MDX (Multidemensional Expressions), который является промышленным стандартом. Язык MDX можно использовать для выполнения запросов, осуществления вычислений в кубах и измерениях, настройки параметров безопасности, определения действий и ключевых параметров. Разработка MDX-запросов поддерживается службой SQL Server Management Studio (SSMS).

Понятие Data Mining, появилось в 1978 году и приобрело высокую популярность с первой половины 1990-х годов. До этого времени процедуры обработки и анализа данных осуществлялись в рамках прикладной статистики. Термин Data Mining «сконструирован» из двух понятий: data – поиск ценной информации в большой базе данных и mining – добычи горной руды. Оба процесса требуют либо просеивания огромного количества сырого материала, либо разумного исследования и поиска знаний. Термин Data Mining часто переводится как добыча данных, извлечение информации, раскопка данных, интеллектуальный анализ данных (ИАД), средства поиска закономерностей, извлечение знаний, анализ шаблонов, "извлечение зерен знаний из гор данных", раскопка знаний в базах данных, информационная проходка данных, "промывание" данных. Понятие "обнаружение знаний в базах данных" (Knowledge Discovery in Databases, KDD) рассматривается как синонимом Data Mining [1, 3]. Для выполнения операций Data Mining компанией Microsoft создан язык программирования Data Mining Extensions to SQL (DMX). Язык DMX позволяет определить стандартные концепции и выражения запросов для осуществления ИАД.

Создание, управление и доставка отчетов по результатам анализа является важной составляющее анализа. В SQL Server 2008 подготовка отчётов поддерживается службой Reporting Services, содержащей два средства конструирования отчетов: конструктор отчетов в среде BI Dev Studio и построитель отчетов. Конструктор отчетов представляет собой графическое средство для создания полнофункциональных отчетов. Для работы с конструктором отчетов достаточно знаний и навыков подключения к источнику данных и создания запросов. Построитель отчетов является клиентским приложением и позволяет создавать нерегламентированные отчеты.



Цель курса – изучение слушателями теоретических аспектов, приобретение практических навыков оперативного и интеллектуального анализа данных с применением технологии компании Microsoft.

Предварительные знания: Желательно знание основ информатики, теории баз данных, математики в пределах начальных курсов ВУЗа и технологий обработки информации.
Авторы рукописи учебного пособия:

– Макарычев Петр Петрович, профессор, заведующий кафедрой, Пензенский государственный университет, кафедра «Математическое обеспечение и применение ЭВМ», профессиональные интересы: проектирование и моделирование информационных систем, применение интеллектуальных систем в сфере образования.



– Афонин Александр Юрьевич, аспирант кафедры «Математическое обеспечение и применение ЭВМ», профессиональные интересы:
Фотографии авторов: представлены графическими файлами.

Поделитесь с Вашими друзьями:


База данных защищена авторским правом ©grazit.ru 2017
обратиться к администрации

    Главная страница