Справка
x
Настроить шрифт
Версия сайта для слабовидящих
Вход / регистрация
Электронная библиотечная система
Консультант студента
Книги
ru
en
Электронная библиотечная система
Консультант студента
Книги
Вход / регистрация
Профиль
Смена пароля
Доступ
Закладки
Уведомления
Мои списки
Мои отчеты
Получить доступ удалённо
Инструкция пользователя
Выход
Во всей библиотеке
Закрыть
Искать
Везде
По названиям
По авторам
Издательство
Тип издания
Год издания
Издательства
Абрис
Академический Проект
Альпина ПРО
Альпина Бизнес Букс
Альпина нон-фикшн
Альпина Паблишер
Альтаир
АНТЕЛКОМ
АСВ
Аспект-Пресс
АСТ-ПРЕСС КНИГА
Белорусская наука
БИНОМ
Блок-Принт
Брянский ГАУ
ВАКО
ВГУИТ
Вече
ВКН
ВЛАДОС
Время
ВШОУЗ-КМК
Высшая школа экономики
Вышэйшая школа
Галарт
Гангут
Генезис
ГИОРД
Горная книга
Горячая линия - Телеком
Грамота
ГЭОТАР-Медиа
Дашков и К
Дело
Деловой стиль
Директ-Медиа
Директмедиа Паблишинг
Дмитрий Сечин
ДМК-пресс
ДОДЭКА
Зерцало-М
Златоуст
Знак
Ивановская ГСХА
Ивановский ГХТУ
Издательский дом "ГЕНЖЕР"
Издательский дом В. Ема
Институт общегуманитарных исследований
Институт психологии РАН
Интеллект-Центр
Интеллектуальная литература
Интермедиатор
Интермедия
ИНТУИТ
Инфра-Инженерия
Казанский ГМУ
Каро
КГАВМ
Книгодел
Книжный мир
КНИТУ
Когито-Центр
КолосС
Корвет
КТК "Галактика"
КФУ
Лаборатория знаний
Литтерра
Логос
Машиностроение
МГИМО
МГТУ им. Н.Э. Баумана
МГУ им. Ломоносова
Медицина
Международные отношения
Менеджер здравоохранения
Мир и образование
МИСИ - МГСУ
МИСиС
Молодая гвардия
МЭИ
Нижегородский ГАСУ
Новосибирcкий ГУ
Новосибирский ГТУ
Олимпия
Оренбургский ГУ
Оригинал-макет
Перо
Персэ
Политехника
Прогресс-Традиция
Прометей
Просвещение
Проспект
Проспект Науки
Р. Валент
РГ-Пресс
РГГУ
Ремонт и Сервис 21
РИПО
Родники
РУДН
Рукописные памятники Древней Руси
Русистика
Русско-китайское юридическое общество
Русское слово - учебник
РязГМУ
Санкт-Петербургский медико-социальный институт
САФУ
В. Секачев
Секвойя
СибГУТИ
СибГУФК
Сибирское университетское издательство
Синергия
СКИФИЯ
Советский спорт
СОЛОН-Пресс
Социум
Спорт
Ставропольский ГАУ
Статут
Стрелка Пресс
Студия АРДИС
СФУ
ТГАСУ
Текст
Теревинф
Терра-Спорт
Техносфера
Томский ГУ
Точка
Университетская книга
Феникс
Физматлит
Финансы и статистика
Флинта
Химиздат
Хоббитека
Человек
Эксперт-Наука
Юнити-Дана
Юстицинформ
ЮФУ
Языки славянских культур
отметить все
снять все метки
**Данные блоки поддерживают скрол
Типы изданий
автореферат диссертации
адресная/телефонная книга
антология
афиша
биобиблиографический справочник/словарь
биографический справочник/словарь
букварь
документально-художественное издание
задачник
идеографический словарь
инструктивно-методическое издание
инструкция
каталог
каталог аукциона
каталог библиотеки
каталог выставки
каталог товаров и услуг
материалы конференции (съезда, симпозиума)
монография
музейный каталог
научно-художественное издание
научный журнал
номенклатурный каталог
орфографический словарь
орфоэпический словарь
памятка
переводной словарь
песенник
практикум
практическое пособие
практическое руководство
прейскурант
препринт
пролегомены, введение
промышленный каталог
проспект
путеводитель
рабочая тетрадь
разговорник
самоучитель
сборник научных трудов
словарь
справочник
стандарт
тезисы докладов/сообщений научной конференции (съезда, симпозиума)
терминологический словарь
толковый словарь
уставное издание
учебная программа
учебник
учебно-методическое пособие
учебное наглядное пособие
учебное пособие
учебный комплект
хрестоматия
частотный словарь
энциклопедический словарь
энциклопедия
этимологический словарь
языковой словарь
отметить все
снять все метки
**Данные блоки поддерживают скрол вверх/вниз
Авторы
Нестеров С.А.
Интеллектуальный анализ данных средствами MS SQL Server 2008
Издательство
ИНТУИТ
Тип издания
учебное пособие
Год издания
2016
Читать online
Скачать приложение
Содержание
3. Лекция 1. Интеллектуальный анализ данных: базовые понятия
4. Лекция 2. Интеллектуальный анализ данных в СУБД MicrosoftSQLServer
5. Лекция 3. Этапы проведения интеллектуального анализа данных
6. Лекция 4. Надстройки интеллектуального анализа данных для MicrosoftOffice
7. Лекция 5. Использование инструментов "AnalyzeKeyInfluencers" и "DetectCategories"
8. Лекция 6. Использование инструментов "FillFromExample" и "Forecast"
9. Лекция 7. Использование инструментов "HighlightExceptions" и "ScenarioAnalysis"
10. Лекция 8. Использование инструментов "Prediction Calculator" и "ShoppingbasketAnalysis"
11. Лекция 9. Краткий обзор алгоритмов интеллектуального анализа данных. Упрощенный алгоритм Байеса. Деревья решений. Линейная регрессия
12. Лекция 10. Краткий обзор алгоритмов интеллектуального анализа данных. Алгоритмы временных рядов и кластеризации
13. Лекция 11. Краткий обзор алгоритмов интеллектуального анализа данных. Алгоритмы взаимосвязей и кластеризации последовательностей
14. Лекция 12. Краткий обзор алгоритмов интеллектуального анализа данных. Алгоритмы нейронных сетей и логистической регрессии
15. Лекция 13. Использование инструментов Data Mining Client для Excel 2007 для подготовки данных
16. Лекция 14. Использование инструментов Data Mining Client для Excel 2007 для создания модели интеллектуального анализа данных
17. Лекция 15. Анализ точности прогноза и использование модели интеллектуального анализа
18. Лекция 16. Построение модели кластеризации, трассировка и перекрестная проверка
19. Лекция 17. Концепции языка DMX
20. Лекция 18. DMX. Создание структуры и модели
21. Лекция 19. DMX. Обработка, очистка, удалениеи восстановление структур и моделей
22. Лекция 20. DMX. Запросы
23. Лекция 21. DMX. Прогнозы
24. Лекция 22. Начало работы в BIDevStudio
25. Лекция 23. Создание представления источника данных
26. Лекция 24. DMX. Параметры алгоритмов интеллектуального анализа данных. Упрощённый алгоритм Байеса, деревья решений, линейная регрессия
27. Лекция 25. DMX. Параметры алгоритмов интеллектуального анализа данных. Временные ряды, кластеризация
28. Лекция 26. DMX. Параметры алгоритмов интеллектуального анализа данных. Алгоритм взаимосвязей, кластеризация последовательностей
29. Лекция 27. DMX. Параметры алгоритмов интеллектуального анализа данных. Алгоритмы нейронных сетей и логистической регрессии
30. Лекция 28. Создание структуры и модели интеллектуального анализа. Задача кластеризации
31. Лекция 29. Задача классификации. Создание структуры и моделей интеллектуального анализа. Сравнение точности моделей
32. Лекция 30. Просмотр моделей интеллектуального анализа (деревья решений, упрощенный алгоритма Байеса, нейронные сети). Написание "одноэлементных" прогнозирующих запросов
33. Лекция 31. Работа с моделями интеллектуального анализа данных из SQLServerManagementStudio
34. Лекция 32. Использование алгоритма MicrosoftTimeSeries для прогнозирования значений временных рядов
35. Список литературы
Скопировать биб. запись
Для каталога
Нестеров, С. А. Интеллектуальный анализ данных средствами MS SQL Server 2008 / Нестеров С. А. - Москва : Национальный Открытый Университет "ИНТУИТ", 2016. - Текст : электронный // ЭБС "Консультант студента" : [сайт]. - URL : https://www.studentlibrary.ru/book/intuit_111.html (дата обращения: 15.11.2024). - Режим доступа : по подписке.
Аннотация
Курс посвящен использованию технологии интеллектуального анализа данных (Data Mining) и ее реализации в Microsoft SQL Server 2008 и связанных программных продуктах. <br>Рассматриваются все алгоритмы DM, поддерживаемые Microsoft SQL Server 2008, надстройки интеллектуального анализа данных для Microsoft Office, основы языка DMX.
Загружено
2019-12-27
Оглавление
Оборот титула
3. Лекция 1. Интеллектуальный анализ данных: базовые понятия
4. Лекция 2. Интеллектуальный анализ данных в СУБД MicrosoftSQLServer
5. Лекция 3. Этапы проведения интеллектуального анализа данных
6. Лекция 4. Надстройки интеллектуального анализа данных для MicrosoftOffice
7. Лекция 5. Использование инструментов "AnalyzeKeyInfluencers" и "DetectCategories"
8. Лекция 6. Использование инструментов "FillFromExample" и "Forecast"
9. Лекция 7. Использование инструментов "HighlightExceptions" и "ScenarioAnalysis"
10. Лекция 8. Использование инструментов "Prediction Calculator" и "ShoppingbasketAnalysis"
11. Лекция 9. Краткий обзор алгоритмов интеллектуального анализа данных. Упрощенный алгоритм Байеса. Деревья решений. Линейная регрессия
12. Лекция 10. Краткий обзор алгоритмов интеллектуального анализа данных. Алгоритмы временных рядов и кластеризации
13. Лекция 11. Краткий обзор алгоритмов интеллектуального анализа данных. Алгоритмы взаимосвязей и кластеризации последовательностей
14. Лекция 12. Краткий обзор алгоритмов интеллектуального анализа данных. Алгоритмы нейронных сетей и логистической регрессии
15. Лекция 13. Использование инструментов Data Mining Client для Excel 2007 для подготовки данных
16. Лекция 14. Использование инструментов Data Mining Client для Excel 2007 для создания модели интеллектуального анализа данных
17. Лекция 15. Анализ точности прогноза и использование модели интеллектуального анализа
18. Лекция 16. Построение модели кластеризации, трассировка и перекрестная проверка
19. Лекция 17. Концепции языка DMX
20. Лекция 18. DMX. Создание структуры и модели
21. Лекция 19. DMX. Обработка, очистка, удалениеи восстановление структур и моделей
22. Лекция 20. DMX. Запросы
23. Лекция 21. DMX. Прогнозы
24. Лекция 22. Начало работы в BIDevStudio
25. Лекция 23. Создание представления источника данных
26. Лекция 24. DMX. Параметры алгоритмов интеллектуального анализа данных. Упрощённый алгоритм Байеса, деревья решений, линейная регрессия
27. Лекция 25. DMX. Параметры алгоритмов интеллектуального анализа данных. Временные ряды, кластеризация
28. Лекция 26. DMX. Параметры алгоритмов интеллектуального анализа данных. Алгоритм взаимосвязей, кластеризация последовательностей
29. Лекция 27. DMX. Параметры алгоритмов интеллектуального анализа данных. Алгоритмы нейронных сетей и логистической регрессии
30. Лекция 28. Создание структуры и модели интеллектуального анализа. Задача кластеризации
31. Лекция 29. Задача классификации. Создание структуры и моделей интеллектуального анализа. Сравнение точности моделей
32. Лекция 30. Просмотр моделей интеллектуального анализа (деревья решений, упрощенный алгоритма Байеса, нейронные сети). Написание "одноэлементных" прогнозирующих запросов
33. Лекция 31. Работа с моделями интеллектуального анализа данных из SQLServerManagementStudio
34. Лекция 32. Использование алгоритма MicrosoftTimeSeries для прогнозирования значений временных рядов
35. Список литературы