Программа по формированию навыков безопасного поведения на дорогах и улицах «Добрая дорога детства» 2

Тема 1. Основные понятия интеллектуального анализа данных. Службы Analysis Services
К ключевым факторам, определяющим развитие СУБД, относятся следующие: появление новых типов данных, новых форм-факторов для устройств хранения данных, новые стандарты представления и обмена данными, а также существенное снижение стоимости хранения самих данных.

Но самым значительным фактором является объем данных, производимых во всем мире. Если посмотреть на данные, хранимые в электронном виде, то к 1999 году мире насчитывалось 12 Эбайт (1018 байт) информации. К середине 2002 года было создано еще столько же. При этом, 92% этой информации хранится на жестких дисках. Интересна еще одна цифра — все страницы Интернета занимают порядка 21 Тбайт, тогда как объем информации, пересылаемой по электронной почте, перекрывает объем интернет_страниц больше чем в 500 раз.

Но настоящим «взрывом» в производстве цифровых данных стали не Интернет и не электронные документы, а различные цифровые устройства — телефоны, фотоаппараты, видеокамеры, проигрыватели и т. п. 55% всех цифровых данных хранится на компьютерах пользователей и только 16% — в корпоративных хранилищах данных. Более того, скоро все телевидение будет цифровым, что должно существенно увеличить объем хранимых в электронном виде данных. Это означает, что мы храним все больше и больше информации, в структурированном и неструктурированном виде.

И еще один малоизвестный факт — различные датчики поставляют значительные объемы информации. Так, исследование Земли выражается на 2007 год в 15 петабайтах данных, медицинские данные о пациентах приносят еще 1 Эбайт в год, видео_мониторинг — 100 Эбайт в год, двигатели самолетов — 30 петабайт в год и т. д.

В процессе своего развития приложения все больше и больше включают поддержку различных типов данных — XML, электронной почты, календарей, файлов, документов, гео_данных и т. п. в дополнение к традиционным типам данных, поддерживаемым на уровне баз данных и файловой системы. Для обеспечения работоспособности таких приложений нужна соответствующая платформа, которая позволяла бы безопасно хранить такие данные, выполнять по ним поиск, анализировать их, синхронизировать и т. д..

Надстройки интеллектуального анализа данных Microsoft SQL Server 2005 для Office 2007 предоставляют мастера и средства, которые максимально упрощают получение из данных полезных сведений.

Основные понятия интеллектуального анализа данных (службы Analysis Services — интеллектуальный анализ данных)

Клиент интеллектуального анализа данных для Excel 2007.

Литература

1. 
   Макленнен, Дж., Танг Чж., Криват Б.Microsoft SQL Server 2008: Data Mining – интеллектуальный анализ данных: Пер.с англ. – СПб.: БХВ-Петербург, 2009.- 720с.
   
2. 
   Долженков, В.А., Стученков А.Б. Microsoft Office 2007.- СПб.:БХВ-Петербург, 2007.-1200с.
   
3. 
   Балабанов И.Т. Электронная коммерция. – СПб: Питер, 2001.- 336 с. – (Серия «Учебник для вузов»)
   
4. 
   Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере. – М.: Инфра. – М, 2003.
   
5. 
   Лобец Л., Браст Э. Дж., Форте С. Разработка приложений на основе Microsoft SQL Server 2008: Пер. с англ. – М.: Русская редакция; СПб.: БХВ-Петербург, 2010. – 1024 с.
   
6. 
   Спирли Э. Корпоративные хранилища данных. Планирование, разработка, реализация. Том 1.: Пер. с англ. – М.: Издательский дом «Вильямс», 2001. – 400 с.
   

Тема 2. . Особенности установки службы Analysis Services

Службы SQL Server Analysis Services устанавливаются с помощью программы установки SQL Server. Службы Analysis Services можно установить вместе с другими компонентами SQL Server или установить Analysis Services в виде отдельного компонента.

Познакомиться с требованиями к оборудованию и программному обеспечению и с компонентами SQL Server 2005. Знакомство с различными подходами к установке служб Analysis Services.

Установить службы Analysis Services для Excel 2007.

Средства анализа таблиц для Excel. Эта надстройка предоставляет простые в использовании задачи, которые использует интеллектуальный анализ данных SQL Server 2005 для гибкой аналитической обработки данных в электронных таблицах без необходимости изучения каких-либо понятий относительно интеллектуального анализа данных.

Клиент интеллектуального анализа данных для Excel. Использование этой надстройки позволяет создавать, тестировать, просматривать и управлять моделями интеллектуального анализа данных в Excel 2007, используя табличные данные или внешние источники данных, доступные через экземпляр служб SQL Server 2005 Analysis Services.

Литература

3. 
   Макленнен, Дж., Танг Чж., Криват Б.Microsoft SQL Server 2008: Data Mining – интеллектуальный анализ данных: Пер.с англ. – СПб.: БХВ-Петербург, 2009.- 720с.
   
4. 
   Долженков, В.А., Стученков А.Б. Microsoft Office 2007.- СПб.:БХВ-Петербург, 2007.-1200с.
   
5. 
   Лобец Л., Браст Э. Дж., Форте С. Разработка приложений на основе Microsoft SQL Server 2008: Пер. с англ. – М.: Русская редакция; СПб.: БХВ-Петербург, 2010. – 1024 с.
   

Тема 3. Средства анализа таблиц для Excel
Надстройка «Средства анализа таблиц для Excel» представляет собой набор простых, но достаточно мощных средств, позволяющих выполнять интеллектуальный анализ данных в Microsoft Office Excel. С ее помощью можно просматривать распределение данных, выполнять простые задачи по очистке данных или использовать сложные алгоритмы интеллектуального анализа данных, содержащихся в таблицах Excel.

Средства интеллектуального анализа данных автоматически анализируют распределение и тип данных и рекомендуют лучший способ обработки данных для получения допустимых результатов, используя следующие средства аналитики:
Анализ ключевых факторов влияния (Analize Key Influencers) - Определение столбцов данных с наибольшим влиянием на выбранное значение или столбец значений.

Поиск категорий - Определение строк с похожими свойствами.

Заполнение по примеру - Поиск отсутствующих значений данных в выбранном столбце и предложение новых значений на основе закономерностей в данных.

Прогноз - Прогнозирование будущих значений с учетом ряда значений.

Выделение исключений - Поиск значений в столбце данных, не соответствующих шаблонам, обнаруженным в данных.

Анализ сценария: поиск решения - Позволяет указать целевое значение и затем определяет базовые факторы, подлежащие изменению для соответствия цели на основе анализа шаблонов данных.

Анализ сценария: гипотетические ситуации - Позволяет использовать значения для определения результата изменения на основе анализа закономерностей в данных.

Литература

1. 
   Макленнен, Дж., Танг Чж., Криват Б.Microsoft SQL Server 2008: Data Mining – интеллектуальный анализ данных: Пер.с англ. – СПб.: БХВ-Петербург, 2009.- 720с.
   
2. 
   Долженков, В.А., Стученков А.Б. Microsoft Office 2007.- СПб.:БХВ-Петербург, 2007.-1200с.
   
3. 
   Лобец Л., Браст Э. Дж., Форте С. Разработка приложений на основе Microsoft SQL Server 2008: Пер. с англ. – М.: Русская редакция; СПб.: БХВ-Петербург, 2010. – 1024 с.
   

Тема 4. Клиент интеллектуального анализа данных для Excel

Клиент интеллектуального анализа данных для Excel передает мощь SQL Server Analysis Services настольным компьютерам. Можно работать с теми же сложнейшими алгоритмами, структурами и средствами просмотра для интеллектуального анализа данных, которые доступны в экземпляре SQL Server Analysis Services, но исходные или проверочные данные можно хранить в таблицах Excel.

Клиент интеллектуального анализа данных для Excel поддерживает активное соединение с сервером, поэтому можно определять закономерности в данных, хранящихся в таблицах Excel, а затем сохранять модель интеллектуального анализа данных на сервере и использовать ее для дальнейшего тестирования или прогнозирования. Можно также применять данные Excel к существующим моделям интеллектуального анализа данных и повторно обрабатывать эту модель в целях повышения точности или применять другие модели к тем же данным для более углубленного анализа.

Панель инструментов клиент Интеллектуального анализа данных имеет следующие группы средств анализа данных:

• 
  Подготовка данных.
  
• 
  Моделирование данных.
  
• 
  Точность и проверка.
  
• 
  Использование модели и Управление моделью.
  
• 
  Соединения.
  

Эти средства анализа данных используют следующие типы алгоритмов службы Analysis Services :

Алгоритмы классификации осуществляют прогнозирование одной или нескольких дискретных переменных на основе других атрибутов в наборе данных. Примером алгоритма классификации является Алгоритм дерева принятия решений .

Регрессивные алгоритмы осуществляют прогнозирование одной или нескольких непрерывных переменных, например прибыли или убытков, на основе других атрибутов в наборе данных. Примером регрессивного алгоритма является Алгоритм временных рядов .

Алгоритмы сегментации делят данные на группы или кластеры элементов, имеющих схожие свойства. Примером алгоритма сегментации является Алгоритм кластеризации .

Алгоритмы взаимосвязей осуществляют поиск корреляции между различными атрибутами в наборе данных. Наиболее частым применением этого типа алгоритма является создание правил взаимосвязи, которые могут использоваться для анализа потребительской корзины. Примером алгоритма взаимосвязей является Алгоритм взаимосвязей .

Алгоритмы анализа последовательностей обобщают часто встречающиеся последовательности в данных, например поток данных в Интернете. Примером алгоритма анализа последовательностей является Алгоритм кластеризации последовательностей.

Литература

4. 
   Макленнен, Дж., Танг Чж., Криват Б.Microsoft SQL Server 2008: Data Mining – интеллектуальный анализ данных: Пер.с англ. – СПб.: БХВ-Петербург, 2009.- 720с.
   
5. 
   Долженков, В.А., Стученков А.Б. Microsoft Office 2007.- СПб.:БХВ-Петербург, 2007.-1200с.
   
6. 
   Лобец Л., Браст Э. Дж., Форте С. Разработка приложений на основе Microsoft SQL Server 2008: Пер. с англ. – М.: Русская редакция; СПб.: БХВ-Петербург, 2010. – 1024 с.
   

Тематика практических занятий

1. 
   На первом практическом занятии, после обзора бизнес-моделей и направлений электронного бизнеса и знакомства с примерами таких систем в сети Internet, каждый студент производит первоначальную установку службы Analysis Services для Excel 2007 и настройку интеллектуального анализа Microsoft SQL Server 2005.
   

Так же устанавливает свою учебную базу данных.

2. 
   Используя учебную базу (каждая подруппа – подключает свою базу) провести анализ с помощью модели интеллектуального анализа данных:
   

• 
  Алгоритмы интеллектуального анализа данных
  
• 
  Алгоритм дерева принятия решений (Майкрософт)
  
• 
  Алгоритм кластеризации (Майкрософт)
  
• 
  Упрощенный алгоритм Байеса (Майкрософт)
  
• 
  Алгоритм взаимосвязей (Майкрософт)
  
• 
  Алгоритм кластеризации последовательностей (Майкрософт)
  
• 
  Алгоритм временных рядов (Майкрософт)
  
• 
  Алгоритм нейронной сети (Майкрософт)
  
• 
  Алгоритм логистической регрессии (Майкрософт)
  
• 
  Алгоритм линейной регрессии (Microsoft)
  
• 
  Подключаемые алгоритмы
  
• 
  Выбор характеристик в интеллектуальном анализе данных
  
• 
  Отсутствующие значения.
  

ОСНОВНАЯ ЛИТЕРАТУРА

1. 
   Макленнен, Дж., Танг Чж., Криват Б.Microsoft SQL Server 2008: Data Mining – интеллектуальный анализ данных: Пер.с англ. – СПб.: БХВ-Петербург, 2009.- 720с.
   
2. 
   Долженков, В.А., Стученков А.Б. Microsoft Office 2007.- СПб.:БХВ-Петербург, 2007.-1200с.
   

ДОПОЛНИТЕЛЬНАЯ ЛИТЕРАТУРА

1. 
   Балабанов И.Т. Электронная коммерция. – СПб: Питер, 2001.- 336 с. – (Серия «Учебник для вузов»)
   
2. 
   Стоцкий Ю., Васильев А., Телина И. Office 2007. Изучаем самостоятельно. - СПб.: Питер, 2008. - 524 c.
   
3. 
   Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере. – М.: Инфра. – М, 2003.
   
4. 
   Лобец Л., Браст Э. Дж., Форте С. Разработка приложений на основе Microsoft SQL Server 2008: Пер. с англ. – М.: Русская редакция; СПб.: БХВ-Петербург, 2010. – 1024 с.
   
5. 
   Спирли Э. Корпоративные хранилища данных. Планирование, разработка, реализация. Том 1.: Пер. с англ. – М.: Издательский дом «Вильямс», 2001. – 400 с.