eBook Gratis

Argomenti trattati:

• Introduzione al data mining: definizione e illustrazione degli importanti principi e concetti che stanno alla base delle metodologie di data mining, compresi il ruolo dei modelli, le statistiche e gli algoritmi
• Architettura di SQL Server 2000: integrazione della funzionalità di data mining nell’architettura di Analysis Services di SQL Server 2000 e modalità di interazione con i database relazionali e il motore incorporato OLAP (Online Analytical Processing)
• Metodi di esecuzione del data mining: scelta del miglior metodo di data mining per i propri fini, strutture decisionali oppure clustering
• Funzionalità di semplificazione: utilizzo della creazione guidata di modelli di data mining e dell’editor modelli di data mining di tipo OLAP per semplificare i processi di creazione, verifica ed elaborazione di un modello
• Programmazione dei servizi di data mining: utilizzo dei modelli di data mining, Data Transformation Services, PivotTable Service, DSO (Decision Support Objects), PERL, Microsoft Visual Basic Scripting Edition (VB Script), XML, altri strumenti e linguaggi per lavorare con il motore di data mining

Parte I - Introduzione al data mining
1 - Nozioni di base sul data mining
Informazioni sul data mining
Vantaggi del data mining
Attuale utilizzo del data mining
Definizioni
Metodologia di data mining
Panoramica di Microsot Data Mining
Riepilogo
2 - Architettura di Microsoft SQL Server Analysis Services
Introduzione a OLAP
Architettura del server
Architettura del client
Riepilogo
3 Modelli di archiviazione dei dati
Necessità di un data warehouse per il data mining
L’esecuzione di rapporti dai dati OLTP può ridurre le prestazioni
Architettura di data warehouse per il data mining
Data warehouse relazionale
Cubi OLAP
Riepilogo
4 - Informazioni dettagliate sul data mining
Data Mining guidato
Data mining non guidato
Training di modelli di data miningv Riepilogo
PARTE II - Metodo di data mining
Microsot Decision Trees
Creazione del modello
Visualizzazione del modello
Metodo di derivazione delle stime
Riepilogo
6 - Creazione di strutture decisionali con OLAP
Creazione del modello
Editor modelli di data mining di tipo OLAP
Analisi dei dati con il modello di data mining OLAP
Riepilogo
7 - Microsoft Clustering
Alla ricerca dell’ordine
Alla ricerca della comprensione dei dati
Il clustering come tecnica di data mining non guidato
Funzionamento del clustering
Quando utilizzare il clustering
Creazione di un modello di data mining utilizzando il clustering
Visualizzazione del modello
Analisi dei dati
Riepilogo
Parte III - Creazione di applicazioni di data mining con codice
8 - Utilizzo di Microsoft DTS (Data Transformation Services)
Informazioni su DTS
Attività DTS
Connessioni
Flusso di lavoro del pacchetto DTS
Progettazione DTS
Utilità dtsrun
Utilizzo di DTS per la creazione di un modello di data mining
Riepilogo
9 - Utilizzo di DSO (Decision Support Objects)
Confronto tra scripting e Visual Basic
Creazione di un modello di data mining relazionale con DSO
Creazione di un modello di data mining OLAP con DSO
Aggiunta di una nuova origine di dati
Ruoli di Analysis Server
Riepilogo
10 - Strutture di data mining
Struttura del case del modello di data mining
Utilizzo di codice per esplorare modelli di data mining
Utilizzo dei set di righe dello schema
Riepilogo
11 - Utilizzo del servizio PivotTable per il data mining
Ridistribuzione dei componenti
Installazione e registrazione dei componenti
Connessione al servizio PivotTable
Creazione di un modello di data mining locale
Utilizzo di XMXL nel data mining
Lo standard PMML
Riepilogo
12 - Query di data mining
Componenti di una query di stima
Query di stima con modelli clustering
Utilizzo di DTS per l’esecuzione di query di stima
Riepilogo
Appendice
Glossario
Indice