Předmět Data Warehouse (INM / NADTS)
Na serveru studentino.cz naleznete nejrůznější studijní materiály: zápisky z přednášek nebo cvičení, vzorové testy, seminární práce, domácí úkoly a další z předmětu INM / NADTS - Data Warehouse, Obchodně-podnikatelská fakulta v Karviné, Slezská univerzita v Opavě (SU).
Top 10 materiálů tohoto předmětu
Materiály tohoto předmětu
| Materiál | Typ | Datum | Počet stažení |
|---|
Další informace
Obsah
1. Úvod do problematiky datových skladů.2. Přechod od relačních databází k multidimenzionálním.3. Nástroje pro administraci a práci s analytickými službami.4. Datové sklady.5. Metody budování datového skladu.6. Příprava údajů - etapa ETL.7. Analýza OLAP.8. OLAP.9. OLAP nad údaji z DB Oracle.10. Administrace přístupu k databázím OLAP.11. Data mining.12. Model procesu data miningu.13. Výběr algoritmu a modelu.14.1. Úvod do problematiky datových skladů.Přechod od transakčních databází k analytickým. Systémy OLTP, MIS, DSS, AIS, OLAP. Kvalita údajů pro analýzu. Relační databáze.2. Přechod od relačních databází k multidimenzionálním.Relační DB model multidimenzionální datový model porovnání.3. Nástroje pro administraci a práci s analytickými službami.SQL Server Service manager, Microsoft Management konsole, SQL Server Enterprise Manager, Analysis Manager, SQL Server Query Analyzer..4. Datové sklady.Zpracování podkladů z operačního prostředí, skladování údajů, datový sklad, návrh, koncepce, software, datové trhy.5. Metody budování datového skladu.Metoda velkého třesku, přírůstková metoda, provoz datového skladu.6. Příprava údajů - etapa ETL.Extrakce, transformace a zavedení, přenos, chyby a problémy etapy ETL, testování etapy ETL..7. Analýza OLAP.Teoretický úvod, fakta a dimenze, schémata tabulek dimenzí, úložiště multidimenzionálních údajů.8. OLAP.Vytvoření jednoduché krychle pomocí průvodce. Krychle OLAP v jazyce SQL.9. OLAP nad údaji z DB Oracle.MS SQL Server Analysis versus DB Oracle, vytvoření krychle nad údaji z DB Oracle..10. Administrace přístupu k databázím OLAP.Role pro přístup k analytickým databázím, role pro přístup k jednotlivým krychlím analytické databáze.11. Data mining .Teoretický úvod,, rozdělení pravděpodobností a testování hypotéz, statistické metody využívané data miningovými modely, neuronové sítě.12. Model procesu data miningu.Konceptuální model, logický model, fyzický model.13. Výběr algoritmu a modelu.Vícerozměrné shlukové diagramy. Nevyvážené rozhodovací stromy. Fáze učení. Analýza a predikce nových případů. Zpracování vyhodnocení a ověření modelu.
Literatura
INMON, W. H. Building the Data Warehouse. Indianapolis, Wiley Publishing, 2005. ISBN -13: 978-07645994.KIMBAL, R., ROSS, M. The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling. Indianapolis, John Wiley & Sons, 2013. ISBN -13: 978-11185308.LIEBOWITZ, J. Big Data and Business Analytics. NW, CRC Press, 2013. ISBN -13: 978-14665657.KRISHNAN, K. Big Data and Business Analytics. NW, CRC Press, 2013. ISBN 0124058914.Olivia Parr Rud. Data Mining. Computer Press, Praha, 2001. ISBN 80-7226-577-6.HUMPHRIES, M.,HAWKINS,M.W.,Dy M.C. Data warehousing, Návrh a implementace. Brno, Computer Presss, 2002. ISBN 80-72-2656-0.
Požadavky
Průběžný test, seminární práce, kombinovaná zkouška, min 50% účast na semináříchJiná zátěž: vyhledávání a zpracování zdrojů na internetu.
Garant
Doc. RNDr. František KOLIBA, CSc.
Vyučující
Mgr. Milena JANÁKOVÁ, Ph.D.Doc. RNDr. František KOLIBA, CSc.