Здесь можно найти образцы любых учебных материалов, т.е. получить помощь в написании уникальных курсовых работ, дипломов, лабораторных работ, контрольных работ и рефератов. Так же вы мажете самостоятельно повысить уникальность своей работы для прохождения проверки на плагиат всего за несколько минут.

ЛИЧНЫЙ КАБИНЕТ 

 

Здравствуйте гость!

 

Логин:

Пароль:

 

Запомнить

 

 

Забыли пароль? Регистрация

Повышение уникальности

Предлагаем нашим посетителям воспользоваться бесплатным программным обеспечением «StudentHelp», которое позволит вам всего за несколько минут, выполнить повышение уникальности любого файла в формате MS Word. После такого повышения уникальности, ваша работа легко пройдете проверку в системах антиплагиат вуз, antiplagiat.ru, etxt.ru или advego.ru. Программа «StudentHelp» работает по уникальной технологии и при повышении уникальности не вставляет в текст скрытых символов, и даже если препод скопирует текст в блокнот – не увидит ни каких отличий от текста в Word файле.

Работа № 88180


Наименование:


Курсовик «Модели, методы и средства Data Mining»

Информация:

Тип работы: Курсовик. Добавлен: 11.5.2015. Сдан: 2015. Страниц: 34. Уникальность по antiplagiat.ru: 80.13.

Описание (план):


Содержание:
Введение…………………………………………………………………………...3
Глава 1. Основные термины и определения Data Mining………………………5
1.1 История создания и развития Data Mining…………………………………..5
1.2 Основные понятия и задачи Data Mining……………………………………6
1.3 Сфера применения Data Mining…………………………...…………...…….9
Глава 2. Общая характеристика технологий Data Mining………………….....12
2.1 Процесс Data Mining. Этапы построения и использования модели……...12
2.2 Базовые методы Data Mining ……………………………………….............16
2.3 Современные средства Data Mining. Программные продукты Cognos и система Statistica Data Miner…………………………………………………....18
Глава 3. Практическая реализация данных «Прогнозирование продаж полуфабрикатов» в Statistica Data Miner……………………………………….21
3.1 Введение исходных данных ««Прогнозирование продаж полуфабрикатов»………………………………………………………………...21
3.2 Описательный анализ и сезонная декомпозиция………………………….23
3.3 Построение прогноза с помощью модели АРПСС. Кросс - проверка…..26
Заключение………………………………………………………………………31
Список использованной литературы…………………………………………...33


Введение

В результате развития информационных технологий, количество данных, накопленных человечеством в электронном виде, растет быстрыми темпами. Эти данные существуют вокруг нас в различных видах: тексты, изображения, аудио, видео, гипертекстовые документы, реляционные базы данных и т.д.
Огромное количество данных появилось в результате повсеместного использования сети Интернет, которая значительно облегчила доступ к информации из географически удаленных точек Земли. Однако подавляющая часть доступной информации не несет для конкретного человека какой-либо пользы. Человек не в состоянии переработать такое количество сведений. Возникает проблема извлечения полезной для пользователя информации из большого объема «сырых» данных.
Данная курсовая работа посвящена Технологии Интеллектуального Анализа Данных (Data Mining) - одной из активно развивающихся областей информационных технологий, предназначенной для выявления полезных знаний из баз данных различной природы.
Технология интеллектуального анализа данных (Data mining) может рассматриваться как результат естественной эволюции информационных технологий. По пути такой эволюции индустрия баз данных занималась разработкой следующих функциональностей: накопление данных, управление данными (включая хранение и извлечение, а также выполнение транзакций), а также анализ данных (включая разработку хранилищ данных и технологию интеллектуального анализа данных).
Одно из важнейших назначений Data Mining состоит в наглядном представлении результатов вычислений, что позволяет использовать инструментарий Data Mining людьми, не имеющих специальной математической подготовки.
Предметом исследования в данной курсовой работе является анализ данных в Statistica Data Miner.
Объектом исследования являются программные продукты технологии Data Mining на примере прогнозирования погоды.
Целью данной работы является раскрытие основных свойств возможностей технологии «добычи знаний», а также рассмотрение возможностей применения технологии Data Mining на примере Statistica Data Miner.
Достижение цели осуществляется посредством комплекса задач:
- обзор и анализ исследуемой предметной области;
- описательный анализ и декомпозиция ;
- прогнозирование и проверка.
Итак, Data Mining - это процесс поддержки принятия решений, основанный на поиске в данных скрытых закономерностей (шаблонов информации). Суть и цель технологии Data Mining можно охарактеризовать как технологию, которая предназначена для поиска в больших объемах данных неочевидных, объективных и полезных на практике закономерностей.


Глава 1. Основные термины и определения Data Mining
1.1 История создания и развития Data Mining

Термин Data Mining получил свое название из двух понятий: поиска ценной информации в большой базе данных (data) и добычи горной руды (mining). Оба процесса требуют или просеивания огромного количества сырого материала, или разумного исследования и поиска искомых ценностей.
Понятие Data Mining, появившееся в 1978 году, приобрело высокую популярность в современной трактовке примерно с первой половины 1990-х годов. До этого времени обработка и анализ данных осуществлялся в рамках прикладной статистики, при этом в основном решались задачи обработки небольших баз данных.
Развитие технологии баз данных. В 1968 году была введена в эксплуатацию первая промышленная СУБД система IMS фирмы IBM.
В 1975 году появился первый стандарт ассоциации по языкам систем обработки данных - Conference on Data System Languages (CODASYL), определивший ряд фундаментальных понятий в теории систем баз данных, которые до сих пор являются основополагающими для сетевой модели данных. В дальнейшее развитие теории баз данных большой вклад был сделан американским математиком Э.Ф. Коддом, который является создателем реляционной модели данных.
В течение этого периода многие исследователи экспериментировали с новым подходом в направлениях структуризации баз данных и обеспечения к ним доступа. Целью этих поисков было получение реляционных прототипов для более простого моделирования данных. В результате, в 1985 году был создан язык, названный SQL. На сегодняшний день практически все СУБД обеспечивают данный интерфейс.
Появились специфичные типы данных - "графический образ", "документ", "звук", "карта". Типы данных для времени, интервалов времени, символьных строк с двухбайтовым представлением символов были добавлены в язык SQL. Появились технологии DataMining, хранилища данных, мультимедийные базы данных и web-базы данных.
Возникновение и развитие Data Mining обусловлено различными факторами, основными среди которых являются следующие:
• совершенствование аппаратного и программного обеспечения;
• совершенствование технологий хранения и записи данных;
• накопление большого количества ретроспективных данных;
• совершенствование алгоритмов обработки информации.
Область Data Mining началась с семинара, проведённого Григорием Пятецким-Шапиро в 1989 году.
Ранее, работая в компании GTE Labs, Григорий Пятецкий-Шапиро заинтересовался вопросом: можно ли автоматически находить определённые правила, чтобы ускорить некоторые запросы к крупным базам данных. Тогда же было предложено два термина - Data Mining («добыча дан........


Список использованной литературы
1. Барсегян А.А., Куприянов М.С. и др. Технологии анализа данных. Data Mining, Visual Mining, Text Mining, OLAP. Изд.: БХВ-Петербург, 2012, стр. 384;
2. Методические указания к лабораторным работам по дисциплине "Теоретические основы автоматизированного управления". ЮГУ; 21 стр.;
3. Паклин Н.Б., Орешков В.И. Бизнес-аналитика: от данных к знаниям. - СПб.: Питер, 2011. - 624 с;
4. Чубукова И.А. Data Mining. Курс лекций Интернет-университета INTUIT, 2013 г., 328 стр.;
5. Кречетов Н.. Продукты для интеллектуального анализа данных. - Рынок программных средств, № 14-15, 1997, c. 32-39;
6. Хайкин, С. Нейронные сети: полный курс / С. Хайкин. - М.: Вильямс, 2011. - 1104 с;
7. Вячеслав Дюк. DATA MINING - интеллектуальный анализ данных. 2012;
8. www.interface.ru - Курс по интеллектуальному анализу данных (Data Mining) с использованием платформы MS SQL 2014;
9. https://ru.wikipedia.org - Data_mining;
10. >11. >12. >



Перейти к полному тексту работы


Смотреть похожие работы

* Примечание. Уникальность работы указана на дату публикации, текущее значение может отличаться от указанного.