DOCUMENTACIÓN DE CUBO_OLAP

Aqui esta la Documentación paso a paso de la realización de Mi Cubo OLAP.

Nota: Pero como esta muy pesado no se pudo convertir en PDF asi que se muestran los pasos pero no se ven las imagenes. Tengo mi documentación en otro archivo si deseas verlo contáctame.

Dame Clic para Ver

TAREA "EJEMPLOS DE DATA MINING"

♥Aqui esta mi tarea de Ejemplos de Data Mining con Casos reales.
Dame Clic Para Ver y por si quieres Editarme.
♥Ejemplos data Mining En formato PDF Dame clic
♥Tambien buscame en Monografías


.

DATA MINING

DEFINICIONES:

♥Data Mining: Es la extracción de información predecible escondida en grandes bases de datos.

♥Técnicas de análisis de datos encaminadas a obtener información oculta en un Datawarehouse.

♥Es una actividad de extracción cuyo objetivo es el de descubrir hechos contenidos en las bases de datos".

♥En la mayoría de los casos se refiere a un trabajo automatizado. Si hay alguna intervención humana a lo largo del proceso, este no es considerado como minería de datos por parte algunas personas.

MINERIA DE DATOS

La palabra "descubrimiento" está relacionada con el hecho de que mucha de la información valiosa es desconocida con anterioridad; En todo caso, estas técnicas pueden ayudar a confirmar cualquier sospecha sobre el comportamiento del sistema en un particular contexto.

En cuanto a los hechos escondidos, Estos estarán principalmente bajo la forma de reglas; las cuales nos ayudarán a entender el modelo del sistema relacionado con los datos observados. Por otra parte, las reglas también pueden ser usadas en las predicción de ciertos estado del sistema.

La minería de datos es un proceso trivial de identificación válida, novedosa potencialmente útil y entendible de patrones comprensibles que se encuentran ocultos en los datos.

DATA MINING SE BASA EN TRES TECNOLOGÍAS

1. Recolección masiva de datos
2. Potentes computadoras con multiprocesadores
3. Algoritmos de Data Mining

Las herramientas de la minería de datos ayudan a extraer el mineral de la información enterrado en archivos corporativos o en registros públicos, archivados.

El entorno de la minería de datos suele tener una arquitectura cliente / servidor.

EL DATA MINING PRODUCE:
♥Asociaciones.
♥Secuencias.
♥Clasificaciones.
♥Agrupamientos.
♥Pronósticos.
♥Un ejemplo ilustrativo mas claro del Data Mining sería:

KDD

KDD:

♥Descubrimiento del Conocimiento en Bases de Datos.

♥Se encarga de la preparación de los datos y la interpretación de los resultados obtenidos, los cuales dan un significado a sus patrones obtenidos.

♥De forma general, los datos son la materia prima bruta. En el momento que el usuario los atribuye algun significado especial pasan a convertirse información.

♥KDD apunta a procesod automaticamente a grandes cantidades de datos para encontrar conocimientos utiles entre ellos.

♥El objetivo de la KDD es basicamente proporcionar informacion relevante, útil, válido y nuevo para el usuario.

METAS DEL KDD

♥Procesar automaticamente grandes cantidades de datos crudos.

♥Identificar los patrones mas significativos y relevantes.

♥Presentarles como conociento apropiado para satisfacer las metas del usuario.

RELACIÓN CON OTRAS DISCIPLINAS

♥Sistemas de informacion / Bases de Datos

♥Estadistica, aprendizaje automatico / IA (inteligencia artificial)

♥Reconocimiento de patrones

♥Visualizacion de datos

♥Computacion paralela / distribuida

♥Interfaces de lenguaje natural a BD

PROCESO DE KDD

Consiste en usar metodos de mineria de datos (algoritmos) para extraer (identificar) lo que se considera como conocimiento de acuerdo a la especificacion de ciertos parametros usando una base de datos junto con pre procesamientos.

Business Intelligent

¿Que es Business Intelligent?

Proceso de analizar los bienes o datos acumulados en una empresa y extraer una cierta inteligencia de la empresa.

Componentes

Multidimensionalidad.

Data Mining.

Agentes.

Data Warehouse