深藍數據倉庫與數據挖掘課程提綱

數據倉庫部分：
    一．數據倉庫概述
        為什么要建立數據倉庫
        據倉庫的概念及特性
        數據倉庫的體系結構
        數據倉庫的參照結構
    二．數據倉庫開發模型及開發應用過程
        數據倉庫概念模型及設計
        數據倉庫邏輯模型及設計
        數據倉庫的物理模型及設計
        數據倉庫的元數據模型的設計
        數據倉庫的粒度和聚集模型
        數據倉庫的規劃
        數據倉庫的實施過程
        數據倉庫的應用、支持和增強
    三．聯機分析OLAP 技術
        OLAP 技術概念
        OLAP 與多維分析
        OLAP 的實施
        多維 OLAP 與關系 OLAP
        OLAP 技術評價
    四．OLAP服務器及數據倉庫軟件介紹
        Microsoft analysis services
        Oracle Express
        IBM DB2 OLAP Server
        Sybase Power dimension
        Informix Metacube
        CA OLAP SERVER
        Business Object
        基于SQL Server 2005數據庫的數據倉庫應用實例
    五．數據倉庫開發實例應用分析
        通過企業ERP系統進行數據倉庫建立分析
        定義數據倉庫數據源及數據視圖
        定義數據數據倉庫事實表
        定義多維數據集和維度屬性
        部署和瀏覽多維數據集
        定義度量值、屬性和層次結構
        定義計算列與關鍵性能指標KPI
        數據倉庫的數據加載與鉆取

數據挖掘部分:
    一．數據挖掘技術概念
        有關數據挖掘技術概述
        數據挖掘技術與工具
        數據挖掘的應用
        數據挖掘任務和方法
        數據挖掘主要算法和技術
        數據挖掘過程
        數據挖掘應用例子
        傳統的統計分析類數據挖掘技術
        統計分析類工具及應用
        知識挖掘系統的體系結構
        現代挖掘技術及應用
        知識發現工具與應用
        數據挖掘技術的發展
    二．數據預處理技術
        數據清理
        集成和變換
        規范化
        數據歸約
        維歸約
        數據壓縮
        數值歸約
    三．數據挖掘的主要算法分析
        聚類算法
        決策樹算法
        神經網絡算法
        關聯分析算法
        序列分析算法
        邏輯回歸算法
        線性回歸算法
    四．數據挖掘工具的應用及挖掘模型的建立過程
        數據挖掘工具的介紹
        數據挖掘結構的建立
        挖掘模型的建立
        數據挖掘模型的查看
        數據挖掘模型的驗證
    五．實例數據挖掘及各種算法應用分析
        挖掘算法在實例企業ERP應用中的應用
        潛在有效客戶的挖掘及算法實現
        預測方案及算法模型的建立
        聚類分析及關聯分析算法的實際應用