HOME > Detail View

Detail View

(Microsoft SQL Server 2000) 데이터 마이닝 : technical reference

(Microsoft SQL Server 2000) 데이터 마이닝 : technical reference (Loan 36 times)

Material type
단행본
Personal Author
Seidman, Claude 권오주, 역 이정무, 역
Title Statement
(Microsoft SQL Server 2000) 데이터 마이닝 : technical reference / Claude Seidman 저 ; 권오주 ; 이정무 [공]역
Publication, Distribution, etc
서울 :   정보문화사,   2001  
Physical Medium
499 p. : 삽화 ; 24cm
Varied Title
Data mining with Microsoft SQL server 2000 : technical reference
ISBN
8976278771
General Note
부록: 회귀 분석(Regression analysis)  
색인수록  
000 00000nam c2200205 c 4500
001 000001073775
005 20170706110636
007 ta
008 020527s2001 ulka 001c kor
020 ▼a 8976278771 ▼g 93000
040 ▼a 244002 ▼c 244002 ▼d 244002 ▼d 211009
041 1 ▼a kor ▼h eng
049 0 ▼l 151116408 ▼l 151116409
082 0 4 ▼a 006.3 ▼2 21
085 ▼a 006.3 ▼2 DDCK
090 ▼a 006.3 ▼b 2001d
100 1 ▼a Seidman, Claude
245 2 0 ▼a (Microsoft SQL Server 2000) 데이터 마이닝 : ▼b technical reference / ▼d Claude Seidman 저 ; ▼e 권오주 ; ▼e 이정무 [공]역
246 1 9 ▼a Data mining with Microsoft SQL server 2000 : technical reference
260 ▼a 서울 : ▼b 정보문화사, ▼c 2001
300 ▼a 499 p. : ▼b 삽화 ; ▼c 24cm
500 ▼a 부록: 회귀 분석(Regression analysis)
500 ▼a 색인수록
700 1 ▼a 권오주, ▼e
700 1 ▼a 이정무, ▼e

Holdings Information

No. Location Call Number Accession No. Availability Due Date Make a Reservation Service
No. 1 Location Sejong Academic Information Center/Science & Technology/ Call Number 006.3 2001d Accession No. 151116409 Availability Available Due Date Make a Reservation Service C

Contents information

Book Introduction

원시 데이터를 유용한 정보로 만들기위한 데이터 마이닝을 소개하는 책.

기업 데이터베이스에 저장된 정보의 양은 기하급수적으로 증가한다. 모든 데이터 안에서 의미 있는 패턴을 발견하는 데이터 마이닝은 모든 조직에게 경쟁적인 이득을 줄 수 있다.

이 책은 SQL Server 2000에 있는 강력한 데이터 마이닝 특징을 완전하게 활용하기 원하는 사용자들을 위한 참고서이다. SQL Server 2000 Analysis Service 아키텍처를 검사하고 어떻게 데이터 마이닝을 완전한 정보 추출 도구로 맞출 수 있는지를 보여준다. 그리고 유용한 정보를 발견하기 위해 SQL Server 2000에 포함된 알고리즘을 가지고 어떻게 거대한 데이터베이스를 탐색하고 구조하는지를 알려주며, 데이터베이스로부터 다운로드 받은 데이터를 이용하여 어떻게 실질적인 데이터 마이닝 모델을 생성할 수 있는지를 보여준다.

이 책에서는 무엇이 데이터 마이닝인지 설명한다. 추가적으로 데이터 마이닝 모델, 통계, 그리고 알고리즘의 역할을 포함하는 방법론 이면의 중요한 원칙과 정의를 소개한다. 또한 데이터 마이닝이 SQL Serve 2000 Analysis Service 아키텍처에 적합한지 그리고 어떻게 SQL Server 2000 관계형 데이터베이스와 내장된 OLAP 엔진에 만들 수 있는지를 알려준다.

데이터 마이닝 방법에 대해서는 의사 결정 나무(Decision tree) 또는 클러스터링 중 업무를 위해 어떻게 최적의 데이터 마이닝 방법을 선택하는지 제시하고 모델의 생성, 학습, 처리를 단순화하기 위한 마이닝 모델 마법사를 사용 방법과 OLAP 마이닝 모델 편집기 사용 방법을 알려준다.

데이터 마이닝 서비스 프로그램 에 대한 소개의 내용도 담았다. 이 책에서는 데이터 마이닝 엔진을 가지고 작업하기 위해 데이터 마이닝 모델, DTS, 피벗 테이블 서비스, 의사 결정 개체(DSO), PERL, Visual Basic, VBScript, XML 그리고 다른 툴과 언어를 사용하는지 알려준다.


Information Provided By: : Aladin

Author Introduction

Claude Seidman(지은이)

권오주(옮긴이)

이정무(옮긴이)

Information Provided By: : Aladin

Table of Contents


목차
1부 데이터 마이닝 소개
 1장 데이터 마이닝에 대한 이해
  데이터 마이닝은 무엇인가 = 22
  왜 데이터 마이닝을 이용하는가 = 23
  현재 데이터 마이닝을 어떻게 이용하는가 = 26
  용어 정의 = 28
  데이터 마이닝 방법론 = 29
   문제점 분석하기 = 30
   데이터 추출 및 정제 = 31
   데이터 검증 = 31
   모델 생성 및 학습 = 31
   데이터 마이닝 모델 데이터 쿼리 = 32
   데이터 마이닝 모델의 유효성 유지 보수 = 32
  데이터 마이닝 개요 = 32
   데이터 마이닝 대 OLAP = 33
   데이터 마이닝 모델 = 33
  데이터 마이닝 알고리즘 = 34
   데이터 마이닝을 위한 SQL Server 구문 이용 = 36
  요약 = 37
 2장 SQL Server Analysis Services 아키텍처
  OLAP 소개 = 40
   MOLAP = 42
   ROLAP = 44
   HOLAP = 45
  서버 아키텍처 = 46
   Analysis Services의 데이터 마이닝 서비스 = 46
  클라이언트 아키텍처 = 47
   피벗 테이블 서비스(PivotTable Service) = 48
   OLE DB = 49
   의사 결정 지원 개체(DSO) = 52
   Prediction Joins = 53
  요약 = 54
 3장 데이터 저장소 모델
  왜 데이터 마이닝은 데이터 웨어하우스를 필요로 하는가 = 55
   데이터 무결성 유지하기 = 57
  OLTP 데이터에 대한 리포팅은 성능에 해가 될 수 있다 = 62
  데이터 마이닝을 위한 데이터 웨어하우징 아키텍처 = 64
   OLTP 데이터로부터 데이터 웨어하우스 생성하기 = 65
   마이닝을 위한 데이터 최적화 = 69
   물리적인 데이터 마이닝 구조 = 78
  관계형 데이터 웨어하우스 = 80
   관계형 데이터 저장소의 장점 = 80
   데이터 마이닝용 지원 테이블 구축 = 82
  OLAP 큐브 = 83
   데이터 마이닝이 OLAP 구조를 어떻게 이용하는가 = 83
   OLAP 저장소의 장점 = 85
   OLAP가 데이터 마이닝에 적절하지 않을 때 = 88
  요약 = 89
 4장 데이터 마이닝에 대한 접근
  디렉티드 데이터 마이닝(Directed Data Mining) = 92
  언디렉티드 데이터 마이닝(Undirected Data Mining) = 92
   데이터 마이닝 대 통계 = 93
   기록 데이터로부터 학습하기 = 101
   미래 예측하기 = 103
  데이터 마이닝 모델 성향 습득하기 = 106
   모델 평가와 오류 피하기 = 107
  요약 = 111
2부 데이터 마이닝 방법
 5장 Microsoft 의사 결정 나무
  모델 생성하기 = 116
   분석 관리자 (Analysis Manager) = 117
  모델의 시각화 = 137
   종속 관계 네트워크 브라우저(Dependency Network Browser) = 147
   의사 결정 나무 알고리즘의 내부 = 152
   예측을 이끌어 내는 법 = 168
   트리의 경로 검색 = 168
   경로 검색 대 규칙 = 173
   의사 결정 나무를 사용할 때 = 175
  요약 = 175
 6장 OLAP를 사용하여 의사 결정 나무 생성하기
  모델 생성하기 = 178
   원본 유형 선택 = 179
   데이터 마이닝 기술 선택 = 179
   사례 선택 = 181
   예측된 엔티티 선택 = 182
   성향 습득 데이터 선택 = 184
   차원 및 가상 큐브 선택 = 185
   데이터 마이닝 모델 완료하기 = 187
  OLAP 마이닝 모델 편집기 = 190
   자세한 내용 창(Content Detail Pane) = 191
   구조 창(Structure Panel) = 191
   예측 트리(Prediction Tree) 리스트 = 191
  OLAP 데이터 마이닝 모델을 이용하여 데이터 분석하기 = 192
   생성한 가상 큐브 사용하기 = 194
   생성한 차원 사용하기 = 196
  요약 = 201
 7장 Microsoft 클러스터링
  탐색 순서 = 205
  데이터를 이해하는 방법 찾기 = 206
  언디렉티드 데이터 마이닝 기술로서의 클러스터링 = 207
  클러스터링이 작동하는 방법 = 208
   알고리즘의 개요 = 208
   K-평균(K-Means) 방법 클러스터링 알고리즘 = 208
   정확히 무엇을 측정하고 있는 것인가? = 212
   클러스터링 인자 = 213
   친밀성(Closeness) 측정 = 214
  클러스터링을 사용할 때 = 218
   관계 시각화 = 218
   예외 사항 강조 = 218
   다른 데이터 마이닝 작업을 위한 표본 생성하기 = 220
   클러스터링의 약점 = 221
  클러스터링을 사용하여 데이터 마이닝 모델 생성하기 = 222
   원본 유형 선택 = 223
   데이터 마이닝용 테이블 선택하기 = 224
   데이터 마이닝 기술 선택 = 225
   테이블간 조인 편집 = 226
   마이닝 모델용 사례 키 열 선택 = 226
   입력 열과 예측 가능한 열 선택 = 227
  모델 보기 = 229
   클러스터 노드의 구성 = 230
   클러스터 노드의 순서 = 232
  데이터 분석하기 = 233
  요약 = 235
3부 코드를 이용한 데이터마이닝 응용 프로그램 생성
 8장 데이터 변환 서비스(DTS) 사용하기
  DTS란 무엇인가 = 240
  DTS 작업(Tasks) = 241
   변환(Transform) = 241
   대량 삽입(Bulk Insert) = 242
   데이터 기반 쿼리(Data Driven Query) = 243
   패키지 실행(Execute Package) = 243
  연결(Connections) = 249
   원본(Sources) = 248
   연결 구성하기 = 250
  DTS 패키지 워크폴로 = 251
   DTS 패키지 단계(DTS Package Steps) = 252
   선행 제약 조건(Precedence Constraints) = 252
  DTS 디자이너 = 253
   DTS 디자이너 열기 = 254
   DTS 패키지 저장하기 = 255
  dtsrun 유틸리티 = 258
  DTS를 사용하여 데이터 마이닝 모델 생성하기 = 262
   SQL Server 환경 준비하기 = 262
   패키지 생성하기 = 269
  요약 = 301
 9장 DSO 사용하기
  Scripting 대 Visual Basic = 305
   서버 개체 = 307
   데이터베이스 개체 = 319
  DOS를 사용해서 관계형 데이터 마이닝 모델을 생성하기 = 322
  DSO를 사용해서 OLAP 데이터 마이닝 모델 생성하기 = 336
   데이터 원본(DataSource) 개체 = 340
   데이터 마이닝 모델(의사 결정 지원 개체) = 340
  새로운 데이터 원본 추가하기 = 340
  Analysis Server 역할 = 343
  요약 = 345
 10장 데이터 마이닝 구조 이해하기
  데이터 마이닝 모델 사례의 구조 = 347
   테이블처럼 보이는 데이터 마이닝 모델 = 348
  데이터 마이닝 모델을 찾기 위해 코드 사용하기 = 348
  스키마 행 집합 사용하기 = 356
   MINING_MODELS 스키마 행 집합 = 356
   MINING_COLUMNS 스키마 행 집합 = 364
   MINING_MODELS_CONTENT 스키마 행 집합 = 375
   MINING_SERVICES 스키마 행 집합 = 379
   SERVICE_PARAMETERS 스키마 행 집합 = 384
   MODELS_CONTENT_PMML 스키마 행 집합 = 387
  요약 = 388
 11장 피벗 테이블(PivotTable) 서비스를 이용한 데이터 마이닝
  컴포넌트 재분배하기 = 391
  컴포턴트 설치하고 등록하기 = 392
   파일 위치 = 393
   설치 레지스터리 설정 = 395
   설치 프로그램 재분배 = 395
  피벗 테이블 서비스에 연결하기 = 397
   피벗 테이블 서비스를 이용하여 Analysis Services에 연결 = 397
   HTTP를 사용해서 Analysis Services에 연결 = 401
  로컬 데이터 마이닝 모델 만들기 = 402
   로컬 마이닝 모델의 스토리지 = 407
   SELECT INTO 문장 = 410
   INSERT INTO 문장 = 410
   OPENROWSET 구문 = 411
   중첩 테이블과 SHARE 문 = 415
  데이터 마이닝에 있는 XML 사용하기 = 416
   PMML 표준 = 416
  요약 = 424
 12장 데이터 마이닝 쿼리들
  예측 쿼리의 구성 요소 = 428
   기본적인 예측 쿼리 = 428
   시험 사례 소스 지정하기 = 428
   컬럼 명시하기 = 431
   PREDICTION JOIN 절 = 432
   컬럼처럼 함수 사용하기 = 437
   컬럼처럼 테이블 형식 값들 사용하기 = 437
   WHERE 절 = 440
   예측(PREDICTION) 함수 = 441
   Predict = 441
   PredictProbability = 442
   PredictSupport = 443
   PredictVariance = 444
   PredictStdev = 445
   PredictProbabilityVariance = 445
   PredictProbabilityStdev = 445
   PredictHistogram = 445
   TopCount = 450
   TopSum = 450
   TopPercent = 450
   RrangeMin = 451
   RrangeMid = 451
   RrangeMax = 451
   PredictScore = 452
   PredictNodeld = 452
  클러스터링 모델을 위한 예측 쿼리들 = 452
   클러스터(Cluster) = 453
   ClusterProbability = 453
   ClusterDistance = 455
  예측 쿼리들을 실행하기 위해서 DTS 사용하기 = 455
  요약 = 462
부록 회귀 분석(Regression Analysis)
 회귀 분석이란 무엇인가 = 464
 연속적인 속성 예측 : 예제 = 464
  상관 관계 = 465
 회귀 선 = 469
  기울기 구하기 = 471
  절편(Intercept) 구하기 = 472
  회귀 계수(회귀율) = 472
 예측을 위한 회귀 분석 사용 = 472
 회귀 선의 정확도 분석 = 474
 OLAP를 이용한 회귀 모델 생성 = 478
 관련 데이터베이스에 회귀 적용 = 481
  SQL Server에서의 회귀와 OLAP를 이용한 회귀 = 485
 Visual Basic을 이용한 회귀 분석 수행 = 486
 모델 생성 = 491
  테이블 사용 = 492
  PMML 사용 492
 요약 = 493
찾아보기 = 494


New Arrivals Books in Related Fields

National Academies of Sciences, Engineering, and Medicine (U.S.) (2020)
Cartwright, Hugh M. (2021)
한국소프트웨어기술인협회. 빅데이터전략연구소 (2021)