Számalk Oktatási és Informatikai Zrt.
Cím: 1119 Budapest, Fejér Lipót u. 70.
E-mail: training##kukac##szamalk.hu
Telefon: +36 1 491 8974
Az üzleti intelligencia magában foglalja azokat az alkalmazásokat, legjobb gyakorlatokat, eszközöket - beleértve az infrastruktúrát is -, amelyek lehetővé teszik, hogy megszerezhessünk és felhasználhassunk olyan információkat, amelyek fontosak ahhoz, hogy az üzleti döntéseket és így az üzleti teljesítményt javítsuk. Az üzleti intelligencia (Business Intelligence - BI) elemzőeszközeivel olyan átfogó, nagyvállalati léptékű analitikai megoldásokat alakíthatunk ki, amikből intelligens, könnyen értelmezhető vizualizációkat készíthetünk az adatok alapján, melyeket aztán minden döntéshozatali helyzetben felhasználhatunk, és olyan jól ismert alkalmazásokon keresztül, mint pl. az Excel, a vállalat minden felhasználójához eljuttathatunk.
Tanfolyamunk elvégzése után a résztvevők képessé válnak komplex analitikai megoldások létrehozására és menedzselésére
Alapszintű adatbázis-kezelési és SQL ismeretek.
Azoknak az informatikai és adatelemző munkatársaknak, akiknek napi munkájuk során analitikai megoldásokat kell használniuk, fejleszteniük, adminisztrálniuk.
--------------------------------------
1. Dinamikus csomagok kialakítása SQL Server Integration Services-ben
---------------------------------------------------------------------
1.1. Konténerek használata
1.2. Tranzakciókezelés
1.3. Ellenőrző pontok (Checkpoint)
-----------------------------------------------------------------------------
2. Inkrementális ETL folyamat létrehozása SQL Server Integration Services-ben
-----------------------------------------------------------------------------
2.1. Változások felederítése és betöltése ETL-lel
2.2. Módosított adatok ellenőrzésének lehetőségei
2.3. Módosított adatok betöltése
---------------------------------------------------------
3. SQL Server Integration Services csomagok kiterjesztése
---------------------------------------------------------
3.1. Külső komponensek használata
3.2. C#/VB scriptek használata SQL Server Integration Services csomagban
3.2.1. Vezérlési folyamatban
3.2.2. Adatfolyamban
--------------------------------------------------------------------
4. SQL Server Integration Services csomagok telepítése/konfigurálása
--------------------------------------------------------------------
4.1. Telepítési lehetőségek áttekintése
4.2. Integration Services Catalog használata
4.3. SQL Server Integration Services csomagok konfigurációs lehetőségei
---------------------------------------------------
5. Adat-tisztítási folyamat (Data Quality Services)
---------------------------------------------------
5.1. A Data Quality Services ismertetése
5.2. Data Quality használata adattisztításra
5.3. Data Quality használata duplikált adatok szűrésére
-------------------------------------------
6. Törzsadat-kezelés (Master Data Services)
-------------------------------------------
6.1. A Master Data Services ismertetése
6.2. A Master Data Services model létrehozása/feltöltése
6.3. Master Data Services Add-In for Microsoft Excel plugin használata
6.4. A Data Quality Services és a Master Data Services szolgáltatásainak bekötése az SSIS-be
---------------------------------------------
7. Az adatbányászat és a gépi tanulás alapjai
---------------------------------------------
7.1. Korreláció
7.2. Regresszió
7.2.1. Lineáris
7.2.2. Logisztikus
7.3. Döntési fák
7.4. Klaszteranalízis
----------------
8. Adatbányászat
-----------------
8.1. Az adatbányászat elmélete
8.2. Adatbányászati megoldások készítése SQL Server Data Tools-szal
8.2. Adatbányászati model feltöltése adatokkal
8.3. Előrejelzés készítése
8.4. Döntési fa készítése
---------------------------------------
9. DMX (Data Mining Extensions) alapozó
---------------------------------------
9.1. Struktúra és model létrehozása
9.2. Adatbányászati model feltöltése adatokkal
9.3. Lekérdezések írása
-----------------------------------------------------
10. Gépi tanulási szolgáltatások használata Pythonnal
-----------------------------------------------------
10.1. Python és R telepítése és tesztelése MS-SQL szerveren
10.2. Python használat MS-SQL szerveren
10.2.1. Python alapok
10.2.2. Python adatszerkezetek
10.2.3. Adathalmazok lekérdezése és összefésülése
10.2.4. Python adatvizualizáció
10.2.5. Adateltérések keresése gépi tanulási modellel
-----------------------------------------------------
11. Gépi tanulási szolgáltatások használata R nyelven
-----------------------------------------------------
11.1. R alapok
11.2. R adatstruktúrák
11.2.1. Vektorok
11.2.2. Mátrixok
11.2.3. Tömbök
11.2.4. Adatkeretek
11.2.5. Listák
11.3. Adatbetöltés
11.3.1. SQL lekérdezésből
11.3.2. Külső adatokből
11.3.3. Webes adatforrásokból
11.4. Gépi tanulási algoritmusok
11.4.1. Statisztikai profilozás
11.4.2. Csoportképzés
11.4.3. Előrejelzések készítése
-----------------------------------------------
12. Mobil jelentések és irányítópultok készítése
-----------------------------------------------
12.1. A Mobil Report Publisher áttekintése
12.2. Irányítpultok készítése
12.2.1. Adatforrások és adatkészletek hozzáadása
12.2.2. Szűrési lehetőségek
12.2.3. Adatjelülők használata
12.2.4. Chartok hozzáadása
12.2.5. Listák beállítása
12.3. További beállítások
12.3.1. Drilltrough
12.3.2. Paraméterek
12.4. Közzététel
12.5. KPI-k létrehozása és beállítása
------------------------------------------------
13. PowerBI jelentések készítése és menedzselése
------------------------------------------------
13.1. PowerBI architektúrája, komponensei
13.2. A PowerBI Desktop használata
13.3. Adatok betöltése
13.3.1. SQL szerverből
13.3.2. Excelből
13.4. Adatmodel készítés
13.4.1. Adatösszefűzés
13.4.2. Kapcsolatok
13.4.3. Dimenziókialakítás
13.4.4. Mértékek és számított értékek
13.5. Adatvizualizáció
13.5.1. Táblázatok, kimutatások (PivotTable) készítése
13.5.2. Diagramok (PivotChart) készítése
13.5.3. Adatmegjelenítések térképen
13.5.4. Szűrés és szeletelés
13.6. Közzététel