|
Data Warehouse and OLAP
제 3장 : Data Preprocessiong
제 4장 : Data Mining Primitives, Languages, and System Architectures
제 5장 : Concept Description Characterization and Comparison
제 6장 : Mining Association Rules in Large Databases
제 7장 : Classification and Prediction
제 8장
|
|
|
데이터마이닝
Ⅰ. 데이터마이닝의 기본개념
1. 데이터마이닝의 기본개념
2. 데이터웨어하우스
3. OLAP
Ⅱ. 데이터의 종류
1. 거래데이터
2. 고객 프로파일링 데이터
3. 설문데이터
4. 관찰데이터
5. 텍스트 데이터
Ⅲ. 데이터마이닝
|
|
|
데이터마이닝의 기법
1. 연관성측정(ASSOCIATIONS)
2. 순차적 패턴발견(SEQUENCES)
3. 클러스터링(CLUSTERING)
4. 의사결정수(Decision Trees)
5. 신경망모형(Neural Networks)
Ⅵ. 데이터마이닝의 기술 활용
1. 비즈니스 데이터마이닝(Business Data mining)
2. 웹
|
|
|
데이터마이닝의 기법
1. 연관성측정(ASSOCIATIONS)
2. 순차적 패턴발견(SEQUENCES)
3. 클러스터링(CLUSTERING)
4. 의사결정수(Decision Trees)
5. 신경망모형(Neural Networks)
Ⅵ. 데이터마이닝의 기술 활용
1. 비즈니스 데이터마이닝(Business Data mining)
2. 웹
|
|
|
데이터 마이닝 Cookbook’, 출판: 敎友社 Olivia Parr Rud 지음, 이영섭 옮김, 2005
○‘데이터 마이닝’, 출판: 대청, 장남식, 홍성완, 장재호 共著, 1999
○‘(SAS Enterprise Miner를 이용한)데이터마이닝=SAS Enterprise Miner data mining‘, 출판: 敎友社,배화수 지
|
|
 |
데이터마이닝.
1. 데이터마이닝의 개념과 특징
2. 데이터마이닝 프로세스
3. 연관규칙분석
4. 로지스틱 회귀분석(logistic regression)
9강 CRM을 위한 데이터마이닝2
1. 군집분석
2. 의사결정나무
3. 인공신경망
4. 모형의 평가
10강. CRM전략
|
|
|
개념에서 활용까지, LG주간경제, 41-47
오상현.(2002). 고객가치가 고객만족과 구매의도에 미치는 영향, 경영학연구, 제28권 제1호
정진서.(2001). 성공적인 CRM구축에 영향을 주는 요인, 경희대학교 경영대학원 석사학위논문.
이경상.(2004). 신세계
|
|
|
데이터마이닝을 이용한 고객세분화 7
1. 데이터마이닝의 개요 7
2. 연구방법 9
(1) 자료의 구성 10
(2) 실험데이터의 기초 분석 10
3. 변수선정 11
(1) 성별과 연 구매회수와의 독립성 검정 12
(2) 입력변수 특성 13
4. 신경망 모형의 구성 17
5. 실
|
|
|
데이터마이닝 기법 연구, 김종민, 최경호, 이동휘, 정보·보안논문지 제12권 제2호 (2012년 5월) pp.61-70 1598-7329
특수기술 샘플 군집화를 이용한 개선된 아다부스트 알고리즘, 백열민, 김중근, 김회율, 한국방송공학회지 제18권 제4호 통권 제73호 (20
|
|
|
데이터화는 물론 웹서베이를 통한 조사, 데이터웨어하우스의 고객프로파일, 구매이력 등을 근거로 고객에 대한 이해를 높여야 고객분석과 세분화가 가능하다.
이를 위해서는 고객DB의 축적 및 관리능력과 데이터마이닝 기술을 적극적으로 육
|
|
 |
(주)한국빅데이터마이닝에 대한 재무제표 및 기업정보를 중심으로 분석한 상세보고서(종합신용등급, 현금흐름등급, Watch등급, 기업개요, 주요재무상황, 주요재무비율, 재무신용평정, 신용도 분석의견, 기업현황, 주요 주주현황, 경영진현황,
|
|
 |
(주)한국빅데이터마이닝에 대한 재무제표 및 기업정보를 중심으로 분석한 상세보고서(종합신용등급, 현금흐름등급, Watch등급, 기업개요, 주요재무상황, 주요재무비율, 재무신용평정, 신용도 분석의견, 기업현황, 주요 주주현황, 경영진현황,
|
|
|
(주)한국빅데이터마이닝에 대한 재무제표 및 기업정보를 중심으로 분석한 상세보고서(종합신용등급, 현금흐름등급, Watch등급, 기업개요, 주요재무상황, 주요재무비율, 재무신용평정, 신용도 분석의견, 기업현황, 주요 주주현황, 경영진현황,
|
|
|
(주)한국빅데이터마이닝에 대한 재무제표 및 기업정보를 중심으로 분석한 상세보고서(종합신용등급, 현금흐름등급, Watch등급, 기업개요, 주요재무상황, 주요재무비율, 재무신용평정, 신용도 분석의견, 기업현황, 주요 주주현황, 경영진현황,
|
|
 |
한 내용들을 전문적으로 공부해 나갈 것입니다. 그리고 비 전공 수준에 머물렀던 통계 심화과목들을 다시 한 번 살펴보며 통계분석 논리력과 데이터마이닝 개념들을 심도있게 다뤄볼 예정입니다. 또한 서비스산업현장에 최적화된 서비스생
|
|
 |
데이터 분석 및 분산 시스템 관련 과목에서도 큰 흥미를 느꼈다. 빅데이터 분석 과목에서는 데이터 마이닝과 통계 기법을 활용하여 데이터를 분석하고, 예측 모델을 구축하는 실습을 진행하였다. 또한, 클라우드 컴퓨팅과 분산 시스템 과목에
|
|
 |
데이터 분석 역량을 강화하기 위해 "데이터 마이닝 및 분석" 과목을 수강하며 Python, SQL, R을 활용한 물류 데이터 분석 기법을 익혔습니다. 특히, 빅데이터를 활용하여 물류 수요 예측 모델을 개발하는 프로젝트를 수행하며 실제 물류 환경에서
|
|
 |
데이터 마이닝의 본질에 대해 좀 더 탐구하게 되었습니다.
방향성을 가진 데이터를 활용해, 다수의 소비자가 공유하는 트렌드를 파악하는 것이 빅데이터 기술 컨설팅과 솔루션 서비스 제공하는 사업의 필수 역량인 것을 알게 되었습니다.
|
|
 |
고 활용하는 방법을 익힐 수 있었습니다.
대학원 과정에서는 기계학습과 데이터마이닝 기법을 활용한 사회적 문제 해결 연구를 수행하고자 합니다. 특히, 다음과 같은 연구 주제에 집중하고자 합니다.
- 사회적 문제 해결을 위한 데이터 분석:
|
|
메뉴펼치기
