1. Γενικά – Ανάλυση δεδοµένων

• Στατιστική vs Data mining

• Ορισµοί

• η ανάγκη για data mining

• γενική περιγραφή µεθοδολογίας και τεχνολογιών

• χαρακτηριστικές περιπτώσεις εφαρµογής τεχνολογιών data mining

• προϋποθέσεις για την επιτυχή διεξαγωγή ενός έργου data mining

• εµπλεκόµενοι ρόλοι

• ο ρόλος του I.T. • Ανάγκες IT integration και αυτοµατοποίησης

• Παράγοντες αποτυχίας ενός έργου data mining 2. Αναλυτική παρουσίασητης µεθοδολογίας µε έµφασησε: Business Understanding

• Data preparation

• Data modeling

• Evaluation

• Deployment 3. ΠεριγραφήΤεχνολογιών data mining: οικογένειες µοντέλων (decision trees, clustering, neural networks)

• προϋπόθεσης χρήσης (δεδοµένα-ειδικές γνώσεις)

• πλεονεκτήµατα- µειονεκτήµατα

•πεδία εφαρµογής

• Χαρακτηριστικές Εφαρµογές

• Αναφορά συστηµάτων data mining. 4. Case studies

Workshop: Παρουσίαση προβλήµατος προς επίλυση και παρουσίαση δεδοµένων (ένααπό churn management, cross-selling, traffic modeling, credit risk & Fraud)

• σύντοµη εφαρµογήτης όλης µεθοδολογίας στο επιλεγµένο σύστηµα data mining

• Παρουσίαση, Ανάλυση και ερµηνεία των αποτελεσµάτων. Το πρόγραμμα διοργανώνεται σε συνεργασία με την Εταιρία DATAMINE.

Μεθοδολογία Υλοποίησης Σεμιναρίου & Οπτικοακουστικά Μέσα