University of California, Irvine
Data Warehousing und Business Intelligence
University of California, Irvine

Data Warehousing und Business Intelligence

Dieser Kurs ist Teil von Spezialisierung Datenbankdesign und betriebliche Business Intelligence

Unterrichtet auf Englisch

Einige Inhalte können nicht übersetzt werden

5.227 bereits angemeldet

Bei Coursera Plus enthalten

Kurs

Informieren Sie sich über ein Thema und erlernen Sie die Grundlagen.

4.5

(94 Bewertungen)

Stufe Anfänger

Empfohlene Erfahrung

6 Stunden (ungefähr)
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

  • Erklären Sie verschiedene Data Warehousing-Architekturen und multidimensionale Datenmodellierung

  • Entwickeln Sie prädiktive Data-Mining-Modelle, einschließlich Klassifizierungs- und Schätzungsmodelle

  • Entwickeln Sie erklärende Data-Mining-Modelle, einschließlich Clustering- und Assoziationsmodelle

Kompetenzen, die Sie erwerben

  • Kategorie: Daten-Clustering-Algorithmen
  • Kategorie: Data Mining für Clustering und Assoziation
  • Kategorie: Data-Warehousing
  • Kategorie: Multidimensionale Modellierung
  • Kategorie: Data Mining für Vorhersagen und Erklärungen

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

4 Quizzes

Kurs

Informieren Sie sich über ein Thema und erlernen Sie die Grundlagen.

4.5

(94 Bewertungen)

Stufe Anfänger

Empfohlene Erfahrung

6 Stunden (ungefähr)
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Platzhalter

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung Datenbankdesign und betriebliche Business Intelligence
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.
  • Lernen Sie neue Konzepte von Branchenexperten
  • Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
  • Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
  • Erwerben Sie ein Berufszertifikat zur Vorlage
Platzhalter
Platzhalter

Erwerben Sie ein Karrierezertifikat.

Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.

Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.

Platzhalter

In diesem Kurs gibt es 4 Module

Willkommen zu Modul 1, Überblick über Data Warehousing. In diesem Modul erhalten Sie einen Überblick über Data Warehousing und Data Warehousing-Architekturen. Außerdem definieren wir den ETL-Prozess (Extrahieren, Transformieren, Laden), gehen auf Data Warehousing in der Cloud ein und üben dies anhand eines kurzen Quiz. Schließlich werden wir in unserer Übung zwischen dem Kimball- und dem Inmon-Designansatz für die Data-Warehouse-Architektur unterscheiden.

Das ist alles enthalten

7 Lektüren1 Quiz1 Diskussionsthema

Willkommen zu Modul 2, Multidimensionale Modellierung für Data Warehousing. In diesem Modul werden wir die Datenmodellierung für Data Warehousing besprechen. Außerdem lernen wir die Schritte kennen, die zum Aufbau eines multidimensionalen Datenmodells erforderlich sind, und unterscheiden zwischen Sternschema und Schneeflockenschema. Dies wird anhand eines kurzen Quiz geübt. Schließlich werden wir in unserer Aktivität ein normalisiertes Schneeflockenschema erstellen.

Das ist alles enthalten

6 Lektüren1 Quiz1 Diskussionsthema

Willkommen zu Modul 3, Data Mining für Vorhersagen und Erklärungen. In diesem Modul erhalten Sie einen Überblick über den Data-Mining-Prozess und die Data-Mining-Methoden. Wir werden auch die Schritte in einem Data-Mining-Prozess identifizieren und zwischen Data-Mining-Methoden unterscheiden. In einem kurzen Quiz üben wir, diese zu erkennen. In unserer Aktivität werden wir auch auswählen, welche Data-Mining-Methoden für einen bestimmten Datensatz am besten geeignet sind.

Das ist alles enthalten

5 Lektüren1 Quiz1 Diskussionsthema

Willkommen zu Modul 4, Data Mining für Clustering und Assoziation. In diesem Modul werden wir uns mit dem unüberwachten Data Mining für die erklärende Modellierung beschäftigen. Außerdem lernen wir die Definitionen für Clustering und Segmentierung, K-means Clustering, Assoziation und Marktkorbanalyse kennen und üben diese anhand eines kurzen Quiz. Schließlich üben wir anhand unserer Aktivität die Identifizierung von Clustern in einem Datensatz.

Das ist alles enthalten

4 Lektüren1 Quiz1 Diskussionsthema

Dozent

Lehrkraftbewertungen
4.4 (21 Bewertungen)
Tim Carrington
University of California, Irvine
6 Kurse25.795 Lernende

von

Empfohlen, wenn Sie sich für Datenmanagement interessieren

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Bewertungen von Lernenden

Zeigt 3 von 94

4.5

94 Bewertungen

  • 5 stars

    73,46 %

  • 4 stars

    15,30 %

  • 3 stars

    5,10 %

  • 2 stars

    3,06 %

  • 1 star

    3,06 %

HA
5

Geprüft am 17. Jan. 2023

SS
5

Geprüft am 19. Feb. 2022

AN
4

Geprüft am 29. Nov. 2022

Platzhalter

Neue Karrieremöglichkeiten mit Coursera Plus

Unbegrenzter Zugang zu über 7.000 erstklassigen Kursen, praktischen Projekten und Zertifikatsprogrammen, die Sie auf den Beruf vorbereiten – alles in Ihrem Abonnement enthalten

Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.

Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online

Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.

Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.

Häufig gestellte Fragen