第一天
上課日期 課程名稱 課程內容 授課講師
9:30~10:30 Data Mining 簡介 1. 資料採礦技術簡介
2. 資料採礦產業標準
3. 資料採礦未來趨勢
4. 資料採礦準備工作: Data Preparation Technologies 		李御璽 教授
10:30~10:40 休息時間
10:40~12:10 資料採礦方法論 (I) 1. Clustering
2. Decision Trees
3. Naïve Bayes		 李御璽 教授
12:10~1:30 午餐時間
1:30~3:30 資料採礦方法論 (II) 4. Association Rules
5. Sequence Clustering
6. Neural Net		 李御璽 教授
3:30~3:50 休息時間
3:50~5:30 資料採礦方法論 (III) 7. Linear Regression
8. Logistic Regression
9. Time Series		 李御璽 教授

第二天
上課日期 課程名稱 課程內容 授課講師
9:30~10:30 資料採礦產業應用實務 (I) 金融業、製造業、電信業與其他各產業客戶應用案例 亞洲資採 資深顧問
10:30~10:40 休息時間
10:40~12:10 資料採礦產業應用實務 (II) 1. 交叉銷售、顧客流失挽回
2. 解決不同產業資料採礦需求的考量層面		 亞洲資採 資深顧問
12:10~1:30 午餐時間
1:30~5:30 建構資料採礦預測模型 (以 SQL Server 2005 為實習環境) 1. SQL Server 2005 資料採礦解決方案預覽
2. 使用 SSIS 進行資料預處理
3. 建置分類模型(決策樹、類神經網路、貝氏決策定理)
4. 建置預測模型(類神經網路、時間序列)
5. 建置群集模型(群集演算法)
6. 建置關聯模型(關聯規則、時序群集)
7. 文字資料採礦
8. 使用 OLAP 資料源建置資料採礦模型
9. 預測查詢的 DMX 語法
10. 資料採礦模型效益評估		 台灣微軟 特約資深問
尹相志

資料採礦 (Data Mining) 方法技術及企業應用培訓專班
授課地點：台灣微軟 7A & 7B 會議室 (台北市松仁路 7 號 7F )
授課日期：
第十六屆：97 年 05 月 17 日 ~ 97 年 05 月 18 日，共計 2 天，12 小時
(每週六、日上課，每次課程六小時 AM 9:30 ~ PM 5:30)