Data Mining mit Microsoft SQL Server: [Analyse und Mustererkennung in Daten mit Excel 2007 und SQL Server 2005/2008]
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Book |
| Language: | German |
| Published: |
Unterschleißheim
Microsoft Press
2009
|
| Series: | Fachbibliothek
|
| Subjects: | |
| Online Access: | Inhaltstext Inhaltsverzeichnis |
| Physical Description: | 426 S. Ill., graph. Darst. 24 cm CD-ROM (12 cm) |
| ISBN: | 9783866456495 |
Staff View
MARC
| LEADER | 00000nam a2200000 c 4500 | ||
|---|---|---|---|
| 001 | BV035642610 | ||
| 003 | DE-604 | ||
| 005 | 20091120 | ||
| 007 | t | ||
| 008 | 090723s2009 ad|| |||| 00||| ger d | ||
| 015 | |a 08,N43,0038 |2 dnb | ||
| 015 | |a 09,A31,0049 |2 dnb | ||
| 016 | 7 | |a 990667588 |2 DE-101 | |
| 020 | |a 9783866456495 |c Pp. : EUR 59.00 (DE), EUR 61.20 (AT), sfr 99.90 (freier Pr.) |9 978-3-86645-649-5 | ||
| 024 | 3 | |a 9783866456495 | |
| 035 | |a (OCoLC)645473268 | ||
| 035 | |a (DE-599)DNB990667588 | ||
| 040 | |a DE-604 |b ger |e rakddb | ||
| 041 | 0 | |a ger | |
| 049 | |a DE-12 |a DE-473 |a DE-91G |a DE-384 |a DE-11 |a DE-634 |a DE-1029 |a DE-92 | ||
| 082 | 0 | |a 005.74 |2 22/ger | |
| 082 | 1 | |a 005.74 |2 22//ger | |
| 084 | |a ST 271 |0 (DE-625)143639: |2 rvk | ||
| 084 | |a ST 530 |0 (DE-625)143679: |2 rvk | ||
| 084 | |a 004 |2 sdnb | ||
| 084 | |a DAT 620f |2 stub | ||
| 084 | |a DAT 664f |2 stub | ||
| 084 | |a DAT 304f |2 stub | ||
| 100 | 1 | |a Tittel, Jan |e Verfasser |4 aut | |
| 245 | 1 | 0 | |a Data Mining mit Microsoft SQL Server |b [Analyse und Mustererkennung in Daten mit Excel 2007 und SQL Server 2005/2008] |c Jan Tittel ; Manfred Steyer |
| 264 | 1 | |a Unterschleißheim |b Microsoft Press |c 2009 | |
| 300 | |a 426 S. |b Ill., graph. Darst. |c 24 cm |e CD-ROM (12 cm) | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b n |2 rdamedia | ||
| 338 | |b nc |2 rdacarrier | ||
| 490 | 0 | |a Fachbibliothek | |
| 650 | 0 | 7 | |a Excel 2007 |0 (DE-588)7558101-2 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a SQL Server 2008 |0 (DE-588)7604407-5 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Data Mining |0 (DE-588)4428654-5 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a SQL Server 2005 |0 (DE-588)4924547-8 |2 gnd |9 rswk-swf |
| 689 | 0 | 0 | |a Data Mining |0 (DE-588)4428654-5 |D s |
| 689 | 0 | 1 | |a SQL Server 2005 |0 (DE-588)4924547-8 |D s |
| 689 | 0 | |5 DE-604 | |
| 689 | 1 | 0 | |a Data Mining |0 (DE-588)4428654-5 |D s |
| 689 | 1 | 1 | |a SQL Server 2008 |0 (DE-588)7604407-5 |D s |
| 689 | 1 | |5 DE-604 | |
| 689 | 2 | 0 | |a Data Mining |0 (DE-588)4428654-5 |D s |
| 689 | 2 | 1 | |a Excel 2007 |0 (DE-588)7558101-2 |D s |
| 689 | 2 | |5 DE-604 | |
| 700 | 1 | |a Steyer, Manfred |e Verfasser |0 (DE-588)138556717 |4 aut | |
| 856 | 4 | 2 | |q text/html |u http://deposit.dnb.de/cgi-bin/dokserv?id=3162560&prov=M&dok_var=1&dok_ext=htm |3 Inhaltstext |
| 856 | 4 | 2 | |m HBZ Datenaustausch |q application/pdf |u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=017697374&sequence=000004&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |3 Inhaltsverzeichnis |
| 943 | 1 | |a oai:aleph.bib-bvb.de:BVB01-017697374 | |
Record in the Search Index
| _version_ | 1805092691160072192 |
|---|---|
| adam_text |
Titel: Data Mining mit Microsoft SQL Server
Autor: Tittel, Jan
Jahr: 2009
Inhaltsverzeichnis
Vorwort 17
Einleitung 19
Business Intelligence und SQL Server 20
Data Mining 20
Ziel des Buchs und Voraussetzungen 21
Aufbau des Buchs 21
Kontakt zu den Autoren 22
Teil A - Data Mining-Konzepte 23
1 Einfuhrung in Data Mining 25
Uberblick iiber Data Mining 26
Beispiel 1: Vorhersage von Flugstornierungen 28
Beschreibung der Aufgabenstellung 28
Losungsweg 28
Beispiel 2: Warenkorbanalyse 30
Beschreibung der Aufgabenstellung 30
Losungsweg 31
Beispiel 3: Marktsegmentierung 34
Beschreibung der Aufgabenstellung 34
Losungsweg 35
Zusammenfassung 36
2 Data Mining-Algorithmen 37
Daten- und Inhaltstypen 38
Der Inhaltstyp Diskret (Discrete) 38
Der Inhaltstyp Fortlaufend (Continuous) 39
Der Inhaltstyp Diskretisiert (Discretized) 39
Der Inhaltstyp Schlussel (Key) 39
Der Inhaltstyp Schlussel-Sequenz (Key Sequence) 39
Der Inhaltstyp Zeit-Schlussel (Key Time) 39
Der Inhaltstyp Geordnet (Ordered) 39
Der Inhaltstyp Zyklisch (Cyclical) 40
Daten- und Inhaltstypen kombinieren 40
6 Inhaltsverzeichnis
Algorithmengruppen 40
Klassifikationsalgorithmen 40
Regressionsalgorithmen 42
Zuordnungsalgorithmen 44
Segmentierungsalgorithmen 44
Sequenzanalysealgorithmen 44
Plug-in-Algorithmen 45
Zusammenfassung 45
3 Überlegungen zur Datenvorbereitung 47
Handhabung von Einträgen 48
Zusammenfassen von Einträgen 48
Auswählen von Einträgen 48
Handhabung von Attributen 49
Auswählen und Erzeugen von Attributen 49
Diskretisieren von Attributen 49
Fehlende und ungenaue Werte 50
Umgang mit fehlenden Werten 50
Umgang mit ungenauen Werten 50
Strukturelle Anpassungen 50
Zusammenfassung 51
4 Überlegungen zur Validierung von Miningmodellen 53
Validierungstechniken 54
Naiver Ansatz 54
HoldOut 55
Kreuzvalidierung 55
Leave One Out-Validierung 56
Darstellung von Validierungsergebnissen 56
Klassifikationsmatrix 56
Lift- und Cost-Charts 56
Zusammenfassung 58
Teil B - Die Data Mining-Plattform von Microsoft 59
5 Anwendungen und Technologien im Überblick 61
SQL Server 2005/2008 62
Relationales Datenbankmodul 62
SQL Server Integration Services 63
SQL Server Analysis Services (OLAP) 63
SQL Server Analysis Services (Data Mining) 63
SQL Server Reporting Services 63
Inhaltsverzeichnis 7
Verwaltungs- und Entwicklungstools 64
Beispieldatenbank Adventure Works 64
Skript- und Abfragesprachen 65
ASSL und XMLA 65
DMX 65
Office 2007 66
SQL Server Data Mining-Add-Ins für Office 2007 66
Excel 2007 66
Visio 2007 67
Visual Studio 2005/2008 67
Objektbibliotheken und Steuerelemente 67
AMO 67
ADOMD.NET 68
Data Mining Viewer Controls 68
Zusammenfassung 68
6 Unterschiede in Versionen und Editionen von SQL Server 69
Übersicht der Unterschiede 70
Versionen von SQL Server 70
SQL Server 2005 71
SQL Server 2008 71
Editionen von SQL Server 73
SQL Server 2005 73
SQL Server 2008 74
Zusammenfassung 75
7 Einrichten der Arbeitsumgebung 77
Bestehende Arbeitsumgebung 78
Erforderliche Office-Komponenten 78
Visual Studio 2008 Professional Edition 79
SQL Server 2008 Developer Edition 79
Die Beispieldatenbank Adventure Works 84
Beispielprojekte für SQL Server 88
SQL Server Data Mining-Add-Ins für Office 2007 89
Zusammenfassung 90
Teil C - Data Mining mit Office 2007 91
8 Einführung in die Data Mining-Add-Ins 93
Technische Voraussetzungen 94
Verbindung zu Analysis Services herstellen 94
Beschreibung und Funktionen der Add-Ins 96
Tabellenanalysetools für Excel 2007 96
8 Inhaltsverzeichnis
Data Mining-Client für Excel 2007 98
Excel-Funktionen für Data Mining 102
Data Mining-Vorlagen für Visio 2007 102
Beispieldaten für Excel 102
Hilferessourcen 103
Eigene Daten in Excel verwenden 103
Externe Daten importieren 103
Daten als Excel-Tabelle formatieren 104
Zusammenfassung 104
9 Tabellenanalysetools für Excel 2007 105
Wichtige Einflussfaktoren analysieren 106
Das Tool Wichtige Einflussfaktoren analysieren verwenden 106
Informationen zum Bericht der wichtigen Einflussfaktoren 108
Kategorien erkennen 109
Das Tool Kategorien erkennen verwenden 109
Informationen zum Kategoriebericht 110
Vorhersagen treffen 111
Fehlende Werte vorhersagen 111
Zeitreihen vorhersagen 112
Muster mit dem Vorhersagerechner erkennen 114
Ausnahmen hervorheben 116
Szenarienanalysen 117
Zielsuche durchführen 118
Was-wäre-wenn-Analyse durchführen 119
Warenkörbe analysieren 121
Das Tool Warenkorbanalyse verwenden 121
Informationen zu den Berichten der Warenkorbanalyse 123
Zusammenfassung 124
10 Data Mining-Client für Excel 2007 125
Daten zur Auswertung vorbereiten 126
Daten durchsuchen und gruppieren 126
Ausreißer entfernen 128
Stichproben entnehmen 129
Miningmodelle erstellen 130
Miningmodelle mithilfe von Assistenten erstellen 131
Miningmodelle manuell erstellen 134
Externe Daten verwenden 141
Leistung von Miningmodellen bewerten 144
Genauigkeitsdiagramme zur Leistungsbewertung 144
Weitere Methoden zur Leistungsbewertung 146
Vorhersagen treffen 146
Vorhersagen mit dem Assistenten erstellen 147
Inhaltsverzeichnis 9
Vorhersagen als DMX-Abfrage erstellen 149
Weitere Funktionen im Data Mining-Client 151
Miningmodelle durchsuchen und dokumentieren 151
Miningstrukturen und -modeile verwalten 152
Interaktion von Excel mit SQL Server überwachen 153
Zusammenfassung 153
11 Excel-Funktionen für Data Mining 155
Erstellen des Beispielminingmodells 156
Verwenden der Excel-Funktionen für Data Mining 156
Vorhersagen mit DMPREDICT 157
Vorhersagen mit Datenzeilen und DMPREDICTTABLEROW 158
Modellinhalt abfragen mit DMCONTENTQUERY 158
Zusammenfassung 160
12 Data Mining-Vorlagen für Visio 2007 161
Erstellen der Beispielminingmodelle 162
Erstellen eines Klassifikationsmodells 162
Erstellen eines Clustermodells 163
Diagramme für Miningmodelle erstellen 163
Entscheidungsstrukturdiagramm erstellen 164
Weitere Diagrammtypen 166
Zusammenfassung 170
Teil D - Data Mining mit SQL Server 2008 171
13 Miningmodelle im BIDS erstellen 173
Überblick über Strukturen und Modelle 174
Neues Projekt anlegen 174
Datenquelle und Datenquellensicht anlegen 175
Miningstruktur und -modeil anlegen 176
Miningstruktur bereitstellen und verarbeiten 182
Miningmodell anzeigen 183
Entscheidungsstruktur anzeigen 183
Zusammenfassung 190
14 Miningmodelle im BIDS abfragen 191
Vorhersagen mit SINGLETON-Abfragen 192
Vorhersagen mit SQL-Abfragen 195
Zusammenfassung 197
10 Inhaltsverzeichnis
15 Validieren von Miningmodellen 199
Validierung nach der HoldOut-Methode 200
Testmenge zurückhalten 200
Rahmenbedingungen für Validierung angeben 201
Prognosegütediagramm anzeigen 202
Gewinndiagramm anzeigen 203
Klassifikationsmatrix anzeigen 205
Unterschiedliche Modelle vergleichen 206
Durchführen einer Kreuzvalidierung 210
Rahmenbedingungen für Kreuzvalidierung festlegen 210
Ergebnisse einer Kreuzvalidierung anzeigen 212
Zusammenfassung 213
16 Data Mining und SQL Server Integration Services 215
Überblick über SQL Server Integration Services 216
Ablaufsteuerung 216
Datenfluss 223
Ausgewählte Tasks für Data Mining-Szenarien 234
Tasks der Ablaufsteuerung 234
Tasks des Datenflusses 237
Ausgewählte Tasks für Text Mining-Szenarien 238
Ausdrucksextrahierungs-Task 238
Ausdruckssuche-Task 239
Datenstruktur für Text Mining-Szenarien 242
Zusammenfassung 243
17 Data Mining und SQL Server Reporting Services 245
Entwerfen eines Berichts 246
Bericht bearbeiten 253
Berichtsdaten definieren 253
Berichtsparameter definieren 254
Datenquellen definieren 254
Datasets definieren 255
Bericht entwerfen 258
Bereitstellen und Abrufen eines Berichts 260
Zusammenfassung 261
Teil E - Fallbeispiele 263
18 Warenkorbanalysen mit Zuordnungsregeln durchführen 265
Geschachtelte Tabellen verstehen 266
Miningmodell mit geschachtelten Tabellen erstellen 266
Miningmodell anzeigen 272
Inhaltsverzeichnis u
Ermittelte Regeln anzeigen 272
Ermittelte Itemsets anzeigen 274
Abhängigkeitsnetzwerk anzeigen 275
Miningmodell abfragen 276
Zusammenfassung 278
19 Kundensegmente mit Clustering erkennen 279
Miningmodell erstellen 280
Miningmodell anzeigen 287
Clusterdiagramme anzeigen 288
Clusterprofile anzeigen 289
Clustermerkmale anzeigen 290
Cluster vergleichen 291
Miningmodell abfragen 291
Zusammenfassung 293
20 Benutzerverhalten auf Websites mit Sequence Clustering analysieren 295
Miningmodell erstellen 296
Miningmodell anzeigen 302
Clusterdiagramm anzeigen 302
Clusterprofile anzeigen 303
Clustermerkmale anzeigen 304
Cluster vergleichen 305
Miningmodell abfragen 306
Zusammenfassung 309
21 Kennzahlen mit dem Time Series-Algorithmus vorhersagen 311
Miningmodell erstellen 312
Miningmodell anzeigen 318
Zeitreihe als Diagramm anzeigen 318
Modell anzeigen 319
Miningmodell abfragen 319
Zusammenfassung 321
22 Streuverluste mit neuronalen Netzwerken vermindern 323
Miningmodell erstellen 324
Miningmodell anzeigen 328
Optionen für Anzeige festlegen 328
Anzeige interpretieren 328
Miningmodell abfragen 329
Zusammenfassung 331
12 Inhaltsverzeichnis
Teil F - Fortgeschrittene Techniken und Entwicklung 333
23 Einführung in ASSL und XMLA 335
Anwendungsgebiet von XMLA 336
Methoden und Erweiterungen von XMLA 337
Discover-Methode 337
Execute-Methode 337
XMLA-Erweiterungen (ASSL) 337
Einführungsbeispiel: Miningmodell verarbeiten 338
XMLA-Abfragen im Management Studio erstellen 338
XMLA-Vorlagen verwenden 339
Beispiel: Datenbank sichern 340
XMLA mit SQL Server Profiler weiterverwenden 341
DMX mit XMLA versenden 343
Zusammenfassung 345
24 Data Mining-Erweiterungen (DMX) 347
Sprachelemente von DMX 348
Operatoren 348
Datendefinitionsanweisungen 349
Datenbearbeitungsanweisungen 350
SELECT-Anweisung 350
DMX-Funktionen 351
Kommentare 353
DMX-Abfragen in Management Studio erstellen 354
Editor für DMX-Abfragen 354
DMX-Vorlagen verwenden 355
Generator für Vorhersageabfragen verwenden 356
Miningstrukturen und -modeile erstellen 357
Miningstrukturen erstellen 357
Miningmodelle erstellen 357
Miningmodelle trainieren 358
Miningstrukturen mit geschachtelten Tabellen erstellen 358
Miningmodelle für geschachtelte Tabellen erstellen 359
Miningmodelle für geschachtelte Tabellen trainieren 359
Vorhersageabfragen erstellen 360
Einfache Vorhersageabfragen erstellen 360
Batchvorhersageabfragen erstellen 360
Vorhersageabfragen mit geschachtelten Tabellen erstellen 361
Weitere Abfragen für Miningmodelle 362
Statistische Daten abfragen 362
Werte einer Spalte abfragen 363
Inhaltsverzeichnis li
Miningmodellinhalt abfragen 363
Miningstrukturen und -modelle löschen 365
Zusammenfassung 365
25 Analysis Management Objects (AMO) 367
Konzepte und Objektmodell von AMO 368
Grundlegende Klassen in AMO 369
Klassen für Data Mining in AMO 370
Weitere Klassen in AMO 370
Erstellen der Beispielanwendung 370
Oberfläche der Anwendung erstellen 371
Verweis auf die Klassenbibliothek von AMO hinzufügen 372
Datenbankverbindung herstellen 372
Mit Miningstrukturen und -modeilen arbeiten 373
Miningstrukturen und -modelle auslesen 373
Miningstrukturen und -modelle erstellen 375
Miningstrukturen und -modelle verwalten 378
Datenbanken sichern und wiederherstellen 379
Datenbanken sichern 379
Datenbanken wiederherstellen 380
AMO verteilen 380
Zusammenfassung 380
26 ActiveX Data Objects MultiDimensional .NET (ADOMD.NET) 381
Konzepte und Objektmodell von ADOMD.NET 382
Klassen für den Datenzugriff in ADOMD.NET 382
Klassen für Data Mining in ADOMD.NET 383
Erstellen der Beispielanwendung 383
Oberfläche der Anwendung erstellen 384
Verweis auf die Klassenbibliothek von ADOMD.NET hinzufügen 385
Datenbankverbindung herstellen 385
Datenabfragen ausführen 385
Metadaten von Miningmodellen abfragen 386
Spaltenwerte von Miningmodellen abfragen 388
Vorhersagen mit Miningmodellen treffen 389
Verwaltungsaufgaben mit ADOMD.NET ausführen 390
ADOMD.NET verteilen 390
Zusammenfassung 390
27 Data Mining Viewer Controls 391
Überblick der Data Mining Viewer Controls 392
Erstellen der Beispielanwendung 393
Oberfläche der Anwendung erstellen 393
L4 Inhaltsverzeichnis
Verweise auf benötigte DLLs hinzufügen 394
Programmcode hinzufügen 394
Data Mining Viewer Controls verteilen 397
Zusammenfassung 397
Anhang A - Algorithmus-Parameter 399
Microsoft Association Rules-Algorithmus 400
MAXIMUM _ITEMSET_COUNT 400
MAXIMUM_ITEMSET_SIZE 400
MAXIMUM^SUPPORT 400
MINIMUM_ITEMSET_SIZE 401
MINIMUM_PROBABILITY 401
MINIMUM_SUPPORT 401
OPTIMIZEDJPREDICTION_COUNT 401
Microsoft Clustering-Algorithmus 402
CLUSTERING_METHOD 402
CLUSTER_COUNT 402
CLUSTER_SEED 402
MINIMUM_SUPPORT 403
MODELLING_CARDINALITY 403
STOPPINGJTOLERANCE 403
SAMPLE_SIZE 403
MAXIMUM_INPUT_ATTRIBUTES 403
MAXIMUM_STATES 404
Microsoft Decision Trees- Algorithmus 404
COMPLEXITY_PENALTY 404
FORCE_REGRESSOR 404
MAXIMUM_INPUT_ATTRIBUTES 404
MAXIMUM_OUTPUT_ATTRIBUTES 405
MINIMUM_SUPPORT 405
SCORE_METHOD 405
SPLITJVIETHOD 405
Microsoft Linear Regression-Algorithmus 406
MAXIMUM_INPUT_ATTRIBUTES 406
MAXIMUM_OUTPUT_ATTRIBUTES 406
FORCED_REGRESSOR 406
Microsoft Logistic Regression-Algorithmus 406
HOLDOUT_PERCENTAGE 406
HOLDOUT_SEED 406
MAXIMUM_INPUT_ATTRIBUTES 407
MAXIMUM_OUTPUT_ATTRIBUTES 407
MAXIMUM_STATES 407
SAMPLE_SIZE 407
Inhaltsverzeichnis 15
Microsoft Naive Bayes-Algorithmus 407
MAXIMUM_INPUT_ATTRIBUTES 407
MAXIMUM_OUTPUT_ATTRIBUTES 408
MINIMUM_DEPENDENCY_PROBABILITY 408
MAXIMUM_STATES 408
Microsoft Neural Network-Algorithmus 408
HIDDEN_NODE_RATIO 408
HOLDOUT„PERCENTAGE 409
HOLDOUT_SEED 409
MAXIMUM_INPUT_ATTRIBUTES 409
MAXIMUM_OUTPUT_ATTRIBUTES 409
MAXIMUM_STATES 409
SAMPLE_SIZE 409
Microsoft Sequence Clustering-Algorithmus 410
CLUSTER_COUNT 410
MINIMUM_SUPPORT 410
MAXIMUM_SEQUENCE_STATES 410
MAXIMUM_STATES 410
Microsoft Time Series-Algorithmus 410
AUTO_DETECT_PERIODICITY 411
COMPLEXITY_PENALTY 411
FORECAST_METHOD 411
HISTORIC_MODEL_COUNT 411
HISTORICAL_MODEL_GAP 411
INSTABILITY_SENSITIVITY 411
MAXIMUM_SERIES_VALUE 412
MINIMUM_SERIES_VALUE 412
MINIMUM_SUPPORT 412
MISSING_VALUE_SUBSTITUTION 412
PERIODICITY_HINT 413
PREDICTION_SMOOTHING 413
Stichwortverzeichnis 415
Über die Autoren 427 |
| any_adam_object | 1 |
| author | Tittel, Jan Steyer, Manfred |
| author_GND | (DE-588)138556717 |
| author_facet | Tittel, Jan Steyer, Manfred |
| author_role | aut aut |
| author_sort | Tittel, Jan |
| author_variant | j t jt m s ms |
| building | Verbundindex |
| bvnumber | BV035642610 |
| classification_rvk | ST 271 ST 530 |
| classification_tum | DAT 620f DAT 664f DAT 304f |
| ctrlnum | (OCoLC)645473268 (DE-599)DNB990667588 |
| dewey-full | 005.74 |
| dewey-hundreds | 000 - Computer science, information, general works |
| dewey-ones | 005 - Computer programming, programs, data, security |
| dewey-raw | 005.74 |
| dewey-search | 005.74 |
| dewey-sort | 15.74 |
| dewey-tens | 000 - Computer science, information, general works |
| discipline | Informatik |
| format | Book |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>00000nam a2200000 c 4500</leader><controlfield tag="001">BV035642610</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20091120</controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">090723s2009 ad|| |||| 00||| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">08,N43,0038</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">09,A31,0049</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">990667588</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783866456495</subfield><subfield code="c">Pp. : EUR 59.00 (DE), EUR 61.20 (AT), sfr 99.90 (freier Pr.)</subfield><subfield code="9">978-3-86645-649-5</subfield></datafield><datafield tag="024" ind1="3" ind2=" "><subfield code="a">9783866456495</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)645473268</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB990667588</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rakddb</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-12</subfield><subfield code="a">DE-473</subfield><subfield code="a">DE-91G</subfield><subfield code="a">DE-384</subfield><subfield code="a">DE-11</subfield><subfield code="a">DE-634</subfield><subfield code="a">DE-1029</subfield><subfield code="a">DE-92</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">005.74</subfield><subfield code="2">22/ger</subfield></datafield><datafield tag="082" ind1="1" ind2=" "><subfield code="a">005.74</subfield><subfield code="2">22//ger</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 271</subfield><subfield code="0">(DE-625)143639:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 530</subfield><subfield code="0">(DE-625)143679:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">004</subfield><subfield code="2">sdnb</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DAT 620f</subfield><subfield code="2">stub</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DAT 664f</subfield><subfield code="2">stub</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DAT 304f</subfield><subfield code="2">stub</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Tittel, Jan</subfield><subfield code="e">Verfasser</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Data Mining mit Microsoft SQL Server</subfield><subfield code="b">[Analyse und Mustererkennung in Daten mit Excel 2007 und SQL Server 2005/2008]</subfield><subfield code="c">Jan Tittel ; Manfred Steyer</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Unterschleißheim</subfield><subfield code="b">Microsoft Press</subfield><subfield code="c">2009</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">426 S.</subfield><subfield code="b">Ill., graph. Darst.</subfield><subfield code="c">24 cm</subfield><subfield code="e">CD-ROM (12 cm)</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="490" ind1="0" ind2=" "><subfield code="a">Fachbibliothek</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Excel 2007</subfield><subfield code="0">(DE-588)7558101-2</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">SQL Server 2008</subfield><subfield code="0">(DE-588)7604407-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">SQL Server 2005</subfield><subfield code="0">(DE-588)4924547-8</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">SQL Server 2005</subfield><subfield code="0">(DE-588)4924547-8</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="1" ind2="0"><subfield code="a">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="1"><subfield code="a">SQL Server 2008</subfield><subfield code="0">(DE-588)7604407-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="2" ind2="0"><subfield code="a">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" ind2="1"><subfield code="a">Excel 2007</subfield><subfield code="0">(DE-588)7558101-2</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Steyer, Manfred</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)138556717</subfield><subfield code="4">aut</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="q">text/html</subfield><subfield code="u">http://deposit.dnb.de/cgi-bin/dokserv?id=3162560&prov=M&dok_var=1&dok_ext=htm</subfield><subfield code="3">Inhaltstext</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">HBZ Datenaustausch</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=017697374&sequence=000004&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="943" ind1="1" ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-017697374</subfield></datafield></record></collection> |
| id | DE-604.BV035642610 |
| illustrated | Illustrated |
| indexdate | 2024-07-20T10:15:36Z |
| institution | BVB |
| isbn | 9783866456495 |
| language | German |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-017697374 |
| oclc_num | 645473268 |
| open_access_boolean | |
| owner | DE-12 DE-473 DE-BY-UBG DE-91G DE-BY-TUM DE-384 DE-11 DE-634 DE-1029 DE-92 |
| owner_facet | DE-12 DE-473 DE-BY-UBG DE-91G DE-BY-TUM DE-384 DE-11 DE-634 DE-1029 DE-92 |
| physical | 426 S. Ill., graph. Darst. 24 cm CD-ROM (12 cm) |
| publishDate | 2009 |
| publishDateSearch | 2009 |
| publishDateSort | 2009 |
| publisher | Microsoft Press |
| record_format | marc |
| series2 | Fachbibliothek |
| spelling | Tittel, Jan Verfasser aut Data Mining mit Microsoft SQL Server [Analyse und Mustererkennung in Daten mit Excel 2007 und SQL Server 2005/2008] Jan Tittel ; Manfred Steyer Unterschleißheim Microsoft Press 2009 426 S. Ill., graph. Darst. 24 cm CD-ROM (12 cm) txt rdacontent n rdamedia nc rdacarrier Fachbibliothek Excel 2007 (DE-588)7558101-2 gnd rswk-swf SQL Server 2008 (DE-588)7604407-5 gnd rswk-swf Data Mining (DE-588)4428654-5 gnd rswk-swf SQL Server 2005 (DE-588)4924547-8 gnd rswk-swf Data Mining (DE-588)4428654-5 s SQL Server 2005 (DE-588)4924547-8 s DE-604 SQL Server 2008 (DE-588)7604407-5 s Excel 2007 (DE-588)7558101-2 s Steyer, Manfred Verfasser (DE-588)138556717 aut text/html http://deposit.dnb.de/cgi-bin/dokserv?id=3162560&prov=M&dok_var=1&dok_ext=htm Inhaltstext HBZ Datenaustausch application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=017697374&sequence=000004&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis |
| spellingShingle | Tittel, Jan Steyer, Manfred Data Mining mit Microsoft SQL Server [Analyse und Mustererkennung in Daten mit Excel 2007 und SQL Server 2005/2008] Excel 2007 (DE-588)7558101-2 gnd SQL Server 2008 (DE-588)7604407-5 gnd Data Mining (DE-588)4428654-5 gnd SQL Server 2005 (DE-588)4924547-8 gnd |
| subject_GND | (DE-588)7558101-2 (DE-588)7604407-5 (DE-588)4428654-5 (DE-588)4924547-8 |
| title | Data Mining mit Microsoft SQL Server [Analyse und Mustererkennung in Daten mit Excel 2007 und SQL Server 2005/2008] |
| title_auth | Data Mining mit Microsoft SQL Server [Analyse und Mustererkennung in Daten mit Excel 2007 und SQL Server 2005/2008] |
| title_exact_search | Data Mining mit Microsoft SQL Server [Analyse und Mustererkennung in Daten mit Excel 2007 und SQL Server 2005/2008] |
| title_full | Data Mining mit Microsoft SQL Server [Analyse und Mustererkennung in Daten mit Excel 2007 und SQL Server 2005/2008] Jan Tittel ; Manfred Steyer |
| title_fullStr | Data Mining mit Microsoft SQL Server [Analyse und Mustererkennung in Daten mit Excel 2007 und SQL Server 2005/2008] Jan Tittel ; Manfred Steyer |
| title_full_unstemmed | Data Mining mit Microsoft SQL Server [Analyse und Mustererkennung in Daten mit Excel 2007 und SQL Server 2005/2008] Jan Tittel ; Manfred Steyer |
| title_short | Data Mining mit Microsoft SQL Server |
| title_sort | data mining mit microsoft sql server analyse und mustererkennung in daten mit excel 2007 und sql server 2005 2008 |
| title_sub | [Analyse und Mustererkennung in Daten mit Excel 2007 und SQL Server 2005/2008] |
| topic | Excel 2007 (DE-588)7558101-2 gnd SQL Server 2008 (DE-588)7604407-5 gnd Data Mining (DE-588)4428654-5 gnd SQL Server 2005 (DE-588)4924547-8 gnd |
| topic_facet | Excel 2007 SQL Server 2008 Data Mining SQL Server 2005 |
| url | http://deposit.dnb.de/cgi-bin/dokserv?id=3162560&prov=M&dok_var=1&dok_ext=htm http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=017697374&sequence=000004&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |
| work_keys_str_mv | AT titteljan dataminingmitmicrosoftsqlserveranalyseundmustererkennungindatenmitexcel2007undsqlserver20052008 AT steyermanfred dataminingmitmicrosoftsqlserveranalyseundmustererkennungindatenmitexcel2007undsqlserver20052008 |