Основные модели данных в аналитической деятельности (курс лекций, А.И. Майсурадзе)
Материал из MachineLearning.
- Элективный курс (спецкурс) для бакалавров ВМК
- Неформально называется "Аналитический SQL"
- Зачёт (можно с оценкой)
- Преподаватели: Майсурадзе Арчил Ивериевич.
Содержание |
Аннотация курса
В наши дни автоматизация и оптимизация многих видов деятельности невозможна без сбора и последующего анализа больших объёмов информации. При этом со временем стало ясно, что некоторые способы хранить и читать данные - модели данных - особенно удобны для людей. Именно такие модели стали универсальным языком общения людей с самыми разными технологиями. В этом смысле широчайшее распространение получила реляционная модель, а одним из самых широкоупотребительных языков оказался SQL, и сегодня самые разные технологии (совсем не только реляционные) позволяют его использовать.
В ходе занятий мы будем осваивать именно само мышление, принятое в отрасли обработки и анализа данных. Речь не о конкретных технологиях или продуктах. В курсе на практических примерах будут даваться знания и отрабатываться навыки, которые понадобятся практически любому аналитику при работе с источниками данных. Акцент делается именно на аналитической деятельности: аналитик пользуется системами сбора и хранения данных, но не собирается администрировать их.
Занятия предполагают интерактивное выполнение заданий на реальных БД. Студентам рекомендуется приходить с ноутбуками.
Специальной предварительной подготовки не требуется. Любой студент ВМК обладает достаточными навыками для участия в курсе.
План занятий
Занятие 1
Знакомство. Предисловие.
Введение в бизнес-анализ данных. Хранение и анализ данных в бизнесе. SQL, его роль в информационно-аналитических системах. Основные виды моделей в аналитической деятельности. Модели в науке и ИТ.
Информация о курсе. Используемые технологии. Полезные ссылки.
Занятие 2
Основы SQL. Реляционное моделирование. Целостность базы данных. SQL как язык работы с данными: запросы, Data Definition Language, Data Manipulation Language, Data Query Language.
Модель «таблица данных» (data table) в реляционном моделировании. Интерпретация модели. Атрибуты. Первичный ключ. Учебная таблица CD_CUSTOMERS. Пример изменяющегося словаря.
Модель «результат запроса» (result set) в реляционном моделировании. Понятие о курсоре. Понятие о классе RecordSet в объектно-ориентированных системах доступа к данным.
Основные сущности при взаимодействии с СУБД: база данных, объекты БД, пользователь, сессия, права доступа к объектам и схемы. Смена текущей схемы. Квалифицированные имена.
Основы работы в клиенте MySQL Workbench: каталог схем и таблиц, просмотр для таблиц модели и данных, создание таблиц из интерфейса, уничтожение таблиц из интерфейса. Создание запроса данных из таблицы. Запуск запроса, остановка слишком долгого запроса.
Первое определение таблицы (CREATE TABLE), соответствие такого запроса модели «таблица данных». Создание новой таблицы по результату запроса данных (CREATE TABLE as SELECT). Добавление новых строк в существующую таблицу (INSERT).
Основные типы данных и базовые операции с ними. Числовые типы, разные размеры. Дата и время. Строки, разные виды. Неявное преобразование типов.
Базовый запрос SELECT. Запрос всех столбцов входящей таблицы (SELECT *). Запрос части столбцов входящей таблицы. Именование столбцов результата (AS). Ограничение размера ответа (LIMIT, TOP).
Занятие 3
Пользовательские типы как ограничения на базовые типы СУБД. Понятие о NULL.
Фильтрация (WHERE).
Функции над значениями одной записи. Условный оператор (CASE). Операции с датами. Операции со строками.
Упорядочивание (ORDER BY).
Отбрасывание дубликатов (DISTINCT).
Общий вид SELECT от одной таблицы (без агрегирования, без группирования).
Задание 1.
Занятие 4
Функции агрегации (без групп).
Задача о числе возвращаемых строк.
Подзапросы в IN (множество). Подзапросы в FROM (таблица). Подзапросы в WHERE (скаляр).
Группирование по категориям (GROUP BY). Фильтрация по категориям (HAVING). Общий вид SELECT от одной таблицы.
Домашнее задание 2.
Занятие 5
Закрепление пройденного материала. Разбор условий задач из задания 1. Разбор типичных ошибок при решении задач из задания 1.
Занятие 6
Начинаем изучать отношения между несколькими таблицами. Описание новых таблиц в учебной БД. Логическая модель данных в учебной БД. Декартово произведение множеств. Декартово произведение таблиц. Сравнение декартова произведения множеств и таблиц. Соединение двух таблиц: общий взгляд. Соединение таблиц в SQL. Соединение CROSS JOIN. Соединение с фильтром INNER JOIN. Соединение LEFT JOIN. Соединение RIGHT JOIN. Соединение FULL JOIN. Домашнее задание 3.
Занятие 7
Объединение множеств. Оператор UNION. Арифметическая сумма мультимножеств. Оператор UNION ALL. Разность множеств. Реализация разности множеств через IN. Реализация разности множеств через JOIN. Условия ANY и ALL. Связанные подзапросы. Условие EXISTS. Домашнее задание 4.
Занятие 8
Аналитическая ценность информации. Рост объёма ценной информации. Параллельные вычислительные системы, типы систем (ASMP, SMP, MPP). Массивно-параллельная архитектура. Ключ распределения таблицы. Redistribute Motion, Broadcast Motion. Отказоустойчивая архитектура. Различия синтаксиса PostgreSQL и MySQL. Особенности DDL для MPP системы (distributed by, partition by). Домашнее задание 5.
Занятие 9
Разбор задач и решений задания 3.
Занятие 10
Понятие оконной функции. Синтаксис выражений с оконными функциями. Сравнение с GROUP BY. Ранжирующие функции. Агрегатные функции. Аналитические функции. Домашнее задание 5.
Занятие 11
Разбор задач и решений задания 4.
Занятие 12
Разбор задач и решений задания 5.
Занятие 13
Виды моделей данных. Модель «сущность-связь» (ER-модель). Виды отношений (связей). Crow’s foot notation. Концептуальная модель данных. Пример для сети ресторанов. Логическая модель данных. Внешний ключ. Развязочная таблица (таблица-связь). Физическая модель данных. Подходы к проектированию логической модели. Модель нормализованная (нормальные формы). Модели Звезда и Снежинка. Slowly Changing Dimension. Модель Data Vault.
Занятие 14
Описание продаж в розничной сети. Проектирование моделей Нормализованная, Звезда, Data Vault. Постановка задания 7.
Занятие 15
Доклады групп. Защита задания 7.
Занятие 16
Загрузка данных. Интеграция данных. Архитектуры систем интеграции: консолидация, федерализация, распространение, сервисный подход. // Примечание. У одних авторов консолидация - это разновидность интеграции. У других авторов интеграция - это этап консолидации.. Data fusion («слияние данных», «соединение данных»), Duplicate Record Detection (Identity resolution, Record linkage, Data Deduplication) («сопоставление записей», «вероятностное соединение», «нестрогое соединение», «нестрогое соответствие»). Проблемы интеграции: несоответствие схем данных, несоответствие собственно данных. Update (обновление данных). Аудит. Staging Area (плацдарм). Постановка задания 8.
Занятие 17
Доклады групп. Защита задания 8. Подведение итогов.
Занятия
| Дата | № занятия | Темы | Материалы | Задания |
|---|---|---|---|---|
| 9 сентября 2019 | 1 | Предисловие | - | Проверить доступ к стенду |
| Введение в бизнес-анализ данных. SQL и его роль в анализе данных | - | |||
| Моделирование предметной области | - | |||
| Информация о курсе | слайды | |||
| - | 2 | Основы | слайды | |
| - | 3 | Фильтрация (WHERE), сортировка, удаление дубликатов | to do слайды | Задание 1 |
| - | 4 | Подзапросы, группирование (GROUP BY) | слайды | Задание 2 |
| - | 5 | JOIN | слайды | Задание 3 |
| - | 6 | Подзапросы | слайды | Задание 4 |
| - | 7 | Advanced Pandas 1 | слайды | Задание 5 |
| - | 8 | Advanced Pandas 2 | слайды | Задание 6 |
| - | 9 | Оконные функции | слайды | Задачи на последних слайдах |
| - | 10 | Модели данных | слайды | |
| - | 11 | Проектная работа | ||
| - | 12 | Проектная работа | слайды | Задание на слайдах |
| - | 13 | Проектная работа | слайды | Задание на слайдах |
| - | 14 | Проектная работа и подведение итогов |
Практические задания
Задания указаны в таблице занятий. Срок сдачи заданий (если не оговорено иное) — начало ближайшего занятия.
Система оценивания
Каждая задача должна быть сдана не позднее указанного срока, после истечения срока задачи не принимаются. Каждая задача сдаётся на проверку только один раз, хотя до этого студенты могут сколько угодно раз самостоятельно проверять своё решение. Каждая сданная задача оценивается как решенная верно или неверно. Задачи в сумме дают 75% баллов (задания 1-6), ещё 25% отводится на проектную работу в группах (задания 7 и 8). Финальная оценка зависит от количества набранных баллов.
