Настоящая работа посвящена методам интеллектуального анализа Ð´Ð°Ð½Ð½Ñ‹Ñ ÑÑ€ÐµÐ´ÑÑ‚Ð²Ð°Ð¼Ð¸ языка R и СУБД SQL Server. Работа состоит из введения, Ñ‚Ñ€ÐµÑ Ñ€Ð°Ð·Ð´ÐµÐ»Ð¾Ð², заключения. Во введении отражена актуальность задачи и описаны основные требования к работе. Ð’ первой главе проведен обзор Ð°Ð½Ð°Ð»Ð¸Ñ‚Ð¸Ñ‡ÐµÑÐºÐ¸Ñ Ð·Ð°Ð´Ð°Ñ‡ в Ñ€Ð°Ð·Ð»Ð¸Ñ‡Ð½Ñ‹Ñ Ð¿Ð¾ÑÑ‚Ð°Ð½Ð¾Ð²ÐºÐ°Ñ Ð¸ методов Ð¸Ñ Ñ€ÐµÑˆÐµÐ½Ð¸Ñ. Были рассмотрены следующие задачи: поиск ассоциаций, классификация, кластеризация, анализ Ð²Ñ€ÐµÐ¼ÐµÐ½Ð½Ñ‹Ñ Ñ€ÑÐ´Ð¾Ð², визуализация результатов. Во второй главе проводилась работа с реляционной базой Ð´Ð°Ð½Ð½Ñ‹Ñ ÑÑ€ÐµÐ´ÑÑ‚Ð²Ð°Ð¼Ð¸ R и MS SQL Server. Ð’ третьей главе была проделана работа с Ð¿Ð»Ð¾Ñ Ð¾ структурированными данными, а именно, проведен анализ тональности высказываний в социальной сети. Заключение включает основные выводы по работе.

The aim of this thesis is to investigate data analysis and data mining methods presented in MS SQL Server and R. This thesis first examines various mining methods used in data analysis in different situations. The following problem types were considered: clustering, association rules, classification, time series and visualization. In a second stage the work with relational database was performed. The relevant methods were applied to the specific problem in order to build mining models with MS SQL Server and R for clustering, classification and prediction purposes. Finally, the specific R tools for the analysis of poorly structured data were used and the Twitter posts sentiment analysis was performed.