 |
| Detailed information |
| Original study plan |
Master's programme Joint Master Program Digital Business Management 2020W |
| Objectives |
(*)Die Studierenden erwerben folgende Fähigkeiten:
- Verständnis der Bedeutung von Daten und deren Analysemöglichkeiten im unternehmerischen Kontext
- Unterscheidung und Einordnung prädiktiver und präskriptiver Analytik
- Beurteilung der Konsequenzen der Nutzung für betriebswirtschaftliche Entscheidungen
- Kennenlernen von Grundlagenmethoden und deren Anwendungsmöglichkeiten
|
| Subject |
(*)Die Lehrveranstaltung beschäftigt sich mit folgenden Inhalten:
- Einführung Data Science und Business Intelligence
- Standardprozesse für Data Mining (zB CRISP-DM)
- Einordnung in das unternehmerische Umfeld und Methoden der Risiko- und Folgeneinschätzung
- Wahrscheinlichkeitsrechnung und deskriptive/analytische Statistik
- Verteilungstests
- Regressions- und Varianzanalysen
- Simulations- und Szenariotechniken
- Prognose- und Simulationsmodelle
|
| Criteria for evaluation |
(*)LV-immanente Leistungsfeststellung, schriftliche Klausur
|
| Methods |
(*)- Vortrag und Diskussion
- Abwechselnder Theorie-Input und Anwendungsphasen der Studierenden
- Teilweise fallstudienbasierter Unterricht
|
| Language |
German |
| Study material |
(*)- Kemper, H.-G. & Baars, H.: Business Intelligence & Analytics - Grundlagen und praktische Anwendungen. Springer, in der aktuellen Auflage.
- Provost, F. & Fawcett, T.: Data Science für Unternehmen. mitp, in der aktuellen Auflage.
- Géron, A.: Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow - Concepts, Tools, and Techniques to Build Intelligent Systems. O'Reilly, in der aktuellen Auflage.
- Jannaschk, K.: Infrastruktur für ein Data Mining Design Framework. Springer, in der aktuellen Auflage.
- Bruce, P. & Bruce, A.: Statistics for Data Scientists - 50 Essential Concepts. O'Reilly, in der aktuellen Auflage.
|
| Changing subject? |
No |
|
