 |
| Detailinformationen |
| Quellcurriculum |
Masterstudium Joint Master Programm Digital Business Management 2022W |
| Ziele |
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
|
| Lehrinhalte |
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
|
| Beurteilungskriterien |
LV-immanente Leistungsfeststellung, schriftliche Klausur
|
| Lehrmethoden |
- Vortrag und Diskussion
- Abwechselnder Theorie-Input und Anwendungsphasen der Studierenden
- Teilweise fallstudienbasierter Unterricht
|
| Abhaltungssprache |
Deutsch |
| Literatur |
- 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.
|
| Lehrinhalte wechselnd? |
Nein |
| Frühere Varianten |
Decken ebenfalls die Anforderungen des Curriculums ab (von - bis)
947SEM2BANK20: KS Business Analytics (2020W-2022S)
|
|
