 |
| Detailinformationen |
| Anmeldevoraussetzungen |
keine
|
| Quellcurriculum |
Masterstudium Wirtschaftsinformatik 2025W |
| Lernergebnisse |
|
| Beurteilungskriterien |
Schriftliche Klausur (Zwischen- und Endklausur)
Ausarbeitung, Präsentation und Diskussion von Fallbeispielen und Spezialthemen
|
| Lehrmethoden |
Arbeit der Studierenden in Kleingruppen zur Lösung von praxisnahen Aufgabenstellungen mittels des in der Vorlesung und Übung vermittelten Wissens; Präsentation, Diskussion und Dokumentation der jeweiligen Arbeitsergebnisse.
|
| Abhaltungssprache |
deutsch/englisch |
| Literatur |
Basisliteratur:
- Han, J.; Kamber, M.: Data Mining: Concepts and Techniques. Morgan Kaufmann, in der aktuellen Auflage.
Ergänzungsliteratur:
- Witten, I. H.; Hall, M.: Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann, in der aktuellen Auflage.
- Kotu, V.; Deshpande, B.: Predictive Analytics and Data Mining: Concepts and Practice with Rapidminer. Morgan Kaufmann, in der aktuellen Auflage.
- Van der Aalst, W.: Process Mining. Springer, in der aktuellen Auflage.
- Liu, B.: Web Data Mining: Exploring Hyperlinks, Contents, and Usage Data. Springer Verlag, in der aktuellen Auflage.
Weitere Ergänzungsliteratur wird in jedem Semester bekannt gegeben.
|
| Lehrinhalte wechselnd? |
Nein |
| Sonstige Informationen |
Die Lehrveranstaltungen VL und UE Data Mining bilden eine untrennbare didaktische Einheit. Die dargestellten Lernergebnisse werden im Zusammenwirken der beiden Lehrveranstaltungen erreicht.
|
| Frühere Varianten |
Decken ebenfalls die Anforderungen des Curriculums ab (von - bis)
2WBMDMU: UE Data Mining (2011S-2014S)
|
|
