Inhalt
[ 926BUSIDAM13 ] Modul Data Mining
|
|
|
|
| (*) Leider ist diese Information in Deutsch nicht verfügbar. |
 |
| Workload |
Form der Prüfung |
Ausbildungslevel |
Studienfachbereich |
VerantwortlicheR |
Anbietende Uni |
| 6 ECTS |
Kumulative Modulprüfung |
M1 - Master 1. Jahr |
Wirtschaftsinformatik |
Christoph Schütz |
Johannes Kepler Universität Linz |
|
|
|
| Detailinformationen |
| Quellcurriculum |
Masterstudium Wirtschaftsinformatik 2023W |
| Ziele |
Die Studierenden sind in der Lage, Methoden des Data Mining auf integrierten und bereinigten Datenbeständen einer Organisation, aber auch auf Prozess-Logs und unstrukturierten Daten wie Textdaten, so anzuwenden, dass durch Mustererkennung potentiell neues Wissen gewonnen werden kann. Sie kennen die Phasen des Data Mining, wichtige Anwendungsgebiete (Problemtypen) und aktuelle Entwicklungen des Data-, Web- sowie Process-Mining. Die Studierenden sind mit dem Einsatz von Werkzeugen des Data Mining vertraut.
|
| Lehrinhalte |
Gesamtprozess des Data Mining (KDD - Knowledge Discovery in Data); Techniken des Data Mining: Clustering, Klassifikation, Assoziationsregeln, Zeitreihenanalyse; Process Mining; Text Mining, inkl. Sentiment Analysis und Opinion Mining; Einfache Visualisierung der Resultate; Anwendungen von Data Mining, z.B. Recommender System; Werkzeuge für Data Mining; aktuelle Entwicklungen; betriebliche Fallstudien und praktische Anwendungen, insbesondere Web Mining und Predictive/Prescriptive Analytics.
|
| Sonstige Informationen |
Vorlesung und Übung können auch als Kombinierte Lehrveranstaltung angeboten werden.
|
|
|
|
| Untergeordnete Studienfächer, Module und Lehrveranstaltungen |
| | |
|
|
