inf607 - Business Intelligence II (Vollständige Modulbeschreibung)

Keine Teilnehmervoraussetzung

Das Modul vermittelt fortgeschrittene Kenntnisse und Aufgaben von Business Intelligence und Data Science in Unternehmen anhand von Big Data und Datanalytics. Die Studierenden erhalten einen Einblick in aktuelle Forschungsthemen und Entwicklungen bei der Beschaffung und Analyse von Daten.
Fachkompetenzen
Die Studierenden:

• benennen und erkennen die Aufgaben von Data Analytics / Data Science im unternehmerischen Handeln
• analysieren die Vor- und Nachteile der unterschiedlichen Ansätze und Methoden für die Analyse von Daten und werden in die Lage versetzt diese für einfache Fallbeispiele anzuwenden
• erhalten theoretische Kenntnisse über die Datenbeschaffung und -modellierung sowie den dabei anzuwendenden Vorgehensweisen

Methodenkompetenzen
Die Studierenden:

• bearbeiten Data Analytics-Aufgabenstellungen und erweitern hierbei Ihr Verständis zu den verschiedenen Ansätzen und Methoden
• erlernen anhand der Durchführung der Methoden Vor- und Nachteile dieser und können diese Methoden anhand des erworbenen Wissen optimiert einsetzen

Sozialkompetenzen
Die Studierenden:

• konstruieren Lösungen zu gegebenen Fallstudien in der Gruppe z.B. Erstellung eines Regressionsmodells anhang ein gegebene Dataset
• diskutieren diese Lösungen auf fachlicher Ebene
• präsentieren die Lösungen der Fallstudien im Rahmen der Übungen

Selbstkompetenzen
Die Studierenden:

• kritisch überprüfen angebotene Informationen

Die Studierenden verfügen nach der Veranstaltung über vertiefende Kenntnisse im Bereich Business Intelligenceund Data Analytics. Die Studierenden erhalten einen Überblick in aktuelle Forschungsthemen im Bereich Business Intelligence und Data Analytics z.B. In Memory Computing Ansätze, Data Mining und Machine Learning, Big Data Verarbeitung mit verteilten Systemen (z.B. Apache Hadoop / Spark) anhand aktueller Anwendungen und Praxisvorträge. Die Studierenden verfügen über Wissen und erhalten praktische Kenntnisse über Buisness Intelligence und Data Science Projekte. Die vermittelten Kenntnisse und Fähigkeiten entsprechen den aktuellen Bedürfnissen des Arbeitsmarktes mit dem Fokus Business Intelligence und Data Science. Hierbei werden durch Nähe zur Praxis vertiefte Kenntnisse erworben, die als entscheidender Vorteil bei der späteren Arbeitsplatzsuche zu werten sind.

• Jürgen Cleve und Uwe Lämmel - Data Mining; Berlin/München/Boston: Walter de Gruyter GmbH, 2020 (Deutsch)
• Max Bramer (2013): "Principles of data mining" (Englisch)
• Ian Witten, Eibe Frank, Mark Hall (2011): "Data mining : practical machine learning tools and techniques" (Englisch)
• Jure Leskovec, Anand Rajaraman, Jeffrey Ullman (2014): "Mining of massive datasets" (Englisch)
• Sebastian Raschka und Vahid Mirjalili - Python machine learning : machine learning and deep learning with Python, scikit-learn, and TensorFlow; Birmingham Mumbai: Packt Publishing, September 2017 (Englisch)
• Aurélien Géron - Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow : concepts, tools, and techniques to build intelligent systems; Beijing Boston Farnham Sebastopol Tokyo: O'Reilly, September 2019 (Englisch)

www.wi-ol.de

Am Ende der Blockveranstaltung

Klausur oder mündliche Prüfung oder Hausarbeit oder Referat oder Portfolio oder fachpraktische Übungen und Klausur oder fachpraktische Übungen und mündliche Prüfung.