inf607 - Business Intelligence II (Veranstaltungsübersicht)

inf607 - Business Intelligence II (Veranstaltungsübersicht)

Department für Informatik 6 KP
Modulteile Semesterveranstaltungen Sommersemester 2023 Prüfungsleistung
Vorlesung
  • Kein Zugang 2.01.607 - Business Intelligence II Lehrende anzeigen
    • Viktor Dmitriyev
    • Dr.-Ing. Andreas Solsbach
    • Prof. Dr. Frank Köster
    • Barbara Bremer-Rapp

    Termine am Donnerstag, 13.04.2023 13:00 - 13:45, Mittwoch, 13.09.2023 - Freitag, 15.09.2023, Montag, 18.09.2023 - Freitag, 22.09.2023, Montag, 25.09.2023 - Freitag, 29.09.2023 09:00 - 18:00
Übung
  • Kein Zugang 2.01.607 - Business Intelligence II Lehrende anzeigen
    • Viktor Dmitriyev
    • Dr.-Ing. Andreas Solsbach
    • Prof. Dr. Frank Köster
    • Barbara Bremer-Rapp

    Termine am Donnerstag, 13.04.2023 13:00 - 13:45, Mittwoch, 13.09.2023 - Freitag, 15.09.2023, Montag, 18.09.2023 - Freitag, 22.09.2023, Montag, 25.09.2023 - Freitag, 29.09.2023 09:00 - 18:00
Hinweise zum Modul
Teilnahmevoraussetzungen

Keine Teilnehmervoraussetzung

Prüfungszeiten

Am Ende der Veranstaltungszeit

Prüfungsleistung Modul

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

Kompetenzziele

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