WIW03370 – Datenanalyse und Künstliche Intelligenz

Modul
Datenanalyse und Künstliche Intelligenz
Data Analytics & Artificial Intelligence
Modulnummer
WIW03370
Version: 1
Fakultät
Wirtschaftswissenschaften
Niveau
Bachelor/Diplom
Dauer
1 Semester
Turnus
Wintersemester
Modulverantwortliche/-r

Prof. Dr. Christoph Laroque
Christoph.Laroque(at)fh-zwickau.de

Dozent/-in(nen)

Prof. Dr. Christoph Laroque
Christoph.Laroque(at)fh-zwickau.de
Dozent/-in in: "Datenanalyse und Künstliche Intelligenz"

Prof. Dr. Tobias Teich
Tobias.Teich(at)fh-zwickau.de
Dozent/-in in: "Datenanalyse und Künstliche Intelligenz"

Prof. Dr. Christian-Andreas Schumann
Christian.Schumann(at)fh-zwickau.de
Dozent/-in in: "Datenanalyse und Künstliche Intelligenz"

Prof. Dr. Stephan Kassel
Stephan.Kassel(at)fh-zwickau.de
Dozent/-in in: "Datenanalyse und Künstliche Intelligenz"

Lehrsprache(n)

Deutsch
in "Datenanalyse und Künstliche Intelligenz"

ECTS-Credits

5.00 Credits

Workload

150 Stunden

Lehrveranstaltungen

4.00 SWS (4.00 SWS Vorlesung mit integr. Übung / seminaristische Vorlesung)

Selbststudienzeit

90.00 Stunden
90.00 Stunden Selbststudium - Datenanalyse und Künstliche Intelligenz

Prüfungsvorleistung(en)
Keine
Prüfungsleistung(en)

alternative Prüfungsleistung - Projektarbeit
Modulprüfung | Wichtung: 100%
in "Datenanalyse und Künstliche Intelligenz"

Medienform
Keine Angabe
Lehrinhalte/Gliederung

Konzepte und Methoden der computergestützten Datenanalyse und deren Anwendungen im Kontext der Betriebswirtschaft, insbesondere aber:

  • Daten und derenVorverarbeitung
  • Visualisierungsformen von Informationsmengen
  • Spezielle Methoden der Datenanalyse, u.a. Statistische Datenanalyse, Six Sigma-Methoden, Clustering & Data Mining
  • Algorithmen, Verfahren und Werkzeuge zum maschinellen Lernen
  • Fallstudien zur Datenanalyse in der praktischen Anwendung
  • Anwenung von BigData-Lösungen
Qualifikationsziele

Die Studierenden erwerben Fähigkeiten zum Verständnis und zur Nutzung verschiedenster Methoden und Konzepte der computergestützten Datenanalyse und deren korrekter, praktischer Anwendung. Sie sind in der Lage, Beobachtungen und strukturierte Informationsmengen so darzustellen, dass deren wesentlichen Strukturen erkennbar sind und betriebswirtschaftliche Entscheidungen getroffen werden können.

Die Studierenden können angemessene Kennzahlen und Verfahren zur Charakterisierung von empirischen Daten auswählen und auch für sehr große Datenmengen berechnen. Sie beherrschen wesentliche Konzepte grafischer Darstellungen von Daten und können weiterführende Analysen mit Hilfe statistischer Verfahren sowie Verfahren des maschinellen Lernens über eine Softwarelösung anwenden.

Besondere Zulassungsvoraussetzung

keine

Empfohlene Voraussetzungen
Keine Angabe
Fortsetzungsmöglichkeiten
Keine Angabe
Literatur
  • Milton, Michael: Head First Data Analysis, O'Reilly Media, 2009
  • Runkler, Thomas: Data Analytics: Models and Algorithms for Intelligent Data Analysis, Springer Verlag, 2012
  • Stahel, Werner A.: Statistische Datenanalyse: Eine Einführung für Naturwissenschaftler (German Edition), Vieweg+Teubner Verlag, 5. Auflage, 2008
Hinweise
Keine Angabe