MODULBESCHREIBUNG

SP-Data Science

Kurzzeichen:
M_SPDATASC
Durchführungszeitraum:
FS/20
ECTS-Punkte:
4
Lernziele:

Fachkompetenzen:
Die Teilnehmenden können:

  • Ausgewählte Themen von Informationssystem- und Datenbanksystem-Anwendungen kennen und die entsprechenden Werkzeuge anwenden können.
  • Sie kennen den Data-Mining (DM) Prozess und verschiedene DM-Anwendungen. Sie kennen die Eigenschaften der wichtigsten Algorithmen für die Klassifikation, die Segmentierung und für die Warenkorbanalyse und können diese an einfacheren Szenarien anwenden
  • Sie werten Daten aus und erstellen Datengrundlagen für Entscheidungen.
  • Sie wenden Daten als Basis für Prozessverbesserungen, neue Produkte, Services und darauf zugeschnittene Geschäftsmodelle an.

Methodenkompetenzen:
Die Teilnehmenden können:

  • Grundlagen der Datenkonsolidierung und Datenaufbereitung
  • Grundlagen Data Mining

Selbstkompetenzen:
Die Teilnehmenden können:

  • Selbstmotivation an einem schwierigen Thema
Verantwortliche Person:
Politze Daniel Patrick
Zusätzlich vorausgesetzte Kenntnisse:

Statistik

Solid command of the English language, the lectures are held in English.

Skriptablage:
Modultyp:
Standard-Modul für Wirtschaftsingenieurwesen STD_18(Keine Semester Empfehlung)
Standard-Modul für Wirtschaftsingenieurwesen U_18(Keine Semester Empfehlung)

Modulbewertung

Bewertungsart:
Note von 1 - 6

Leistungsbewertung

Während der Prüfungssession:
Schriftliche Prüfung, 90 Minuten

Kurse in diesem Modul

SP-Data Science

Kurzzeichen:
SPDATASC
Lernziele:
Plan und Lerninhalt:

Überblick über relevante Themen, wie mit Daten richtig umgegangen wird. In den Übungen wird spezifisch ein passendes Software-Tool geschult und die Theorie an passenden Fragestellungen angewendet.

Themen-/Lernblöcke:

  • Einführung (Data Mining Prozess) (Lektion 1)
  • Datenkonsolidierung und Datenbankzugriffe (Lektion 2)
  • Datenaufbereitung und Visualisierung (Lektionen 3-4)
  • Klassifikationsverfahren (Lektionen 6-9)
  • Clustering (Lektionen 10-13)
  • Abschluss (Lektion 14)

 

Kursart:

(Durchführung gemäss Stundenplan)

Vorlesung mit 1 Lektionen pro Woche
   - Max. Teilnehmer: 108
   - Harte Grenze: ja
Uebung mit 3 Lektionen pro Woche
   - Max. Teilnehmer: 18
   - Harte Grenze: ja