LFU:online

Der Kurs soll die Studierenden in den Bereich der prädiktiven Analytik einführen und ihnen die Fähigkeiten und Kenntnisse vermitteln, die sie benötigen, um diese Techniken auf reale Probleme anzuwenden. Der Kurs deckt ein breites Spektrum an Themen ab, darunter Datenaufbereitung, prädiktive Modellierungstechniken, Modellbewertung und -auswahl, sowie fortgeschrittene Themen der prädiktiven Analytik.

Die Studierenden lernen, wie man Data Mining, maschinelles Lernen und statistische Techniken einsetzt, um Muster und Beziehungen in Daten zu erkennen und Vorhersagen über zukünftige Ereignisse zu treffen. Durch eine Kombination aus Vorlesungen, praktischen Projekten und Fallstudien werden die Studierenden ein solides Verständnis der Schlüsselkonzepte und -techniken der prädiktiven Analytik erlangen und gut darauf vorbereitet sein, diese Fähigkeiten in ihrem zukünftigen Berufsleben anzuwenden.

Vorlesung. Vorbereitung, Präsentation und Diskussion von Übungen und empirischen Fallstudien durch die Teilnehmer.

Präsentationen und Bericht über empirische Fallstudien (60%), schriftliche Prüfung (40%).

Siehe OLAT.

(Wiwi:) Positive Beurteilung der Pflichtmodule Einführung in die Betriebswirtschaft und Einführung in die Volkswirtschaft.
(DISC:) Keine.

Das Modul verwendet die statistische Softwareumgebung R (https://www.R-project.org/) für die empirischen Fallstudien. Vorkenntnisse in R bzw. statistischen Methoden sind nicht zwingend erforderlich, aber hilfreich, um das Material besser zugänglich zu machen. Studierenden des Bachelorstudiengangs "Management and Economics" wird empfohlen, zuvor das Modul "Statistische Datenanalyse" zu besuchen. Studierenden des Studiengangs "Digital Science" wird der vorherige Besuch des Moduls "Einführung in die Programmierung mit R" empfohlen.