FH Westküste: Business Analytics und maschinelles Lernen 10552


Modul 10552
Prüfungsnummern
Business Analytics und maschinelles Lernen
Studiengang	Bachelor BWL (B.A.) Wahlmodul Prüfungsordnungen: ab WS 17/18 (BWL/TM/WiPsy/WiR/ITM/EI/EP), ab WS 17/18 (BWL/TM/WiPsy/WiR/ITM/EI/EP) Semester: 6 Schwerpunkte: Controlling, Wirtschaftsinformatik Bachelor Triales Modell Betriebswirtschaft (B.A.) Wahlmodul Prüfungsordnungen: ab WS 17/18 (BWL/TM/WiPsy/WiR/ITM/EI/EP) Semester: 6 Schwerpunkte: Controlling, Wirtschaftsinformatik Bachelor International Tourism Management (B.A.) Wahlmodul Prüfungsordnungen: ab WS 17/18 (BWL/TM/WiPsy/WiR/ITM/EI/EP), ab WS 19/20 (ITM / MuT / GE) Semester: 6 Schwerpunkte: Controlling Bachelor Management und Technik (B.Sc.) Pflichtmodul Prüfungsordnungen: ab WS 16/17 (MuT), ab WS 19/20 (ITM / MuT / GE), ab WS 21/22 (MuT / GBS) Semester: 4, 6 Schwerpunkte: Controlling, Wirtschaftsinformatik
Modulbezeichnung	Business Analytics und maschinelles Lernen
Englische Modulbezeichnung	Business Analytics and Machine Learning
Kurztitel
Semesterinfo
Modulverantwortlicher	Prof. Dr. Michael von Thaden
Dozent	Prof. Dr. Michael von Thaden
Sprache	Deutsch
Lehrform	Vorlesung + Übung (2 SWS Vorlesung & 2 SWS Übung)
SWS	4
Arbeitsaufwand	180
Präsenzstudium	60
Eigenstudium	120
Kreditpunkte	6
Empfohlene Vorkenntnisse	Kenntnisse in beschreibender und schließender Statistik; Grundkenntnisse in linearer Algebra; Kenntnisse der höheren Schulmathematik
Voraussetzungen	keine
Lernziele / Kompetenzen	Die Studierenden sind nach erfolgreicher Teilnahme am Modul in der Lage Techniken aus dem Spektrum des maschinellen Lernens hinsichtlich ihrer Anwendbarkeit auf Fragestellungen im Themenbereich Business Analytics zu beurteilen.
Inhalt	Es werden Methoden aus dem Bereich des maschinellen Lernens vermittelt, wie z.B.: Clusteranalysen , Entscheidungsbäume, Nächste-Nachbarn-Klassifikation, Künstliche Neuronale Netze. Die freie Programmiersprache R wird hierbei genutzt, um die Methoden des maschinellen Lernens zu illustrieren. Die Studierenden nutzen R auch eigenständig, um spezifische Fragestellungen zu lösen.
Studienleistung
Prüfungsleistung	Klausur
Medienformen	Beamer, Tafel und andere Präsentationstechniken
Literatur	Lantz, B., Machine Learning with R, 3^rd edition, Packt Publishing (2019) Chapple, M., Nwanganga, F., Practical Machine Learning in R, 1^st edition, Wiley (2020) Grundkurs Künstliche Intelligenz, Eine praxisorientierte Einführung, 4.Auflage, Springer Vieweg (2016) Boobier, T., Advanced Analytics and AI, 1^st edition, Wiley (2018)