1. Name des Moduls: |
Data Science & Machine Learning |
1a. Module name (english): |
Data Science & Machine Learning |
1b. Bezeichnung Prüfungsordnung: |
Data Science and Econometrics 5 (Data Science & Machine Learning) |
2. Fachgebiet / Verantwortlich: |
Prof. Dr. Daniel Rösch |
3. Inhalte des Moduls: |
- Statistische Modellierung und angewandte Regressionsanalyse
- Fortgeschrittene Methoden des Machine Learnings
- Bayesianische Statistik |
4. Qualifikationsziele des Moduls / zu erwerbende Kompetenzen: |
Nach Abschluss des Moduls kennen und verstehen die Studierenden fortgeschrittene Methoden und Verfahren der Data Science. Ein besonderer Fokus des Moduls lag auf der Anwendung der erarbeiteten Methoden auf praxisrelevante Fragestellungen. Neben einer intensiven Diskussion von Fallbeispielen wurde dies unter anderem durch softwarebasierte Datenanalysen sichergestellt. Die vermittelten Entscheidungs- und Prognosetechniken haben den Studierenden zudem einen fundierten Einblick in die vielfältigen Anwendungsgebiete des Machine Learnings gewährt. Die Übung hat die Inhalte der Vorlesung an Beispielen und Fallstudien vertieft und die Studierenden in die Lage, eigenständige Analysen zu betreiben, versetzt. |
5. Teilnahmevoraussetzungen: |
a) empfohlene Kenntnisse |
BWL-BSc-BA-M01 Applied Data Science
WiWi-BSc-Q02 Statistik 1 für Wirtschaftswissenschaften
WiWi-BSc-Q03 Statistik 2 für Wirtschaftswissenschaften
|
b) verpflichtende Nachweise |
keine |
6. Verwendbarkeit des Moduls: |
MSc BWL (PO2021), SPMG "Business Analytics and Operations Management"
MSc VWL (PO2021), SPMG "Data Science and Econometrics"
MSc WInfo (PO2021), PMG "Grundlagen der Unternehmensführung" |
7. Angebotsturnus des Moduls: |
im Turnus Wintersemester |
8. Das Modul kann absolviert werden in: |
1 Semester |
9. Empfohlenes Fachsemester: |
|
10. ECTS |
6 |
11. Arbeitsaufwand des Moduls (Workload) / Anzahl Leistungspunkte: |
Gesamt in Stunden: 180 (6 ECTS*30 Stunden)
davon:
1. Präsenzzeit: 60 Std. (4 SWS)
2. Selbststudium (inkl. Prüfung): 120 Std. |