| 1. Name des Moduls: |
Big Data Analytics: Methoden und Anwendungen |
| 1a. Module name (english): |
Big Data Analytics: Methods and Applications |
| 2. Fachgebiet / Verantwortlich: |
Prof. Dr. Bernd Heinrich |
| 3. Inhalte des Moduls: |
Einführung und Grundlagen von Big Data Analytics
- Charakteristika, Chancen und Risiken von Big Data
- Einsatzmöglichkeiten und (wirtschaftliches) Potenzial von Big Data Analytics
Big Data Analytics - ausgewählte Anwendungsbereiche und Methoden
- Recommender Systems (z. B. Collaborative Filtering, Content-Based Filtering, Link Analysis, Matrix Factorization, Evaluation of Recommender Systems, Social Recommender Systems)
- Text Mining (z. B. Preprocessing, Vector Space Representations, Neural Networks, Sentiment Analysis)
- Smart Vehicle Data (z. B. Recurrent Neural Networks; Analysis of Driving Behaviour)
Big Data Analytics - praktische Anwendungen
- Analyse realer Datensätze mithilfe von Software-Werkzeugen
- Bearbeitung von Fallstudien und praktischen Problemstellungen |
| 4. Qualifikationsziele des Moduls / zu erwerbende Kompetenzen: |
Nach Abschluss dieses Moduls sind die Studierenden dazu in der Lage, das Potenzial sehr umfangreicher Datenmengen - bspw. in sozialen Medien und im Internet (z. B. Wikis, Bewertungs- und Rezensions-Communities, Diskussionsforen), aber auch in traditionellen Datenbanken (z. B. Data Warehouse, transaktionale Datenbanken) - für Unternehmen zu erkennen und zu bewerten. Die Studiereden haben gelernt auch einzuschätzen, wie durch zielgerichtete und fundierte Analysen dieses Potenzial der Daten in den unterschiedlichsten Anwendungsbereichen (z. B. Produktentwicklung, Customer Relationship Management, internes Wissensmanagement) erfolgreich erschlossen werden kann, um bspw. verbesserte Entscheidungsunterstützung zu ermöglichen. Die Studierenden kennen die wesentlichen theoretischen Grundlagen, Einsatzpotenziale und Risiken von Big Data Analytics und können diese erläutern. Sie sind vertraut mit verschiedenen Methoden zur Analyse von umfangreichen Mengen an strukturierten und unstrukturierten Daten (z. B. Sentiment Analysis, Collaborative und Content-Based Filtering, Neural Networks) und können diese beurteilen und anwenden. Darüber hinaus sind sie in der Lage, diese Methoden zur Lösung praktischer Problemstellungen einzusetzen, die Ergebnisse zu interpretieren und Handlungsempfehlungen abzuleiten. |
| 5. Teilnahmevoraussetzungen: |
| a) empfohlene Kenntnisse |
WI-BSc-AWI-M03 Data Analytics: Methoden und Programmierung
WI-MSc-IT-M03 Customer Relationship Management und Business Intelligence
|
| b) verpflichtende Nachweise |
keine |
| 6. Verwendbarkeit des Moduls: |
MSc BWL (PO2021), FSG "Wirtschaftsinformatik"
MSc BWL (PO2021), SPMG "Business Analytics and Operations Management"
MSc WInfo (PO2021), SPMG "Digital Business and Data Science" |
| 7. Angebotsturnus des Moduls: |
im Turnus Sommersemester |
| 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. |