Typ und Verwendbarkeit

• BWL MSc: Schwerpunkt Business Analytics
• BWL MSc: Queranrechnung Module anderer Schwerpunktfächer > Marketing, Wirtschaftsprüfung und Steuern
• BWL MSc.: Incoming Students

Voraussetzungen

Die Teilnehmerzahl ist auf 30 beschränkt.

Grundlegende Kenntnisse der wichtigsten Data-Mining-Methoden zum Clustering, zur Klassifikation und zur Regression.

Umfang

6 Leistungspunkte
3 SWS

Dozent

Dr. Kai Brüssau

Veranstaltungstermine

Mo, 11-14 Uhr, VMP 9, A514

 

Anmeldung    

Für die Teilnahme an diesem Modul ist unbedingt eine Anmeldung über STiNE innerhalb der STiNE-Anmeldephasen notwendig.

Prüfung
   
Prüfungsart: Präsentationen, Projektarbeit und praktische Arbeit

In der Veranstaltung Künstliche Intelligenz in der Betriebswirtschaft steht die praktische Anwendung von Machine-Learning-Methoden für betriebswirtschaftliche Fragestellungen im Vordergrund. Mit Hilfe verschiedener Fallstudien werden unterschiedliche Modelle des Machine-Learning eingesetzt und die Ergebnisse analysiert.
Dabei geht es um die einzelnen Aufgaben beim Lösen eines Machine-Learning-Problems, wobei die Vorlesung sich auf die Phasen der Datenvor- und -aufbereitung, die Modellierung und die Evaluation der Ergebnisse sowie den praktischen Einsatz in der betriebswirtschaftlichen Praxis konzentriert.

In er Vorlesung werden zum einen klassische Modelle für die Regression und Klassifikation und zum anderen Deep-Learning-Modelle für die natürliche Sprachverarbeitung und das Computer Vision vermittelt.

Es werden keine speziellen Programmierkenntnisse vorausgesetzt. Allerdings programmieren wir innerhalb der Vorlesung mit Python, wofür eine kurze Einführung gegeben wird.
Folgende Inhalte werden speziell behandelt:

• Business Analytics und künstliche Intelligenz
• Vorgehensmodelle für das Lösen von Machine-Learning-Problemen
• Einführung in die Programmiersprache Python und deren Einsatz für das Machine-Learning
• Regression und Klassifikation
• Large Language Models
  • Embedding
  • Transformer-Modelle
  • Anwendungen in der Betriebswirtschaft und Evaluation
• Computer Vision
  • Anwendungsgebiete
  • Convolutional Neural Networks zur Klassifikation und Objekterkennung

Amaratunga, T.: Understanding Large Language Models, Apress Berkeley, CA, 2023, https://doi.org/10.1007/979-8-8688-0017-7

Chopra, D., Khurana, R.: Introduction to Machine Learning with Python, 2023, https://doi.org/10.2174/97898151244221230101

Kordon, A. K.: Applying Data Science. How to Create Value with Artificial Intelligence, Springer Nature Switzerland, 2020.

McTear, M.; Ashurkina M.: Transforming Conversational AI, Apress Berkeley, CA, 2024, https://doi.org/10.1007/979-8-8688-0110-5

Qamar, U. , Raza, M.S. : Data Science Concepts and Techniques with Applications, Springer, 2023.

Shanthamallu, U.S., Spanias, A.: Machine and Deep Learning Algorithms and Applications, 2022, Springer.