Data Mining

Typ und Verwendbarkeit

• BWL-MSc: Wahlpflichtmodul im Schwerpunkt Business Analytics

Voraussetzungen

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: 11:00-14:00 Uhr,  WiWi 1005

Prüfung

Anmeldung zur Prüfung (auch Wiederholer): innerhalb der Anmeldezeiträume in STiNE.

In der Veranstaltung steht die praktische Anwendung von Modellen des maschinellen Lernens für betriebswirtschaftliche Fragestellungen im Vordergrund. Mit Hilfe verschiedener Fallstudien werden unterschiedliche Verfahren eingesetzt und die Ergebnisse analysiert.

Es geht um die Fragestellung, wie Daten beim maschinellen Lernen vor- und aufbereitet werden, bevor ein Modell erstellt wird, welches die Zusammenhänge in den Daten abbildet. Auch die Ergebnisanalyse ist von großer Bedeutung sowie der Einsatz dieser Ergebnisse für den Einsatz in der betriebswirtschaftlichen Praxis. Damit werden verschiedene Bereiche von Business Analytics behandelt.

Inhalt

• Künstliche Intelligenz und maschinelles Lernen
• Vorgehensmodelle für das Lösen von Problemen des maschinellen Lernens
• Einführung in die Programmiersprache Python
  • Datenspeicherung und Datenzugriff
  • Einsatz für das maschinelle Lernen
• Datenvor- und -aufbereitung (Korrelationsanalysen, Ausreißer, fehlende Werte)
• Regressionsanalysen
  • Modellbildung
  • Evaluation
  • Fallstudie
• Klassifikation
  • Modellbildung
  • Evaluation
  • Fallstudie
• Feature Selection
• Large Language Models
  • Embedding
  • Self-Attention
  • Topic Modeling
  • Evaluation
  • Fallstudie

• Florin Gorunescu: Data Mining - Concepts, Models and Techniques, Springer, 2011, DOI: 10.1007/978-3-642-19721-5
• Charu C. Aggarwal: Data Mining - The Textbook, Springer, 2015, DOI: 10.1007/978-3-319-14142-8