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: 11:00-12:00 Uhr, WiWi 3136/42; 12-14:00 WiWi 1005

Prüfung

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

In der Veranstaltung Data-Mining steht die praktische Anwendung von Data-Mining-Methoden für betriebswirtschaftliche Fragestellungen im Vordergrund. Mit Hilfe verschiedener Fallstudien werden unterschiedliche Data-Mining-Methoden eingesetzt und die Ergebnisse analysiert.

Es geht um die Fragestellung, wie für ein Data-Mining-Problem die Daten 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 wird der gesamte Business Analytics Lifecycle untersucht.

Folgende Inhalte werden speziell behandelt:

• Vorgehensmodelle für das Lösen von Data Mining-Aufgaben
• Chatbot und KI
• Einführung in die Programmiersprache Python und deren Einsatz für das Data-Mining
• Datenspeicherung und Datenzugriff
• Umsetzung von Klassifikation, Clustering und Prognose mit Hilfe von Frameworks
• Fallstudien:
  • Text Mining / Natural Language Processing
  • Prognose,
  • Recommender-Systeme,
  • Bilderkennung und
  • weitere Data Mining-Aufgaben
• Ergebnisanalyse, Berechnung von Fehlermaßen und Kennziffern
• Ergebnisdarstellung, eventuell  in einer Web-Anwendung

• 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