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
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