Seminar Business Analytics
Typ und Verwendbarkeit
BWL-MSc: Wahlpflichtmodul im Schwerpunkt Business Analytics
Voraussetzungen
Voraussetzungen gibt es keine. Die Teilnehmerzahl ist auf 20+X beschränkt.
Umfang
2 SWS, 6 Leistungspunkte
Dozent
Dr. Kai Brüssau, Prof. Dr. Stefan Voß
Terminübersicht WiSe 2022/23
- Anmeldephase (Anmeldung via STiNE): Mo., 30.05., 9:00 Uhr – Mi., 08.06., 13:00 Uhr
- Zuteilung von Restplätzen: Di., 21.06. – Mo., 27.06.
- Vorbesprechung und Themenwahl: Mo., 04.07., 13:00 – 14:00 Uhr, Raum 2098,
- Ende Rückmeldung der Themenwahl (vier Themen mit jeweiliger Priorität): Mi., 06.07., 13:00 Uhr an frank.schwartz@uni-hamburg.de
- Gliederungsbesprechung: Nach Absprache
- Weitere Vorstellung des Arbeitsfortschrittes: Nach Absprache
- Ende Einreichung der Seminararbeit 1. Fassung: Mo., 21.11., 13:00 Uhr
- Begutachtungsphase/Einreichung Gutachten: Di., 22.11. – Fr., 25.11., 13:00 Uhr
- Ende Einreichung finale Seminararbeit (überarbeitete Fassung) inkl. Entgegnung auf Gutachten: Mo., 12.12., 13:00 Uhr
- Präsentationen (möglicherweise werden nicht alle Termine genutzt, jedoch sollten zunächst alle Termine geblockt werden):
- Fr., 16.12.,16:00 – 20:00 Uhr /
- Sa., 17.12., 9:00 – 18:00 Uhr /
- So., 18.12., 9:00 – 16:00 Uhr, Raum wird in STiNE bekannt gegeben
Bitte klicken Sie rechts unter Downloads und Infos auf die Themenliste, um detaillierte Infos zum Inhalt der Veranstaltung zu erhalten.
Im Seminar Business Analytics werden Themen aus den Bereichen Business Analytics und Data Mining bearbeitet.
In Absprache mit dem Betreuer kann der Schwerpunkt der Seminararbeit auf theoretisch wissenschaftlichen Erkenntnissen aus der Literatur liegen. Es kann aber auch eine praktische Umsetzung eines Data Mining-Problems erfolgen. In diesem Fall ist der theoretisch-wissenschaftliche Anteil geringer und die Ergebnisauswertung und der daraus resultierende Erkenntnisgewinn haben eine höhere Bedeutung.
Die Seminararbeit kann in Deutsch oder in Englisch geschrieben werden.
Folgende Themen werden angeboten:
- Data-Mining in der Logistik
- Data-Mining im E-Commerce
- Web Scraping und Natural Language Processing
- Distributed Ledger Technology (DLT): Überblick über die DLT und ihre Anwendungen
- Klassifikation mit Hilfe von Decision Trees, Random Forest und Boosting und Anwendung auf ein selbst gewähltes Beispiel (z.B. von kaggle.com)
- Klassifikation mit Hilfe von Logistic Regression und Support Vector Machines und Anwendung auf ein selbst gewähltes Beispiel (z.B. von kaggle.com)
- Topic Modeling (Theorie und/oder Anwendung auf ein selbst gewähltes Beispiel)
- Selbst gewählte Aufgabenstellung in Absprache mit dem Betreuer
Werden unterschiedliche Anwendungen gewählt, können die Themen 5 – 8 mehrfach vergeben werden. Die Anwendungen können bei Bedarf auch vom Betreuer vorgegeben werden. Die Anwendungen sind aber auf jeden Fall mit dem Betreuer abzusprechen.
Weitere Themen folgen und werden auf den Web-Seiten des IWI bis zur Themenvergabe angegeben.
Literaturstellen werden themenspezifisch bei der Themenvergabe genannt. Außerdem finden Sie die Literatur zu den vorgegebenen Themen in der Themenliste.