Text in english

Analyse von Data Mining Use Cases aus dem Bereich Marketing und Finanzierung

Kurs nur in Deutsch

Semesterwochenstunden:

4

Leistungspunkte:

5

Vorkenntnisse:

 Grundkenntnisse im Bereich Marketing, Finanzierung und der Statistik

Veranstaltungstyp:

Seminar mit Vorlesungsanteil

Semesterturnus:

Wintersemester

Arbeitsaufwand:

150 Stunden, davon:
50 Stunden Präsenzzeit
100 Stunden Vor- und Nachbereitung der Vorlesung, des Vortrags zu einer Fallstudie und Abschlussprüfung

Beitrag zu den Zielen des Studiengangs:

Das Modul unterstützt das Ziel: ...Einsatz von Prinzipien und Methoden zur effizienten Informationsnutzung in Unternehmen..

Lernziel:

 Nach der Teilnahme an diesem Modul sind die Studierenden in der Lage
  • Use Case getrieben sinnvolle Verfahren des Data Minings auszuwählen,
  • den Data Mining Prozess mit Hilfe eines Data Mining Tools umsetzen und
  • kritisch die Qualität und Güte des eingesetzten Verfahrens zu bewerten.

Schlüsselqualifikationen:

 
  • Problemlösen (Analyse und Klassifikation von Problemen)
  • Denkweisen (abstraktes und logisches Denken),
  • Umgang mit wissenschaftlicher Literatur ("digital content curation"),
  • Schreiben (wissenschaftliches Schreiben) und
  • Vortragen (Präsentationsfähigkeiten, Fachvorträge).

Lehrinhalte:

  • Vorstellung von ausgewählten Data Mining Modellen im Bereich Klassifikation und Assoziation.
  • Diskussion der Modelle in Bezug auf Anwendungsszenarien und Anforderungen an den Dateninput,
  • Vorstellung und Anwendung des CRISP-DM Standards für typische Data Mining Use Cases im Bereich Finanzierung und Marketing mittels des Tools RapidMiner.

Literatur:

  • Kotu, V., Deshpande, B. Predictive Analytics and Data Mining: Concepts and Practice with RapidMiner (Paperback). Verlag: ELSEVIER SCIENCE & TECHNOLOGY, United States (2015).
  • Hofmann, M., Klinkenberg, R. (Hrsg.), RapidMiner: Data Mining Use Cases and Business Analytics Applications (Chapman & Hall/CRC Data Mining and Knowledge Discovery Series). Verlag: Chapman and Hall/CRC (2013).
  • Cleve, J., Lämmel, U. Data Mining. Oldenbourg Wissenschaftsverlag (2014).

Bemerkungen:

 

Leistungsnachweis:

 Vortrag zur individuellen Fallstudie (45 min.) und schriftliche Ausarbeitung (20 Seiten) zu je 50%.

Zulassungsvoraussetzungen:

 

Hilfsmittel:

 

Modulverantwortliche/r:

Prof. Dr. Groß





TH Nürnberg
Fakultät Informatik
Webmaster-IN



Root- Zertifikat

© 2021 Fakultät Informatik