WIW03371 – Data Analytics & Artificial Intelligence

Module
Data Analytics & Artificial Intelligence
Datenanalyse und Künstliche Intelligenz
Module number
WIW03371
Version: 1
Faculty
Business Administration
Level
Bachelor/Diploma
Duration
1 Semester
Semester
Winter semester
Module supervisor

Prof. Dr. Christoph Laroque
Christoph.Laroque(at)fh-zwickau.de

Lecturer(s)

Prof. Dr. Christoph Laroque
Christoph.Laroque(at)fh-zwickau.de
Lecturer in: "Datenanalyse und Künstliche Intelligenz"

Prof. Dr. Tobias Teich
Tobias.Teich(at)fh-zwickau.de
Lecturer in: "Datenanalyse und Künstliche Intelligenz"

Prof. Dr. Christian-Andreas Schumann
Christian.Schumann(at)fh-zwickau.de
Lecturer in: "Datenanalyse und Künstliche Intelligenz"

Prof. Dr. Stephan Kassel
Stephan.Kassel(at)fh-zwickau.de
Lecturer in: "Datenanalyse und Künstliche Intelligenz"

Course language(s)

German
in "Datenanalyse und Künstliche Intelligenz"

ECTS credits

5.00 credits

Workload

150 hours

Courses

1.60 SCH (1.60 SCH Lecture with integrated exercise / seminar-lecture)

Self-study time

126.00 hours
126.00 hours Self-study - Datenanalyse und Künstliche Intelligenz

Pre-examination(s)
None
Examination(s)

alternative Prüfungsleistung - Projektarbeit
Module examination | Weighting: 100%
in "Datenanalyse und Künstliche Intelligenz"

Media type
No information
Instruction content/structure

Konzepte und Methoden der computergestützten Datenanalyse und deren Anwendungen im Kontext der Betriebswirtschaft, insbesondere aber:

  • Daten und derenVorverarbeitung
  • Visualisierungsformen von Informationsmengen
  • Spezielle Methoden der Datenanalyse, u.a. Statistische Datenanalyse, Six Sigma-Methoden, Clustering & Data Mining
  • Algorithmen, Verfahren und Werkzeuge zum maschinellen Lernen
  • Fallstudien zur Datenanalyse in der praktischen Anwendung
  • Anwenung von BigData-Lösungen
Qualification objectives

Die Studierenden erwerben Fähigkeiten zum Verständnis und zur Nutzung verschiedenster Methoden und Konzepte der computergestützten Datenanalyse und deren korrekter, praktischer Anwendung. Sie sind in der Lage, Beobachtungen und strukturierte Informationsmengen so darzustellen, dass deren wesentlichen Strukturen erkennbar sind und betriebswirtschaftliche Entscheidungen getroffen werden können.

Die Studierenden können angemessene Kennzahlen und Verfahren zur Charakterisierung von empirischen Daten auswählen und auch für sehr große Datenmengen berechnen. Sie beherrschen wesentliche Konzepte grafischer Darstellungen von Daten und können weiterführende Analysen mit Hilfe statistischer Verfahren sowie Verfahren des maschinellen Lernens über eine Softwarelösung anwenden.

Special admission requirements

keine

Recommended prerequisites
No information
Continuation options
No information
Literature
  • Milton, Michael: Head First Data Analysis, O'Reilly Media, 2009
  • Runkler, Thomas: Data Analytics: Models and Algorithms for Intelligent Data Analysis, Springer Verlag, 2012
  • Stahel, Werner A.: Statistische Datenanalyse: Eine Einführung für Naturwissenschaftler (German Edition), Vieweg+Teubner Verlag, 5. Auflage, 2008
Notes
No information