Projektstudium: Projektstudium Data Mining - Details

Allgemeine Informationen

Veranstaltungsname	Projektstudium: Projektstudium Data Mining
Semester	WS 2024/25
Aktuelle Anzahl der Teilnehmenden	2
erwartete Teilnehmendenanzahl	30
Heimat-Einrichtung	Prof. Dr. Yarema Okhrin - Statistik
Veranstaltungstyp	Projektstudium in der Kategorie Lehre
Veranstaltung findet in Präsenz statt / hat Präsenz-Bestandteile	Ja
Hauptunterrichtssprache	deutsch
Sonstiges	Nähere Informationen zu den Bewerbungsmodalitäten sowie Bewerbungsfristen finden sich auf der Website des Lehrstuhls für Statistik. Voraussetzungen, Beschreibung der Inhalte und Literaturhinweise entnehmen Sie bitte ebenfalls der Website des Lehrstuhls.

Lehrende

• Prof.Dr. Yarema Okhrin
• Alexander Fottner
• Linus Lach

Räume und Zeiten

Keine Raumangabe

Studienbereiche

• Wirtschaftswissenschaftliche Fakultät > Bachelor WiWi

Modulzuordnungen

• Volkswirtschaftslehre Bachelorstudiengang Volkswirtschaftslehre (PO 2021), 7. Version gültig ab WS 2024/25 > Modulgruppe F2: General Management & Economics für DFM incoming students > WIW-0357 - Projektstudium Data Mining > Projektstudium Data Mining
• Volkswirtschaftslehre Bachelorstudiengang Volkswirtschaftslehre (PO 2015), 19. Version gültig ab WS 2024/25 > Modulgruppe F: General Management & Economics > WIW-0357 - Projektstudium Data Mining > Projektstudium Data Mining
• Volkswirtschaftslehre Bachelorstudiengang Volkswirtschaftslehre (PO 2021), 7. Version gültig ab WS 2024/25 > Modulgruppe F: General Management & Economics > WIW-0357 - Projektstudium Data Mining > Projektstudium Data Mining
• Wirtschaftsinformatik Bachelorstudiengang Wirtschaftsinformatik (PO 2015), 19. Version gültig ab WS 2024/25 > Zweiter Studienabschnitt: Vertiefungsbereich (PO 2015) - Wirtschaftsorientierte Vertiefung - Wirtschaftsorientierte Vertiefung - Ergänzende Kompetenzen > WIW-0357 - Projektstudium Data Mining > Projektstudium Data Mining
• Betriebswirtschaftslehre Bachelorstudiengang Betriebswirtschaftslehre (PO 2015), 19. Version gültig ab WS 2024/25 > Modulgruppe G: Major (B.Sc. BWL) (PO 2015) - Major Finance & Information > WIW-0357 - Projektstudium Data Mining > Projektstudium Data Mining
• Betriebswirtschaftslehre Bachelorstudiengang Betriebswirtschaftslehre (PO 2021), 7. Version gültig ab WS 2024/25 > Modulgruppe F2: General Management & Economics für DFM incoming students > WIW-0357 - Projektstudium Data Mining > Projektstudium Data Mining
• Wirtschaftsingenieurwesen Bachelor Wirtschaftsingenieurwesen, 19. Version gültig ab WS 2024/25 > Modulgruppe H: Finance, Operations & Information Management > WIW-0357 - Projektstudium Data Mining > Projektstudium Data Mining
• Volkswirtschaftslehre Bachelorstudiengang Volkswirtschaftslehre (PO 2021), 7. Version gültig ab WS 2024/25 > Modulgruppe F1: General Management & Economics für DFM outgoing students > WIW-0357 - Projektstudium Data Mining > Projektstudium Data Mining
• Wirtschaftsingenieurwesen Bachelor Wirtschaftsingenieurwesen PO 21, 8. Version gültig ab WS 2024/25 > Modulgruppe M: Freier Wahlbereich > WIW-0357 - Projektstudium Data Mining > Projektstudium Data Mining
• Wirtschaftsingenieurwesen Bachelor Wirtschaftsingenieurwesen PO 21, 8. Version gültig ab WS 2024/25 > Modulgruppe I: Finance, Accounting, Controlling & Taxation > WIW-0357 - Projektstudium Data Mining > Projektstudium Data Mining
• Betriebswirtschaftslehre Bachelorstudiengang Betriebswirtschaftslehre (PO 2021), 7. Version gültig ab WS 2024/25 > Modulgruppe F: General Management & Economics > WIW-0357 - Projektstudium Data Mining > Projektstudium Data Mining
• Betriebswirtschaftslehre Bachelorstudiengang Betriebswirtschaftslehre (PO 2021), 7. Version gültig ab WS 2024/25 > Modulgruppe G2: Major Finance, Accounting, Controlling & Taxation > WIW-0357 - Projektstudium Data Mining > Projektstudium Data Mining
• Global Business Management Bachelorstudiengang Global Business Management (PO 2015), 19. Version gültig ab WS 2024/25 > Global Business and Economics (PO 2015) (Modulgruppe F) > WIW-0357 - Projektstudium Data Mining > Projektstudium Data Mining
• Wirtschaftsinformatik Bachelorstudiengang Wirtschaftsinformatik (PO 2015), 19. Version gültig ab WS 2024/25 > Zweiter Studienabschnitt: Vertiefungsbereich (PO 2015) - Informatikorientierte Vertiefung - Freier Wahlbereich > WIW-0357 - Projektstudium Data Mining > Projektstudium Data Mining
• Betriebswirtschaftslehre Bachelorstudiengang Betriebswirtschaftslehre (PO 2021), 7. Version gültig ab WS 2024/25 > Modulgruppe F1: General Management & Economics für DFM outgoing students > WIW-0357 - Projektstudium Data Mining > Projektstudium Data Mining
• Betriebswirtschaftslehre Bachelorstudiengang Betriebswirtschaftslehre (PO 2015), 19. Version gültig ab WS 2024/25 > Modulgruppe F: General Management & Economics > WIW-0357 - Projektstudium Data Mining > Projektstudium Data Mining
• Wirtschaftsinformatik Bachelorstudiengang Wirtschaftsinformatik (PO 2015), 19. Version gültig ab WS 2024/25 > Zweiter Studienabschnitt: Vertiefungsbereich (PO 2015) - Wirtschaftsorientierte Vertiefung - Freier Wahlbereich > WIW-0357 - Projektstudium Data Mining > Projektstudium Data Mining
• Wirtschaftsinformatik Bachelorstudiengang Wirtschaftsinformatik (PO 2022), 6. Version gültig ab WS 2024/25 > Modulgruppe H: Spezialisierung - Finance, Accounting, Controlling & Taxation > WIW-0357 - Projektstudium Data Mining > Projektstudium Data Mining
• Wirtschaftsinformatik Bachelorstudiengang Wirtschaftsinformatik (PO 2022), 6. Version gültig ab WS 2024/25 > Modulgruppe M: Freier Wahlbereich - wirtschaftsorientiert > WIW-0357 - Projektstudium Data Mining > Projektstudium Data Mining

Kommentar/Beschreibung

Es werden verschiedene Data Mining Verfahren angeboten, die von den Teilnehmern in kleinen Gruppen methodisch ausgearbeitet und empirisch umgesetzt werden:
1. Logistische Regressionsanalyse – das Logit -Modell
2. ANOVA: ein- und mehrfaktorielle Varianzanalyse
3. Clusteranalyse I – hierarchische Clusteranalyse
4. Clusteranalyse II – partitionierende Clusteranalyse (k-Means, PAM)
5. Hauptkomponentenanalyse (PCA)
6. Zeitreihenanalyse – Analyse von Longitudinaldaten
7. Künstliche Neuronale Netze – überwachtes Lernen in vorwärts gerichteten Netzen
8. Entscheidungsbäume – rekursive Partitionierung mittels CART-Algorithmus
9. Frequent Pattern Mining – eine Warenkorbanalyse
10. Textmining