Universität Wien FIND

Bedingt durch die COVID-19-Pandemie können kurzfristige Änderungen bei Lehrveranstaltungen und Prüfungen (z.B. Absage von Vor-Ort-Lehre und Umstellung auf Online-Prüfungen) erforderlich sein. Melden Sie sich für Lehrveranstaltungen/Prüfungen über u:space an, informieren Sie sich über den aktuellen Stand auf u:find und auf der Lernplattform moodle.

Weitere Informationen zum Lehrbetrieb vor Ort finden Sie unter https://studieren.univie.ac.at/info.

040038 VO Ökonometrie und Statistik (MA) (2018S)

4.00 ECTS (2.00 SWS), SPL 4 - Wirtschaftswissenschaften

Für diese LV gibt es KEIN Moodle!
Achtung! Am Mi, 09.05.2018 entfällt die Vorlesung.

Details

Sprache: Deutsch

Prüfungstermine

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Mittwoch 07.03. 16:45 - 18:15 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock
Mittwoch 14.03. 16:45 - 18:15 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock
Mittwoch 21.03. 16:45 - 18:15 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock
Mittwoch 11.04. 16:45 - 18:15 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock
Mittwoch 18.04. 16:45 - 18:15 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock
Mittwoch 25.04. 16:45 - 18:15 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock
Mittwoch 02.05. 16:45 - 18:15 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock
Mittwoch 16.05. 16:45 - 18:15 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock
Mittwoch 23.05. 16:45 - 18:15 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock
Mittwoch 30.05. 16:45 - 18:15 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock
Mittwoch 06.06. 16:45 - 18:15 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock
Mittwoch 13.06. 16:45 - 18:15 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock
Mittwoch 20.06. 16:45 - 18:15 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Datamining und Big Data anhand von Fallbeispielen

Im Kurs werden Konzepte des Datamining und Big Data anhand von Fallbeispielen erläutert und diskutiert.

Die Beispiele kommen aus den Themenbereichen

. Customer Relationship Management
. Fraud Detection
. Revenue Management
. Market Research

Die vorgestellten Konzepte des Dataming’s und Big Data umfassen u.a.

. Sampling
. Supervised und unsupervised learning
. multiple Regression,
. logistische Regression
. Kontingenztafelanalyse
. Varianzanalyse
. Zeitreihenanalyse

Art der Leistungskontrolle und erlaubte Hilfsmittel

Schriftliche Prüfung

Mindestanforderungen und Beurteilungsmaßstab

Um den Kurs positiv zu absolvieren müssen mindestens 50% der Punkte erreicht werden.

Prüfungsstoff

Analysieren einer Problemstellung und skizieren der Lösung mittels Datamining

Verstehen (= lesen und interpretieren können) der statistischen Modellgleichungen
und der Vorgehensweise beim Datamining

Mehr Details zur Prüfung werden während des Kurses bekanntgegeben.

Literatur

Luis Torgo / "Data Mining with R Learning with Case Studies"
Folien die im Kurs diskutiert werden .

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Mo 07.09.2020 15:28