040038 VO Ökonometrie und Statistik (MA) (2019S)

4.00 ECTS (2.00 SWS), SPL 4 - Wirtschaftswissenschaften

Für diese LV gibt es KEIN Moodle!

An/Abmeldung

Details

Sprache: Deutsch

Prüfungstermine

Freitag 28.06.2019 11:30 - 13:00 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock Montag 23.09.2019 16:45 - 18:15 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock Montag 25.11.2019 16:45 - 18:15 Hörsaal 4 Oskar-Morgenstern-Platz 1 Erdgeschoß

Lehrende

Bertram Wassermann

Termine (iCal) - nächster Termin ist mit N markiert

    
    Mittwoch
    06.03.
    16:45 - 18:15
    Hörsaal 6  Oskar-Morgenstern-Platz 1  1.Stock
    
    Mittwoch
    13.03.
    16:45 - 18:15
    Hörsaal 6  Oskar-Morgenstern-Platz 1  1.Stock
    
    Mittwoch
    20.03.
    16:45 - 18:15
    Hörsaal 6  Oskar-Morgenstern-Platz 1  1.Stock
    
    Mittwoch
    27.03.
    16:45 - 18:15
    Hörsaal 6  Oskar-Morgenstern-Platz 1  1.Stock
    
    Mittwoch
    03.04.
    16:45 - 18:15
    Hörsaal 6  Oskar-Morgenstern-Platz 1  1.Stock
    
    Mittwoch
    10.04.
    16:45 - 18:15
    Hörsaal 6  Oskar-Morgenstern-Platz 1  1.Stock
    
    Mittwoch
    08.05.
    16:45 - 18:15
    Hörsaal 6  Oskar-Morgenstern-Platz 1  1.Stock
    
    Donnerstag
    16.05.
    16:45 - 18:15
    Hörsaal 6  Oskar-Morgenstern-Platz 1  1.Stock
    
    Mittwoch
    22.05.
    16:45 - 18:15
    Hörsaal 6  Oskar-Morgenstern-Platz 1  1.Stock
    
    Mittwoch
    29.05.
    16:45 - 18:15
    Hörsaal 6  Oskar-Morgenstern-Platz 1  1.Stock
    
    Mittwoch
    05.06.
    16:45 - 18:15
    Hörsaal 6  Oskar-Morgenstern-Platz 1  1.Stock
    
    Mittwoch
    12.06.
    16:45 - 18:15
    Hörsaal 6  Oskar-Morgenstern-Platz 1  1.Stock
    
    Mittwoch
    19.06.
    16:45 - 18:15
    Hörsaal 6  Oskar-Morgenstern-Platz 1  1.Stock
    
    Mittwoch
    26.06.
    16:45 - 18:15
    Hörsaal 6  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