Universität Wien

040038 VO Ökonometrie und Statistik (MA) (2020S)

4.00 ECTS (2.00 SWS), SPL 4 - Wirtschaftswissenschaften
Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
Für diese LV an-/abmelden

Details

Sprache: Deutsch

Prüfungstermine

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Instruktionen zu den Terminen erhalten Sie per E-Mail.

Alle Arten von Fragen richten Sie an
Bertram.wassermann@univie.ac.at

Unterlagen finden Sie unter
https://homepage.univie.ac.at/bertram.wassermann/SS20/WS20index.html

  • Dienstag 03.03. 16:45 - 18:15 Hörsaal 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Dienstag 10.03. 16:45 - 18:15 Hörsaal 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Dienstag 31.03. 16:45 - 18:15 Hörsaal 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Dienstag 21.04. 16:45 - 18:15 Hörsaal 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Dienstag 28.04. 16:45 - 18:15 Hörsaal 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Dienstag 05.05. 16:45 - 18:15 Hörsaal 4 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Dienstag 12.05. 16:45 - 18:15 Hörsaal 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Dienstag 19.05. 16:45 - 18:15 Hörsaal 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Dienstag 26.05. 16:45 - 18:15 Hörsaal 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Dienstag 09.06. 16:45 - 18:15 Hörsaal 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Dienstag 16.06. 16:45 - 18:15 Hörsaal 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Dienstag 23.06. 16:45 - 18:15 Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß

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 60% 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

Folien die im Kurs diskutiert werden .

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Fr 12.05.2023 00:12