Universität Wien

040253 KU Business Intelligence und Advanced Analytics (MA) (2023S)

6.00 ECTS (3.00 SWS), SPL 4 - Wirtschaftswissenschaften
Prüfungsimmanente Lehrveranstaltung

Die weiteren 2 ETCS werden in Form eines Seminars (SE) mit dem Thema "Innovative Business Modelle für eServices" von o. Univ.-Prof. Dr.techn. Dimitris Karagiannis in englischer Sprache abgehalten!
Und dies ist nur für Studierende aus dem Minor "Analytics for eServices and Operations"!

Standort: Währinger Strasse 29

Gemeinsame Vorbesprechung mit der LV 040190 am DO 02.03.2023 ab 18:30.

Da die praktische Übungen im PC-Seminarraum stattfindet, werden nur 25 Anmeldungen zu der Kurskombination zugelassen, da sonst keine Übungsplätze für alle vorhanden sind.

Zur endgültigen Lehrveranstaltung-Aufnahme ist ein pünktliches Erscheinen zur Vorbesprechung notwendig. Unentschuldigtes Fernbleiben führt zum Verlust des Lehrveranstaltung-Platzes.
Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 25 Teilnehmer*innen
Sprache: Deutsch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Die weiteren 2 ETCS werden in Form eines Seminars (SE) mit dem Thema "Innovative Business Modelle für eServices" von o. Univ.-Prof. Dr.techn. Dimitris Karagiannis in englischer Sprache abgehalten!
Und dies ist nur für Studierende aus dem Minor "Analytics for eServices and Operations"!

  • Donnerstag 02.03. 18:30 - 20:00 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 09.03. 11:30 - 16:30 PC-Seminarraum 2 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Donnerstag 09.03. 16:45 - 18:15 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 09.03. 18:30 - 20:00 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 16.03. 16:45 - 18:15 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 16.03. 18:30 - 20:00 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 23.03. 16:45 - 18:15 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 23.03. 18:30 - 20:00 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 30.03. 16:45 - 18:15 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 30.03. 18:30 - 20:00 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 20.04. 16:45 - 18:15 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 20.04. 18:30 - 20:00 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 27.04. 16:45 - 18:15 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 27.04. 18:30 - 20:00 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 04.05. 16:45 - 18:15 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 04.05. 18:30 - 20:00 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 11.05. 16:45 - 18:15 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 11.05. 18:30 - 20:00 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 25.05. 16:45 - 18:15 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 25.05. 18:30 - 20:00 Hörsaal 6 Oskar-Morgenstern-Platz 1 1.Stock
    Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 01.06. 16:45 - 18:15 Hörsaal 15 Oskar-Morgenstern-Platz 1 2.Stock
    Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 01.06. 18:30 - 20:00 Hörsaal 15 Oskar-Morgenstern-Platz 1 2.Stock
  • Donnerstag 15.06. 16:45 - 18:15 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 15.06. 18:30 - 20:00 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 22.06. 16:45 - 18:15 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 22.06. 18:30 - 20:00 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 29.06. 16:45 - 18:15 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 29.06. 18:30 - 20:00 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Ausgewählte Teilgebiete aus Business Intelligence, Data Warehouse, Data Mining, OLAP sowie Thema rund um Big Data und Predictive Analytics

Art der Leistungskontrolle und erlaubte Hilfsmittel

Mitarbeit, Lösung von Aufgaben, Leistungskontrollen (ohne Unterlagen), Fallstudien

Mindestanforderungen und Beurteilungsmaßstab

• Theorie

o Klausur (50%) (ohne Unterlagen)

• Praktisch/Projekt (inkl. Programmierteil) (min. 40% aus beiden Teilen)

o Erarbeiten einer Fallstudie (35%)

o Umsetzung von praktischen Aufgaben (15%)

Alle Teilleistungen des Projektteils sind fristgerecht über Moodle einzureichen!

• Anwesenheitspflicht

In Summe müssen mehr als 50% der Anforderungen erfüllt sein, um diese LV positiv zu absolvieren.

Notenschlüssel (Bewertungsskala):

Höchste Niedrigste Note

100,00 % 88,00 % 1

87,99 % 75,00 % 2

74,99 % 63,00 % 3

62,99 % 50,00 % 4

49,99 % 0,00 % 5

Prüfungsstoff

in den LV-Einheiten durchgenommene Inhalte + zusätzliche Materialien auf der eLearning-Plattform Moodle

Literatur

Die Literaturliste wird auf Moodle publiziert.

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Di 14.03.2023 11:28