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

6.00 ECTS (3.00 SWS), SPL 4 - Wirtschaftswissenschaften

Continuous assessment of course work

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

Registration/Deregistration

Note: The time of your registration within the registration period has no effect on the allocation of places (no first come, first served).

Registration is open from Mo 13.02.2023 09:00 to We 22.02.2023 12:00
Registration is open from Mo 27.02.2023 09:00 to Tu 28.02.2023 12:00
Deregistration possible until Fr 17.03.2023 23:59

Details

max. 25 participants

Language: German

Lecturers

Dimitris Karagiannis

Classes (iCal) - next class is marked with N

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

Information

Aims, contents and method of the course

Selected sub-areas from Business Intelligence, Data Warehouse, Data Mining, OLAP as well as topics around Big Data and Predictive Analytics

Assessment and permitted materials

Collaboration, solution of tasks, written exams (without documents), case studies

Minimum requirements and assessment criteria

• Theory

o Written exam (50%) (without documents)

• Practical/Project (incl. programming part) (min. 40% from both parts)

o Development of a case study (35%)

o Implementation of practical tasks (15%)

All partial performances of the project part have to be submitted via Moodle in due time!

• Compulsory attendance

In total, more than 50% of the requirements must be fulfilled in order to pass this course.

Assessment:
– Grading (rating scale):

Grad

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

Examination topics

Content covered in the course units + additional materials on the eLearning platform Moodle

Reading list

Die Literaturliste wird auf Moodle publiziert.

Association in the course directory

Last modified: Tu 14.03.2023 11:28