keypadDescription
Für maximale Nutzerfreundlichkeit empfehlen wir, die Ausführung von JavaScript und Cookies zu erlauben.Mithilfe der folgenden Accesskeys können Sie im Portal navigieren:
1 Hauptmenü
2 Inhalt
3 Zurück zu dieser Anleitung
Impressum
Kontakt
Drucken
Zum Ende der Seite
Startseite |
Kontakt |
Impressum
|
| Datenschutz
Drucken
Hilfe/Support
Startseite
Bewerbung
Bewerberkonto anlegen
Passwort vergessen
Vorlesungsverzeichnis
SoSe 2024
WiSe 2023/24
SoSe 2023
WiSe 2022/23
Suche
Hilfe
Kontakt
Anleitungen
FAQ für deutsche Bewerber:innen
FAQ für internationale Bewerber:innen
Hilfe für Studierende
Videohilfe
English
Anmelden
Passwort vergessen
07-202-2302 Multivariate Statistik und Data Mining
Moduldetails
Anmeldeoptionen
Modulverantwortliche:
Prof. Dr. Roland Schuhr
Dauer:
1
Anzahl Wahlkurse:
0
Credits:
10,0
Startsemester:
SoSe 2020
Turnus
:
jedes Sommersemester
Ziele
:
Die Studierenden können die theoretischen Grundlagen, d.h. Verfahren zur Dimensionsreduktion, Clusteranalyse, Diskriminanzanalyse, Klassifikations- und Assoziationsverfahren und künstliche neuronale Netze sowie den aktuellen Stand der Forschung im Bereich der Multivariaten Statistik sowie des Data Mining darstellen und beschreiben.
Sie sind in der Lage, selbständig geeignete Methoden zur Lösung volks- und betriebswirtschaftlicher Problemstellungen auszuwählen, anzuwenden sowie die ermittelten Ergebnisse zu interpretieren und kritisch zu bewerten. Hierbei erweitern sie ihren Wissensstand neben statistischen Ansätzen um aus der Informatik entlehnte Methoden des Maschinenlernens.
Die Studierenden können in Übungen die Charakteristika umfangreicher multivariater Datensätze erkennen, mittels geeigneter Methoden die Anzahl der zu analysierenden Dimensionen reduzieren sowie mittels Klassifikations- und Assoziationsverfahren Ähnlichkeiten und komplexe Zusammenhänge in den Daten offenlegen. Sie sind in der Lage, die Statistiksoftwarepakete R und SPSS als Werkzeuge statistischer Analysen einzusetzen und ihre erzielten Ergebnisse kritisch auszuwerten.
Inhalt
:
- Aufgaben, Ziele und Konzepte multivariater Analysen
- Methoden der multivariaten Statistik: Hauptkomponenten- und Faktorenanalyse, Clusteranalyse, Diskriminanzanalyse
- Methoden des Maschinenlernens: Klassifikationsbäume, Assoziationsregeln, Künstliche Neuronale Netze
Literaturangabe
:
Hinweise zu Literaturangaben erfolgen in den Lehrveranstaltungen.
Teilnahmevoraussetzungen
:
keine
Anmeldefristen
Phase
Block
Anmeldung von | bis
Ende Abmeldung
Einschreibung
Vorlesungszeit
24.03.2020 12:00 |
20.06.2020 23:59
Kurse
Nummer
Name
Pflicht
Semester
Credits
07-202-2302.VL01
Multivariate Statistik und Data Mining
Ja
0,0
07-202-2302.VL01
Multivariate Statistik und Data Mining
SoSe 2020
07-202-2302.ÜB01
Multivariate Datenanalyse und Data Mining
Ja
0,0
07-202-2302.ÜB01a
Multivariate Statistik und Data Mining [für Studierende WiFa + Soziologie]
SoSe 2020
07-202-2302.ÜB01b
Multivariate Statistik und Data Mining [für Studierende M. Sc. Data Science]
SoSe 2020
Leistungen
Kurs/Modulabschlussleistungen
Leistungen
Bestehenspflicht
Gewichtung
Modulabschlussleistungen
Klausur
Ja
1
Modulabschlussprüfungen
Prüfung
Datum
Lehrende
Bestehenspflicht
1 Klausur
Do, 30. Jul. 2020, 09:00 - 10:30
Prof. Dr. Roland Schuhr
Ja
2 Nachklausur
Fr, 23. Okt. 2020, 09:00 - 10:30
Prof. Dr. Roland Schuhr
Ja
3 Elektronische Prüfungsleistung (Covid-19)
Mi, 4. Aug. 2021, 12:30 - 14:00
Prof. Dr. Roland Schuhr
Ja
Modulverantwortliche
Prof. Dr. Roland Schuhr
Impressum
Kontakt
Drucken
Zum Anfang der Seite