htw saar QR-encoded URL
Zurück zur Hauptseite Version des Moduls auswählen:
Lernziele hervorheben XML-Code


Angewandte Methoden der Informationsbeschaffung

Modulbezeichnung:
Bezeichnung des Moduls innerhalb des Studiengangs. Sie soll eine präzise und verständliche Überschrift des Modulinhalts darstellen.
Angewandte Methoden der Informationsbeschaffung
Studiengang:
Studiengang mit Beginn der Gültigkeit der betreffenden ASPO-Anlage/Studienordnung des Studiengangs, in dem dieses Modul zum Studienprogramm gehört (=Start der ersten Erstsemester-Kohorte, die nach dieser Ordnung studiert).
Management und Führung (berufsbegleitend), Master, ASPO 01.10.2017
Code: MMF441
SAP-Submodul-Nr.:
Die Prüfungsverwaltung mittels SAP-SLCM vergibt für jede Prüfungsart in einem Modul eine SAP-Submodul-Nr (= P-Nummer). Gleiche Module in unterschiedlichen Studiengängen haben bei gleicher Prüfungsart die gleiche SAP-Submodul-Nr..
P510-0002
SWS/Lehrform:
Die Anzahl der Semesterwochenstunden (SWS) wird als Zusammensetzung von Vorlesungsstunden (V), Übungsstunden (U), Praktikumsstunden (P) oder Projektarbeitsstunden (PA) angegeben. Beispielsweise besteht eine Veranstaltung der Form 2V+2U aus 2 Vorlesungsstunden und 2 Übungsstunden pro Woche.
25VS (25 Stunden)
ECTS-Punkte:
Die Anzahl der Punkte nach ECTS (Leistungspunkte, Kreditpunkte), die dem Studierenden bei erfolgreicher Ableistung des Moduls gutgeschrieben werden. Die ECTS-Punkte entscheiden über die Gewichtung des Fachs bei der Berechnung der Durchschnittsnote im Abschlusszeugnis. Jedem ECTS-Punkt entsprechen 30 studentische Arbeitsstunden (Anwesenheit, Vor- und Nachbereitung, Prüfungsvorbereitung, ggfs. Zeit zur Bearbeitung eines Projekts), verteilt über die gesamte Zeit des Semesters (26 Wochen).
3
Studiensemester: 4
Pflichtfach: ja
Arbeitssprache:
Deutsch
Studienleistungen (lt. Studienordnung/ASPO-Anlage):
Die Präsenzzeit dieses Moduls umfasst 25 Stunden. Der Gesamtumfang des Moduls beträgt bei 3 Creditpoints 75 Stunden. Daher stehen für die Vor- und Nachbereitung der Veranstaltung zusammen mit der Prüfungsvorbereitung 50 Stunden zur Verfügung.
Prüfungsart:
Klausur (60 Minuten, Wiederholung semesterweise)

[letzte Änderung 06.11.2018]
Empfohlene Voraussetzungen (Module):
Keine.
Als Vorkenntnis empfohlen für Module:
Modulverantwortung:
Prof. Dr. Stefan Selle
Dozent/innen:
Prof. Dr. Stefan Selle (Vorlesung (Stunden))


[letzte Änderung 06.11.2018]
Lernziele:
Die Studierenden sind in der Lage,
-        Grundlagen im Bereich Data Science wiederzugeben,
-        (Modellierungs-)Methoden des Datenmanagements und Data Warehousing anzuwenden,
-        Analyseverfahren des Data Mining zur Datenanalyse einzusetzen,
-        Konzepte und Technologien im Kontext Big Data und deren Zusammenhänge zu erläutern.

[letzte Änderung 06.11.2018]
Inhalt:
1        Einführung und Data Science
-        Daten und Informationen als Wettbewerbsfaktor, Grundbegriffe
2        Datenmanagement
-        Datenmodellierung (ERM), Relationale Datenbanken, SQL, OLTP
3        Data Warehousing
-        Business Intelligence (BI), Data Warehouse, Data Mart, ETL-Prozess, OLAP
-        Dimensional Modeling (Stern-Schema, Schneeflocken-Schema)
4        Data Mining
-        CRISP-DM-Prozess, Klassifikation (Naive Bayes, Entscheidungsbaum, Neuronale Netze)
-        Clusteranalyse (Hierarchische Verfahren, k-Means), Assoziationsanalyse (Apriori)
5        Big Data
-        NoSQL, In Memory Datenbanken, Hadoop, MapReduce, Datenschutz, IT-Security
Vorlesung mit integrierten Übungen und Fallstudien: Die Studierenden arbeiten selbstständig am PC, um konkrete Aufgabenstellungen mit betriebswirtschaftlichem Bezug direkt mit Hilfe geeigneter Anwendungssoftware (ARIS Business Designer, MS Access, MS Excel, SAP Business Warehouse, KNIME Analytics usw.) zu lösen. E-Learning-Unterstützung.

[letzte Änderung 06.11.2018]
Literatur:
1. Einführung und Data Science
-Provost, F., Fawcett, T.: Data Science for Business, O’Reilly Media, Sebastopol (CA), 2013.
2. Datenmanagement
- Kemper, A.; Eickler, A.: Datenbanksysteme, 10. Auflage, De Gruyter Verlag, Berlin, 2015.
- Schicker, E.: Datenbanken und SQL, 4. Auflage, Springer Vieweg Verlag, Wiesbaden, 2014.
3. Data Warehousing
- Kimball, R., Ross, M.: The Data Warehouse Toolkit, 3. Auflage, Wiley, Indianapolis, 2013.
- Müller, R.M.; Lenz, H.-J.: Business Intelligence, Springer Verlag, Berlin, 2013.
4. Data Mining
- Aggarwal, C.: Data Mining –The Textbook, Springer Verlag, Cham, 2015.
- Runkler, T.A.: Data Mining, Vieweg+Teubner Verlag, Wiesbaden, 2010.
5. Big Data
- Dorschel, J.: Praxishandbuch Big Data, Springer Gabler Fachmedien, Wiesbaden, 2015.

[letzte Änderung 06.11.2018]
[Sun May 19 22:41:15 CEST 2024, CKEY=mamdi, BKEY=mfm2, CID=MMF441, LANGUAGE=de, DATE=19.05.2024]