Technische Universität Ilmenau

Datenanalyse und Data Mining - Modultafeln der TU Ilmenau

Die Modultafeln sind ein Informationsangebot zu den Studiengängen der TU Ilmenau.

Die rechtsverbindlichen Studienpläne entnehmen Sie bitte den jeweiligen Studien- und Prüfungsordnungen (Anlage Studienplan).

Alle Angaben zu geplanten Lehrveranstaltungen finden Sie im elektronischen Vorlesungsverzeichnis.

Informationen und Handreichungen zur Pflege von Modulbeschreibungen durch die Modulverantwortlichen finden Sie unter Modulpflege.

Hinweise zu fehlenden oder fehlerhaften Modulbeschreibungen senden Sie bitte direkt an modulkatalog@tu-ilmenau.de.

Modulinformationen zu Modulnummer 200784 - allgemeine Informationen
Modulnummer200784
FakultätFakultät für Wirtschaftswissenschaften und Medien
Fachgebietsnummer2532 (Quantitative Methoden der Wirtschaftswissenschaften)
Modulverantwortliche(r)Prof. Dr. Udo Bankhofer
SpracheDeutsch
TurnusSommersemester
Vorkenntnisse

Bachelorabschluss

Lernergebnisse und erworbene KompetenzenDie Studierenden sind in der Lage, multivariate Daten zu analysieren und entsprechende Methoden bei der Auswertung multivariater Daten richtig einzusetzen. Sie können die Analyseergebnisse bewerten und im Hinblick auf die zugrundeliegende Problemstellung interpretieren. Nach intensiven Diskussionen und Gruppenarbeit während der Übungen sind die Studierenden in der Lage, Leistungen ihrer Mitkommilitonen richtig einschätzen und würdigen. Sie berücksichtigen Kritik, beherzigen Anmerkungen und nehmen Hinweise an.


Mit der Vorlesung werden vor allem Fach- und Methodenkompetenz, mit der Übung zusätzlich Sozialkompetenz vermittelt.

Inhalt1. Daten- und Distanzmatrizen

1.1 Objekte, Merkmale, Distanzen

1.2 Merkmalstypen und ihre Distanzen

1.3 Aggregation von Distanzen

2. Klassifikationsverfahren

2.1 Klassifikationstypen

2.2 Klassifikationsheuristiken

2.3 Bewertungskriterien

2.4 Partitionierende Klassifikationsverfahren

2.5 Hierarchische Klassifikationsverfahren

3. Repräsentationsverfahren

3.1 Mehrdimensionale Skalierung 

3.2 Faktorenanalyse 

4. Identifikationsverfahren

4.1 Multiple Regression

4.2 Diskriminanzanalyse

4.3 Varianzanalyse

5. Data Mining

5.1 Knowledge Discovery in Data Bases

5.2 Anwendungsbereiche und Methodenüberblick

5.3 Assoziationsanalyse
Medienformen und technische Anforderungen bei Lehr- und Abschlussleistungen in elektronischer Form

Interaktives Tafelbild, PowerPoint-Folien. Skript, Aufgabensammlung und die letzten 8 Klausuren (verfügbar per Download).

Literatur

Jeweils in der aktuellen Auflage:
- Backhaus, K.; Erichson, B.; Plinke, W.; Weiber, R.: Multivariate Analysemethoden, Springer, Berlin
- Bankhofer, Vogel: Datenanalyse und Statistik. Eine Einführung für Ökonomen im Bachelor, Gabler, Wiesbaden 
- Bausch, T.; Opitz, O.: PC-gestützte Datenanalyse mit Fallstudien aus der Marktforschung, Vahlen, München 
- Bowerman, B.L.; O´Connell, R.T.: Forecasting and time series, Duxbury Press
- Everitt, B.; Dunn, G.: Applied Multivariate Data Analysis, Arnold, London
- Fahrmeir, L.; Hamerle, A.; Tutz,: Multivariate statistische Verfahren, de Gruyter, Berlin
- Gaul, W.; Baier, D.: Marktforschung und Marketing Management: computerbasierte Entscheidungsunterstützung, Oldenbourg
- Hartung, J.; Elpelt, B.: Multivariate Statistik, Oldenbourg, München
- Opitz, O.: Numerische Taxonomie, UTB, Fischer, Stuttgart
- Jobson, J.D.: Applied Multivariate Data Analysis, Volume I: Regression and Experimental Design, Springer, New York
- Jobson, J.D.: Applied Multivariate Data Analysis, Volume II: Categorical and Multivariate Methods, Springer, New York

Lehrevaluation
Spezifik Referenzmodul
ModulnameDatenanalyse und Data Mining
Prüfungsnummer2500539
Leistungspunkte5
SWS3 (2 V, 1 Ü, 0 P)
Präsenzstudium (h)33.75
Selbststudium (h)116.25
VerpflichtungPflichtmodul
Abschlussschriftliche Prüfungsleistung, 90 Minuten
Details zum Abschluss
Alternative Abschlussform aufgrund verordneter Corona-Maßnahmen inkl. technischer Voraussetzungen
Anmeldemodalitäten für alternative PL oder SL
max. Teilnehmerzahl
Spezifik im Studiengang Master International Business Economics 2021, Master Medienwirtschaft 2021, Master Wirtschaftsinformatik 2021
ModulnameDatenanalyse und Data Mining
Prüfungsnummer2500539
Leistungspunkte5
Präsenzstudium (h)34
Selbststudium (h)116
VerpflichtungWahlmodul
Abschlussschriftliche Prüfungsleistung, 90 Minuten
Details zum Abschluss
Alternative Abschlussform aufgrund verordneter Corona-Maßnahmen inkl. technischer Voraussetzungen
Anmeldemodalitäten für alternative PL oder SL
max. Teilnehmerzahl