Data Analysis and Data Mining - Interactive curriculae of TU Ilmenau

The interactive curriculae provide information on the degree programmes offered by the TU Ilmenau.

Please refer to the respective study and examination rules and regulations for the legally binding curricula (Annex Curriculum).

You can find all details on planned lectures and classes in the course catalogue.

Please note that this page is no longer updated. All modules and study plans from PO version 2021 onwards (Bachelor and Master study programs) are now available on the Campus Portal.

module properties Data Analysis and Data Mining in degree program Master Regenerative Energietechnik 2022
module number	200784
examination number	2500539
department	Department of Economic Sciences and Media
ID of group	2532 (Quantitative Methods in Economics)
module leader	Prof. Dr. Udo Bankhofer
term	summer term only
language	Deutsch
credit points	5
on-campus program (h)	34
self-study (h)	116
obligation	elective module
exam	written examination performance, 90 minutes
details of the certificate
link to Moodle course	https://moodle2.tu-ilmenau.de/course/info.php?id=3415
teacher	Bankhofer
signup details for alternative examinations
maximum number of participants
previous knowledge and experience	Bachelorabschluss
learning outcome	Die 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.
content	1. Daten- und Distanzmatrizen 1.1 Objekte, Merkmale, Distanzen 1.2 Merkmalstypen und ihre Distanzen 1.3 Aggregation von Distanzen 2. Clusteranalyseverfahren 2.1 Klassifikationstypen 2.2 Startheuristiken 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. Assoziationsanalyse 5.1 Interessantheitsmaße 5.2 Generierung von Assoziationsregeln
media of instruction and technical requirements for education and examination in case of online participation	Interaktives Tafelbild, PowerPoint-Folien. Skript, Aufgabensammlung und die letzten 8 Klausuren (verfügbar per Download), Moodle: https://moodle2.tu-ilmenau.de/course/index.php?categoryid=223
literature / references	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
evaluation of teaching