htw saar
Zurück zur Hauptseite

Version des Moduls auswählen:

Angewandte Methoden der Informationsbeschaffung

Modulbezeichnung: Angewandte Methoden der Informationsbeschaffung
Studiengang: Management und Führung (berufsintegriert), Master, ASPO 01.10.2017
Code: MMF441
SWS/Lehrform: 25VS (25 Stunden)
ECTS-Punkte: 3
Studiensemester: 4
Pflichtfach: ja
Arbeitssprache:
Deutsch
Erforderliche Studienleistungen (gemäß ASPO):
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)
Empfohlene Voraussetzungen (Module):
Keine.
Als Vorkenntnis empfohlen für Module:
Modulverantwortung:
Prof. Dr. Stefan Selle
Dozent:
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]
[Wed Oct 28 09:03:34 CET 2020, CKEY=mamdi, BKEY=mfm2, CID=MMF441, LANGUAGE=de, DATE=28.10.2020]