Main content

Top content

[Master] Fallstudienseminar Applied Analytics

Kursnummer

9.18900

Semester

SoSe 2024

Dozenten

Prof. Dr. Nicolas Meseth, M. Sc.

Beschreibung

Im Sommer 2024 wird erneut das Fallstudienseminar für die Masterstudiengänge „Betriebswirtschaftslehre“, "Economics" und „Wirtschaftsinformatik“ in Kooperation mit der Hochschule Osnabrück, in Person von Prof. Dr. Nicolas Meseth, angeboten. Im Zeitraum von April bis Juni finden insgesamt ca. 6 Seminartermine (13:15 - 16:30 Uhr) statt.

Alle Termine finden hybrid statt, wobei der Raum für die Teilnahme in Präsenz immer der Raum OT1-2 an der Hochschule ist. Parallel wird ein Zoom-Raum eingerichtet. Den Studierenden ist freigestellt, wie sie teilnehmen möchten.

Für eine verbindliche Teilnahme an der Veranstaltung ist im Rahmen der Bewerbung in Stud.IP ein kurzes Schreiben mit folgenden Inhalten bis zum 31.03.2024 an bodo.rieger@uni-osnabrueck.de erforderlich:
- Name und Matrikelnummer
- Studiengang
- Fachsemester
- Erfahrungen mit Datenanalysen
(bspw. die Teilnahme an MSS I (Business Intelligence) und/oder MSS III (Artificial Intelligence), Erfahrungen mit R oder Methoden zur Datenanalyse)
- Kurzes (!) Motivationsschreiben

Die Erfahrungen sind zu belegen. Die Auswahl der Teilnehmenden wird nach Anmeldeschluss (s.o.) in Stud.IP in Kooperation mit dem Lehrbeauftragten vorgenommen.

Inhaltlich wird es in diesem Semester um die Grundlagen der Datenanalyse mit R und speziell die Arbeit mit unstrukturierten Textdaten gehen. Dabei legen wir in diesem Semester einen Fokus auf die Möglichkeiten vom LLMs in der Datenanalyse. Dazu werden wir voraussichtlich mit dem Open-Source Sprachmodell Gemma 7B von Google auf dem HS-Cluster arbeiten und als Alternative mit GPT-3.5 Turbo als kommerzielles Produkt.

In diesem Seminar steht die eigenständige Auseinandersetzung der Teilnehmer:innen mit ausgewählten Methoden der Datenanalyse im Vordergrund. Es werden unterschiedliche Methoden vorgestellt, die (größtenteils) anhand von Selbstlernmaterial durch die Studierenden selbst angewendet und dadurch vertieft werden. Zu den Lernmaterialien zählen interaktive Notebooks mit Code-Beispielen, kurze Videos mit Erläuterungen, schriftliche Anleitungen (Tutorials) sowie Übungsaufgaben mit oder ohne Lösung.

Das bereitgestellte Material wird von den Studierenden außerhalb der gemeinsamen Sitzungen genutzt, um sich auf die Sitzungen vorzubereiten oder diese nachzubereiten. Während der Sitzungen, die laut aktueller Planung im hybriden Modell (Präsenzveranstaltung + Live-Übertragung) stattfinden, werden vornehmlich die Ergebnisse der Übungsaufgaben von den Studierenden vorgestellt und Fragen diskutiert. In einigen Sitzungen werden auch kurze Impulsvorträge seitens des Dozenten Bestandteil sein.

Das Seminar soll nach erfolgreicher Teilnahme dazu befähigen, eigenständig Analysen mithilfe von R und/oder Python auf einfachen und komplexen Datensätzen durchzuführen. Die Lernziele im Einzelnen:

Die Studierenden sollen unterschiedliche Typen von analytischen Fragestellungen kennen und unterscheiden können. Sie sollen die Möglichkeiten und Grenzen unterschiedlicher Fragestellungen sowie Erhebungs- und Analyseverfahren verstehen und am Fallbeispiel einschätzen können.

Die Studierenden sollen unterschiedliche Arten von Daten entlang wichtiger Dimensionen kennen und unterscheiden können. Insbesondere sollen der Umgang mit unterschiedlichen Datentypen, Skalen sowie strukturierten und unstrukturierten Daten erlernt werden.

Die Studierenden sollen deskriptive und explorative Fragestellungen formulieren und mittels Analysen mit der erlernten Methoden (R/Python) beantworten können.

Die Studierenden sollen geeignete Visualisierungsformen für die gefundenen Fragestellungen kennen und anwenden können.

Die Studierenden wissen, was ein probabilistisches Modell ist und können es im Kontext von Natural Language Processing (NLP) anwenden, um Texte zu analysieren. Sie kennen die Grundidee des maschinellen Lernens.

Weitere Angaben

Ort: (OS1-2 / Zoom): Mittwoch, 03.04.2024, Mittwoch, 10.04.2024 13:15 - 16:30, Mittwoch, 24.04.2024, Mittwoch, 22.05.2024, Mittwoch, 05.06.2024 13:15 - 18:15, (Zoom): Mittwoch, 12.06.2024 17:00 - 18:00
Zeiten: Termine am Mittwoch, 03.04.2024, Mittwoch, 10.04.2024 13:15 - 16:30, Mittwoch, 24.04.2024, Mittwoch, 22.05.2024, Mittwoch, 05.06.2024 13:15 - 18:15, Mittwoch, 12.06.2024 17:00 - 18:00, Mittwoch, 19.06.2024 13:15 - 16:30
Erster Termin: Mittwoch, 03.04.2024 13:15 - 16:30, Ort: (OS1-2 / Zoom)
Veranstaltungsart: Blockseminar (Offizielle Lehrveranstaltungen)

Studienbereiche

Wirtschaftswissenschaften > M.Sc. Wirtschaftsinformatik > Wahlpflichtbereich Wirtschaftsinformatik/Informatik > Management Support und Wirtschaftsinformatik
Wirtschaftswissenschaften > M.Sc. Betriebswirtschaftslehre (Akkreditierung 2022) > Seminare
Wirtschaftswissenschaften > M.Sc. Betriebswirtschaftslehre (Akkreditierung 2014) > Seminare
Wirtschaftswissenschaften > M.Sc. Betriebswirtschaftslehre (Akkreditierung 2014) > Wirtschaftsinformatik
Wirtschaftswissenschaften > M.Sc. Economics (Accreditation 2022) > Betriebswirtschaftslehre (Business Administration) > BWL und IT (BA and IT)
Wirtschaftswissenschaften > M.Sc. Economics (Akkreditierung 2014) > Seminare
Wirtschaftswissenschaften > M.Sc. Economics (Akkreditierung 2014) > Wirtschaftsinformatik
Wirtschaftswissenschaften > M.Sc. Betriebswirtschaftslehre (Akkreditierung 2022) > Schwerpunkte > Wirtschaftsinformatik
Wirtschaftswissenschaften > M.Sc. Betriebswirtschaftslehre (Akkreditierung 2022) > Betriebswirtschaftslehre > BWL und IT