Fachbereich 9

Wirtschaftswissenschaften


Navigation und Suche der Universität Osnabrück


Hauptinhalt

Topinformationen

[Master] Fallstudienseminar Applied Analytics

9.18900

Dozenten

Beschreibung

Die Beschreibungen werden zeitnah für das Sommersemester 2024 aktualisiert.

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 noch zu benennenden Zeitraum von April bis Juni finden insgesamt ca. 7 Seminartermine (17:00 - 20:00 Uhr) statt.

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: nicht angegeben
Zeiten:
Erster Termin:
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