Wenn Sie diesen Text sehen, ist auf ihrem Gerät noch nicht das neue Layout geladen worden. Bitte laden Sie diese Seite neu (ggf. mit gedrückter 'Shift'- oder 'Alt'-Taste) oder in einem 'privaten Fenster'.
Weitere Hinweise unter https://www.uni-hildesheim.de/wiki/lsf/faq/fehler.im.layout.

Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
  1. SucheSuchen         
  2. SoSe 2024
  3. Hilfe
  4. Sitemap
Switch to english language
Startseite    Anmelden     

Business Analytics - Einzelansicht

Grunddaten
Veranstaltungsart Vorlesung
Veranstaltungsnummer 3107 Kurztext
Semester WiSe 2017/18 SWS 2
Erwartete Teilnehmer/-innen Max. Teilnehmer/-innen
Rhythmus i.d.R. jedes 2. Semester Studienjahr / Zielgruppe
Credits 6
Hyperlink https://www.ismll.uni-hildesheim.de/lehre/ba-17w/index.html Evaluation
Sprache englisch
Termine Gruppe: 1-Gruppe iCalendar Export
  Tag Zeit Rhythmus Dauer Raum (mögliche Änderungen beachten!) Raum-
plan
Lehrperson Status Bemerkung fällt aus am Max. Teilnehmer/-innen
Einzeltermine anzeigen
iCalendar Export
Do. 14:00 bis 16:00 c.t. wöchentlich von 26.10.2017  Forum - HC.N.0.08 (Hörsaal 4) Raumplan        
Einzeltermine anzeigen
iCalendar Export
Fr. 14:00 bis 16:00 c.t. Einzeltermin am 26.01.2018 Gebäude B (Samelson-Campus) - SC.B.0.37 (Seminarraum) Raumplan        
Gruppe 1-Gruppe:
Termine Gruppe: Klausur iCalendar Export
  Tag Zeit Rhythmus Dauer Raum (mögliche Änderungen beachten!) Raum-
plan
Lehrperson Status Bemerkung fällt aus am Max. Teilnehmer/-innen
Einzeltermine anzeigen
iCalendar Export
Di. 10:00 bis 12:00 s.t. Einzeltermin am 27.02.2018 Gebäude G (Hauptcampus) - HC.G.2.07 (Großer Seminarraum) Raumplan        
Einzeltermine anzeigen
iCalendar Export
Di. 10:00 bis 12:00 s.t. Einzeltermin am 27.02.2018 Gebäude G (Hauptcampus) - HC.G.3.07 (Großer Seminarraum) Raumplan        
Gruppe Klausur:
Prüfungstermine
Semester Termin Prüfer/-in Parallelgruppe Datum Prüfungsform Beginn Anmeldefrist Ende Anmeldefrist Ende Abmeldefrist Infos zu Nachschreibterminen
WiSe 2017/18 01 27.02.2018 Klausur 15.01.2018 VERBINDLICH 15.01.2018 VERBINDLICH
WiSe 2017/18 02 23.04.2018 Klausur 06.03.2018 16.04.2018 VERBINDLICH 22.04.2018 VERBINDLICH SoSe 2018: 3133 Nachschreibeklausur BA WS 17-18


Zugeordnete Person
Kontaktperson (durchführend) Zuständigkeit
Weitere Person Zuständigkeit
Rashed, Ahmed , M.Sc. nicht durchführend, nicht verantwortlich
Studiengänge
Abschluss Studiengang Semester ECTS Kontingent
Bachelor B.Sc. I M I T
Bachelor B.Sc. IMIT Studienvar. AI
Bachelor B.Sc. Wirtschaftsinformat
Master M.Sc. Data Analytics
Master M.Sc. IMIT Studienvar. AI
Master M.Sc. Informationsmanagm.
Master M.Sc. Wirtschaftsinf.
LSF - Module
Modulkürzel Modultitel
MDA-BusA Business Analytics
MWI-BA Business Analytics
xMIT-V6KIM Gebiet KIML (WINF/IMIT), Vorl 6AP (MA vor PO 2014)
MIT-V6KIML Gebiet KIML (IMIT), Vorl 6 AP (MA ab PO 2014)
MWI-BI6LP Ergänzung zu Prüfung im Modul Business Intelligence mit 6 LP (M WINF)
0ERA-6LP Veranstaltungen mit 6 Credits f. ausl. Programmstud. (ERASMUS)
Zuordnung zu Einrichtungen
Abt. Wirtschaftsinformatik und Maschinelles Lernen
Inhalt
Lerninhalte

Business Analytics aims at introducing students to the fundamental data science know-how, which provides a start-level proficiency for tackling data-driven business problems.

Initially the course explains prediction models for Regression and Classification tasks, as well as typical Clustering approaches. Frequent Pattern Mining that discovers association rules from transactional data will be covered as well. Dimensionality Reduction techniques are taught with regards to both visualisation and feature extraction aspects. In addition, personalized strategies in the realm of Recommender Systems will be exploited. On the other hand, the course covers Time-Series Forecasting methods, as well as Process Mining from industrial data logs. Last, but not least, the course aims at providing an introduction on current strategies needed to scale data analytics methods to handle big data.

 

Zielgruppe

Studierende des Studiengangs Wirtschaftsinformatik/IMIT - MSc 1-3


Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester WiSe 2017/18 , Aktuelles Semester: SoSe 2024
Impressum      Datenschutzerklärung     Datenschutz      Datenschutzerklärung     Erklärung zur Barrierefreiheit