Basiswissen Data Science
- Fakultät
Fakultät Wirtschafts- und Sozialwissenschaften (WiSo)
- Version
Version 1 vom 31.01.2025.
- Modulkennung
22B1504
- Niveaustufe
Bachelor
- Unterrichtssprache
Deutsch
- ECTS-Leistungspunkte und Benotung
5.0
- Häufigkeit des Angebots des Moduls
nur Wintersemester
- Dauer des Moduls
1 Semester
- Kurzbeschreibung
Für das betriebliche Informationsmanagement ist das sichere und schlüssige Argumentieren zu ökonomischen und sozialwissenschaftlichen Fragestellungen auf Basis statistischer Verfahren unerlässlich. In der Praxis werden diese Verfahren mit Hilfe von Softwarepaketen durchgeführt, deren Beherrschung eine originäre formale Herangehensweise an Daten, Methodenauswahl und softwaretechnischer Umsetzung erfordern. Das Modul „Basiswissen Data Science“ stellt sich den Herausforderungen, die sich aus dem Zusammenspiel dieser drei Bestandteile ergeben und vertieft somit das Gelernte aus dem Modul „Statistik“. Das Modul widmet sich genau einer vom Dozenten zu bestimmenden technischen Plattform.
- Lehr-Lerninhalte
1. Einführung / Kurzwiederholung zu Basisthemen der Statistik 2. Vorstellung der Basisfunktionen eines statistischen Softwarepaketes anhand der Themen: 2.1 Explorative Verfahren 2.2 Informationsvisualisierung 2.3 Deskriptive Statistik 3. Datenaufbereitung und Voranalysen für die Verarbeitung durch das statistische Softwarepaket 3.1 Datenstrukturen 3.2 Unvollständige Daten 3.3 Ausreißer 3.4 Normalitätsannahmen 4. Softwaregestützte Korrelationsanalyse 5. Softwaregestützte Regressionsanalyse 6. Ausgewählte vertiefte Themen aus dem Bereichen Zeitreihenanalysen, allgemeines lineares Modell, logistische Regression, robuste statistische Verfahren, Monte-Carlo-Methoden, Mehrebenenmodelle
- Gesamtarbeitsaufwand
Der Arbeitsaufwand für das Modul umfasst insgesamt 150 Stunden (siehe auch "ECTS-Leistungspunkte und Benotung").
- Lehr- und Lernformen
Dozentengebundenes Lernen Std. Workload Lehrtyp Mediale Umsetzung Konkretisierung 40 Seminar Präsenz - 20 Übung Präsenz - Dozentenungebundenes Lernen Std. Workload Lehrtyp Mediale Umsetzung Konkretisierung 40 Veranstaltungsvor- und -nachbereitung - 50 Hausaufgaben -
- Benotete Prüfungsleistung
- Klausur oder
- Portfolio-Prüfungsleistung
- Bemerkung zur Prüfungsart
Die Portfolio-Prüfung umfasst insgesamt 100 Punkte und besteht aus einer Hausarbeit (HA) sowie einer abschließenden Klausur (K1). Die Hausarbeit und die Klausur werden jeweils mit 50 Punkten gewichtet.
- Prüfungsdauer und Prüfungsumfang
Klausuren: Siee jeweils gültige Studienordnung
Hausarbeit im Rahmen der PFP: ca. 10 Seiten
Die Anforderungen werden in der jeweiligen Veranstaltung konkretisiert.
- Empfohlene Vorkenntnisse
Statistik (Modul aus dem 2. Semester BIM)
- Wissensverbreiterung
Die Studierenden können die Möglichkeiten und Grenzen von statistischer Verfahren bewerten und abschätzen.
- Wissensvertiefung
Die Studierenden erklären und beschreiben, welche Ergebnisse und Nutzenpotentiale Unternehmen aus statistischen Verfahren gewinnen können.
- Wissensverständnis
Die Studierenden wenden erfolgreich eine Reihe von quantitativen Verfahren, Fertigkeiten, Techniken und Materialien an, die im vertrauten und nicht vertrauten Berufskontexten wirksam sind.
- Nutzung und Transfer
Die Studierenden können wesentliche Verfahren zur Datenauswertung und Datenpräsentation beherrschen sowie entsprechende Ergebnisinterpretationen durchführen.
- Kommunikation und Kooperation
Die Studierenden können die Ergebnisse statistischer Datenanalysen verbal unter Nutzung aktueller IT-Werkzeuge präsentieren und kommunizieren. Die Studierenden können visuelle Darstellungsformen kosntruieren, die exakt und problemgerecht sind.
- Literatur
Field, Andy: Discovering Statistics Using R, Sage Publishers Field, Andy: Discovering Statistics Using SPSS, Sage Publishers Green, Christopher: The Stat 390 R Primer, University of Washington, www.stat.washington.edu/cggreen/rprimer/
- Zusammenhang mit anderen Modulen
Statistik
- Verwendbarkeit nach Studiengängen
- Wirtschaftsinformatik - WiSo
- Wirtschaftsinformatik B.Sc. (01.09.2024) WiSo
- Betriebswirtschaft und Management - WiSo
- Betriebswirtschaft und Management, B.A. (01.09.2024) WiSo
- Modulpromotor*in
- Faatz, Andreas
- Lehrende
- Faatz, Andreas