Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
Startseite    Anmelden     
Logout in [min] [minutetext]

Data Mining & Big Data / Einführung in Business Intelligence & Data - Detailansicht

  • Funktionen:
  • Zur Zeit kein Belegungszeitraum aktiv.
Grunddaten
Veranstaltungsart Vorlesung/Übung Langtext
Veranstaltungsnummer 3949 Kurztext
Semester WiSe 2024/25 SWS 4
Erwartete Teilnehmer/-innen Max. Teilnehmer/-innen 100
Rhythmus Jedes Semester Studienjahr
Hyperlink  
Sprache Deutsch
Belegungsfrist Hauptbelegungszeitraum    23.09.2024 - 18.10.2024   
Termine Gruppe: [unbenannt] iCalendar Export für Outlook
  Tag Zeit Rhythmus Dauer Raum Raum-
plan
Lehrperson Status Lernziele fällt aus am Max. Teilnehmer/-innen
Einzeltermine anzeigen
iCalendar Export für Outlook
Mi. 16:00 bis 19:15 woch Gebäude V/Laz1 - V 208        
Gruppe [unbenannt]:
Zur Zeit kein Belegungszeitraum aktiv.
 


Zugeordnete Person
Zugeordnete Person Zuständigkeit
Höpken, Wolfram, Professor verantwortlich
Laut SPO für
Abschluss Studiengang Semester Kategorie ECTS
Bachelor Wirtschaftsinformatik 7 - 7 Wahlpflichtfach 5
Bachelor Wirtschaftsinformatik PLUS 6 - 7 Wahlpflichtfach 5
Zuordnung zu Einrichtungen
Bachelorstudiengang Wirtschaftsinformatik
Inhalt
Inhalt Die Vorlesung behandelt folgende Aspekte aus dem Bereich Business Intelligence und Data Mining:
- Business Intelligence - Allgemeine Einführung
- Vorstellung des Werkzeugs RapidMiner
- Grundlegende Techniken der Datenvorverarbeitung
- Explorative Datenanalyse und OLAP
- Grundlegende Data Mining Techniken
- Supervised Learning (Klassifikation)
- Unsupervised Learning (Cluster-Bildung)
- Assoziationsregeln
- Web Data Mining
- Information Retrieval und Web-Suche
- Linkanalyse
- Web Crawling
- Extraktion strukturierter Daten: Wrapper-Generierung
- Sentiment Analyse
- Web Usage Mining
- Praktische Vertiefung im Rahmen eines umfassenden Gesamtbeispiels
Literatur Larose, D. T. (2005): Discovering Knowledge in Data: An Introduction to Data Mining. Wiley.

Liu, B. (2008): Web Data Mining – Exploring Hyperlinks, Contents, and Usage Data. Springer-Verlag, Berlin.

Höpken, W., Keil, D., Fuchs, M., Lexhagen, M. (2015): Business intelligence for cross-process knowledge extraction at tourism destinations. Information Technology & Tourism, 15(2), pp. 101-130.

Fuchs, M., Höpken, W., Lexhagen, M. (2014): Big Data Analytics for Knowledge Generation in Tourism Destinations – A Case from Sweden. Journal of Destination Management & Marketing, 3(4), pp. 198-209.

Höpken, W., Fuchs, M. & Lexhagen, M. (2014): The Knowledge Destination – Applying Methods of Business Intelligence to Tourism Applications. In: Wang, J. (ed.) Encyclopedia of Business Analytics and Optimization, IGI Global, Hershey, PA, pp. 2542-2556.

Schmunk, S., Höpken, W., Fuchs, M., Lexhagen, M. (2014): Sentiment analysis – extracting decision-relevant knowledge from UGC. In: Xiang, Z., Tussyadiah, I. (eds.). Information and Communication Technologies in Tourism, Springer, Heidelberg, pp. 253-265.

Höpken, W., Fuchs, M., Keil, D., Lexhagen, M. (2011): The Knowledge Destination – A Customer Information-based Destination Management Information System. In: Law, R., Fuchs, M., Ricci, F. (eds.). Information and Communication Technologies in Tourism, Springer, New York, pp. 417-429.

RapidMiner: www.rapidminer.com
Lernziele Business Intelligence, d.h. die systematische Sammlung und Auswertung relevanter Unternehmens- bzw. Marktdaten in elektronischer Form, stellt ein Kerngebiet der Wirtschaftsinformatik dar. Mit dem rapiden Wachstum des World Wide Web sind auch die verfügbaren Informationen über relevante Märkte, Konkurrenzunternehmen und insb. Kunden und deren Verhalten in enormem Ausmaß gestiegen. Dennoch bleiben diese Daten bis heute weitgehend ungenutzt. Weder im online noch im offline Bereich werden die Möglichkeiten moderner Informationstechnologien zur Entscheidungsunterstützung ausreichend genutzt. Mittels Methoden aus dem Bereich Business Intelligence lassen sich bisher ungenutzte Wettbewerbspotentiale für Unternehmen erschließen.

Die Vorlesung gibt eine praxisorientierte Einführung in das Gebiet Business Intelligence und vermittelt Grundlagen und Techniken der Datenanalyse und des Data Mining und Web Data Mining. Die Studierenden erlangen praktische Erfahrung in der Anwendung der behandelten Techniken mittels des Data Mining Werkzeugs RapidMiner. Zur Sicherstellung eines maximalen Praxisbezugs wird in der Vorlesung das erlangte Wissen auf Realdaten über das Nutzungsverhalten auf Onlineplattformen angewendet. Auf Basis umfangreicher Realdaten können im Rahmen der Lehrveranstaltung realistische Auswertungen durchgeführt und den Studierenden Hands-On-Erfahrung vermittelt werden.
Voraussetzungen Die Vorlesung setzt keine speziellen Vorkenntnisse voraus und richtet sich an Studierende aller Studienrichtungen. Die Vorlesung ist Teil des Wahlpflichtbereichs "Business Intelligence" (zusammen mit der Vorlesung "Business Intelligence - praktische Umsetzung einer BI-Architektur"), kann jedoch auch unabhängig davon besucht werden.
Leistungsnachweis

Praktische Arbeit


Strukturbaum
Die Veranstaltung wurde 2 mal im Vorlesungsverzeichnis WiSe 2024/25 gefunden:
Wahlfächer  - - - 1
Wahlfächer  - - - 2