DSS
Decision Sciences & Systems
Technical University of Munich
 

Prof. Dr. Martin Bichler, Per Paulsen M.A., Dr. Paul Karänke

Vorlesung + Übung im WS 14/15

Business Analytics (IN2028)

Organisation

  • Zeiten und Orte:
    Vorlesung: Freitag, 08.30 - 10.00 Uhr im Hochbrück Hörsaal 2 (0.01.17, 8102.EG.117), Lageplan hier und hier (Deutsch)
  • Beschreibung:
    Hörerkreis und ECTS
  • Vorkenntnisse:
    Grundlagen Algorithmen und Datenstrukturen, Datenbanken und Statistik (Modulbeschreibung)
  • Registrierung:
    Für die Teilnahme ist eine Registierung in TUMonline erforderlich. Die Anmeldung ist ab t.b.a. möglich.
  • Übung:
    Seminarraum MI 01.10.011
    Nähere Informationen zur Übung entnehmen Sie bitte der Übungsseite
  • Klausuren:
    Es wird eine Finalklausur (75 Minuten) geben.
    Details zu den Klausuren finden Sie auf der Übungsseite
 

Beschreibung und Ziele

Die Teilnehmer sind in der Lage, Daten mit Methoden aus der Ökonometrie und dem Data Mining auszuwerten. Sie sind vertraut mit Methoden für Klassifikation, numerische Vorhersage, Clustering und Assoziationsregeln sowie typische Fragestellungen aus der betriebswirtschaflichen Praxis. In der Übung kommt die Programmiersprache R zum Einsatz.

Artikel zum Thema:

Syllabus

17.10.2014 Introduction
24.10.2014 Inferential Statistics 
31.10.2014 Numerical Prediction
07.11.2014 Logistic Regression
14.11.2014 Endogeneity and GLMs
21.11.2014 Naive Bayes
28.11.2014 Decision Trees
05.12.2014 Data Preparation
12.12.2014 Evaluation of Classifiers 
19.12.2014 Guest Lecture
09.01.2015 Ensemble Methods and More
16.01.2015 Clustering 
23.01.2015 Association Rules and Recommenders
Final Exam

Literatur

Die Vortragsfolien zur Vorlesung sind über MOODLE zugänglich. Der Stoff der Vorlesung kann in Kapiteln aus folgenden Lehrbüchern nachgelesen werden. Die relevanten Kapitel stehen auch als Kopiervorlage im Sekretariat des Lehrstuhles zur Verfügung:

  • Ian Witten, Eibe Frank: Data Mining: Practical Machine Learning Tools and Techniques, 3rd ed., Morgan Kauffman, 2011 (E-Book)
  • Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirnai: An Introduction to Statistical Learning, Springer, 2014 (E-Book)
  • Jay Kearns: Introduction to Probability and Statistics using R, 2010 (E-Book)

Weiterführende Literatur:

  • Tom Mitchell: Machine Learning, Mc-Graw Hill, 1997.
  • Margaret H. Dunham: Data Mining: Introductory and Advanced Topics, Prentice Hall, 2003.
  • J. H. Wilson, B. Keating: Business Forecasting, McGraw-Hill, 2002
  • Jiawei Han, Micheline Kamber: Data Mining: Concepts and Techniques, Morgan Kauffman, 2001.
  • David J. Hand, Heikki Mannila, Padhraic Smyth: Principles of Data Mining, MIT Press, 2001.
  • Michael Berthold, David Hand: Intelligent Data Analysis, An Introduction, 2te Auflage, Springer Verlag, 2003.

Dozenten

Prof. Dr. Martin Bichler 
Raum 01.10.061 (Garching) 
Phone: 289-17534 
E-Mail: This email address is being protected from spambots. You need JavaScript enabled to view it. 
Sprechstunde nach Vereinbarung

Per Paulsen, M.A. (Übungsleitung)
Raum 01.10.055
Phone: 289-17506
E-Mail: This email address is being protected from spambots. You need JavaScript enabled to view it.

Dr. Paul Karänke (Übungsleitung)
Raum 01.10.057
Phone: 289-17504
E-Mail: This email address is being protected from spambots. You need JavaScript enabled to view it.

Decision Sciences & Systems (DSS), Department of Informatics (I18), Technische Universität München, Boltzmannstr. 3, 85748 Garching, Germany
©2002-2017 DSS All Rights Reserved
Impressum, Privacy Policy, Copyright Information and Disclaimer