Business Analytics WS 11/12

Prof. Dr. Martin Bichler
M.Sc. Christian Hass, M.Sc. Ioannis Petrakis

Vorlesung + Übung im WS 11/12

Business Analytics (IN2028)

Organisation

• Zeiten und Orte:
  Vorlesung: Dienstags, 14.30 - 16.00 Uhr im MI HS2 (Deutsch)
  Übung: auf 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 02. September 2011 möglich.
• Übung:
  Raum MI 01.10.036 (DSS Computerlabor)
  Nähere Informationen zur Übung entnehmen Sie bitte der Übungsseite
• Klausur:
  Es wird eine Mid-term (25 Minuten) und eine Finalklausur (75 Minuten) geben.
• Midterm-Klausur:
  05.12.2011 17:30 Uhr, Ort: 5402.01.221K (CH 22210, Ivar-Ugi-Hörsaal), 5602.EG.001 (00.02.001, MI Hörsaal 1)
• Endklausur:
  07.02.2012 18:00 Uhr, Ort: 5510.EG.001 (MW 0001, Gustav-Niemann-Hörsaal CH)
  Details zu den Klausuren finden Sie auf der Übungsseite
• Klausurvorbesprechung:
  t.b.a.
• Wiederholungsklausur:
  03.04.2012 16:30 Uhr, Ort: 5508.01.801 (MW 1801, Ernst-Schmidt-Hörsaal)
  Details zu den Klausuren finden Sie auf der Übungsseite

Beschreibung und Ziele

Die Teilnehmer sind in der Lage, Daten für Analysezwecke zu strukturieren und diese mit Methoden aus der multivariaten Statistik und dem Data Mining auszuwerten. Sie sind vertraut mit Methoden zur Modellierung und Abfrage von Data Warehouses, kennen verbreitete Methoden für Klassifikation, für Zeitreihenanalyse und für Empfehlungssysteme, sowie typische Fragestellungen aus der betriebswirtschaflichen Praxis.

Artikel zum Thema:

• Business Analytics (Wikipedia)
• Business by Numbers in the Economist
• Competing on Analytics, Thomas H. Davenport in the Harvard Business Review
• Math Will Rock Your World, from Business Week

Syllabus

• 18.10. Introduction
• 25.10. OLAP
• 08.11. Statistics
• 15.11. Forecasting
• 22.11. Naive Bayes and Bayesian Networks
• 29.11. Decision Trees
• 05.12. Midterm Exam
• 06.12. Decision Trees and Rules
• 13.12. Evaluation of Classifiers
• 20.12. Guest Lecture by M. Heimann (Telefonica BIC)
• 10.01. Data Preparation
• 17.01. Logistic Regression
• 24.01. Association Rules and Recommenders
• 31.01. Clustering and Outlook
• 07.02. Final Exam

Übung

In der Übung werden sie Themen aus den Bereichen OLAP, Forecastung und Klassifikation bearbeiten. Dazu werden der Microsoft SQL Server und das Werkzeug Weka benutzt. Während in der Vorlesung der Schwerpunkt auf das Verständnis der Grundkonzepte und der Algorithmen gelegt wird, haben sie in der Übung die Möglichkeit einige dieser Algorithmen anhand von Datensätzen anzuwenden. Zusätzlich werden aber auch Probleme manuell berechnet, um das Verständnis für verschiedene Verfahren  zu verbessern. Am Ende des Semester wird ein Data Mining-Wettbewerb durchgeführt.

Nähere Informationen zur Übung entnehmen Sie bitte der Übungsseite.

Sie wollen "anonym" Ihre Kommentare oder Beschwerden zur Vorlesung oder Übung abgeben? Dann schicken Sie uns einfach eine E-Mail über dieses Web-Formular.

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 with Java Implementations, Morgan Kauffman, 2005
• Immon, Building the Data Warehouse, John Wiley & Sons,1996
• Wilson, Keating: Business Forecasting, McGraw-Hill, 2002

Weiterführende Literatur:

• Tom Mitchell: Machine Learning, Mc-Graw Hill, 1997.
• Margaret H. Dunham: Data Mining: Introductory and Advanced Topics, Prentice Hall, 2003.
• 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

M.Sc. Christian Hass (Übungsleitung)
Raum 01.10.053
Phone: 289-17508
E-Mail: This email address is being protected from spambots. You need JavaScript enabled to view it.

M.Sc. Ioannis Petrakis (Übungsleitung)
Raum 01.10.056
Phone: 289-17530
E-Mail: This email address is being protected from spambots. You need JavaScript enabled to view it.