Data Mining

Bitte schreiben Sie sich in die allgemeine Veranstaltung (Vorlesung) ein. Die Einschreibung erfolgt über OPAL im Zeitraum vom 26.09.2022 (09:00 Uhr) bis spätestens 06.11.2022. Zur besseren Planung und Kommunikation, würden wir uns freuen, wenn Sie sich frühzeitig (d.h. vor der ersten Vorlesung) einschreiben.

Die Einschreibung in die Übungsgruppen erfolgt nach dem Start der Vorlesung. 

Dieser Kurs findet als planmäßige Lehrveranstaltung für den Masterstudiengang Business Intelligence & Analytics (BIA) sowie die Masterstudiengänge Kundenbeziehungsmanagement und Value Chain Management statt und gilt als Ersatzveranstaltung für Entscheidungsunterstützungssysteme im Bachelorstudiengang Wirtschaftsinformatik. Studierende anderer Studiengänge können freie Restplätze nutzen, die Einschreibung ist in diesem Fall unverbindlich, Sie erhalten eine Rückmeldung nach Einschreibungsende.

Seit dem Wintersemester 2011/12 wird die Veranstaltung nach dem innovativen Konzept des Blended Learnings, in einer aufeinander abgestimmten Verwendung verschiedener Lehrmittel und -formen durchgeführt: Die Vorlesung findet semesterbegleitend wöchentlich als Präsenzveranstaltung statt. Die Übung gliedert sich in einen e-Learning-Anteil, der semesterbegleitend im zweiwöchentlichen Rhythmus selbständig von den Teilnehmern zu bearbeiten ist und einen Praxisteil.

• Data Mining Überblick: Bissantz N, Hagedorn J (1999) Data Mining (Datenmustererkennung), WI 51(1):139-144.
• Cleve, J. (2016). Data Mining (2. Auflage.). Berlin: De Gruyter Oldenbourg
• Data Mining Vorgehensmodell: CRISP 1.0 Process and User Guide
• Data Mining Phase Deployment: Grob HL, Bensberg F, Coners A (2008) Regelbasierte Steuerung von Geschäftsprozessen – Konzeption eines Ansatzes auf Basis von Process Mining, WI 50(4):268-281.
• Clusteranalyse: Sehr gelungenes studentisches Projekt zum Thema Clusteranalyse der TU München