Modul BWL-MSc-BA-M03


1. Name des Moduls: Data Science & Machine Learning
1a. Module name (english): Data Science & Machine Learning
1b. Bezeichnung Prüfungsordnung: Data Science and Econometrics 5 (Data Science & Machine Learning)
2. Fachgebiet / Verantwortlich: Prof. Dr. Daniel Rösch
3. Inhalte des Moduls: - Statistische Modellierung und angewandte Regressionsanalyse - Fortgeschrittene Methoden des Machine Learnings
4. Qualifikationsziele des Moduls / zu erwerbende Kompetenzen: Nach Abschluss des Moduls kennen und verstehen die Studierenden fortgeschrittene Methoden und Verfahren der Data Science. Ein besonderer Fokus des Moduls lag auf der Anwendung der erarbeiteten Methoden auf praxisrelevante Fragestellungen. Neben einer intensiven Diskussion von Fallbeispielen wurde dies unter anderem durch softwarebasierte Datenanalysen sichergestellt. Die vermittelten Entscheidungs- und Prognosetechniken haben den Studierenden zudem einen fundierten Einblick in die vielfältigen Anwendungsgebiete des Machine Learnings gewährt. Die Übung hat die Inhalte der Vorlesung an Beispielen und Fallstudien vertieft und die Studierenden in die Lage, eigenständige Analysen zu betreiben, versetzt.
5. Teilnahmevoraussetzungen:
    a) empfohlene Kenntnisse BWL-BSc-BA-M01 Applied Data Science WiWi-BSc-Q02 Statistik 1 für Wirtschaftswissenschaften WiWi-BSc-Q03 Statistik 2 für Wirtschaftswissenschaften
    b) verpflichtende Nachweise keine
6. Verwendbarkeit des Moduls: MSc BWL (PO2024), SPMG "Business Analytics and Operations Management" MSc BWL HNRS (PO2024), SPMG "Business Analytics and Operations Management" MSc VWL HNRS (PO2024), SPMG "Data Science and Econometrics" MSc DB (PO2025), PMG "Analytics" MSc WI HNRS (PO2024), PMG "General Management" MSc WInfo (PO2021), PMG "Grundlagen der Unternehmensführung"
7. Angebotsturnus des Moduls: Wintersemester
8. Das Modul kann absolviert werden in: 1 Semester
9. Empfohlenes Fachsemester: Fachsemester
10. ECTS 6
11. Arbeitsaufwand des Moduls (Workload) / Anzahl Leistungspunkte: Gesamt in Stunden: 180 (6 ECTS*30 Stunden) davon: 1. Präsenzzeit: 60 Std. (4 SWS) 2. Selbststudium (inkl. Prüfung): 120 Std.

Das Modul ist erfolgreich absolviert, wenn die unten näher beschriebenen Leistungen erfüllt sind:

12.Modulbestandteile:
Nr. P/WP/W Lehrform Themenbereich SWS ECTS Studienleistung
1 P Vorlesung Data Science & Machine Learning 2 3
2 P Übung Data Science & Machine Learning 2 3
13. Modulprüfung:
Nr. Kompetenz Art der Prüfung Dauer Seiten­umfang Zeitpunkt Anteil (%)
1 Data Science & Machine Learning Klausur 90 Minuten Prüfungszeitraum: Erste bis vierte Woche nach Vorlesungsende 100
14. Bemerkungen: - Die Wiederholungsprüfung ist grundsätzlich nicht für Erstschreiber offen (Ausnahmen: Krankheit und Auslandsaufenthalt).