### PO 2024 ###
### Studiengang und Semester
1MBM
### Modulbezeichnung
Data Science und Statistik 
### Englische Modulbezeichnung
Data Science and Statistics
### Art
Wahlpflichtmodul
MBM: Wahlpflichtfach Management Techniken
### ECTS-Punkte
5
### Studentische Arbeitsbelastung
60, 90
### Voraussetzungen (laut Prüfungsordnung)
keine
### Empfohlene Voraussetzungen
keine
### Pruefungsform und -dauer
Portfolio:
Zwei schriftliche Hausaufgaben, jeweils ca. 8 Seiten, jeweils 25%
Eine selbständige Datenanalyse mit schriftlichem Report (ca. 12 Seiten) und einer Präsentation (ca. 15 Minuten), 50%


### Lehrmethoden und Lernmethoden
Vorlesung, Übung am Rechner
### Modulverantwortlicher
Till Becker
### Qualifikationsziele
Die Studierenden erwerben ein fortgeschrittenes Verständnis der Konzepte, Techniken und Werkzeuge der Data Science und Statistik, einschließlich statistischer Modellierung, maschinellem Lernen, Datenextraktion und -aufbereitung, sowie Datenvisualisierung. Sie verstehen, wie Datenanalyse und statistische Methoden in verschiedenen Geschäftsfeldern angewendet werden können, um Entscheidungsprozesse zu unterstützen und Geschäftsleistung zu verbessern. Sie sollen die ethischen, rechtlichen und sozialen Aspekte des Einsatzes von Data Science in der Geschäftswelt verstehen.
Die Studierenden sind in der Lage, fortgeschrittene Data-Science- und statistische Techniken anzuwenden, um Geschäftsdaten zu analysieren und aussagekräftige Erkenntnisse zu generieren. Sie können Data-Science-Projekte effektiv leiten und steuern, einschließlich der Identifizierung von Geschäftsproblemen, die durch Datenanalyse gelöst werden können, der Auswahl geeigneter Methoden und Werkzeuge, und der Interpretation und Kommunikation von Ergebnissen.
Sie entwickeln ein Bewusstsein für die Notwendigkeit der ständigen Weiterbildung und Anpassung an die sich schnell entwickelnde Landschaft der Data Science
Die Studierenden sind in der Lage, technische und geschäftsbezogene Aspekte der Data Science und Statistik klar und effektiv zu kommunizieren, sowohl schriftlich als auch mündlich, an verschiedene Stakeholder.


### Lehrinhalte
* Grundlagen
* Fragebögen
* Data Science als Beruf
* Uni- und multivariate Analyse
* Regression
* Klassifikation
* Clusteranalyse
* Text Mining

### Literatur
Lernmaterialien werden über eine Online-Plattform zur Verfügung gestellt; 
Handl, Kuhlenkasper: Einführung in die Statistik - Theorie und Praxis mit R, Springer, jeweils neueste Auflage
Backhaus u.a.: Multivariate Analysemethoden, Springer, jeweils neueste Auflage


### Titel der Lehrveranstaltung
Data Science und Statistik
### Dozent
Till Becker
### SWS
4