--- Angabe der Prüfungsordnung (ohne Angabe: PO 2011)
*** PO 2021 ***
------------------------------------------------------------------
---
--- Vorlage für Modulbeschreibungen
---
--- Version: 2.0
---
--- Allgemeine Hinweise:
---
--- - Kommentare beginnen mit --- und werden komplett ignoriert
---
--- - Wichtige Schlüsselwörter beginnen mit *** und dürfen nicht
---   verändert oder gelöscht werden!!!
---
--- - Die Eingaben müssen immer in den leeren Zeilen nach *** erfolgen.
---
--- - Für einen Zeilenumbruch muss eine Leerzeile eingegeben werden.
---
------------------------------------------------------------------

*** Studiengang und Semester
--- für Studiengang nur Kürzel verwenden: BaE, BaEP, BaI, BaMT oder MaII
--- Folgende Stuiengänge sind möglich:
--- 
--- BaBTBI : Bachelor Biotechnologie/Bioinformatik
--- BaCTUT : Bachelor Chemietechnik/Umwelttechnik
--- BaE    : Bachelor Elektrotechnik
--- BaEE   : Bachelor Energieeffizienz
--- BaSES  : Bachelor Sustainable Energy Systems
--- BaEP   : Bachelor Elektrotechnik im Praxisverbund
--- BaI    : Bachelor Informatik
--- BaIBS  : Bachelor Industrial Business Systems
--- BaIBSE : Bachelor Industrial Business Systems
--- BaLT   : Bachelor Lasertechnik/Photonik
--- BaMD   : Bachelor Maschinenbau und Design
--- BaMDP  : Bachelor Maschinenbau und Design (Praxisverbund)
--- BaMT   : Bachelor Medientechnik
--- MaALS  : Master Applied Life Science
--- MaII   : Master Industrial Informatics
--- MaMb   : Master Maschinenbau
--- MaTM   : Master International Technical Management
--- MaTMeng: Master International Technical Management (eng)
---
--- Das Semester wird davor geschrieben, auch Semesterbereiche möglich
--- Wenn das Modul in mehreren Studiengängen verwendet wird, werden diese
--- durch Komma getrennt aufgeführt.
---
--- Beispiel: 2BaI, 2-3BaE, 5BaMT

1MAM

*** Modulbezeichnung
--- Name laut Modulliste verwenden

Data Science in der BWL

---*** Englische Modulbezeichnung

Data Science in Management

*** Art
--- nur Alternativen: Pflichtfach, Wahlpflichtfach
---
--- Beispiele: 
--- Pflichtfach
--- Wahlpflichtfach
--- Pflichtfach Vertiefung Technische Informatik

Pflichtfach

*** ECTS-Punkte
--- nur Zahl angeben
--- Beispiele:
--- 5
--- 7,5

5

*** Studentische Arbeitsbelastung
--- Angabe als x Stunden Kontaktzeit und y Stunden Selbststudium
--- Format: x, y
--- bei 2V+2P: 60, 90
--- bei 3V+1P: 60, 90
--- bei 4V+0P: 60, 90
--- bei 4V+2P: 90, 135

40,110

*** Voraussetzungen (laut Prüfungsordnung)
--- nur Modulbezeichnungen aufführen, z.B. Java 1

keine

*** Empfohlene Voraussetzungen
--- zusätzliche Module, die nicht in Prüfungsordnung als Voraussetzung stehen
--- nur Modulbezeichnungen aufführen, z.B. Java 1

keine

*** Pruefungsform und -dauer
--- Alternativen:
--- Klausur 1,5 h
--- Klausur 1,5h oder mündliche Prüfung
--- Mündliche Prüfung
--- Erstellung und Dokumentation von Rechnerprogrammen
--- Mündliche Präsentation und schriftliche Dokumentation

Portfolio

*** Lehrmethoden und Lernmethoden
--- Alternativen: Vorlesung, Praktikum, Seminar, Studentische Arbeit
--- Falls Modul aus mehreren Veranstaltungen besteht, werden diese durch
--- Komma getrennt aufgeführt.

Vorlesung, Gruppenarbeit, Übung am Rechner, Projekte

*** Modulverantwortlicher
--- Vorname abgekürzt, keine Titel
--- Beispiel: F. Rump

T. Becker

*** Qualifikationsziele
--- Fließtext eingeben
--- siehe Vorgaben in der Dokumentation

Die Studierenden kennen das Berufsbild des Data Scientist und die dazugehörigen Aufgaben im Unternehmen. 

Sie kennen gängige Vorgehensweise zur Sammlung betriebswirtschaftlich relevanter Daten und sind in der Lage, Rohdaten für die weitere Datenanalyse zu transformieren.

Sie können die Anwendungsvoraussetzungen ausgewählter Methoden der Data Science prüfen und diese Methoden mithilfe einschlägiger Softwaretools auf betriebswirtschaftliche und wissenschaftliche Fragestellungen anwenden, die Ergebnisse interpretieren und visualisieren.

*** Lehrinhalte
--- Fließtext eingeben

- Datenanalytisches Denken im betriebswirtschaftlichen Kontext
- Datenaufnahme und -vorverarbeitung, Datenbankabfragen
- Ausgewählte Methoden, z.B. Klassifikation, Clustering, Assoziation, Text Mining
- Visualisierung von Ergebnissen

Die Veranstaltungsunterlagen (Skripte, Videos, Aufgaben) werden elektronisch zur Verfügung gestellt und können jederzeit individuell bearbeitet werden. Regelmäßige Hausaufgaben vertiefen die Anwendung. Die Studierenden erhalten Feedback zu ihren Lösungen. 

*** Literatur
--- Format: Heun, V.: Grundlegende Algorithmen, Vieweg, 2000.
--- Mehrere Literaturangaben durch Leerzeilen trennen!

Provost, Fawcett: Data Science für Unternehmen, mtip, 2017; Wickham, Grolemund: R für Data Science, O’Reilly, 2018


------------------------------------------------------------------
---
--- Hier beginnt die Aufzählung der einzelnen Lehrveranstaltungen
--- des Moduls (z.B. Vorlesung und Praktikum).
---
--- Falls mehrere Lehrveranstaltungen vorgesehen sind, bitte die
--- entsprechenden Bereiche auskommentieren.
---
------------------------------------------------------------------

*** Titel der Lehrveranstaltung
--- Beispiel: Praktikum Informationssysteme

Data Science in der BWL

*** Dozent
--- Vorname abgekürzt, keine Titel
--- Beispiel: F. Rump

T. Becker

*** SWS
--- Zahl angeben

4

---*** Titel der Lehrveranstaltung


---*** Dozent


---*** SWS


---*** Titel der Lehrveranstaltung


---*** Dozent


---*** SWS