Nach erfolgreichem Abschluss dieses Moduls besitzen die Studierenden Kompetenzen im Umgang mit Methoden zur Verarbeitung von Prozessdaten, Benutzerverhalten und Meinungen. Sie verwenden dafür Visualisierungstools (z. B. Rapid Miner, Matlab, Python). Die erworbenen fachlichen und methodischen Kompetenzen zielen auf die Vorbereitung für das Berufsleben ab.
 

Den Studierenden werden hierbei Kenntnisse zu folgenden grundlegenden Themenbereichen vermittelt:
•    Aufbereitung nicht-numerischer Daten aus heterogenen Quellen (Big Data),
•    Maschinelles Lernen, Clusterung und Visualisierung Predictive Modelling, Deep Learning

Vorlesung, Übungen in Kleingruppen.

Deutsch und Englisch

Hausarbeit oder Referat/Präsentation bzw. mündliche Prüfung; die genaue Prüfungsform wird zu Beginn des Semesters bekannt gegeben.

3
(90 h = 30 h Präsenz- und 60 h Eigenstudium, inkl. Prüfungsvorbereitung und Prüfung)

Anasse B., „Predictive Analytics for Dummies“, John Wiley & Sons, 2014
Duda, R. O., Hart, P. E., Stork D. G., “Pattern Classification”, 2nd edition, John Wiley & Sons, New York, 2001
Haberich, R., „Future Digital Business“, 2013
Keller, I., „Klassifikation in der Multimedia-Kommunikation“, Vorlesungsscript an der TU Berlin, Stand Juli 2014
docs.rapidminer.com/downloads/RapidMiner-v6-user- manual.pdf, Stand 2018