Predictive Analytics: 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. Datensicherheit in der vernetzten Welt: Das Ziel dieser Lehrveranstaltung ist es, die IT-Sicherheits- und Datenschutzaspekte vernetzter Dienste aus Sicht des Data Minings zu betrachten.
Nach erfolgreichem Abschluss dieses Moduls besitzen die Studierenden eine grundsätzliche Sensibilisierung für eine nachhaltige unternehmerische Governance. Damit sollen die Studierenden in die Lage versetzt werden, moderne Technologien wie Big Data und Data Mining/Predictive Analytics sicher und im Einklang mit ethischen und normenrechtlichen Anforderungen des Daten- und Persönlichkeitsschutzes auszuwählen und einzusetzen. Die Studierenden entwickeln eine ausgeprägte Problemlösungs- und Beurteilungskompetenz.
Den Studierenden werden hierbei Kenntnisse zu folgenden grundlegenden Themenbereichen vermittelt:
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
Witt, B.C., Datenschutz kompakt
Helisch, M.: Security Awareness, <kes>, 2009
Logemann, T., „Datenschutz in Unternehmen“
Hofstetter, Y., „Das Ende der Demokratie“, Bertelsmann, 2016
Vorlesung, Übungen in Kleingruppen.
Deutsch
Hausarbeit oder Referat/Präsentation bzw. mündliche Prüfung; die genaue Prüfungsform wird zu Beginn des Semesters bekannt gegeben.
6 (180 h = 60 h Präsenz- und 120 h Eigenstudium)