| Dozent/in |
Massimo Mannino |
| Veranstaltungsart |
Vorlesung |
| Code |
FS191494 |
| Semester |
Frühjahrssemester 2019 |
| Durchführender Fachbereich |
Wirtschaftswissenschaften |
| Termin/e |
Mi, 27.02.2019, 10:15 - 14:00 Uhr, HS 2
Mi, 13.03.2019, 10:15 - 14:00 Uhr, HS 12
Mi, 20.03.2019, 10:15 - 14:00 Uhr, HS 12
Mi, 03.04.2019, 10:15 - 14:00 Uhr, HS 12
Mi, 17.04.2019, 10:15 - 14:00 Uhr, HS 12
Mi, 01.05.2019, 10:15 - 14:00 Uhr, HS 12
Mi, 15.05.2019, 10:15 - 14:00 Uhr, HS 12
Mi, 29.05.2019, 12:15 - 16:00 Uhr, HS 12
Fr, 31.05.2019, 08:15 - 09:45 Uhr, HS 9 (Prüfung) |
| Umfang |
2 Semesterwochenstunden |
| Turnus |
zweiwöchentlich |
| Inhalt |
Die Vorlesung macht die Studierenden mit einem breiten Spektrum an Modellen im Bereich Machine Learning vertraut. Der Kurs wird sich auf praxisnahe Machine-Learning-Anwendungen konzentrieren und datenwissenschaftliche Techniken vermitteln, die zur Lösung realer Probleme aus der Unternehmenswelt befähigen. Mittels modernster Busi-ness Intelligence Technologien (Qlik Sense und Microsoft Power BI) lernen die Studierende, Modellresultate zu visualisieren und Resultate effizient zu kommunizieren. Die integriert angebotenen Übungen besprechen Anwendungsbeispiele aus Betriebs- und Volkswirtschaftslehre.
Spannende Antworten zur Veranstaltung: www.unilu.ch/wf-wahlpflicht |
| Lernziele |
Lernziele
1) Die Studierenden können selbständig Daten sammeln, aufbereiten und analysieren.
2) Die Studierenden können Methoden im Bereich Machine Learning anwenden.
3) Die Studierenden können mittels modernster Business Intelligence Technologien Daten visualisieren.
4) Die Studierenden können Modellresultate effektiv kommunizieren.
|
| Voraussetzungen |
Besuch der Vorlesung "Angewandte Statistik und Ökonometrie" wird vorausgesetzt, Besuch der Vorlesung "Data Analytics und Decision Support" wird empfohlen. |
| Sprache |
Deutsch |
| Anmeldung |
Für den Besuch der Lehrveranstaltung / Übung wird die Einschreibung über die E-Learning-Plattform OLAT vorausgesetzt. Die Einschreibung ist vom 4. Februar bis 1. März 2019 möglich. Die Studierenden sind selbst dafür verantwortlich, die Anrechenbarkeit der Lehrveranstaltung an ihren Studiengang zu überprüfen.
Direktlink zum OLAT-Kurs:
https://lms.uzh.ch/url/RepositoryEntry/16521331197 |
| Prüfung |
Prüfungsdaten siehe Termine!
***WICHTIG*** Um an der Prüfung teilzunehmen, ist eine Anmeldung über das UniPortal innerhalb des Prüfungsanmeldezeitraums ZWINGEND ERFORDERLICH. Weitere Informationen zur Prüfungsanmeldung: www.unilu.ch/wf/pruefungen. |
| Abschlussform / Credits |
Benotete Prüfung / 3 Credits
|
| Hörer-/innen |
Nein |
| Kontakt |
massimo.mannino@datacareer.ch |
| Literatur |
Gareth James, Daniela Witten, Trevor Hastie, and Robert Tibshirani (2013). An Introduction to Statistical Learning with Applications in R. Springer. URL: http://www-bcf.usc.edu/~gareth/ISL/ |