| Dozent/in |
Benedikt Marxer, MA |
| Veranstaltungsart |
Vorlesung |
| Code |
HS251038 |
| Semester |
Herbstsemester 2025 |
| Durchführender Fachbereich |
Wirtschaftswissenschaften |
| Studienstufe |
Bachelor |
| Termin/e |
Fr, 19.09.2025, 10:15 - 14:00 Uhr, HS 1
Fr, 03.10.2025, 10:15 - 14:00 Uhr, HS 1
Fr, 10.10.2025, 10:15 - 14:00 Uhr, HS 7
Fr, 17.10.2025, 10:15 - 14:00 Uhr, HS 1
Fr, 31.10.2025, 10:15 - 14:00 Uhr, HS 1
Fr, 07.11.2025, 10:15 - 14:00 Uhr, HS 7
Fr, 14.11.2025, 10:15 - 14:00 Uhr, HS 1
Fr, 21.11.2025, 10:15 - 14:00 Uhr
Fr, 28.11.2025, 10:00 - 14:00 Uhr, Online
Fr, 05.12.2025, 10:15 - 14:00 Uhr, HS 7
Fr, 12.12.2025, 10:15 - 14:00 Uhr, HS 1
Fr, 16.01.2026, 08:15 - 09:45 Uhr, HS 1 (Prüfung) |
| Umfang |
4 Semesterwochenstunden |
| Turnus |
wöchentlich
|
| Inhalt |
Die Vorlesung bietet eine Einführung in “Data Analytics” für Wirtschaftswissenschaftler. Der erste Teil der Vorlesung (Block A) behandelt die Grundlagen der Programmierung in R (Loops, Funktionen, Wenn-Dann-Bedingungen etc.) sowie das Sammeln und Verwalten von Daten. Im zweiten Teil der Veranstaltung (Block B) widmen wir uns der Aufbereitung, Analyse und Visualisierung von Daten. Die integrierten Übungen besprechen Anwendungsbeispiele aus Betriebs- und Volkswirtschaftslehre. |
| Lernziele |
1) Die Studierenden können selbständig Daten sammeln und verwalten.
2) Die Studierenden können Daten für empirische Analysen sinnvoll aufbereiten.
3) Die Studierenden können die Muster in den Daten finden sowie empirische Resultate visualisieren.
4) Die Studierenden können wirtschaftliche Entscheidungsprozesse mittels fun-dierter Datenanalyse unterstützen. |
| Voraussetzungen |
Statistik |
| Sprache |
Deutsch |
| Anmeldung |
Für den Besuch der Lehrveranstaltung / Übung wird die Einschreibung über die E-Learning-Plattform OLAT vorausgesetzt. Die Einschreibung ist vom 1. – 26. September 2025 möglich. Die Studierenden sind selbst dafür verantwortlich, die Anrechenbarkeit der Lehrveranstaltung an ihren Studiengang zu überprüfen. Direktlink zum OLAT-Kurs: folgt |
| Prüfung |
***WICHTIG*** Um Credits zu erwerben, resp. an der Prüfung teilzunehmen, ist eine Anmeldung über das Uni-Portal innerhalb der Prüfungsanmeldefrist ZWINGEND ERFORDERLICH. Weitere Informationen zur Anmeldung: www.unilu.ch/wf/pruefungen |
| Abschlussform / Credits |
Schriftliche Prüfung / 6 Credits
|
| Hörer-/innen |
Ja |
| Kontakt |
benedikt.marxer@unilu.ch |
| Literatur |
Die Vorlesung basiert auf folgenden Lehrbüchern:
- Wickham, Hadley, Mine Çetinkaya-Rundel und Garett Gorlemund (2023). R for Data Science, 2nd Edition. O’Reilly Media, Inc. Online: r4ds.hadley.nz
- Winston Chang (2018). R Graphics Cookbook, 2nd Edition. O’Reilly Media, Inc. Online: r-graphics.org
Diese Bücher sind online zugänglich
|