Modulverantwortliche:
Prof. Dr. Claudia Brözel
Anzeige im Stundenplan:
M.04.1924
Dauer:
1
Anzahl Wahlkurse:
0
Credits:
6,0
Startsemester:
SoSe 2023
Studiensemester:
2
Inhalt:
Das Modul gibt eine praxisorientierte Einführung in das Gebiet Data Mining und Big Data und vermittelt Grundlagen und
Techniken der Datenanalyse. Die Studierenden erlangen praktische Erfahrung in der Anwendung der behandelten Techniken
mittels des Data Mining Werkzeugs RapidMiner. Zur Sicherstellung eines maximalen Praxisbezugs wird in der Vorlesung das
erlangte Wissen auf Realdaten angewendet.
Im Einzelnen werden in dem Modul folgende Themen behandelt:
• Data Mining
o Grundlegende Techniken der Datenvorverarbeitung
o Explorative Datenanalyse und OLAP
o Assoziationsregeln
o Supervised Learning (Klassifikation)
o Unsupervised Learning (Cluster-Bildung)
• Web Data Mining
o Web-Suche & Linkanalyse
o Extraktion strukturierter Daten: Web Crawling & Wrapper-Generierung
o Social Media Analysen und Sentiment Analysis
o Web Usage Mining
o Recommendersysteme und Targeting
Dieses Modul bedient Inhalte, die sich unter folgenden Zielen für nachhaltige Entwicklung (SDG) einordnen lassen:
• 4. Hochwertige Bildung
• 5. Geschlechtergleichheit
• 9. Industrie, Innovation und Infrastruktur
• 17. Partnerschaften zur Erreichung der Ziele
Teilnahmevoraussetzung:
Fundierte Statistikkenntnisse werden
vorausgesetzt.
Informationen zur Lehrform:
Vorlesung, Seminar, Übung
Prüfungsleistung:
(H) Hausarbeit
R (ES)
Fachkompetenz (in %):
50
Sozialkompetenz (in %):
20
Personale Kompetenz (in %):
30
Literatur:
Larose, D. T. (2005): Discovering Knowledge in Data: An Introduction to Data Mining. Wiley.
Liu, B. (2008): Web Data Mining – Exploring Hyperlinks, Contents, and Usage Data. Springer-Verlag, Berlin.
Höpken, W., Keil, D., Fuchs, M., Lexhagen, M. (2015): Business intelligence for cross-process knowledge extraction at tourism
destinations. Information Technology & Tourism, 15(2), pp. 101-130.
Fuchs, M., Höpken, W., Lexhagen, M. (2014): Big Data Analytics for Knowledge Generation in Tourism Destinations – A Case
from Sweden. Journal of Destination Management & Marketing, 3(4), pp. 198-209.
Höpken, W., Fuchs, M. & Lexhagen, M. (2014): The Knowledge Destination – Applying Methods of Business Intelligence to
Tourism Applications. In: Wang, J. (ed.) Encyclopedia of Business Analytics and Optimization, IGI Global, Hershey, PA, pp. 2542-
2556.
Schmunk, S., Höpken, W., Fuchs, M., Lexhagen, M. (2014): Sentiment analysis – extracting decision-relevant knowledge from
UGC. In: Xiang, Z., Tussyadiah, I. (eds.). Information and Communication Technologies in Tourism, Springer, Heidelberg, pp.
253-265.
Höpken, W., Fuchs, M., Keil, D., Lexhagen, M. (2011): The Knowledge Destination – A Customer Information-based Destination
Management Information System. In: Law, R., Fuchs, M., Ricci, F. (eds.). Information and Communication Technologies in
Tourism, Springer, New York, pp. 417-429.
RapidMiner: www.rapidminer.com
|
