Universität Wien
Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.

040253 KU Business Intelligence und Advanced Analytics (MA) (2024S)

6.00 ECTS (3.00 SWS), SPL 4 - Wirtschaftswissenschaften
Prüfungsimmanente Lehrveranstaltung

Die weiteren 2 ETCS werden in Form eines Seminars (SE) mit dem Thema "Innovative Business Modelle für eServices" von o. Univ.-Prof. Dr.techn. Dimitris Karagiannis in englischer Sprache abgehalten!
Und dies ist nur für Studierende aus dem Minor "Analytics for eServices and Operations"!

Standort: Währinger Strasse 29

Gemeinsame Vorbesprechung mit der LV 040190 am DO 07.03.2024 ab 18:30 HS7 OMP.

Da die praktische Übungen im PC-Seminarraum stattfindet, werden nur 25 Anmeldungen zu der Kurskombination zugelassen, da sonst keine Übungsplätze für alle vorhanden sind.

Zur endgültigen Lehrveranstaltung-Aufnahme ist ein pünktliches Erscheinen zur Vorbesprechung notwendig. Unentschuldigtes Fernbleiben führt zum Verlust des Lehrveranstaltung-Platzes.
Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 25 Teilnehmer*innen
Sprache: Deutsch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Donnerstag 07.03. 16:45 - 18:15 Hörsaal 3, Währinger Straße 29 3.OG
    Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
  • Donnerstag 07.03. 18:30 - 20:00 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 14.03. 11:30 - 14:45 PC-Seminarraum 2 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Donnerstag 14.03. 15:00 - 16:30 PC-Seminarraum 2 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Donnerstag 14.03. 16:45 - 18:15 Hörsaal 3, Währinger Straße 29 3.OG
    Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
  • Donnerstag 14.03. 18:30 - 20:00 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 21.03. 16:45 - 18:15 Hörsaal 3, Währinger Straße 29 3.OG
    Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
  • Donnerstag 21.03. 18:30 - 20:00 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 11.04. 16:45 - 18:15 Hörsaal 3, Währinger Straße 29 3.OG
    Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
  • Donnerstag 11.04. 18:30 - 20:00 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 18.04. 16:45 - 18:15 Hörsaal 3, Währinger Straße 29 3.OG
    Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
  • Donnerstag 18.04. 18:30 - 20:00 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 25.04. 16:45 - 18:15 Hörsaal 3, Währinger Straße 29 3.OG
    Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
  • Donnerstag 25.04. 18:30 - 20:00 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 02.05. 16:45 - 18:15 Hörsaal 3, Währinger Straße 29 3.OG
    Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
  • Donnerstag 02.05. 18:30 - 20:00 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 16.05. 16:45 - 18:15 Hörsaal 3, Währinger Straße 29 3.OG
    Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
  • Donnerstag 16.05. 18:30 - 20:00 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 23.05. 16:45 - 18:15 Hörsaal 3, Währinger Straße 29 3.OG
    Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
  • Donnerstag 23.05. 18:30 - 20:00 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 06.06. 16:45 - 18:15 Hörsaal 3, Währinger Straße 29 3.OG
    Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
  • Donnerstag 06.06. 18:30 - 20:00 Hörsaal 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 13.06. 16:45 - 18:15 Hörsaal 3, Währinger Straße 29 3.OG
    Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
  • Donnerstag 13.06. 18:30 - 20:00 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 20.06. 16:45 - 18:15 Hörsaal 3, Währinger Straße 29 3.OG
    Hörsaal 8 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 20.06. 18:30 - 20:00 Hörsaal 8 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 27.06. 16:45 - 18:15 Hörsaal 3, Währinger Straße 29 3.OG
    Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
  • Donnerstag 27.06. 18:30 - 20:00 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Ausgewählte Teilgebiete aus Business Intelligence, Data Warehouse, Data Mining, OLAP sowie Thema rund um Big Data und Predictive Analytics

Art der Leistungskontrolle und erlaubte Hilfsmittel

Mitarbeit, Lösung von Aufgaben, Leistungskontrollen (ohne Unterlagen), Fallstudien

Mindestanforderungen und Beurteilungsmaßstab

• Theorie

o Klausur (50%) (ohne Unterlagen)

• Praktisch/Projekt (inkl. Programmierteil) (min. 40% aus beiden Teilen)

o Erarbeiten einer Fallstudie (35%)

o Umsetzung von praktischen Aufgaben (15%)

Alle Teilleistungen des Projektteils sind fristgerecht über Moodle einzureichen!

• Anwesenheitspflicht

In Summe müssen mehr als 50% der Anforderungen erfüllt sein, um diese LV positiv zu absolvieren.

Notenschlüssel (Bewertungsskala):

Höchste Niedrigste Note

100,00 % 88,00 % 1

87,99 % 75,00 % 2

74,99 % 63,00 % 3

62,99 % 50,00 % 4

49,99 % 0,00 % 5

Prüfungsstoff

in den LV-Einheiten durchgenommene Inhalte + zusätzliche Materialien auf der eLearning-Plattform Moodle

Literatur

Die Literaturliste wird auf Moodle publiziert.

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Mi 31.07.2024 11:25