Warning! The directory is not yet complete and will be amended until the beginning of the term.

040006 UK Data Science Praxisbeispiele mit SAS (2019S)

4.00 ECTS (2.00 SWS), SPL 4 - Wirtschaftswissenschaften

Continuous assessment of course work

Moodle

Registration/Deregistration

Note: The time of your registration within the registration period has no effect on the allocation of places (no first come, first served).

Registration is open from Mo 11.02.2019 09:00 to We 20.02.2019 12:00
Registration is open from Tu 26.02.2019 09:00 to We 27.02.2019 12:00
Deregistration possible until Th 14.03.2019 23:59

Details

max. 50 participants

Language: German

Lecturers

Gerhard Svolba

Classes (iCal) - next class is marked with N

Wednesday 13.03. 16:45 - 20:00 Hörsaal 17 Oskar-Morgenstern-Platz 1 2.Stock
Monday 18.03. 16:45 - 20:00 Hörsaal 15 Oskar-Morgenstern-Platz 1 2.Stock
Wednesday 20.03. 16:45 - 20:00 Hörsaal 17 Oskar-Morgenstern-Platz 1 2.Stock
Wednesday 27.03. 16:45 - 20:00 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
Wednesday 03.04. 16:45 - 20:00 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock
Monday 29.04. 16:45 - 20:00 Hörsaal 15 Oskar-Morgenstern-Platz 1 2.Stock
Wednesday 08.05. 16:45 - 20:00 Hörsaal 15 Oskar-Morgenstern-Platz 1 2.Stock

Information

Aims, contents and method of the course

• Der Fokus der Lehrveranstaltung ist die Anwendung statistischer Methoden und Data Science für fachliche Fragestellungen. Es werden aktuelle Use Cases wie "New Product Forecasting", "Employee Retention Analysis" oder "Forecast Value Add Analyse" bzgl. ihrer Anforderungen, der statistischen Lösungsmöglichkeiten, der nötigen Datenaufbereitungsschritte besprochen und die Umsetzung mit SAS Software illustriert. Es kommen dabei vorwiegend die SAS Module SAS Base, SAS STAT und SAS Graph zum Einsatz.
• Die Lehrveranstaltung zeigt anhand unterschiedlicher Beispiele, wie mit dem Benutzerfrontend "SAS Studio" gearbeitet wird, wie man mit SAS die Daten für die Analyse einliest, diese Daten aufbereitet und graphisch und deskriptiv auswertet und komplexe Data Science Analysen durchführt.
• Weitere Beispiele inkludieren z.B: die Monte Carlo Simulation des Monopoly® Brettspiels bzgl. der Besuchshäufigkeit und der Profitabilität unterschiedlicher Felder, sowie die Erstellung eines kleinen Data Warehouses für die Wasserstandsmessung am Neusiedlersee.
• Wir veranstalten auch einen Hackathon, bei dem das Ziel die Erstellung eines treffsicheren Vorhersagemodells für das Kundenverhalten ist.
• Die Lehrveranstaltung wird geblockt in 8 Einheiten durchgeführt.
• Für die Lehrveranstaltung wird die Nutzung der "SAS On Demand for Academics" in der SAS Cloud empfohlen. https://odamid.oda.sas.com (das genaue Anmelde Procedure und der Kurscode wird noch auf Moodle bekanntgegeben). Alternativ können Sie auf Wunsch auch die SAS University Edition installieren (gratis) oder eine SAS Installation verwenden, die Sie verfügbar haben.

Assessment and permitted materials

• Anwesenheit in den 8 LV-Einheiten
• Abgabe von Programmierbeispielen (Details dazu werden am LV Beginn besprochen)
• Online Quiz
• Erlaubte Hilfsmittel: Verwendung der SAS Software, SAS Online Documentation, Internet-Recherche

Minimum requirements and assessment criteria

• Mindestens 50% der erreichbaren Punkte bei der Abgabe der Programmierbeispielen
• Mindestens 50% der erreichbaren Punkte beim Online Quiz
• Anwesenheit in mindestens 6 LV-Einheiten

Examination topics

• Wird in am LV Beginn besprochen

Reading list

• Gerhard Svolba: Applying Data Science - Business Case Studies Using SAS, SAS Press 2017 (http://support.sas.com/svolba )
• Gerhard Svolba: Data Preparation for Analytics Using SAS, SAS Press 2007
• J. Shreve, D. Holland: SAS Certification Prep Guide - Statistical Business Analysis Using SAS9, SAS press 2018

Association in the course directory

Last modified: Mo 07.09.2020 15:28