Dozent:
Prof. Dr. Christian Maier

Tutor:
Dr. Jens Mattke

Otto-Friedrich-Universität Bamberg
Fakultät Wirtschaftsinformatik und Angewandte Informatik
Lehrstuhl für Wirtschaftsinformatik, insb. Health and Society in the Digital Age
https://www.uni-bamberg.de/en/ishands/

Turnus & Dauer:
Sommersemester / 1 Semester

Einordnung:
Basistechnologien

Sprache:
Englische Unterlagen / Kommunikation in Deutsch

Dieses Modul steht exklusiv den Studierenden des VAWi-Studiengangs zur Verfügung.

Lehr- & Medienformen

Für dieses Modul steht eine internetbasierte Lernumgebung für die Durchführung der Lehr-/Lernprozesse und der Lernunterstützungsprozesse zur Verfügung. Dabei erfolgt die Betreuung der Studierenden durch die Lehrenden über asynchrone (Foren, E-Mail) und synchrone (Chat, Telefon, Online-Konferenzen) Kommunikationswerkzeuge. Diese stehen auch für die Kommunikation der Studierenden untereinander zur Verfügung.

Die Studierenden werden beim Wissenserwerb sowie zum Aufbau von Fertigkeiten und Kompetenzen durch folgende elektronische Selbstlernmedien unterstützt:

• Erweiterte Foliensätze, ergänzende Literatur

Zudem wird der Aufbau von Fertigkeiten und Kompetenzen gefördert durch:

• Audio- und/oder Videoinhalte, interaktive Onlinekurse und Case-Studies zu Python, Mobile Learning Angebote.
• Es werden praxisbezogene Aufgaben gestellt, die mit Hilfe der erlernten Methoden und Theorien gelöst werden sollen.

Arbeitsaufwand:
150 h: Selbststudium, Aufgabenbearbeitung & Abschlussprüfung

ECTS-Credits:
5

Zuordnung:
5 % Wirtschaftswissenschaften
55 % Informatik
35 % Kerngebiete der Wirtschaftsinformatik
5 % Allg. Grundlagen & Schlüsselqualifikationen

Voraussetzungen

Keine. Insbesondere sind keine Vorerfahrungen mit R, Python oder anderen Programmiersprachen erforderlich.

Angestrebte Lernergebnisse

Das Modul Data Analytics mit Python bietet einen umfassenden Überblick über Datenanalysemethoden und legt einen besonderen Fokus auf die praktische Anwendung. Im Rahmen des Moduls lernen Studierenden die leistungsstarke Programmiersprache Python. Zusätzlich lernen Studierende statistische Ergebnisse korrekt zu interpretieren und Ergebnissen kritisch zu hinterfragen.

Studierende des Moduls …
•    lernen einen Überblick über klassische Methoden im Data Analytics
•    diskutieren die Herausforderungen und Bedeutung von Data Analytics 
•    lernen die Programmiersprache Python, wodurch ein selbständiges Arbeiten im beruflichen Alltag ermöglicht wird
•    führen mit Hilfe von Python explorative Datenanalysen durch
•    wenden gelerntes Wissen in Fallstudien an

Studienempfehlungen

Das Modul bietet durch die interaktive Lernumgebung einen guten Einstieg in Programmierung. Daher eignet sich der Kurs auch für Studierende, die noch keine oder nur wenig Erfahrung mit Programmierung haben. Die im Kurs vermittelten Methoden und Inhalte bereiten Studierende auf empirische Projekt- bzw. Masterarbeiten vor, daher wird empfohlen, das Modul als Vorbereitung für Projekt- und/oder Masterarbeiten zu wählen.

Inhalte & Gliederung

Structure of the course:

• Introduction to Data Analytics
• Introduction to Python
• Data Wrangling with Python
• Introduction to Data
• Exploratory Data Analysis
• Building Inference Models and Experimental Design
  
• Correlation and Regression Analysis
  

Structuring the practical exercises using Python

• Introduction to Python
• Intermediate Python
• Introduction to Importing Data in Python
• Data Manipulation with pandas
• Joining Data with pandas
• Summary Statistics
  
• Introduction to Data Visualization with Matplotlib
• Cleaning Data in Python
• Exploratory Data Analysis in Python
  
• Correlation and Experimental Design
  
• Introduction to Regression with statsmodels in Python
• Intermediate Regression with statsmodels in Python
  
  

Studien- & Prüfungsleistungen

• Hausarbeit [90 Punkte / 100 %]

Literatur

Eine Liste empfehlenswerter Literatur wird in den einzelnen Kapiteln angegeben. Der Kurs ist jedoch mit den im LMS zu Verfügung gestellten Unterlagen bearbeitbar. 

Hinweise