Entscheidungsunterstützungssysteme
Bitte schreiben Sie sich für diesen Kurs auf unseren Webseiten ein. Dieser Kurs findet als planmäßige Lehrveranstaltung für den Bachelorstudiengang Wirtschaftsinformatik und die Masterstudiengänge Kundenbeziehungsmanagement und Value Chain Management statt. Studierende anderer Studiengänge können freie Restplätze nutzen, die Einschreibung ist in diesem Fall unverbindlich, Sie erhalten eine Rückmeldung nach Einschreibungsende.
Inhalte:
- Grundlagen und ausgewählte Methoden des Knowledge Discovery in Databases und Data Mining
- Ausgewählte Methoden des Operations Research, Einsatz entsprechender Software
- Wissensbasierte Systeme: Aufbau, Fuzzy-Expertensysteme, Entwicklungsmethodik, Werkzeuge
- Ausgewählte Entscheidungsunterstützungssysteme in betrieblichen Funktionsbereichen
Ziele:
- Kenntnisse über Methodik und Bausteine, die bei Entscheidungsunterstützungssystemen zum Einsatz kommen
- Einsicht in die Anwendungspotentiale und Aneignung von anwendungsorientiertem Wissen
- Praktische Fertigkeiten im Umgang mit Data Mining Werkzeugen
Durchführung:
Ab dem Wintersemester 2011/12 wird die Veranstaltung nach dem innovativen Konzept des Blended Learnings, in einer aufeinander abgestimmten Verwendung verschiedener Lehrmittel und -formen durchgeführt: Die Vorlesung findet semesterbegleitend wöchenlich als Präsenzveranstaltung statt. Die Übung gliedert sich in einen e-Learning-Anteil, der semesterbegeleitend im zweiwöchentlichen Ryhtmus selbständig von den Teilnehmer zu bearbeiten ist und einem Präsenzteil in Form eines Ein-Tages-Workshops.
Die Unterlagen zum semesterbegeleitenden Teil werden im Bildungsportal Sachsen auf der OPAL-Plattform bereitgestellt und sukzessive freigeschalten. Je Kurseinheit werden erklärende Ausführungen zum Vorlesungsstoff, Übungsausfgaben zum selbständigen Bearbeiten und Rekapitulieren des Vorlesungsstoffes, ergänzende Literaturhinweise sowie eingebettete multimediale Lehrinhalte angeboten.
Der Ein-Tages-Workshop findet am Freitag, den 20.01.12 von 09:15 – 17:00 im Raum 2/N001 statt. Er besteht aus einem Einführungsvortrag, einem Praxisworkshop zum Data Mining mit dem Open Source Werkzeug RapidMiner (durchgeführt in Kooperation mit externen Experten der Firma Avantgarde Labs, Dresden) sowie einer Präsenzübungseinheit zur Wiederholung und Einübung der praktischen Übungsaufgaben zu Entscheidungsbaumverfahren, Neuronalen Netzen, Clusteranalyse, Linearer Optimierung. Der Termin hierfür wird in der ersten Vorlesungseinheit bekannt gegeben.
Literatur:
- Roland Düsing: Knowledge Discovery in Databases – Begriff, Forschungsgebiet, Prozess und System, in: Chamoni, Peter; Gluchowski, Peter (Hrsg., 2010): Analytische Informationssysteme. Business Intelligence-Technologien und Anwendungen, 4. Aufl., Berlin u. a. 2010, 281-306. pdf
| SWS: | 2/1/0 |
| Ansprechpartner: | Christian Schieder |
| Vorlesung |
Di, 19:00 - 20:30 Uhr 2/N013 Beginn: 25.10.2011 - obl : M_KM__1, B_WI__5; wo : M_VC__3, M_SyFa1, M_MaWM1, B_FM__5, M_VC__1 |
Prof. Dr. Peter Gluchowski |
| Workshop EUS + RapidMiner |
Fr., 20.01.2012, 09:15 - 15:15 2/N001 |
Christian Schieder |
Die erste Vorlesung findet am Dienstag den 25.10. statt.
Die semesterbegleitenden Übungen werden jeweils zu den unten angebenen Terminen im Bildungsportal bereitgestellt. Die Blockveranstaltung findet am 20.01. im Raum 2/N001 statt.
Die Klausur ist für Fr., den 17.02.12, vom zentralen Prüfungsamt eingeplant. Bitte beachten Sie die dortigen Zeiten und Hinweise zur Prüfungsanmeldung. Zur Orientierung für Ihre Vorbereitung können Sie auf den Auszug einer Klausur aus vergangenen Semestern zurückgreifen. Diese steht Ihnen hier in Auszügen zur Verfügung: Probeklausur (pdf).
Die nachfolgende Tabelle zeigt die thematische Grobgliederung der Vorlesungsinhalte.
| Thema | Unterlagen | Thema | Unterlagen | ||
| 1. | Einführung und KDD | 5. | Künstliche Neuronale Netze | pdf Entropie.xls | |
| 2. | CRISP-DM Phasen | 6. | Clusteranalyse, Assoziationsanalyse | pdf Clusterung.xls | |
| 3. | Betriebswirtschaftliche Anwendungen, Text und Web Mining | 7. | Operations Research und Simulation | ||
| 4. | Entscheidungsbaumverfahren | 8. | Wissensbasierte und Fuzzy Systeme | ||
Die nachfolgende Tabelle zeigt die thematische Grobgliederung der Übungsinhalte. Hier gelangen Sie zum Onlinekurs.
| Themen | Termin der Freischaltung | Links | |||
| Übung 1 | KDD, Data Mining, Werkzeuge | Mi., 26.10.2011 | OPAL EUS Übung 1 | ||
| Übung 2 | CRISP-DM, Deskriptive Statistik | Mi., 16.11.2011 | OPAL EUS Übung 2 | ||
| Übung 3 | Visualisierung, Datenvorbereitung | Mi., 30.11.2011 | OPAL EUS Übung 3 | ||
| Übung 4 | Entscheidungsbäume | Mi., 14.12.2011 | OPAL EUS Übung 4 | ||
| Übung 5 | Clusterverfahren | Mi., 04.01.2012 | OPAL EUS Übung 5 | ||
| Übung 6 | Workshopvorbereitung | Fr., 13.01.2012 | OPAL EUS Übung 6 | ||
| Workshop | Torsten Hartmann – Avantgarde Labs, Dresden | Fr., 20.01.2012 | |||
Literatur und Materialien:
- Data Mining Überblick: Bissantz N, Hagedorn J (1999) Data Mining (Datenmustererkennung), WI 51(1):139-144. DOI
- Data Mining Vorgehensmodell: CRISP 1.0 Process and User Guide
- Data Mining Phase Deployment: Grob HL, Bensberg F, Coners A (2008) Regelbasierte Steuerung von Geschäftsprozessen – Konzeption eines Ansatzes auf Basis von Process Mining, WI 50(4):268-281.DOI
- Clusteranalyse: Sehr gelungenes studentisches Projekt zum Thema Clusteranalyse der TU München: pdf.
- Linare Optimierung: Hamacher, H.W., Müller, S. (2002)Lineare Optimierung im Mathematikunterricht; Einführende Vorlesung der Uni Paderborn:Grundlagen von Optimierungssystemen; Lehrbuch von Suhl, L. und Mellouli, T. (2009) Optimierungssysteme – Modelle, Verfahren, Software, Anwendungen. Springer-Verlag, 2. Auflage
