Springe zum Hauptinhalt
Professur Wirtschaftsmathematik
Professur für Wirtschaftsmathematik

Mathematische Grundlagen von BIG DATA Analytics SS 2018

Vorlesender: Herr Prof. Dr. Vladimir Shikhman

Übungsleiter: Herr David Müller, M. Sc.

Zielgruppe: wob: M_BI__2, M_Fi__2, M_Ma*

SWS: 2 V, 1 Ü (Master Finance, Master Business Intelligence & Analytics) bzw. 2 V, 2 Ü (Master Mathematik)

Inhalt: Das bezeichnende an Big Data ist, dass die zu bearbeitenden Datenmengen zu gross, zu komplex, zu schnelllebig oder zu schwach strukturiert sind, um sie mit manuellen und herkömmlichen Methoden der Datenverarbeitung auszuwerten. In dieser Veranstaltung werden grundlegende mathematische Modelle im Bereich Big Data Analytics dargestellt sowie ein anwendungsorientierter Bezug zu relevanten wirtschaftswissenschaftlichen Fragestellungen hergestellt. Es werden mathematische Hilfsmittel aus der Angewandten Mathematik (insbesondere Numerische Lineare Algebra, Statistik, Optimierung, Graphentheorie) erläutert und auf aktuelle Probleme der Datenanalyse im ökonomischen Kontext angewandt.

Abschluss: 60-minütige Klausur (Master Business Intelligence & Analytics) bzw. 30-minütige mündliche Prüfung (Master Finance, Master Mathematik)

Aktuelles

Wann? Was?
06.04.2019 Ausnahmsweise findet die Vorlesung anstelle der Übung statt.
13.04.2019 Beginn der Übung

Termine

  Tag Zeit Raum
Vorlesung Montag 11:30-13:00 2/B202
Übung Freitag 13:45-15:15 2/N106

Materialien

Thema Vorlesung Übung
1. Ranking I Vorlesung1 Übung1
2. Ranking II Vorlesung2 Übung2
3. Online Learning I Vorlesung3 Übung3
4. Online Learning II Vorlesung4 Übung4
5. Recommendation Systems I Vorlesung5 Übung5
6. Recommendation Systems II Vorlesung6 Übung6
7. Classification I Vorlesung7 Übung7
8. Classification II Vorlesung8 Übung8
9. Clustering I Vorlesung9 Übung9
10. Clustering II Vorlesung10 Übung10
11. Sparse Recovery I Vorlesung11 Übung11
12. Sparse Recovery II Vorlesung12 Übung12
13. Neural Networks I Vorlesung13 Übung13
14. Neural Networks II Vorlesung14 Übung14