Modeling and Analyzing Consumer Behaviour with R

  • Type: Vorlesung (V)
  • Semester: SS 2016
  • Time: 19.04.2016
    14:00 - 15:30 wöchentlich
    11.40 Raum 214 11.40 Kollegiengebäude am Ehrenhof


    26.04.2016
    14:00 - 15:30 wöchentlich
    11.40 Raum 214 11.40 Kollegiengebäude am Ehrenhof

    03.05.2016
    14:00 - 15:30 wöchentlich
    11.40 Raum 214 11.40 Kollegiengebäude am Ehrenhof

    10.05.2016
    14:00 - 15:30 wöchentlich
    11.40 Raum 214 11.40 Kollegiengebäude am Ehrenhof

    17.05.2016
    14:00 - 15:30 wöchentlich
    11.40 Raum 214 11.40 Kollegiengebäude am Ehrenhof

    24.05.2016
    14:00 - 15:30 wöchentlich
    11.40 Raum 214 11.40 Kollegiengebäude am Ehrenhof

    31.05.2016
    14:00 - 15:30 wöchentlich
    11.40 Raum 214 11.40 Kollegiengebäude am Ehrenhof

    07.06.2016
    14:00 - 15:30 wöchentlich
    11.40 Raum 214 11.40 Kollegiengebäude am Ehrenhof

    14.06.2016
    14:00 - 15:30 wöchentlich
    11.40 Raum 214 11.40 Kollegiengebäude am Ehrenhof

    21.06.2016
    14:00 - 15:30 wöchentlich
    11.40 Raum 214 11.40 Kollegiengebäude am Ehrenhof

    28.06.2016
    14:00 - 15:30 wöchentlich
    11.40 Raum 214 11.40 Kollegiengebäude am Ehrenhof

    05.07.2016
    14:00 - 15:30 wöchentlich
    11.40 Raum 214 11.40 Kollegiengebäude am Ehrenhof

    12.07.2016
    14:00 - 15:30 wöchentlich
    11.40 Raum 214 11.40 Kollegiengebäude am Ehrenhof

    19.07.2016
    14:00 - 15:30 wöchentlich
    11.40 Raum 214 11.40 Kollegiengebäude am Ehrenhof
  • Lecturer: Dr. Verena Dorner
  • SWS: 2
  • Lv-No.: 2540470
Links
Literaturhinweise

Field, A., Miles, J., Field, Z., Discovering Statistics Using R, SAGE 2014

Jones, O., Maillardet, R., Robinson, A., Scientific Programming and Simulation Using R, Chapmann & Hall / CRC Press 2009

Venables, W.N., Smith, D.M. and the R Core Team, "An Introduction to R", 2012 (Version 2.15.2), http://cran.r-project.org/doc/manuals/R-intro.pdf

Wickham, Hadley, ggplot2: Elegant Graphics for Data Analysis (Use R!), Springer 2009 (2nd edition)

Lehrinhalt

Die Studierenden wenden die Software R zur Bearbeitung von Fallbeispielen aus den Themenbereichen E-Commerce und Entscheidungsunterstützung (DSS) an. Auf Entwicklungsebene lernen die Studierenden, selbst Funktionen in R zu schreiben, um bspw. Unternehmensdaten zu simulieren. Auf Anwenderebene lernen die Studierenden Methoden zur Auswertung und Visualisierung von Daten kennen, z.B. zur Analyse von Produktrezensionen.

Schwerpunkte der Veranstaltung sind:

  1. Datentypen und Programmierkonzepte in R
  2. Datenselektion und -restrukturierung in Dataframes
  3. Text Mining mit R
  4. Optimierung mit R
  5. Visualisierung mit R
Anmerkung

Teilnehmeranzahl limitiert.

Neue Vorlesung ab Sommersemester 2015.

Arbeitsbelastung

Aktivität Arbeitsaufwand

Gesamtaufwand bei 4,5 Leistungspunkten: ca. 30*4,5 = 135 Stunden

Präsenzzeit: ca. 32 Stunden

Vor- /Nachbereitung: ca. 52 Stunden

Prüfung und Prüfungsvorbereitung: ca. 51 Stunden

Ziel

Der/ die Studierende

  • besitzen weiterführende Kenntnisse im Umgang mit der Statistik-Software R
  • versteht die Herangehensweise an Modellierung und Simulation von Systemen zur Entscheidungsunterstützung
  • beherrscht Methoden zur Auswertung, Analyse und Visualisierung von Daten
Prüfung

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min) (nach §4(2), 1 SPO). Durch die erfolgreiche Teilnahme am Übungsbetrieb als Erfolgskontrolle anderer Art (nach §4(2), 3 SPO) kann ein Bonus erworben werden. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um eine Notenstufe (0,3 oder 0,4). Der Bonus gilt nur für die Haupt- und Nachklausur des Semesters, in dem er erworben wurde.