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
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:
|
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
|
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. |