Modeling and Analyzing Consumer Behavior with R
- Type: Vorlesung (V)
- Semester: SS 2019
-
Time:
23.04.2019
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof
30.04.2019
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof
07.05.2019
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof
14.05.2019
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof
21.05.2019
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof
28.05.2019
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof
04.06.2019
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof
11.06.2019
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof
18.06.2019
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof
25.06.2019
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof
02.07.2019
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof
09.07.2019
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof
16.07.2019
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof
23.07.2019
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof
-
Lecturer:
Dr. Verena Dorner
Michael Knierim - 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 lernen die grundlegenden Methoden, Algorithmen und Konzepte zur Analyse von Konsumentendaten kennen. Dieses Wissen vertiefen die Studierenden bei der Bearbeitung einer veranstaltungsübergreifenden Fallstudie und Rechnerübungen, insbesondere aus den Bereichen E-Commerce und Verhaltensökonomie. Darüber hinaus lernen die Studierenden, selbst Applikationen in R zu schreiben und größere Data Mining und generell Datenanalyse-Projekte zu organisieren und durchzuführen. Auf Anwenderebene lernen die Studierenden Methoden zur Auswertung und Visualisierung von Daten kennen. Schwerpunkte der Veranstaltung sind: 1. Grundlegende Programmierkonzepte in R 2. Data Mining mit R anhand etablierter Vorgehensmodelle wie CRISP-DM 3. Text Mining und Analyse von online Daten mit R 4. Bearbeitung einer Fallstudie aus dem Bereich Consumer and User Analytics 5. Datenvisualisierung und Evaluation mit R |
Anmerkung | 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. |