Home | english  | Impressum | Datenschutz | Sitemap | KIT

Modeling and Analyzing Consumer Behavior with R

Modeling and Analyzing Consumer Behavior with R
Typ: Vorlesung (V)
Semester: SS 2020
Zeit: 21.04.2020
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof


28.04.2020
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof

05.05.2020
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof

12.05.2020
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof

19.05.2020
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof

26.05.2020
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof

02.06.2020
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof

09.06.2020
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof

16.06.2020
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof

23.06.2020
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof

30.06.2020
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof

07.07.2020
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof

14.07.2020
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof

21.07.2020
14:00 - 15:30 wöchentlich
11.40 Raum -116
11.40 Kollegiengebäude am Ehrenhof


Dozent: Michael Knierim
Dr. Verena Dorner
Anke Greif-Winzrieth
SWS: 2
LVNr.: 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

  • besitzen weiterführende Kenntnisse im Umgang mit der Statistik-Software R
  • versteht die Herangehensweise an Modellierung und Analyse von Konsumentendaten
  • 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.