Data Analytics

Die Teilnehmenden sind in der Lage, multivariate Daten zu analysieren und entsprechende Methoden bei der Auswertung multivariater Daten richtig einzusetzen. Darüber hinaus vertiefen die Teilnehmenden ihr Wissen durch die praktische Anwendung der Analysen am PC. Sie können zudem Analyseergebnisse bewerten und im Hinblick auf die zugrundeliegende Problemstellung interpretieren und gesicherte Handlungsempfehlungen formulieren.

1. Einführung
   1. Motivation und Einordnung
   2. Installation und Nutzung von R
2. Daten- und Distanzmatrizen
   1. Definitionen und Notation
   2. Merkmale: Arten, Visualisierung und Ähnlichkeit
   3. Distanzaggregation
3. Klassifikation von Objekten
   1. Zielsetzung und Arten
   2. Initiallösung durch Heuristiken
   3. Bewertungskriterien
   4. Verbesserung durch das Tauschprinzip
   5. Hierarchische Verfahren für alternative Initiallösungen
4. Dimensionsreduktion zur Strukturanalyse
   1. Mehrdimensionale Skalierung
   2. Faktorenanalyse
5. Identifikation und Erklärung von Abhängigkeiten
   1. Regression
   2. Diskriminanzanalyse
   3. ANOVA

Das Modul beginnt mit einer Vorlesungseinheit, in der die relevanten theoretischen Grundlagen - unter Einbeziehung eines durchgängigen Beispiels - interaktiv erarbeitet und dargestellt werden. Diese werden in einer anschließenden Übung, inklusive praktischer Umsetzung am Softwaretool, durch die Teilnehmenden im Selbststudium vertieft. Lösungen der und Herausforderungen in den Übungen werden mit Hinweisen auf Best-Practices diskutiert.