WIW.07600.01 - Data Science I (Complete module description)

WIW.07600.01 - Data Science I (Complete module description)

Original version English
WIW.07600.01 5 CP
Module label Data Science I
Module code WIW.07600.01
Semester of first implementation
Faculty/Institute Wirtschaftswissenschaftlicher Bereich - School of Economics and Business
Module used in courses of study / semesters
  • Betriebswirtschaftslehre (Business Studies) (180 LP) (Bachelor) > Betriebswirtschaftslehre BWL (Business Studies)180, Version of accreditation valid from WS 2020/21 > Wahlpflichtbereich
  • Business Economics (180 LP) (Bachelor) > Betriebswirtschaftslehre BusinessEconomics180, Version of accreditation valid from WS 2020/21 > Wahlpflichtbereich
  • Grundlagen Wirtschaftswissenschaften (Fundamental Economics and Management) (60 LP) (Bachelor) > Wirtschaftswissenschaften Wirtschaftswiss60, Version of accreditation valid from WS 2020/21 > 2. Erweiterungen
  • Volkswirtschaftslehre (Economics) (180 LP) (Bachelor) > Volkswirtschaftslehre VWL (Economics)180, Version of accreditation valid from WS 2020/21 > Wahlpflichtbereich
  • Wirtschaftsinformatik (Business Information Systems) (180 LP) (Bachelor) > Wirtschaftsinformatik Wirtschaftsinformatik180, Version of accreditation valid from WS 2020/21 > 2.1 Wirtschaftsinformatik
  • Wirtschaftswissenschaften (Economics and Management) (120 LP) (Bachelor) > Wirtschaftswissenschaften Wirtschaftswiss120, Version of accreditation valid from WS 2020/21 > 2. Erweiterungen
Responsible person for this module
Further responsible persons
Dr. Klaus Schmerler
Prerequisites
Skills to be acquired in this module
  • Studierende können die Bedeutung von Daten für das wissenschaftliche Arbeiten erläutern und erklären, wie andere Module ihres Studiengangs mit der Verarbeitung von Daten zusammenhängen.
  • Studierende können Datentypen unterscheiden, Unvollkommenheiten von Datensätzen identifizieren und Modellierungsansätze ableiten.
  • Studierende können Daten aus verschiedenen Quellen sammeln, umwandeln und bereinigen.
  • Studierende können können Grundprinzipien der Datenvisualisierung erklären und
verschiedene Datentypen visualisieren.
  • Studierende können die Mathematik und die Intuition grundlegender Modellierungstechniken erklären und diese auf reale Datensätze anwenden.
  • Studierende können fachkundig Daten mit R (oder Python) verarbeiten.
Module contents
  • Bedeutung von Daten im wissenschaftlichen Arbeiten
  • Datentypen und - Datenunvollkommenheiten
  • Sammlung von Daten aus verschiedenen Quellen
  • Datenbearbeitung und -bereinigung
  • Prinzipien und Techniken der Visualisierung
  • Grundlegende Modellierungstechniken
  • Nutzung von R (oder Python)
Forms of instruction Lecture (2 SWS)
Exercises (2 SWS)
Course
Course
Course
Languages of instruction German, English
Duration (semesters) 1 Semester Semester
Module frequency jedes Wintersemester
Module capacity unlimited
Time of examination
Credit points 5 CP
Share on module final degree Course 1: %; Course 2: %; Course 3: %; Course 4: %; Course 5: %.
Share of module grade on the course of study's final grade 1
Module course label Course type Course title SWS Workload of compulsory attendance Workload of preparation / homework etc Workload of independent learning Workload (examination and preparation) Sum workload
Course 1 Lecture Vorlesung 2 0
Course 2 Exercises Übung 2 0
Course 3 Course Selbststudium 0
Course 4 Course Projektarbeit 0
Course 5 Course Prüfungsvorbereitung 0
Workload by module 150 150
Total module workload 150
Examination Exam prerequisites Type of examination
Course 1
Course 2
Course 3
Course 4
Course 5
Final exam of module
Projektleistung, mündliche Prüfung
Exam repetition information
Prerequisites and conditions Prerequisites Frequency Compulsory attendance Share on module grade in percent
Course 1 Winter semester No %
Course 2 Winter semester No %
Course 3 Winter semester No %
Course 4 Winter semester No %
Course 5 Winter semester No %