Seminar Big (Social) Data Analytics (Master)

Das Seminar Big (Social) Data Analytics baut auf den Veranstaltungen „Big Data Analytics – Methoden und Konzepte“ sowie „Social Network Analysis – Methoden, Konzepte und Anwendungen“ auf und ist inhaltlich dem Schwerpunkt „Technologie- und Prozessmanagement“ zugeordnet.

Im Rahmen der Arbeit sollen Lösungsansätze für spezifische Fragestellungen aus dem Bereich Big (Social) Data Analytics beleuchtet und (weiter-)entwickelt werden.

Thema

In diesem Hands-On Data Science Projekt haben die teilnehmenden Studierenden die Möglichkeit, ihre Analytics-Fähigkeiten im Bereich Data Science auszubauen und an einem realen Datensatz zu demonstrieren. Auf Basis von realer Daten soll dabei eine konkrete wirtschaftswissenschaftliche Fragestellung bearbeitet werden.

Im Rahmen der Seminararbeit soll ein Verfahren aus dem Bereich Data Science angewendet werden, um aufbauend auf dessen Ergebnissen wirtschaftswissenschaftliche Fragestellungen zu diskutieren. Ziel ist es, innerhalb eines Hands-On Data Science Projekts kreative Data Science Lösungen zu implementieren. Dabei lernen die Studierenden alle Schritte eines solchen Projekts kennen (vom Labeling der Daten bis zur Interpretation der Ergebnisse). Dafür stellen wir reale Daten und eine konkrete Aufgabe zur Verfügung, inkl. einem Evaluationsmaß, an dem der Erfolg der implementierten Verfahren gemessen werden kann. Zur Bearbeitung des Cases sind Programmierkenntnisse (z. B. in Python oder R) von Vorteil, werden aber nicht explizit vorausgesetzt. Die ausgewählte(n) Methode(n) sowie ihre Einbettung in wirtschaftswissenschaftliche Fragestellungen sind im Rahmen einer kurzen schriftlichen Ausarbeitung zu beschreiben.

Ausgewählte Aufgaben des Hands-On Data Science aus der Vergangenheit:

  • Rule-Based Sentiment Analysis – Aspektbasierte Analyse von Online-Reviews
  • Neural Networks for Aspect-Based Sentiment Analysis – Automatisierte Analyse von Online-Reviews
  • Explainable AI for Credit Score - Automatisierte Generierung von Erklärungen für die Kreditvergabe

Dozierende

Prof. Dr. Mathias Klier, Institut für Business Analytics
Prof. Dr. Mathias Klier
Dr. Andreas Obermeier, Institut für Business Analytics
Dr. Andreas Obermeier
Chiara Schwenke

Inhaltliche Informationen

Die Studierenden erwerben im Rahmen dieses Moduls die Fähigkeit, ein Thema aus dem Gebiet Big (Social) Data Analytics selbständig und nach wissenschaftlichen Kriterien zu erarbeiten. Die Bearbeitung einer Seminararbeit mit anschließender Präsentation und Diskussion der Ergebnisse fördert die rhetorische Fertigkeit und soziale Kompetenz der teilnehmenden Studierenden.

Die angebotenen Themen beziehen sich im Besonderen auf betriebswirtschaftlichen Interessen bzw. fallen in aktuelle Forschungsprojekte des Instituts und weisen einen inhaltlichen Bezug zu Fragestellungen aus der Praxis auf.

Je nach Themengebiet wird individuelle Literatur empfohlen, die dann im Seminar bekanntgegeben wird.

Organisatorische Informationen

Nächster Veranstaltungsbeginn: WiSe 24/25

Ort: Auftaktveranstaltung (60-90 Minuten zu Beginn des Semesters) und Abschlusspräsentation (2-3 Stunden am Semesterende) in Präsenz. Zusätzlich zwei freiwillige Coding-Sessions während des Semesters zur Diskussion von Ideen und technischer Umsetzung in Präsenz.

Termine: 

  • Abschlusspräsentation: Zeitpunkt und Ort werden in Abstimmung mit den Teilnehmern rechtzeitig bekannt gegeben
  • Abgabe der Seminararbeiten: eine Woche nach der Abschlusspräsentation

ECTS: 4

Seminar (2 SWS): Schriftliche Hausarbeit, Präsentationsunterlagen, Präsentation im Rahmen eines Seminarvortrags

Anmeldung über das zentrale Seminarvergabetool der Wirtschaftswissenschaften:

  • Deutsche Version:

       econ.mathematik.uni-ulm.de/semapps/stud_de/

  • Englische Version:

       econ.mathematik.uni-ulm.de/semapps/stud_en/

Zur Erlangung des Leistungsnachweises ist die Anfertigung einer Seminararbeit sowie einer Präsentation (10 Minuten) mit anschließender Diskussion (5 Minuten) notwendig.

In diesem Seminar erhalten alle Studierenden die gleiche Aufgabenstellung im Rahmen eines Hands-On Data Science Cases. Ziel ist es in einer Gruppe eine Implementierung zu entwickeln. Bewertet wird neben einer (kurzen) schriftlichen Ausarbeitung insbesondere auch Ihre Lösung hinsichtlich Kreativität und Güte der Lösung.

Bereiche: Business Analytics, Controlling, TPM

Studiengänge: M.Sc. Wirtschaftswissenschaften, M.Sc. Wirtschaftsmathematik, M.Sc. Wirtschaftschemie, M.Sc. Wirtschaftsphysik und Studiengänge mit Nebenfach Wirtschaftswissenschaften