htw saar Piktogramm QR-encoded URL
Zurück zur Hauptseite Version des Moduls auswählen:
Lernziele hervorheben XML-Code

Data Science


Lernergebnisse des Moduls

ID Lernergebnis
L1 Die Absolventen ... * haben auf der Grundlage eines breiten Basis- und Überblickswissens vertiefte Kenntnisse in ausgewählten Bereichen der Mathematik, Informatik, Natur- und Ingenieurwissenschaften in Theorie und Praxis erworben,
L3 * besitzen vertieftes Fach- und Methodenwissen in ausgewählten Disziplinen auf Basis des neuesten Erkenntnisstandes,
L6 Die Absolventen sind in der Lage * Problemstellungen in einem breiten Umfeld mit teilweise neuen und/oder unbekannten Einflussgrößen zu identifizieren und zu abstra-hieren, um diese ganzheitlich zu lösen,
L7 * Lösungen für komplexe Problemstellungen im technischen und/oder wirtschaftlichen Kontext selbstständig zu konzipieren, zu entwickeln und Rahmenbedingungen für die Umsetzung zu definieren,
L9 * die praktische, methodische und wissenschaftliche Entwicklung wirtschaftsingenieur-wissenschaftlicher Themen zu beurteilen, diese zu verfolgen und durch eigene Beiträge voranzubringen.
L10 Die Absolventen ... * haben vertiefte Kenntnisse im Bereich der empirischen Forschung und sind mit selbstständiger wissenschaftlicher Arbeitsweise sowie den Methoden der induktiven und deduktiven Modellbildung vertraut,
L11 * können sich logisch, rational und überzeugend in mündlicher und schriftlicher Form artikulieren sowie über Inhalte und Probleme der jeweiligen Disziplin sowohl mit Fachkolleginnen und -kollegen auf unterschiedlichen Hierarchieebenen als auch mit einer breiteren Öffentlichkeit kommunizieren,
L12 * sind in der Lage aufgrund von fremdsprachlichen Kommunikationskompetenzen (i.d.R. Englisch) sich in einem internationalen und beruflichen Umfeld zu bewegen,


Modulbezeichnung:
Bezeichnung des Moduls innerhalb des Studiengangs. Sie soll eine präzise und verständliche Überschrift des Modulinhalts darstellen.
Data Science
Studiengang:
Studiengang mit Beginn der Gültigkeit der betreffenden ASPO-Anlage/Studienordnung des Studiengangs, in dem dieses Modul zum Studienprogramm gehört (=Start der ersten Erstsemester-Kohorte, die nach dieser Ordnung studiert).
Wirtschaftsingenieurwesen, Master, Ordnung 01.04.2022
Code: WIM22-120
SAP-Submodul-Nr.:
Die Prüfungsverwaltung mittels SAP-SLCM vergibt für jede Prüfungsart in einem Modul eine SAP-Submodul-Nr (= P-Nummer). Gleiche Module in unterschiedlichen Studiengängen haben bei gleicher Prüfungsart die gleiche SAP-Submodul-Nr..
P450-0359, P450-0360
SWS/Lehrform:
Die Anzahl der Semesterwochenstunden (SWS) wird als Zusammensetzung von Vorlesungsstunden (V), Übungsstunden (U), Praktikumsstunden (P) oder Projektarbeitsstunden (PA) angegeben. Beispielsweise besteht eine Veranstaltung der Form 2V+2U aus 2 Vorlesungsstunden und 2 Übungsstunden pro Woche.
2V+1U+1PA (4 Semesterwochenstunden)
ECTS-Punkte:
Die Anzahl der Punkte nach ECTS (Leistungspunkte, Kreditpunkte), die dem Studierenden bei erfolgreicher Ableistung des Moduls gutgeschrieben werden. Die ECTS-Punkte entscheiden über die Gewichtung des Fachs bei der Berechnung der Durchschnittsnote im Abschlusszeugnis. Jedem ECTS-Punkt entsprechen 30 studentische Arbeitsstunden (Anwesenheit, Vor- und Nachbereitung, Prüfungsvorbereitung, ggfs. Zeit zur Bearbeitung eines Projekts), verteilt über die gesamte Zeit des Semesters (26 Wochen).
6
Studiensemester: 1
Pflichtfach: ja
Arbeitssprache:
Deutsch
Prüfungsart:
Datenanalyse: Klausur (50% der Modulnote - Prüfung wird semesterweise angeboten = 2x pro Studienjahr)
Programmierung: Projekt (50% der Modulnote - Prüfung wird jährlich angeboten = 1x pro Studienjahr)
jede Teilleistung muss bestanden sein

[letzte Änderung 12.11.2021]
Verwendbarkeit / Zuordnung zum Curriculum:
Alle Studienprogramme, die das Modul enthalten mit Jahresangabe der entsprechenden Studienordnung / ASPO-Anlage.

WIM22-120 (P450-0359, P450-0360) Wirtschaftsingenieurwesen, Master, Ordnung 01.04.2022 , 1. Semester, Pflichtfach
Arbeitsaufwand:
Der Arbeitsaufwand des Studierenden, der für das erfolgreiche Absolvieren eines Moduls notwendig ist, ergibt sich aus den ECTS-Punkten. Jeder ECTS-Punkt steht in der Regel für 30 Arbeitsstunden. Die Arbeitsstunden umfassen Präsenzzeit (in den Vorlesungswochen), Vor- und Nachbereitung der Vorlesung, ggfs. Abfassung einer Projektarbeit und die Vorbereitung auf die Prüfung.

Die ECTS beziehen sich auf die gesamte formale Semesterdauer (01.04.-30.09. im Sommersemester, 01.10.-31.03. im Wintersemester).
Die Präsenzzeit dieses Moduls umfasst bei 15 Semesterwochen 60 Veranstaltungsstunden (= 45 Zeitstunden). Der Gesamtumfang des Moduls beträgt bei 6 Creditpoints 180 Stunden (30 Std/ECTS). Daher stehen für die Vor- und Nachbereitung der Veranstaltung zusammen mit der Prüfungsvorbereitung 135 Stunden zur Verfügung.
Empfohlene Voraussetzungen (Module):
Keine.
Als Vorkenntnis empfohlen für Module:
Modulverantwortung:
Prof. Dr. Susan Pulham
Dozent/innen:
Prof. Dr. Daniel F. Abawi
Prof. Dr. Susan Pulham
Michael B. Schmidt


[letzte Änderung 12.11.2021]
Lernziele:
Datenanalyse:
Studierende, die dieses Teilmodul erfolgreich abgeschlossen haben, können:
• für ausgewählte gegebene Fragestellungen geeignete statistische Methoden auswählen
• einschlägige Statistiksoftware (SPSS) benutzen, um häufig eingesetzte statistische Mathoden durchzuführen
• empirische Untersuchungen Dritter nachvollziehen und die verwendeten Methoden kritisch beurteilen

[letzte Änderung 19.11.2021]
Inhalt:
Datenanalyse:
1.      Statistische Induktion
2.      Zusammenhangsanalyse
3.      Regressionsanalyse
4.      Faktorenanalyse
5.      Clusteranalyse
 


[letzte Änderung 19.11.2021]
Weitere Lehrmethoden und Medien:
Datenanalyse:
Präsentationen,begleitete rechnergestützte Übungen, (rechnergestützte) Selbstlernaufgaben

[letzte Änderung 19.11.2021]
Literatur:
Datenanalyse:
• P. P. Eckstein: Angewandte Statistik mit SPSS: Praktische Einführung für Wirtschaftswissenschaftler, Wiesbaden, aktuellste Auflage    
• S. Pulham: Statistik leicht gemacht, Wiesbaden, aktuellste Auflage

[letzte Änderung 19.11.2021]
 
[Sat Oct 31 18:07:14 CET 2026, CKEY=wds, BKEY=wim3, CID=WIM22-120, LANGUAGE=de, DATE=31.10.2026]