Wintersemester 24/25
Lehrveranstaltungen im Wintersemester 2024/2025
Wichtiger Hinweis: Das Lehrangebot wird in den kommenden Semestern schrittweise reduziert!
Bitte informieren Sie sich auf unserer Lehrstuhlseite, wann die Module letztmalig angeboten werden, und planen Sie dies entsprechend in Ihr Studium ein. Insbesondere, wenn Sie eines unserer Profile anstreben oder eine Abschlussarbeit an unserem Lehrstuhl schreiben möchten.
Veranstaltungsanmeldung im Wintersemester 2024/2025
Bitte beachten Sie folgende Informationen zur Anmeldung zu den Kursen:
Bachelorstudiengänge:
Für die Veranstaltungen
- Absatzmarketing
- Instrumente des Handelsmarketings
wird in Kürze der Einschreibeschlüssel zu dem Moodle-Kurs auf unserer Lehrstuhlseite im geschützten Bereich veröffentlicht. Sie müssen sich dazu unter dem Login mit Ihrer Uni-Kennung anmelden.
Für die Veranstaltungen
- Angewandte Marktforschung
- Data Science in Marketing und Handel
- Fachseminar Category Management und Shopper Marketing - die Fallstudien
- Fachseminar Marketing und Handel (LitSem)
bewerben Sie sich unter: https://www.marketing.wiwi.uni-due.de/studium-lehre/veranstaltungsregistrierung/
Alle vier Module unterliegen einer Teilnehmerbegrenzung.
Die Anmeldezeiträume entnehmen Sie bitte dem jeweiligem Kurs.
Achtung! Die Anmeldung für den Seminarbereich ist vorgezogen und findet vom 05.08.2024-30.08.2024 statt.
Wir können keine nachträglichen Bewerbungen berücksichtigen.
Masterstudiengänge:
Für die Veranstaltung
- Käuferverhalten
bewerben Sie sich unter: https://www.marketing.wiwi.uni-due.de/studium-lehre/veranstaltungsregistrierung/
Auch dieses Modul unterliegt einer Teilnehmerbegrenzung. Den Anmeldezeitraum entnehmen Sie bitte dem Kurs. Wir können keine nachträglichen Bewerbungen berücksichtigen.
Bitte beachten Sie für alle anmeldepflichtigen Kurse, dass die Registrierung noch nicht zur Teilnahme an dem Modul berechtigt.
Sie werden nach Ablauf der Bewerbungsfrist vom Lehrstuhl informiert, ob Ihnen ein Platz zugeteilt werden konnte.
Wir wünschen allen Studierenden einen guten Start in das Wintersemester!
Vorlesung mit integriertem Seminar
Data Science in Marketing und Handel (Bachelor) (DSiMuH)
- Dozent:
- Dipl.-Volksw. Dr. Christian Knobloch
- Ansprechpartner:
- Semester:
- Wintersemester 2024/2025
- Turnus:
- jedes Wintersemester
- Termin:
- Mittwoch, 15:00-18:15
- Raum:
- R11 T07 C90
- Beginn:
- 16.10.2024
- Ende:
- 29.01.2025
- Sprache:
- deutsch
- LSF:
- Veranstaltung im LSF
- Hörerschaft:
Beschreibung:
In diesem Modul lernen die Studierenden den Data-Science-Prozess kennen: Sie lernen Daten zu verstehen, aufzubereiten, zu modellieren und zu evaluieren, um so datengetriebene Antworten auf praktische Fragen aus dem Marketing und dem Handel zu generieren.
Das Modul ist als Vorlesung mit integriertem Seminar gestaltet, in deren Rahmen die Studierenden die vermittelten Lehrinhalte direkt am PC nachvollziehen, die Übungen in Kleingruppen bearbeiten und vorstellen sowie am Ende der Veranstaltung ihre Bearbeitung einer Fallstudie aus dem Marketing bzw. dem Handel präsentieren.
Das geschieht unter Zuhilfenahme der an der Universität Konstanz entwickelten Data-Mining-Software KNIME. Über das "visuelle Programmieren" in Workflows kann KNIME im gesamten Data-Science-Prozess eingesetzt werden und enthält zahlreiche Module („Knoten“) für die Analyse von Big Data (u.a. Apache Hadoop inkl. Hive und Spark), Text Mining, Machine Learning (u.a. Decision Trees, Random Forests), Neuronale Netze und Deep Learning (Keras-Layer).
Qualifikationsziele:
Die Studierenden
- kennen den Data-Science-Prozess,
- kennen die Datenquellen in Marketing und Handel und können die gewonnen Daten aufbereiten,
- können mit der Data-Mining-Software KNIME umgehen ,
- verstehen die Verfahren im Data Science, insbes. Verfahren des Machine Learning,
- wenden unterschiedliche Data-Science-Verfahren im Rahmen von Praxisbeispielen aus dem Marketing und dem Handel an,
- analysieren und interpretieren die Ergebnisse der einzelnen Data-Science-Verfahren,
- präsentieren und diskutieren die Ergebnisse im Plenum.
Gliederung:
- Einführung Data Science in Marketing und Handel
- Einführung in das visuelle Programmieren mit KNIME
- Daten in Marketing und Handel
- Datenverständnis und Datenaufbereitung
- Fortgeschrittene KNIME-Methoden
- Muster finden (k-Means Clustering, Hierarchical Clustering, DBSCAN, Association Rules, Praxisbeispiel: Kundensegmentierung und Warenkorbanalyse mit KNIME)
- Erklärungen finden (Lineare Regression, Confusion Matrix und ROC-Kurve, Decision Tree, Logistische Regression, Praxisbeispiel: Analyse des Kündigungsverhaltens mit KNIME)
- Vorhersagen treffen (Random Forest, Neuronale Netze, Einführung Deep Learning, Praxisbeispiel: Ermittlung des Customer Lifetime Value mit KNIME)
- Fallstudie(n) aus Marketing und Handel
Literatur:
- Berthold, M.; Borgelt, C.; Höppner, F.; Klawonn, F.; Silipo, R. (2020): Guide to Intelligent Data Science – How to Intelligently Make Use of Real Data; Springer Nature, Cham.
- Linoff, G.; Berry, M. (2011): Data Mining Techniques – For Marketing, Sales, and Customer Relationship Management; Wiley, Indianapolis.
- De Mauro, A. (2021): Data Analytics Made Easy – Analyze and present data to make informed decisions without writing any code; Packt, Birmingham.
- Melcher, K.; Silipo, R. (2020): Codeless Deep Learning with KNIME – Build, train, and deploy various deep neural network architectures using KNIME Analytics Platform; Packt, Birmingham.
- Provost, F.; Fawcett, T. (2013): Data Science for Business – What you need to know about data mining and data-analytic thinking; O’Reilly Media, Sebastopol (CA).
- Otte, R. (2019): Künstliche Intelligenz für Dummies; Wiley-VCH, Weinheim.
- Wagener, A. (2019): Künstliche Intelligenz im Marketing – ein Crashkurs; Haufe, Freiburg.
Prüfungsart:
Zum Modul erfolgt eine modulbezogene Prüfung in Gestalt von einer Präsentation (in der Regel 15 Minuten, 70 % der Note) und Bearbeitung von Hausaufgaben (30% der Note). Die Anzahl der Hausaufgaben wird zu Beginn des Semesters bekanntgegeben.
Formalia:
- Wahlpflichtbereich
- Die Teilnehmerzahl ist auf 25 begrenzt.
- Link zum Moduleintrag im interaktiven Modulhandbuch
- Anmeldung zu der Veranstaltung
Wir übernehmen die Einschreibung in Moodle für Sie. Bitte melden Sie sich dafür zunächst über die Veranstaltungsregistrierung an.