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.
Themenvergabe
24.01.2023 - 02.02.2023:
Präferenzeingaben durch die Studierenden im Tool
03.02.2023:
Hauptrunde des Seminarmatchings
07.02.2023:
Zweite Runde des Seminarmatchings
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.
Bisherige Aufgaben des Hands-On Data Science:
- SS20: Rule-Based Sentiment Analysis – Aspektbasierte Analyse von Online-Reviews
- WS20/21: Neural Networks for Aspect-Based Sentiment Analysis – Automatisierte Analyse von Online-Reviews
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.
- Binder, Markus; Heinrich, Bernd; Klier, Mathias; Obermeier, Andreas Alexander; and Schiller, Alexander, (2019). "EXPLAINING THE STARS: ASPECT-BASED SENTIMENT ANALYSIS OF ONLINE CUSTOMER REVIEWS". In Proceedings of the 27th European Conference on Information Systems (ECIS), Stockholm & Uppsala, Sweden, June 8-14, 2019.
Je nach Themengebiet wird individuelle Literatur empfohlen.
Organisatorische Informationen
Nächster Veranstaltungsbeginn: SoSe 23
Ort: Online
Termine:
- Abgabe der Seminararbeiten: Termin wird rechtzeitig bekannt gegeben
- Endpräsentation: Zeitpunkt und Ort werden rechtzeitig bekannt gegeben
ECTS: 4
Seminar (2 SWS): Schriftliche Hausarbeit, Präsentationsunterlagen, Präsentation im Rahmen eines Seminarvortrags
Themenvergabe mit Hilfe des zentralen Tools:
- Deutsche Version:
econ.mathematik.uni-ulm.de/semapps/stud_de/
- Englische Version:
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. Bewertet wird neben einer (kurzen) schriftlichen Ausarbeitung insbesondere auch Ihre Lösung hinsichtlich Kreativität und Güte der Lösung.
Schwerpunktfächer: Technologie- und Prozessmanagement, Business Analytics, sowie Unternehmensführung und Controlling, Wahlpflicht BWL
Studiengänge: M.Sc. Wirtschaftswissenschaften, M.Sc. Wirtschaftsmathematik, M.Sc. Wirtschaftschemie, M.Sc. Wirtschaftsphysik und Studiengänge mit Nebenfach Wirtschaftswissenschaften