Inhaltsverzeichnis. Study Guide CAS DA 2/15
|
|
- Susanne Kaiser
- vor 6 Jahren
- Abrufe
Transkript
1 CAS Datenanalyse
2 Inhaltsverzeichnis 1 Umfeld 3 2 Zielpublikum 3 3 Voraussetzungen 3 4 Ausbildungsziele 3 5 Kursübersicht 4 6 Kompetenzprofil 5 7 en Tooling und Datenmanagement Deskriptive Statistik und mathematische Grundlagen Statistisches Testen Grafische Datenexploration und Datenvisualisierung Open Data Regressionsanalyse Zeitreihen und Prognosen Data Mining Produkt-Workshops 11 8 Kompetenznachweise Dozierende Organisation Termine 14 Study Guide CAS DA 2/15
3 Daten fallen heute in grossen Mengen an. Im CAS Datenanalyse (CAS DA) lernen Sie Methoden und Werkzeuge, um diese gezielt für Ihre Zwecke zu nutzen beispielweise für die Optimierung von Prozessen und Dienstleistungen, für das Qualitätsmanagement, für strategische Entscheide. 1 Umfeld Daten sammeln allein bringt noch keine Erkenntnisse. Entscheidend ist das «Making Sense out of Data»: Wie können Daten beschrieben und analysiert werden, welche Aussagen kann man mit ihnen machen und welche Schlussfolgerungen kann man aus ihnen ziehen? Auf dem Markt stehen leicht bedienbare Software-Tools zur Aufbereitung von Daten, zur Analyse und zur Visualisierung zur Verfügung. Das CAS DA vermittelt einen praktischen Grundstock an Wissen, wissenschaftlichen Vorgehensweisen und Werkzeugen für die Datenanalyse. 2 Zielpublikum Das CAS DA richtet sich an Verantwortliche für Datenanalyse-Projekte: an Informatikerinnen und Informatiker, die in Datenanalyse-Projekten arbeiten sowie an wissenschaftliche Mitarbeitende, welche beim Erstellen von Analysen und Studien beraten und selber Daten auswerten. 3 Voraussetzungen Sie können mit mathematischen Gesetzen umgehen und haben die Bereitschaft zur anwendungsorientierten Arbeit mit statistischer Software. 4 Ausbildungsziele Sie überblicken das Gebiet der Datenanalyse. Sie können Daten methodisch aufbereiten, analysieren und visualisieren. Sie kennen Methoden wie die Regressionsanalyse, die Analyse von Zeitreihen, das Data Mining und das mächtige Open Source-Framework R (r-project.org). Study Guide CAS DA 3/15
4 5 Kursübersicht Kurs/Lehreinheit Lektionen Dozierende Tooling und Datenmanagement 24 Rudolf Farys, UniBe Dorian Kessler, BFH Deskriptive Statistik und mathematische Grundlagen 12 Michel Krebs, BFH Statistisches Testen 28 Michel Krebs, BFH Grafische Datenexploration und Datenvisualisierung 24 Oliver Hümbelin, BFH Fabienne Kilchör, Emphase Open Data 8 Oleg Lavrovsky Regressionsanalyse 20 Raul Gimeno, BFH Zeitreihenanalyse und Prognosen 16 Raul Gimeno, BFH Data Mining 32 Andrea Giovannini, IBM Produkt-Workshops Einzelne Tage Gemäss Stundenplan Total 164 Das CAS umfasst insgesamt 12 ECTS Punkte. Für die einzelnen Kurse ist entsprechend Zeit für Selbststudium, Prüfungsvorbereitung etc. einzurechnen. Das CAS ist Teil des 'Master of Advanced Studies in Data Science' der Berner Fachhochschule. Study Guide CAS DA 4/15
5 6 Kompetenzprofil Legende: 1. Kenntnisse von Begriffen, Definitionen und Regeln; Faktenwissen 2. Verstehen von Zusammenhängen, Erklären von Sachverhalte erklären können 3. Anwendung des Wissens in einfachen Situationen 4. Analyse der eigenen Lösung 5. Synthese neuer Lösungen und Anwendung in komplexen Situationen 6. Beurteilung der Anwendbarkeit für bestimmte Probleme und Situationen, methodische Abwägung und Evaluation von Alternativen, Beziehungen zu anderen Fachgebieten Study Guide CAS DA 5/15
6 7 en Nachfolgend sind die einzelnen Kurse 1 dieses Studienganges beschrieben. 7.1 Tooling und Datenmanagement Themen Einführung in das Statistiksoftwarepaket R, welches sich zunehmend zu einer Standardsprache der Datenanalyse entwickelt. Folgende Themen sollen behandelt werden: Grundlegende Funktionsweise von R, Datenmanagement, einfache Auswertungen sowie die Einbindung von R in den persönlichen Workflow (Umgang mit unterschiedlichen Datenquellen/-formaten und Einbindung von Resultaten in die Textverarbeitung (Word/Latex/HTML). Die Teilnehmenden werden befähigt, R für eigene Anwendungen einzusetzen, und kennen die wichtigsten Anlaufstellen (Literatur und Onlinehilfen) um das bestehende Wissen weiterzuentwickeln und auf neue Anwendungen auszuweiten. Einführung in R Grundlegende Funktionen der Datenmanipulation und Objektsprache R. Benutzung von R-Studio. Einlesen und Aufbereitung von Daten mit R Studio: Datensätze laden, verbinden, umformen, aggregieren (u.a. mit dplyr/data.table, reshape2) und exportieren. Berechnung von Verteilungs- und Zusammenhangs-Massen, statistischer Unsicherheit, Darstellung in Tabellen. Erstellen und Interpretation von Kennzahlen. Grafische Darstellung von Ergebnissen: built-in plot Befehle, Library ggplot2. Skript/Readings auf elearning Plattform Literaturempfehlungen: R in Action data analysis and graphics with R, siehe -Liste Nr. [2] An R Companion to Applied Regression, siehe -Liste Nr. [4] R Instructor on Android, S. Murphy Onlinehilfen: Generell: Suchmaschinen Speziefische Websites (stackoverflow, Quick R (statmethods.net), R mailing lists, google groups, you tube channels ) 1 Der Begriff Kurs schliesst alle Veranstaltungstypen ein, es ist ein zusammenfassender Begriff für verschiedene Veranstaltungstypen wie Vorlesung, Lehrveranstaltung, Fallstudie, Living Case, Fach, Studienreise, Semesterarbeiten usw. Study Guide CAS DA 6/15
7 7.2 Deskriptive Statistik und mathematische Grundlagen Die Teilnehmenden: Erlernen die grundlegenden Konzepte der deskriptiven Statistik. Nach Absolvierung des Moduls sind sie in der Lage, Daten aufzubereiten und zu präsentieren. Kennen Matrizen und sind in der Lage, elementare Matrizenoperationen korrekt durchzuführen. Themen Statistische Kennzahlen Verteilungen Lage- und Streuungsmasse Quantile Bivariate Datenanalyse Matrizen und Matrizenoperationen Folien/Skript/Readings auf elearning Plattform Literaturempfehlung: Statistik ohne Angst vor Formeln, siehe -Liste Nr. [1] 7.3 Statistisches Testen Die Teilnehmenden: Erlernen die Grundlagen der Wahrscheinlichkeitsrechnung und der schliessenden Statistik. Kennen insbesondere die statistischen Konzepte der Schaẗzung, des Hypothesentests sowie des Vertrauensintervalls und können diese in der Praxis anwenden. Themen Wahrscheinlichkeitsrechnung Zufallsvariable Summen von Zufallsvariablen Vertrauensintervalle und Hypothesentests Lineare Einfachregression Schätzen Bestimmtheitsmass Prognose Folien/Skript/Readings auf elearning Plattform Literaturempfehlung: Statistik ohne Angst vor Formeln, siehe -Liste Nr. [1] Study Guide CAS DA 7/15
8 7.4 Grafische Datenexploration und Datenvisualisierung Die Teilnehmenden: Können den Nutzen von explorativer Datenanalyse und Datenvisualisierungen im Prozess der Datenanalyse einschätzen. Sind mit den zentralen Techniken der Datenexploration vertraut und können diese mit R umsetzen. Sind fähig basierend auf den Gestaltungs-Prinzipien der Datenvisualisierung, anschauliche Graphiken zu erstellen. Lernen die Möglichkeiten von interaktiven Datenvisualisierungen kennen und können eigene, einfache Applikationen programmieren. Themen Bedeutung und Funktion von explorativer Datenanalyse und Datenvisualisierungen: Von Tukey über Tufte zu Quealy Techniken der Datenexploration mit R Univariate Techniken: Stem-and-Leaf_plot, Barcharts, Histogramme, Wahrscheinlichkeitsverteilungen, Boxplots, Zeitreihen Bi- und multivariate Techniken: Streudiagramme, Heat-Maps und Vergleich von Verteilungen Erkennen räumlicher Muster Visualisierungen als Mittel der Kommunikation Gestalt-Prinzipien der Datenvisualisierung und Umsetzung mit ggplot Interaktive Graphiken als Webapplikationen Folien/R-Skripte und über e-learning bereitgestellte Texte Literaturempfehlungen: R Graphics Cookbook, Practical Recipes for Vsiualizing Data, siehe -Liste Nr. [6]. Visualize This: The Flowing Data Guide to Design, siehe -Liste Nr. [3]. 7.5 Open Data Die Teilnehmenden setzen sich mit den Möglichkeiten global verfügbarer Daten auseinander. Themen Die Relevanz von Daten in einer zunehmend digitalisierten Welt für ein globales Wissenssystem für Ökonomie und Wirtschaft Open Data in der Schweiz Öffentlich zugängliche Daten Open Data nutzen (Gruppenarbeit) Study Guide CAS DA 8/15
9 7.6 Regressionsanalyse Die Teilnehmenden: Lernen die Regressionsanalyse als vielseitiges und klassisches Instrument kennen, mit dem Beziehungen zwischen abhängigen und unabhängigen Grössen hergestellt und Prognosen erstellt werden können. Können Methoden und Kriterien zur Überprüfung eines Modells, möglicher Einschränkungen, möglicher Modellfehler und zur Einschätzung der Prognosequalität anwenden. Themen Lineare Regression Multiple lineare Regression Lineare Restriktionen Prognose und Prognosequalität Analyse der Modellstruktur: Multikollinearität Heteroskedastizität Autokorrelation Mehrgleichungssysteme Nichtlineare Zusammenhänge Folien/Buch/Readings auf elearning Plattform Study Guide CAS DA 9/15
10 7.7 Zeitreihen und Prognosen Die Teilnehmer: Kennen die Eigenschaften und Charakteristika von Moving-Average, Autoregressiven und ARIMA Prozessen. Können eine Zeitreihe anhand verschiedener Methoden glätten. Können zwischen trend-stationären und differenz-stationären Prozessen unterscheiden. Verstehen die Problematik des sogenannten spurious-regression- Problem. Können die Unit-root-Tests (Einheitswurzel-Test) anwenden. Themen Glättungsverfahren: Gleitende Durchschnitte Exponentielle Glättung Holt-Verfahren Saisonbereinigung: Additives und multiplikatives Modell Regressionsverfahren Holt-Winters Verfahren Stochastische Prozesse Unit roots-tests Korrelogramm Folien/Readings auf elearning Plattform Study Guide CAS DA 10/15
11 7.8 Data Mining Die Teilnehmenden: Können selbständig ein unstrukturiertes Datenset bereinigen und in eine strukturierte Form bringen. Können sich selbständig anhand der vorhandenen Daten und der aktuellen Fragestellung für die richtige Data Mining Disziplin sowie einen geeigneten Algorithmus entscheiden. Verstehen quantitative Kennzahlen um die Genauigkeit der Ergebnisse zu überprüfen. Vertiefen die Anwendung von Standard-Software zur Datenanalyse (R und ApacheSpark). Kennen Alternativen um grosse Datenmengen, die nicht auf eine einzelne Maschine passen, zu analysieren. Themen Überblick Supervised vs. Non-Supervised Machine Learning Pre-Processing / Feature Extraction / Dimension Reduction Wiederholung: Regression Association Rule Mining Clustering Classification Bewertung von Ergebnissen Muster in Daten erkennen, Explorative Datenanalyse Neuronale Netzwerke und Deep Learning Parallelisierung von Algorithmen mit ApacheSpark Ausflug 1: Erkennung von handschriftlichen Zahlensymbolen mit neuronalen Netzen Ausflug 2: Neural-Art: Wie neuronale Netze lernen berühmte Maler zu imitieren Ausflug 3: Kaggle Wettbewerb: Treten Sie gegen die internationalen Meister des Fachs an Folien/Skript/Readings auf elearning Plattform 7.9 Produkt-Workshops Produkt-Workshops werden durch die BFH optional angeboten und CAS übergreifend organisiert. Die Durchführung richtet sich nach Anzahl Interessierten Teilnehmern (Einschreibeliste auf elearning Plattform) und nach Verfügbarkeit entsprechender Experten der jeweiligen Firma. Die Teilnehmenden lernen marktführende Produkte im Bereich Datenanalyse, Data Mining, Machine Learning kennen. Themen Einführung und Hands On Workshop Folien/Skript/Readings auf elearning Plattform Study Guide CAS DA 11/15
12 8 Kompetenznachweise Für die Anrechnung der 12 ECTS-Punkte ist das erfolgreiche Bestehen der Qualifikationsnachweise (Prüfungen, Projektarbeiten) erforderlich, gemäss folgender Aufstellung: Kompetenznachweis Gewicht Art der Qualifikation Erfolgsquote Studierende Tooling und Datenmanagement Deskriptive Statistik und statistisches Testen Grafische Datenexploration und Datenvisualisierung Regressionsanalyse, Zeitreihen und Prognosen 2 Übungen / Hausaufgabe % 2 Übungen + Schriftlich % 2 Übungen + Schriftlich % 2 Übungen + Schriftlich % Data Mining 2 Übungen + Schriftlich % Gesamtgewicht / Gesamterfolgsquote ECTS Note % A - F Die Termine sind im Stundenplan aufgeführt. Studierende können in einem Kompetenznachweis eine Erfolgsquote von 0 bis 100% erarbeiten. Die gewichtete Summe aus den Erfolgsquoten pro Thema und dem Gewicht des Themas ergibt eine Gesamterfolgsquote zwischen 0 und 100%. Die Gesamterfolgsquote wird in eine ECTS Note A bis E umgerechnet, gemäss Studienreglement. Weniger als 50% Gesamterfolgsquote ergibt eine ungenügende Note F. Study Guide CAS DA 12/15
13 9 Für das Einlesen und als Begleitmaterial werden folgende Bücher empfohlen: Nr Titel Autoren Verlag Jahr ISBN Nr. Typ [1] Statistik ohne Angst vor Formeln Andreas Quatember Pearson Studium 2014 ISBN: P [2] R in Action data analysis and graphics with R Robert I. Kabacoff Manning 2015 ISBN: E [3] Visualize This: The Flowing Data Guide to Design, Visualization, and Statistics Nathan Yau John Wiley & Sons Inc 2011 ISBN: E [4] An R Companion to Applied Regression John Fox, Harvey Sanford Weisberg SAGE Publications Inc 2011 ISBN: E [5] Introduction to Modern Time Series Analysis Uwe Hassler, Gebhard Kirchgässner, Jürgen Wolters Springer 2014 ISBN: E [6] R Graphics Cookbook Practical Recipes for Vsiualizing Data Winston Chang O'Reilly UK Ltd ISBN: E Weitere Empfehlungen und Hinweise bei den einzelnen Lehrveranstaltungen. Legende Typ: P = Pflichtlektüre mit Beschaffung durch Teilnehmende E = empfohlen Study Guide CAS DA 13/15
14 10 Dozierende Kursverantwortliche Dozierende sind: Vorname Name Firma Michel Krebs BFH Oliver Hümbelin BFH Rudolf Farys UniBe Fabienne Kilchör BFH Raul Gimeno BFH Andrea Giovannini IBM Dorian Kessler BFH Oleg Lavrovsky datalets.ch + Weitere Experten, Betreuer und Gastreferenten aus Unternehmen und Hochschulen 11 Organisation CAS-Leitung: Prof. Dr. Arno Schmidhauser, Departement Technik und Informatik Tel: Dr. Oliver Hümbelin, Departement Wirtschaft, Gesundheit und Soziale Arbeit Tel: CAS-Administration: Andrea Moser Tel: Termine Daten: KW bis KW Donnerstags, von 08:30 bis 16:15 Uhr Stundenplan siehe Webseite "Durchführungsdaten" Details Study Guide CAS DA 14/15
15 Dokumenteninformation Study Guide CAS DA Dieser Study Guide gilt für die Publikation ab Herbstsemester Während der Durchführung des CAS können sich Anpassungen bezüglich Inhalten, n, Dozierenden und Kompetenznachweisen ergeben. Es liegt in der Kompetenz der Dozierenden und der Studienleitung, aufgrund der aktuellen Entwicklungen in einem Fachgebiet, der konkreten Vorkenntnisse und Interessenslage der Teilnehmenden, sowie aus didaktischen und organisatorischen Gründen Anpassungen im Ablauf eines CAS vorzunehmen. Berner Fachhochschule Technik und Informatik Weiterbildung Wankdorffeldstrasse 102 CH-3014 Bern Telefon ti.bfh.ch/weiterbildung ti.bfh.ch/cas-da Study Guide CAS DA 15/15
Inhaltsverzeichnis. Study Guide CAS DA 2/17
CAS Datenanalyse Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 3 6 Kursübersicht 4 7 Kompetenzprofil 5 8 en 6 8.1 Tooling und Datenmanagement
MehrCAS Applikationsentwicklung mit JavaScript & HTML5
CAS Applikationsentwicklung mit JavaScript & HTML5 Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 3 6 Kursübersicht 4 7 Kompetenzprofil
MehrCAS Mobile Application Development
CAS Mobile Application Development Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 3 6 Kursübersicht 4 7 Kompetenzprofil 5 8 en 6 8.1 Mobile
MehrCAS Applikationsentwicklung mit JavaScript & HTML5
CAS Applikationsentwicklung mit JavaScript & HTML5 Frühlingssemester 2015 Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 3 6 Kursübersicht
MehrCAS Enterprise Application Development.NET
CAS Enterprise Application Development.NET Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 3 6 Kursübersicht 4 7 Kompetenzprofil 5 8 en 6
MehrCAS Embedded Linux und Android
CAS Embedded Linux und Android Frühlingssemester 2015 Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 3 6 Kursübersicht 4 7 Kompetenzprofil
MehrCAS Client Applications mit.net
CAS Client Applications mit.net Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 4 6 Kursübersicht 4 7 Kompetenzprofil 5 8 en 6 8.1 Grundlagen.NET
MehrCAS Systemisches Projektmanagement
CAS Systemisches Projektmanagement Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 3 6 Kursübersicht 4 7 Kompetenzprofil 5 8 Kursbeschreibungen
MehrGeorg-August-Universität Göttingen Modul P.SPS.01: Introduction to Mixed Models and Spatial Statistics
Modul P.SPS.01 Modul P.SPS.01: Introduction to Mixed Models and Spatial Statistics Im Rahmen dieses Moduls werden fundierte Methodenkenntnisse vermittelt, die im Bereich der gemischten Modelle und der
MehrCAS Betriebswirtschaft
CAS Betriebswirtschaft Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 3 6 Kursübersicht 4 7 Kompetenzprofil 5 8 Kursbeschreibungen 6 8.1
MehrCAS Software Architecture
CAS Software Architecture Frühlingssemester 2015 Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 4 6 Kursübersicht 4 7 Kompetenzprofil 5
MehrEinführung in die computergestützte Datenanalyse
Karlheinz Zwerenz Statistik Einführung in die computergestützte Datenanalyse 6., überarbeitete Auflage DE GRUYTER OLDENBOURG Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL
MehrStatistik. Datenanalyse mit EXCEL und SPSS. R.01denbourg Verlag München Wien. Von Prof. Dr. Karlheinz Zwerenz. 3., überarbeitete Auflage
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz 3., überarbeitete Auflage R.01denbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt
MehrCAS Application Lifecycle Management
CAS Application Lifecycle Management Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 4 4 Ausbildungsziele 4 5 Voraussetzungen 4 6 Kursübersicht 5 7 Kompetenzprofil 6 8 en 7 8.1 Einführung
MehrCAS Software Development
CAS Software Development Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 3 6 Kursübersicht 3 7 Kompetenzprofil 4 8 en 5 8.1 Java 5 8.2 Datenstrukturen
MehrModulnummer Modulname Verantwortlicher Dozent. Lineare Algebra und Analytische Geometrie
MN-SEBS-MAT-LAAG (MN-SEGY-MAT-LAAG) (MN-BAWP-MAT-LAAG) Lineare Algebra und Analytische Geometrie Direktor des Instituts für Algebra n Die Studierenden besitzen sichere Kenntnisse und Fähigkeiten insbesondere
MehrCAS Change Management
CAS Change Management Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 3 6 Kursübersicht 4 7 Kompetenzprofil 5 8 en 6 8.1 Change Management
MehrCrashkurs Mathematik für Ökonomen
Crashkurs Mathematik für Ökonomen Thomas Zörner in Kooperation mit dem VW-Zentrum Wien, Oktober 2014 1 / 12 Outline Über diesen Kurs Einführung Lineare Algebra Analysis Optimierungen Statistik Hausübung
MehrStatistik. Datenanalyse mit EXCEL und SPSS. Prof. Dr. Karlheinz Zwerenz. R.Oldenbourg Verlag München Wien. Von
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz R.Oldenbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL I GRUNDLAGEN
MehrCAS Networking & Security
CAS Networking & Security Herbstsemester 2014 Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 3 6 Kursübersicht 4 7 Kompetenzprofil 4 8 Organisation
MehrFachgruppe Statistik, Risikoanalyse & Computing. STAT672 Data Mining. Sommersemester 2007. Prof. Dr. R. D. Reiß
Fachgruppe Statistik, Risikoanalyse & Computing STAT672 Data Mining Sommersemester 2007 Prof. Dr. R. D. Reiß Überblick Data Mining Begrifflichkeit Unter Data Mining versteht man die Computergestützte Suche
MehrEinführungsveranstaltung für alle Statistik Nebenfächer
Einführungsveranstaltung für alle Statistik Nebenfächer Johanna Brandt (Nebenfachstudienberatung) Institut für Statistik, LMU 02. Oktober 2014 Johanna Brandt (Institut für Statistik, LMU) Nebenfachstudienberatung
Mehr0 Einführung: Was ist Statistik
0 Einführung: Was ist Statistik 1 Datenerhebung und Messung 2 Univariate deskriptive Statistik 3 Multivariate Statistik 4 Regression 5 Ergänzungen Explorative Datenanalyse EDA Auffinden von Strukturen
MehrCAS Networking & Security
CAS Networking & Security Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 3 6 Kursübersicht 4 7 Kompetenzprofil 4 8 Kursbeschreibungen 5
MehrTeil: lineare Regression
Teil: lineare Regression 1 Einführung 2 Prüfung der Regressionsfunktion 3 Die Modellannahmen zur Durchführung einer linearen Regression 4 Dummyvariablen 1 Einführung o Eine statistische Methode um Zusammenhänge
MehrCAS Software Development
CAS Software Development Herbstsemester 2014 Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 3 6 Kursübersicht 3 7 Kompetenzprofil 4 8 Organisation
MehrProseminar - Data Mining
Proseminar - Data Mining SCCS, Fakultät für Informatik Technische Universität München SS 2012, SS 2012 1 Data Mining Pipeline Planung Aufbereitung Modellbildung Auswertung Wir wollen nützliches Wissen
Mehr» S C H R I T T - F Ü R - S C H R I T T - A N L E I T U N G «M U L T I P L E L I N E A R E R E G R E S S I O N M I T S P S S / I B M Daniela Keller
» SCHRITT-FÜR-SCHRITTANLEITUNG«MULTIPLE LINEARE REGRESSION MIT SPSS/IBM Daniela Keller Daniela Keller - MULTIPLE LINEARE REGRESSION MIT SPSS/IBM Impressum 2016 Statistik und Beratung Dipl.-Math. Daniela
MehrStatistik für Ökonomen
Wolfgang Kohn Riza Öztürk Statistik für Ökonomen Datenanalyse mit R und SPSS 2., überarbeitete Auflage 4ü Springer Gabler Inhaltsverzeichnis Teil I Einführung 1 Kleine Einführung in R '! 3 1.1 Installieren
MehrStatistik, Geostatistik
Geostatistik Statistik, Geostatistik Statistik Zusammenfassung von Methoden (Methodik), die sich mit der wahrscheinlichkeitsbezogenen Auswertung empirischer (d.h. beobachteter, gemessener) Daten befassen.
MehrUniversität Stuttgart Vorstellung der Studiengänge Informatik und Softwaretechnik
Vorstellung der Studiengänge Informatik und Softwaretechnik Ilona Heurich Inhalt Worum geht es in der Informatik? Überblick über das Studium Was wird im Studium gelehrt (und was nicht)? Welche Voraussetzungen
MehrStatistik. Ludwig Fahrmeir Rita Künstler Iris Pigeot Gerhard Tutz. Der Weg zur Datenanalyse. Springer. Zweite, verbesserte Auflage
Ludwig Fahrmeir Rita Künstler Iris Pigeot Gerhard Tutz Statistik Der Weg zur Datenanalyse Zweite, verbesserte Auflage Mit 165 Abbildungen und 34 Tabellen Springer Inhaltsverzeichnis Vorwort v 1 Einführung
MehrBiostatistik Erne Einfuhrung fur Biowissenschaftler
Matthias Rudolf Wiltrud Kuhlisch Biostatistik Erne Einfuhrung fur Biowissenschaftler PEARSON Studium Inhaltsverzeichnis Vorwort xi Kapitel 1 Einfiihrung 1 1.1 Biostatistik als Bestandteil biowissenschafllicher
MehrInhaltsverzeichnis. Teil I Einführung
Inhaltsverzeichnis Teil I Einführung 1 Statistik-Programme... 1.1 Kleine Einführung in R... 1.1.1 Installieren und Starten von R. 1.1.2 R-Konsole... 1.1.3 R-Workspace... 1.1.4 R-History... 1.1.5 R-Skripteditor...
MehrDie Mathematiklehre an der BFH-TI, heute und morgen
Die Mathematiklehre an der BFH-TI, heute und morgen Pierre-André Chevalier GMFH 24 septembre 2016 Pierre-André Chevalier (GMFH) 24 septembre 2016 1 Die BFH in Kürze (1) Gründung 1. Oktober 1997 Trägerschaft
MehrExpertise für Ihre Datenanalyse Beratung und Schulungen von StatSoft
Expertise für Ihre Datenanalyse Beratung und Schulungen von StatSoft Inhalt Inhalt Consulting / Workshops 2 Programmierung / Automatisierung 3 Validierung 3 Schulungen Softwareunabhängige Methodenschulungen
MehrI. Deskriptive Statistik 1
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Grundgesamtheit und Stichprobe.................. 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................
MehrInterdisziplinäres Fernstudium Umweltwissenschaften - infernum. Reader: Statistik in den Umweltwissenschaften.
Interdisziplinäres Fernstudium Umweltwissenschaften - infernum Reader: Statistik in den Umweltwissenschaften. Interdisziplinäres Fernstudium Umweltwissenschaften - infernum Reader: Statistik in den Umweltwissenschaften.
MehrInhaltsverzeichnis. 2 Kurzbeschreibung von SPSS Der SPSS-Dateneditor Statistische Analysen mit SPSS DieDaten...
Inhaltsverzeichnis Teil I Einführung 1 Kleine Einführung in R... 3 1.1 Installieren und Starten von R... 3 1.2 R-Befehleausführen... 3 1.3 R-Workspace speichern... 4 1.4 R-History sichern........ 4 1.5
MehrMethoden der empirischen Sozialforschung
Technisdia Universität Oannstadt Fächgebiet Sportwissenschaft Methoden der empirischen Sozialforschung Peter Atteslander Vierte, erweiterte Auflage Unter Mitarbeit von Klaus Baumgartner Franz Haag Jörg
MehrProf. Dr. Michael Kerres
Einleitung Prof. Dr. Michael Kerres eine Veranstaltung des BMBF-Projekts STUDIUM+BERUF unter Leitung von Anke Hanft (U Oldenbourg) Michael Kerres (U Duisburg-Essen) Uwe Wilkesmann (TU Dormtund) mit Unterstützung
MehrSchool of Engineering CAS Pro jektmanagement
School of Engineering CAS Pro jektmanagement Zürcher Fachhochschule www.zhaw.ch/engineering/weiterbildung Weiterbildung 1 Impressum Text: ZHAW School of Engineering Druck: Druckerei Peter Gehring AG, Winterthur
MehrCAS Business Intelligence
CAS Business Intelligence Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 4 6 Kursübersicht 4 7 Kompetenzprofil 5 8 Kursbeschreibungen 6
MehrProseminar - Data Mining
Proseminar - Data Mining SCCS, Fakultät für Informatik Technische Universität München SS 2014, SS 2014 1 Data Mining: Beispiele (1) Hausnummererkennung (Klassifikation) Source: http://arxiv.org/abs/1312.6082,
MehrSeminar Visual Analytics and Visual Data Mining
Seminar Visual Analytics and Visual Data Mining Dozenten:, AG Visual Computing Steffen Oeltze, AG Visualisierung Organisatorisches Seminar für Diplom und Bachelor-Studenten (max. 18) (leider nicht für
MehrDatenvisualisierung mit JMP
Datenvisualisierung mit JMP Patrick René Warnat HMS Analytical Software GmbH Rohrbacherstr. 26 Heidelberg patrick.warnat@analytical-software.de Zusammenfassung Das JMP Paket ist ein Softwareprodukt der
MehrStatistische Methoden der Datenanalyse
Statistische Methoden der Datenanalyse Vorlesung im Sommersemester 2002 H. Kolanoski Humboldt-Universität zu Berlin Inhaltsverzeichnis Literaturverzeichnis iii 1 Grundlagen der Statistik 3 1.1 Wahrscheinlichkeit..................................
MehrGrundlagen der Deskriptiven Statistik
Syllabus Grundlagen der Deskriptiven Statistik AQM1021 Prof. Dr. Harry Niederau Sommersemester 2016 Lehrveranstaltung AQM1021 Grundlagen der Deskriptiven Statistik Leistungsnachweis 60-minütige Klausur
MehrAllgemeine Methodenlehre, Datenerhebung und Datenauswertung, deskriptive Statistik
M1 Allgemeine Methodenlehre, Datenerhebung und Datenauswertung, deskriptive Statistik In diesem Modul erlernen die Studierenden die grundlegenden Konzepte, Ansätze und Verfahren methodischen Arbeitens.
MehrHistorisches Seminar. Bachelor of Arts, Nebenfach. Geschichte. Modulhandbuch. Stand:
Historisches Seminar Bachelor of Arts, Nebenfach Geschichte Modulhandbuch Stand: 01.10.2013 1 Modul: M 1 Einführung in das Fachstudium (6 ECTS-Punkte) 1 Einführung in die V, P 6 3 4 Jedes 2. Semester Geschichtswissenschaft
MehrSozialwissenschaftliche Datenanalyse mit R
Katharina Manderscheid Sozialwissenschaftliche Datenanalyse mit R Eine Einführung F' 4-1 V : 'i rl ö LiSl VS VERLAG Inhaltsverzeichnis Vorwort 5 Danksagung 7 Inhaltsverzeichnis 9 R für sozialwissenschaftliche
MehrInhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden
Inhaltsverzeichnis Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3 Warum Statistik? 3 Checkpoints 4 Daten 4 Checkpoints 7 Skalen - lebenslang wichtig bei der Datenanalyse
MehrInhaltsverzeichnis. Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite. 1.0 Erste Begriffsbildungen Merkmale und Skalen 5
Inhaltsverzeichnis Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite 1.0 Erste Begriffsbildungen 1 1.1 Merkmale und Skalen 5 1.2 Von der Urliste zu Häufigkeitsverteilungen 9 1.2.0 Erste Ordnung
MehrCAS Certificate of Advanced Studies Personalführung im Gesundheitswesen KSW Von der Wirksamkeit zur Wirtschaftlichkeit. Crossing Borders.
CAS Certificate of Advanced Studies Personalführung im Gesundheitswesen KSW 2017 Von der Wirksamkeit zur Wirtschaftlichkeit. Crossing Borders. CAS Personalführung im Gesundheitswesen KSW 12 ECTS MODUL
Mehr46 Bachelor-Studiengang Mediendesign und digitale Gestaltung
Mediendesign und digitale Gestaltung, Seite 1 von 5 46 Bachelor-Studiengang Mediendesign und digitale Gestaltung (1) Studienstruktur Das Studium Mediendesign und digitale Gestaltung umfasst 25 Module in
MehrSyllabus MEN1282 Einführung in die Konstruktionslehre WS 16/17
Lehrveranstaltung: Einführung in die Konstruktionslehre für Wirtschaftsingenieure (MEN 1282) Deutsch, 3 SWS, 3 Credits Niveau: fortgeschritten Termin und Raum: siehe LSF Lehrende: Prof. Dr. Gerd Eberhardt
MehrAngewandte Linguistik IUED Institut für Übersetzen und Dolmetschen Übersetzen
Zürcher Hochschule für Angewandte Wissenschaften Angewandte Linguistik IUED Institut für Übersetzen und Dolmetschen Übersetzen Certificate of Advanced Studies (CAS) Zürcher Fachhochschule Der Kurs Ziele
MehrStatistik für Biologen 1. Fachsemester Mono-Bachelor
1. Fachsemester Mono-Bachelor Prof. Dr. Britta Tietjen Wintersemester 2012/2013 Termin Vorlesung: Montags, 10:15-11:00 Uhr Termine Tutorien: Donnerstags/Freitags Botanisches Museum Königin-Luise-Str. 6-8,
MehrSBWL Tourismusanalyse und Freizeitmarketing, Vertiefungskurs 2
Inhalt SBWL Tourismusanalyse und Freizeitmarketing, Vertiefungskurs 2 1. Teil: Zerlegungsmodelle und naive Prognosemethoden für Zeitreihen Regina Tüchler Einleitung 1. Einführung in das Modellieren von
MehrStudienordnung für den Weiterbildungs-Masterstudiengang Management in Physiotherapie
Studienordnung für den Weiterbildungs-Masterstudiengang Management in Physiotherapie (als Anhang zur Rahmenstudienordnung für Nachdiplomstudien der Zürcher Fachhochschule vom 22. November 2005) 1. Beschluss
MehrFormelsammlung für Wirtschaftswissenschaftler
Fred Böker Formelsammlung für Wirtschaftswissenschaftler Mathematik und Statistik PEARSON.. ;. ; ; ; *:;- V f - - ' / > Щ DtUClllirn ein Imprint von Pearson Education München Boston San Francisco Harlow,
Mehr20. Mitteilungsblatt Nr. 24
20. Mitteilungsblatt Nr. 24 Mitteilungsblatt der Medizinischen Universität Wien Studienjahr 2013/2014 20. Stück; Nr. 24 C U R R I C U L A Änderung des Curriculums für das Masterstudium Medizinische Informatik
MehrHauptseminar zum Thema:
Fakultät Informatik Institut für angewandte Informatik Professur Technische Informationssysteme Hauptseminar zum Thema: Vergleich ARCH- und GARCH- Modelle bei der Analyse von Zeitreihen mit veränderlichen
MehrIf something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra
If something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra If you torture your data long enough, they will tell you whatever you want to hear. James L. Mills Warum Biostatistik?
MehrStatistik im Grundstudium der wirtschafts- und sozialwissenschaftlichen Studiengänge. und sozialwissenschaftlichen Studiengänge
Statistik im Grundstudium der wirtschafts- und sozialwissenschaftlichen Studiengänge WER??? BWL WIW VWL WIN WIP BIN DEM SOZ 1. Semester 2. Semester 3. Semester WANN??? 2 SWS Vorlesung 2 SWS Vorlesung 2
MehrMathematik in den Life Siences
Gerhard Keller Mathematik in den Life Siences Grundlagen der Modellbildung und Statistik mit einer Einführung in die Statistik-Software R 49 Abbildungen Verlag Eugen Ulmer Stuttgart Inhaltsverzeichnis
MehrLehrwerk: Lambacher Schweizer, Klett Verlag
Thema I: Lineare und lineare Gleichungen 1. Lineare 2. Aufstellen von linearen Funktionsgleichungen 3. Nullstellen und Schnittpunkte 1. Klassenarbeit Thema II: Reelle 1. Von bekannten und neuen 2. Wurzeln
MehrDer Forschungsprozess in der Quantitativen Sozialforschung. Crash-Kurs
Der Forschungsprozess in der Quantitativen Sozialforschung Eine jede empirische Studie ist ein PROZESS. Definition: Unter PROZESS ist der Ablauf von Strukturen zu verstehen. Definition: Unter STRUKTUR
MehrMaster of Arts in Public Opinion and Survey Methodology
Kultur- und Sozialwissenschaftliche Fakultät Soziologisches Seminar Master of Arts in Public Opinion and Survey Methodology Das Bevölkerungswissen, die öffentliche Meinung und das Konsumverhalten wissenschaftlich
MehrA. Die Grundlagen. B. Die Methoden der Datengewinnung. C. Erhebungsverfahren. Vorwort Inhaltsverzeichnis. 1. Gegenstand der Marktforschung
Vorwort Inhaltsverzeichnis A. Die Grundlagen 1. Gegenstand der Marktforschung 2. Arten der Marktforschung 3. Arten der Marktuntersuchung 4. Bedeutung von Informationen im Marketing-Entscheidungsprozess
MehrSTUDIENPLAN FÜR DEN DIPLOM-STUDIENGANG TECHNOMATHEMATIK an der Technischen Universität München. Übersicht Vorstudium
STUDIENPLAN FÜR DEN DIPLOM-STUDIENGANG TECHNOMATHEMATIK an der Technischen Universität München Übersicht Vorstudium Das erste Anwendungsgebiet im Grundstudium ist Physik (1. und 2. Sem.) Im 3. und 4. Sem.
MehrInhaltsverzeichnis. Study Guide CAS F 2/12
CAS Führung Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 4 6 Kursübersicht 4 7 Kompetenzprofil 5 8 en 6 8.1 Einführungsveranstaltung 6
MehrMEDIENINFORMATION. Zürich,
MEDIENINFORMATION Zürich, 6.11. 2013 Emotionale Barrieren im Umgang mit Social Media: Die persönliche Einstellung von Führungskräften zu Social Media ist der relevante Treiber für die Nutzung in Unternehmen.
MehrQuantitative Methoden der Betriebswirtschaftslehre I Überblick
Quantitative Methoden der Betriebswirtschaftslehre I Überblick Prof. Dr. Norbert Trautmann Universität Bern Frühjahrssemester 2016 Gliederung 1 2 3 4 5 Prof. Dr. Norbert Trautmann, Frühjahrssemester 2016
Mehrpersönlich führen lernen In Steuergruppen arbeiten / Unterrichtsteams, Stufen oder Projekte leiten Weiterbildung und Dienstleistungen
persönlich führen lernen In Steuergruppen arbeiten / Unterrichtsteams, Stufen oder Projekte leiten Weiterbildung und Dienstleistungen Steuergruppen 3 Ein Angebot für Lehrpersonen mit besonderen Aufgaben
MehrErste Schritte mit R. 2.1 Herunterladen der freien Software R
Erste Schritte mit R 2 BevorwirunsmitdeninKap.1 eingeführten Fragestellungen beschäftigen, brauchen wir noch ein Werkzeug, um die Datensätze später wirklich auswerten zu können. Sicher lässt sich das in
MehrStudienplan für das Bachelor- und Masterstudium im Studiengang Erziehungswissenschaft
Studienplan für das Bachelor- und Masterstudium im Studiengang Erziehungswissenschaft Vom 2. April 2012 Die Philosophisch-humanwissenschaftliche Fakultät erlässt, gestützt auf Artikel 44 des Statuts der
Mehr5. Zeitreihenanalyse und Prognoseverfahren
5. Zeitreihenanalyse und Prognoseverfahren Stichwörter: Trend, Saisonalität, Noise, additives Modell, multiplikatives Modell, Trendfunktion, Autokorrelationsfunktion, Korrelogramm, Prognosehorizont, Prognoseintervall,
MehrW.WIINM32.11 (Datawarehousing) W.WIMAT03.13 (Statistik)
Modulbeschrieb Business Intelligence and Analytics 16.10.2013 Seite 1/5 Modulcode Leitidee Art der Ausbildung Studiengang Modultyp W.WIINM42.13 Information ist eine derart wichtige Komponente bei der Entscheidungsfindung,
MehrSemester: -- Worload: 150 h ECTS Punkte: 5
Modulbezeichnung: Modulnummer: DLMMSE Marketing-Seminar Semester: -- Dauer: Minimaldauer 1 Semester Modultyp: Pflicht Regulär angeboten im: WS, SS Worload: 150 h ECTS Punkte: 5 Zugangsvoraussetzungen:
MehrInformatik-Anwender/in I und II SIZ. Diplom SIZ, Kaufmännische Ausprägung Sursee Willisau. Kleine Klasse hohe Erfolgsquote
Informatik-Anwender/in I und II SIZ Diplom SIZ, Kaufmännische Ausprägung Sursee Willisau Kleine Klasse hohe Erfolgsquote Leiter Bildungsgang Adrian Rutz adrian.rutz@edulu.ch Administration Weiterbildungszentrum
MehrBegleitende Online-Lernkontrolle als Prüfungszulassungsvoraussetzung
Modulbezeichnung: Modulnummer: IWMB Mobile Software Engineering Semester: -- Dauer: Minimaldauer 1 Semester Modultyp: Wahlpflicht Regulär angeboten im: WS, SS Workload: 300 h ECTS Punkte: 10 Zugangsvoraussetzungen:
MehrEmpirische Softwaretechnik
Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006 1 Einführung in das Statistikpaket 2 R?! nicht vergleichbar mit den üblichen Statistikprogrammen wie SAS oder
MehrLehr-/Lernformen (vgl. Leitfaden Punkt 5) Vorlesung, Unternehmensplanspiel, Press-Review mit Ausarbeitung und Präsentation betriebswirtschaftlicher
Modulbeschreibung I.. Modulbezeichnung BWL Einführung Beitrag des Moduls zu den Studienzielen Qualifikationsziele Die Studierenden überblicken die verschiedenen Disziplinen der Betriebswirtschaftslehre
MehrStudien- und Prüfungsordnung für Externe
Studien- und Prüfungsordnung für Externe in Master- Studienprogrammen der Hochschule Aalen in Kooperation mit der Weiterbildungsakademie (WBA) vom 4. März 2016 Lesefassung vom 4. März 2016 Am 27. Januar
MehrÜber den Autor 7 Über den Fachkorrektor 7. Einführung 19
Inhaltsverzeichnis Über den Autor 7 Über den Fachkorrektor 7 Einführung 19 Über dieses Buch 19 Törichte Annahmen über den Leser 20 Wie dieses Buch aufgebaut ist 20 Teil I: Ein paar statistische Grundlagen
MehrStudienstart International
Studienstart International Einführungsveranstaltung für Studierende aus dem Ausland Neu an der WiSo? Erste Schritte in Studium und Leben in Köln WiSo-Studienberatungszentrum 5. April 2016-1- Inhalt 1.
MehrInhaltsverzeichnis. I Einführung in STATISTICA 1. 1 Erste Schritte in STATISTICA 3
I Einführung in STATISTICA 1 1 Erste Schritte in STATISTICA 3 2 Datenhaltung in STATISTICA 11 2.1 Die unterschiedlichen Dateitypen in STATISTICA....... 11 2.2 Import von Daten......... 12 2.3 Export von
MehrPraxisorientierte. Weiterbildung KURSE 2014. dynelytics AG SCHNECKENMANNSTRASSE 25 CH-8044 ZÜRICH
KURSE 2014 Praxisorientierte Weiterbildung dynelytics AG SCHNECKENMANNSTRASSE 25 CH-8044 ZÜRICH TELEFON (+41) 44 266 90 30 FAX (+41) 44 266 90 39 E-MAIL INFO@DYNELYTICS.COM Dynelytics IBM SPSS-Kurse 2014
MehrGemeindecockpit. Zürich-Oerlikon, 23. Mai 2016
Gemeindecockpit Zürich-Oerlikon, 23. Mai 2016 urs.sauter@bfh.ch www.gemeindecockpit.ch Berner Institute Fachhochschule for ICT-Based Haute Management école spécialisée ICTM bernoise Bern University of
MehrUnterstützungsangebote in. Mathematik: Maßnahmen und Erkenntnisse
Unterstützungsangebote in Mathematik: Maßnahmen und Erkenntnisse Susanne Bellmer Februar 2015 Überblick 1. Problematik und Motivation 2. Maßnahmen und Erkenntnisse 3. Zusammenfassung und Fazit 2 1. Problematik
MehrUlrich Rohland. Statistik. Erläuterung grundlegender Begriffe und Verfahren
Ulrich Rohland Statistik Erläuterung grundlegender Begriffe und Verfahren Berichte aus der Sportwissenschaft Ulrich Rohland Statistik Erläuterung grundlegender Begriffe und Verfahren. Shaker Verlag Aachen
MehrSAS CONTEXTUAL ANALYSIS IN ACTION ERFAHRUNGEN AUS EINEM EIN SELBSTVERSUCH
SAS CONTEXTUAL ANALYSIS IN ACTION ERFAHRUNGEN AUS EINEM EIN SELBSTVERSUCH GERHARD SVOLBA COMPETENCE CENTER ANALYTICS WIEN, 17. NOVEMBER 2015 SAS CONTEXTUAL ANALYSIS 14.1 EIN BLICK IN DIE PRODUKTBESCHREIBUNG
MehrModulname Investitionsrechnung (Stand: September 2015)
Modulname Investitionsrechnung (Stand: September 2015) Modulcode INVRE INVEST Anzahl ECTS-Punkte 2 1 ECTS entspricht 30h Aufwand für die Studierenden jede Lektion (1h Kontaktstudium/Woche) ergibt 14h/Semester
MehrPrüfungsordnung der Albert-Ludwigs-Universität für den Studiengang Bachelor of Arts (B.A.)
Vom 25. November 2011 (Amtliche Bekanntmachungen Jg. 42, Nr. 104, S. 723 968) in der Fassung vom 21. Dezember 2015 (Amtliche Bekanntmachungen Jg. 46, Nr. 79, S. 489 573) Prüfungsordnung der Albert-Ludwigs-Universität
MehrFachcurriculum Mathematik 5. Klasse TFO
Fachcurriculum Mathematik 5. Klasse TFO Die Fachlehrer: Jolanda Wieser Fach: Mathematik Fachspezifische Kompetenzen Die Schülerin, der Schüler kann : mit symbolischen, formalen und technischen Elementen
MehrMODULBESCHREIBUNG FÜR MODULE MIT NUR EINEM KURS
MODULBESCHREIBUNG FÜR MODULE MIT NUR EINEM KURS KURSBESCHREIBUNG Code Fachbereich(e) Name Studiengang /-gänge Interkulturelle Kommunikation und Kooperation 05020001.EN/13 Angewandte Psychologie Angewandte
MehrLEHRPLAN MATHEMATIK SPORT- UND MUSIKKLASSE
LEHRPLAN MATHEMATIK SPORT- UND MUSIKKLASSE STUNDENDOTATION GF EF 3. KLASSE 1. SEM. 4 2. SEM. 4 4. KLASSE 1. SEM. 3 2. SEM. 3 5. KLASSE 1. SEM. 3 2. SEM. 3 6. KLASSE 1. SEM. 3 2 2. SEM. 3 2 7. KLASSE 1.
MehrDeutsches Zentrum für Lehrerbildung Mathematik
1 Deutsches Zentrum für Lehrerbildung Mathematik Inhaltsbereiche der Mathematik der Grundschule unter didaktischer Perspektive Stochastik in der Grundschule: Daten, Häufigkeit und Wahrscheinlichkeit Kurs
Mehr