Lehrveranstaltung: Machine Learning in Finance, Management and Accounting (5106-842)

Personen:

• Amirhossein Sadoghi (verantwortlich)

Lehrform:

Vorlesung mit Übung

SWS:

3

Inhalt:

Der Kurs beginnt mit einer Übersicht über einige Prinzipien der Statistik und gibt einen kurzen Überblick über Software R. Der Kurs behandelt einige der Methoden, die sich mit der Klassifizierung, Clustering und Deep Learning sowie Text-Mining-Techniken befassen. Schließlich diskutieren wir einige Anwendungen solcher Techniken in der sozialen Finanzen, Management und Buchhaltung.

Literatur:

An Introduction to Statistical Learning with Applications in R.
by: James, G., Witten, D, D., hastie, T., Tibshirani, R.

Big Data and Social Science: A Practical Guide to Methods and Tools, 1st Edition by Ian Foster, Rayid Ghani, Ron S. Jarmin, Frauke Kreuter, Julia Lane

Veranstaltungsort:

Hohenheim

Anmerkungen:

In diesem Kurs arbeiten wir an einer Reihe von Techniken, um wissenschaftliche Modelle aus empirischen Daten zu erstellen. Ein Großteil des Kurses wird im Blockformat stattfinden. Der Kurs besteht aus mehreren Vorlesungen über Data-Mining Techniken mit einigen Übungen in der Klasse. Der Lehrstil dieses Kurses ist ein forschungsorientierter Ansatz (normalerweise eher empirisch als theoretisch). Mehrere Laborübungen, die auf wisenschaftlichen Arbeiten basieren, werden die Anwendung von Data-Mining in den Sozialwissenschaften einführen. Die Teilnehmer lernen, wie sie mit dem großen Datensatz arbeiten und einige fortgeschrittene Techniken in ihrem eigenen Forschungsgebiet anwenden. Grundkenntnisse in Statistik oder Ökonometrie sind ausreichend. Nach Abschluss des Kurses sollten die Studierenden in der Lage sein, eine wissenschaftliche Arbeit an der Ph.D. Level auf Schlüsselfragen von big data in den Sozialwissenschaften.

Modul:

• 5105-840 Wahlmodul Management/Finance (Wahlpflicht)