Universität · BWL · 6. Semester – Hauptstudium II: Abschluss und Bachelorarbeit
Prädiktive Analytics und maschinelles Lernen: Grundlagen für BWLer
Machine Learning: supervised, unsupervised, reinforcement Learning. Wichtige Algorithmen: Lineare Regression (Vorhersage), Logistische Regression (Klassifikation), Entscheidungsbaum, Random Forest. Anwendungsfelder in der BWL: Nachfrageprognose, Kreditscoring, Churn Prediction, Betrugserkennung, dynamisches Pricing, Personalempfehlungssysteme. Modellgüte: Accuracy, Precision, Recall, F1-Score, AUC-ROC – Interpretation für Nicht-Techniker. Overfitting und Underfitting. Bias und Fairness. KI-Governance: Erklärbarkeit (XAI), Regulierung (EU AI Act).
Inhaltsübersicht
- Einführung in Prädiktive Analytics und maschinelles Lernen: Grundlagen für BWLer
- Kernkonzepte
- Anwendungen und Übungen
- Zusammenfassung
📚 Vollständiges Lernmaterial mit 4 Abschnitten, Karteikarten und Quizzen verfügbar nach Anmeldung.
Jetzt kostenlos lernen →Verwandte Themen
- Daten als strategische Ressource: Grundbegriffe und Ökosystem
- Business Intelligence: Dashboards, Reports und Visualisierung
- Deskriptive und diagnostische Analytics: Was ist passiert und warum?
- KI in der Unternehmenspraxis: Anwendungsfälle und Implementierung
- Praktische Übung: Dashboard erstellen und Daten analysieren
Interaktiv lernen mit Karteikarten & Quizzen
Melde dich an und lerne Data Analytics und Business Intelligence für BWLer mit intelligenten Wiederholungen, Quizzen und KI-Lernhilfen. 7 Tage kostenlos.
Kostenlos testen