Programmstruktur und Curriculum

Sie sind hier: MBA & Master » Mannheim Master in Management Analytics » Programmstruktur und Curriculum

Diese Seite

Innovativ und abwechslungsreich

Der Mannheim Master in Management Analytics steht ebenso für die richtige Balance zwischen theoretischer Fundierung und Praxisnähe wie auch für eine enge Verzahnung der Bereiche Business, Methoden und Technologie. Auf diese Weise bereiten wir unsere Teilnehmerinnen und Teilnehmer in optimaler Weise auf Ihre zukünftigen Herausforderungen vor.

Die Programmstruktur im Überblick

Der Mannheim Master in Management Analytics besteht aus fünf aufeinander aufbauenden Modulen, die über einen Zeitraum von 30 Monaten verteilt sind. Diese Struktur erlaubt es Ihnen, während des Programms weiterhin voll berufstätig zu sein und ihr neu erworbenes Wissen direkt am Arbeitsplatz anzuwenden.

  • Pflichtkurse

    In den ersten drei Modulen legen Pflichtkurse die fachliche Basis in den drei Kernbereichen Methoden, Business und Technologie.

  • Wahlkurse

    Ein hoher Anteil an Wahlkursen ermöglicht Ihnen eine Schwerpunktsetzung gemäß Ihrer beruflichen Interessen und Karriereziele. Hierzu stehen Ihnen verschiedene Tracks zur Verfügung. Sie können sich zum einen entweder in Richtung Statistik oder Machine Learning orientieren, zum anderen Ihren Schwerpunkt auf einzelne betriebliche Funktionen (z.B. Marketing, Finanzen, Operations) legen.

  • Zertifikate

    Während des Studiums können Sie Zertifikate in aktuellen Programmiersprachen wie Python und R oder für Tools wie Google Analytics oder Amazon Web Services erwerben.

  • Business Analytics Masterprojekt

    Gemeinsam mit einem Team aus Mitstudierenden wenden Sie Fachwissen und Methodenkompetenzen, die Sie sich im Laufe des Studiums angeeignet haben, in einem umfassenden Praxisprojekt in einem unserer Partnerunternehmen an.

  • Soft Skills

    Teamarbeit bei wesentlichen Studienelementen wie der Masterarbeit und Soft-Skill-Kurse fördern die Stärkung der für Führungspositionen notwendigen Schlüsselqualifikationen.

  • Study Trips

    Optional bieten einwöchige Study Trips die Möglichkeit, den Horizont und das eigene Netzwerk zu erweitern und Einblicke in innovative Unternehmen in Technologiezentren wie dem Silicon Wadi in Israel oder bei den Silicon Vikings in Skandinavien zu gewinnen.

Das Curriculum im Detail

Werden Sie zum Experten für Digitale Transformation. Im Folgenden finden Sie eine detaillierte Beschreibung der einzelnen Module und Inhalte des Mannheim Master in Management Analytics.

Modul 1 - Einführung in analytisches Denken und Lösungsfindungen

  • Analytisches und Kritisches Denken

    Analytisches und kritisches Denken wird zu einer immer wichtigeren Eigenschaft in Unternehmen. Dieser Kurs bietet Ihnen die Möglichkeit, Ihre Fähigkeiten im Erkennen von Problemen, der Zerlegung dieser in Teilprobleme und der Analyse komplexer Sachverhalte weiterzuentwickeln. Außerdem erlernen Sie, wie fundierte Lösungen für Probleme sowie Argumente systematisch entwickelt werden können.

    • Sie erlernen unter anderem die Grundlagen der Wahrscheinlichkeitstheorie und erfahren, wie Wahrscheinlichkeitsverteilungen durch die Quantifizierung des Risikos bestimmter Ergebnisse bei Entscheidungen helfen können.
    • Sie lernen außerdem wie Sie Gedanken, Ideen und Informationen gegenüber Ihren Kollegen, Geschäftspartnern und Kunden überzeugender ausdrücken können.
    • Nach Abschluss des Kurses sind Sie in der Lage, komplexe Probleme zu identifizieren und systematisch zu analysieren und somit Geschäftsprobleme schneller und effektiver zu lösen.
  • Data Science für Unternehmen I

    Moderne Unternehmensanalysen sind für ein Unternehmen nur dann wertvoll, wenn Führungskräfte und Manager mit Analyseverfahren und den Unternehmensdaten vertraut sind. Ziel dieses Kurses ist es, Ihnen grundlegendes und praxisorientiertes Wissen zu vermitteln, welches Sie benötigen, um die Herausforderungen und Möglichkeiten im Zusammenhang mit Daten und deren Analyse zu verstehen.

    • Sie lernen, Fragestellungen in Unternehmen methodisch unter Einbezug von Daten zu analysieren und zu beantworten. Sie lernen zu beurteilen, ob das Unternehmen die richtigen Fragen stellt, die richtigen Daten zur Analyse auswählt, geeignete Methoden zur Analyse und Beantwortung der Fragen heranzieht und schließlich die Fragen anhand von fundierter Evidenz aus den Daten beantwortet.
    • Es werden folgende Methoden praxisorientiert, anhand von Unternehmensbeispielen, vermittelt: Regressionsanalysen, Modellauswahl, Modelltests, Cross-Validierung, Predictive Modelling, Lernkurven, Clustering und Data Mining.
    • Darüber hinaus werden die Themen Datenethik sowie der Schutz von Personen, Mitarbeitern und Unternehmen behandelt.

     

     

  • Strategisches Management

    Die Fähigkeit, unter dynamischen und komplexen Markt- und Wettbewerbsbedingungen souverän und professionell strategische Fragen zu beantworten, entscheidet nachhaltig über den Erfolg eines Unternehmens. In volatilen und stark umkämpften Märkten bildet ein professionell geführter Strategieprozess eine wichtige Grundlage zur Realisierung von Unternehmenszielen.

    • Sie lernen, wie Daten dabei helfen Strategien zu entwickeln, also Vision, Werte und Ziele zu definieren, das Umfeld zu analysieren oder Wettbewerber und Marktsegmente zu identifizieren, um dem Unternehmen Wettbewerbsvorteile zu verschaffen.
    • Weitere Themen des Kurses sind: Business Model Innovation und Transformation, Strategic Change Management und Unternehmensstrategie sowie Allianzen im Kontext einer Internationalen Strategie.

Modul 2 - Grundlagen in Management Analytics

  • Entscheidungsfindung unter Unsicherheit

    Viele Entscheidungen in Unternehmen werden unter Unsicherheit getroffen. Dieser Kurs bietet Ihnen eine Einführung in die Herausforderungen der Entscheidungsfindung unter Unsicherheit mit Bezug auf daten- und computergestützten Modellen. Sie lernen grundlegende Entscheidungsmodelle und -algorithmen anhand von praxisorientierten Beispielanwendungen kennen.

    • Im Rahmen des Kurses werden Entscheidungstheorien und Berechnungsmethoden zur Lösung von Entscheidungsproblemen mit stochastischer Dynamik, Modellunsicherheit und unvollkommenen Zustandsinformationen behandelt.
    • Folgende Methoden werden praxisorientiert, anhand von Unternehmensbeispielen, vermittelt: Bayes'sche Netzwerke, Zusammenhangsdiagramme, dynamische Programmierung, Reinforcement Learning und beobachtbare Markov-Entscheidungsprozesse.
  • Data Science für Unternehmen II

    Unternehmen können heute unter Einbezug von quantitativen Analysen großer Datensätze komplexe Geschäfts- und Managementprobleme lösen.

    • Sie lernen, Data Mining auf komplexe Fragestellungen zu Geschäftsproblemen anzuwenden und zu beurteilen, welche Lernalgorithmen in verschiedenen Situationen geeignet sind. Sie werden Data Mining Tools für die Datenexploration von realen Unternehmensherausforderungen einsetzen.
    • Unter Einbezug der in diesem Kurs vermittelten Methoden der Data Science lernen Sie, wie führende datengetriebene Unternehmen Daten analysieren und aus diesen einen Mehrwert für das Unternehmen schaffen.
    • Folgende Methoden werden praxisorientiert, anhand von Unternehmensbeispielen, vermittelt: Clustering, Regression Trees, Nearest Neighbors, Naïve Bayesian Learning und Ensemble Methods.
  • Marketing Analytics

    Marketing Analytics ermöglicht es Unternehmen, die Marketingleistung zu messen und damit ihre Effektivität zu maximieren und den Return on Investment (ROI) zu optimieren. Neben den offensichtlichen Anwendungen für Vertrieb und Lead-Generierung bietet Marketing Analytics fundierte Einblicke in Kundenpräferenzen und Markttrends, die für zukünftige Marketing- und Geschäftsentscheidungen genutzt werden können.

    • Folgende Methoden werden praxisorientiert, anhand von Unternehmensbeispielen, vermittelt: Ermittlung von Marken- und Kundenwert, Einfluss von Marketinginstrumenten auf die Nachfrage anhand von Regressionsanalysen, Durchführung von Experimente und A/B Tests, Bewertung und Optimierung von Marketingkampagnen.
    • Sie erhalten ein solides Verständnis dafür, wie Marketinganalysen durchgeführt werden können um Ergebnisse vorherzusagen und Ressourcen systematisch einzusetzen.
  • Daten-Management

    Um Daten optimal zu nutzen und deren volles Potenzial in Geschäftsprozesse einzubringen, bedarf es des Wissens über Methoden des Data Managements sowie organisatorischer und technischer Maßnahmen.

    • Sie erlernen die Grundlagen der Datenspeicherung und erwerben grundlegende Fähigkeiten in der Datenbereinigung und -abfrage, um die Datennutzung zu erleichtern und die Datenqualität in Unternehmen und in Projekten der Data Science sicherzustellen.
    • Es werden die Grundlagen von Metadaten und Metadatenstandards, Methoden zur Lösung grundlegender Datenintegrationsprobleme sowie Datenmodelle und Softwarearchitekturen für die Integration verschiedener Datentypen behandelt.
    • Außerdem werden folgende Themen praxisorientiert, anhand von Unternehmensbeispielen, vermittelt: Relationale Datenbanken, dokumentenbasierte Datenbanken, NoSQL, Datenmanipulation, Zugriff auf Datenquellen, Web-APIs, Web Crawling und das Parsen von Textdaten.

Modul 3 - Fortgeschrittene Management Analytics

  • Datenvisualisierung und Story-Telling

    In diesem Kurs lernen Sie, wie Daten mit grafischen, verbalen und visuellen Mitteln an verschiedene Zielgruppen im Unternehmen effektiv kommuniziert werden können. Darunter fallen Datenexperten (z.B. Leiter von Business Analytics), Kundenverantwortliche (z.B. Chief Marketing Officer) oder Führungskräfte (z.B. Chief Executive Officer).

    Ziel des Kurses ist die Vermittlung von aktuellen Ansätzen der Datenvisualisierung:

    • Psychologie der Datenvisualisierung: Kognition, Wahrnehmung und Überzeugungskraft
    • Visualisierungswerkzeuge (z.B. Tableau und R)
    • Gestaltungsprinzipien für effektive Diagramme und Grafiken
    • Visualisierung verschiedener Datentypen (z.B. kategorische Zeitreihen und Geodaten)
    • Effektives Dashboard Design & effektive digitale Präsentationen
  • Financial Analytics

    Data Science und insbesondere statistische und mathematische Methoden sind heute Bestandteil der meisten Finanzaktivitäten und verändern die Finanzdienstleistungsbranche unaufhaltsam. In diesem Kurs erlernen die Teilnehmer die methodischen Werkzeuge, um beispielsweise als Kreditgeber Big Data für schnellere und bessere Kreditentscheidungen oder als Trader Datenanalysen zur Maximierung von Portfolio-Renditen zu nutzen.

    • Folgende Methoden werden praxisorientiert, anhand von Unternehmensbeispielen, vermittelt: Statistische Inferenz, finanzielle Zeitreihenmodellierung, Ereignisstudienanalyse und Machine Learning zur Vorhersage mittels Big Data.
    • Reale Daten werden analysiert, um Modelle für Finanz- und Makroprognosen, quantitativen Handel und dynamisches Risikomanagement zu erstellen.
  • Accounting & Financial Management

    Die Finanzdienstleistungsbranche verändert sich fortlaufend und signifikant, insbesondere aufgrund von Fortschritten in der Daten- und Informationstechnologie, die helfen, Geschäftsentscheidungen voranzutreiben und Risiken besser abzuschätzen.

    • Der Kurs vermittelt eine fundierte Grundlage der analytischen Techniken und quantitativen Methoden in der Finanzdienstleistungsbranche.
    • Folgende Methoden werden praxisorientiert, anhand von Unternehmensbeispielen, vermittelt: Finanzökonometrie, dynamische Optimierung und derivative Preisgestaltung mittels stochastischer Berechnung.
    • Weitere Themenfelder sind diskrete und kontinuierliche Vermögenspreismodelle sowie maschinelle Lernmethoden (Machine Learning).
  • Supply Chain Analytics

    Im globalen Wettbewerbsumfeld sind es nicht vorrangig Unternehmen, sondern Lieferketten, die miteinander konkurrieren. Supply Chain Management ist eine funktions- und unternehmensübergreifende Einheit geworden und für Berater, Analysten oder Manager wird es immer wichtiger, sich mit den dafür notwendigen Konzepten und Fähigkeiten vertraut zu machen.

    • In diesem Kurs lernen Sie, wie effiziente und effektive globale Lieferketten entwickelt und verwaltet werden.
    • Sie beherrschen abschließend die Kernmethoden der Supply Chain Analytics und -Modellierung und können diese jeweils anwenden.
    • Sie werden verstehen, was Ursachen von bekannten Fehlern in der Lieferkette sind und lernen, Supply Chain Analytics einzusetzen, um derartige Fehler zu vermeiden.
  • Operation Research & Decision Technology

    In den letzten Jahren haben Computer und die Verfügbarkeit von tabellenbasierter Software die Art und Weise verändert, wie Unternehmen Entscheidungsalternativen analysieren und bewerten. Der Kurs vermittelt die Grundlage für den Einsatz von Entscheidungstechnologien zur Lösung komplexer Managementprobleme in verschiedenen Unternehmensbereichen. Sie erlernen eine Kombination aus Management Science/Operations Research Techniques (MS/OR) und Operations Management Techniques (OM).

    • Ziel des Kurses ist die Vermittlung von aktuellen MS/OR-Methoden, des Linear Programming und der Simulation.
    • Weitere Themen des Kurses sind: Netzwerkmodelle einschließlich CPM/PERT, Bestandsmodelle, Warteschlangensysteme und Entscheidungsanalysen unter Verwendung von Entscheidungsbäumen.

Modul 4 - Anwendungen von Management Analytics

  • Einführung in das Machine Learning

    Für die strategische Entscheidungsfindung in Unternehmen gewinnt Machine Learning stetig an Bedeutung. Der Kurs zeigt das Spektrum des Machine Learning auf, von den realen Implementierungen, der Spracherkennung bis hin zur Verbesserung der Websuche. Ihnen wird ein vertieftes Verständnis für die neuesten Methoden und Lösungen des Machine Learning, insbesondere des Deep Learnings, vermittelt.

    • Der Kurs beleuchtet was Machine Learning ist, wie Sie Geschäftsprobleme in Anwendungsfälle des Machine Learnings übersetzen und diese Anwendungsfälle auf Machbarkeit und Wirkung prüfen können. Außerdem wird behandelt, wie Sie ein Projekt des Machine Learnings durchführen und wie Sie Machine Learning verantwortungsbewusst und ethisch im Unternehmen einsetzen können.  
    • Im Fokus stehen sowohl überwachte als auch unbeaufsichtigte Methoden: Entscheidungsbäume, Zufallswälder, Boosting, Support-Vektor-Maschinen, neuronale Netze, tiefes und gegnerisches Lernen, Ensemble-Lernen, Hauptkomponentenanalyse, Faktoranalyse und vielfältiges Lernen bzw. mehrdimensionale Skalierung.
  • Predictive Analytics

    Predictive Analytics ist ein Bereich der Statistik und Datenanalyse, der die Datenmodellierung nutzt, um zukünftige Ergebnisse vorherzusagen. Durch die Identifizierung von Trends und Mustern in vergangenen und aktuellen Daten sowie dem Verständnis von Datenbeziehungen können Analysten heute Modelle erstellen, mit denen es möglich ist, die Auswirkungen verschiedener Strategien und Entscheidungen in der Zukunft vorherzusagen.

    Unternehmen, die Predictive Analytics nutzen, um den Umsatz zu steigern, die besten Talente zu identifizieren, neue Produkte zu entwickeln und bessere Entscheidungen zu treffen, erzielen mit diesen Methoden einen Wettbewerbsvorteil. Die Vorhersage bedeutender Geschäfts- und Wirtschaftsvariablen wird immer wichtiger, da dies sowohl objektivere Entscheidungen als auch eine verbesserte Rentabilität ermöglicht.

    • In diesem Kurs erlernen Sie Methoden zur Vorhersage von Geschäfts- und Wirtschaftsvariablen basierend auf historischen Daten. Dazu zählen traditionelle statistische Methoden, wie Regressions-, Zeitreihen-, multivariate und ökonometrische Modelle sowie Methoden des maschinellen Lernens, wie der Vorhersage anhand von Entscheidungsbäumen.
    • Der Fokus des Kurses liegt auf der Vorstellung und Erläuterung von Methoden im Kontext substanzieller betriebswirtschaftlicher und wirtschaftlicher Probleme unter Verwendung einer Vielzahl an Prognosemethoden.
  • Blockchain und FinTech

    FinTech kann definiert werden als die Anwendung digitaler Technologien zur Schaffung, Übertragung und Verwaltung von finanziellem Wert und Risiko. Der Kurs behandelt vorrangig Blockchain-Technologien, digitale Identitäten sowie digitales Geld, Kryptowährung und digitale Zahlungen (z.B. Bitcoin Mining, digitale Token und Smart Contracts). In den letzten Jahren wurde die FinTech-Entwicklung durch disruptive, digitale Technologien geprägt, welche anhaltend die Bank- und Finanzdienstleistungen fundamental verändern. FinTech-Unternehmen haben erfolgreich die von bestehenden Finanzinstituten hinterlassenen Lücken in der Befriedigung von Kundenbedürfnissen besetzt und geschlossen.

    • Ziel des Kurses ist die Vermittlung eines fundierten Verständnisses darüber, wie FinTech das traditionelle Bankgeschäft und das traditionelle Währungsregime verändert und wie sich das Thema Finanzierung durch neue Formen der Kreditvergabe und Crowdfunding gewandelt hat.
    • Weitere Themen sind: künstliche Intelligenz (Artificial Intelligence/ AI) und maschinelles Lernen (Machine Learning) im Finanzhandel.
  • Social Media Analytics

    Soziale Medien sind im Marketing nicht nur Mittel zur Kommunikation mit Kunden, sondern bieten auch die Möglichkeit, Kunden besser zu verstehen. Die Teilnehmer erlernen wie mit analytischen Methoden aus Social-Media-Daten neue Marketing-Erkenntnisse gewonnen werden können. Grundlegende Fähigkeiten des Social Media Listening, Social Monitorings und die Bedeutung von unzähligen Social Media Metriken werden vermittelt. Darüber hinaus wird praxisorientiert gezeigt, wie Social Media-Daten genutzt werden können, um Einblicke in die Marktstruktur und die Wahrnehmung einer Marke durch die Konsumenten zu gewinnen.

    • Ziel des Kurses ist die Vermittlung von aktuellen Methoden und Werkzeugen des digitalen Marketings und der Social Media Analytics.
    • Kursinhalte sind: Methoden zur Messung und Steuerung der Viralität von Nachrichten und Produkten, virales Produktdesign und die Einbeziehung des Multichannel-Erlebnisses.
    • Die Teilnehmer erlernen praxisorientiert die Methoden des randomisierten Experimentierens, des A/B-Testens und der kausalen Inferenz für die Marketingstrategie.
  • Preisgestaltung & Ertragsmanagement

    Moderne Revenue Manager verstehen, antizipieren und reagieren auf die Marktnachfrage, um die Umsätze ihres Unternehmens zu maximieren. Dies geschieht oft durch die Analyse, Prognose und Optimierung ihres zeitvariablen Angebots durch dynamische Preise. In diesem Kurs erlernen Sie, wie Preisstrategien einzusetzen sind, um den Umsatz zu steigern und den richtigen Preis für die richtige Person zur richtigen Zeit festzulegen.

    • Ziel des Kurses ist die Vermittlung von aktuellen Methoden und praxisrelevanter Einblicke zur Gestaltung von Preisen.
    • Weitere Themen sind: Preisanpassung, Revenue Management, Bundling und Versionierung, Channel Pricing und Preisgestaltung unter Unsicherheit sowie Dynamic Pricing Strategies in unterschiedlichen Wettbewerbsumgebungen.
    • Am Ende des Kurses sind Sie in der Lage, die Preisgestaltung und damit die Umsatzentscheidung besser zu verstehen – was eine der wichtigsten, aber am wenigsten verstandenen Managemententscheidungen darstellt.
  • HR/People Analytics

    Menschen werden oft als das wichtigste Kapital eines Unternehmens bezeichnet, Daten mittlerweile als das Öl des 21. Jahrhunderts. Es ist daher nicht verwunderlich, dass People Analytics als ein entscheidender Faktor für die Personalmanagement-Praxis gesehen wird. Anstatt auf Intuition und Bauchgefühl zu hören, können nun analytische Ansätze und Erkenntnisse die Entscheidungsfindung in Unternehmen vorantreiben. Führungskräfte und Manager können evidenzbasierte Entscheidungen rund um die Einstellung, Entlassung, Beförderung oder das Engagement ihrer Mitarbeiter auf der Grundlage einer umfassenden Datenanalyse treffen.

    • Ziel des Kurses ist die Vermittlung von aktuellen Methoden, analytischen Ansätzen und Metriken zur Beantwortung von Fragestellungen rund um die Themenkomplexe Personaleinstellungen, Leistungsbewertung, Führung, Beförderung, Arbeitsplatzgestaltung, Vergütung und Zusammenarbeit von Mitarbeitern in Teams.
    • Teilnehmer lernen welche Daten hilfreich sind, um Entscheidungen über die Einstellung von neuen Mitarbeitern oder zur Talentförderung zu treffen.
  • Organizational Behavior

    Data Science wird die Organisation eines Unternehmens grundlegend verändern. Dennoch ist die Eintrittsbarriere von Data Science für viele Unternehmen nach wie vor zu hoch. Einerseits fehlt es an Know-how, andererseits werden häufig organisatorische Trägheit, Schwierigkeiten bei der Einstellung der passenden Arbeitskräfte sowie weitere hemmende Aspekte beobachtet.
    In diesem Kurs erlernen Sie, wie organisatorische Barrieren überwunden werden können und erwerben notwendige Kenntnisse und Fähigkeiten zur Konkretisierung und Verwaltung von Data Science Funktionen innerhalb Ihrer Organisation. Sie sind in der Lage, die Angst vor der Big Data Revolution zu eliminieren und zu demonstrieren, wie datengesteuerte Entscheidungen in einer unternehmerischen Organisation integriert werden können.

    • In diesem Kurs erlernen Sie die Grundprinzipien des Organisationsverhaltens sowie psychologische Theorien, die das menschliche Verhalten am Arbeitsplatz erklären.
    • Der Kurs zielt darauf ab, Theorie und praktische Anwendung in Einklang zu bringen, indem der Fokus auf Theorien gelegt wird, die auf organisatorische Probleme aus der Praxis angewandt werden können.
    • Weitere Themenfelder sind: Entscheidungsfindung, Teamarbeit und die erfolgreiche Führung von Teams.
  • Strategie & Innovation

    Die wertvollsten Unternehmen der Welt sind erfolgreich, weil sie Innovationen zu einem grundlegenden Bestandteil ihrer Unternehmensstrategie machen. Strategie und Innovation sind somit unzertrennbar miteinander verknüpft. Während die Strategie die Richtung für die Zukunft vorgibt, stellt die Innovationkraft im Unternehmen sicher, dass neue Produkte und Dienstleistungen entwickelt, neue Prozesse gestaltet und neue Geschäftsmodelle entworfen werden.

    • Folgende aktuelle Methoden und Werkzeuge zur Entwicklung von strategischen Innovationen werden in diesem Kurs erlernt: Strategische Planungskonzepte im Marketingmanagement, Innovation und Diffusionsprozess inklusive Theorien zur Diffusion von Innovationen, Innovationsmodelle,  Imitationsmodelle und das Bass-Modell.
    • Darüber hinaus werden auch Entscheidungsverhalten und Innovationsprozesse behandelt inklusive der Themen Adoption versus Diffusion, Konsumentenpräferenzen und Neuprodukt-Diffusion.

Modul 5 - Analytics Lab

  • Computer Vision und Image Mining

    Computer Vision erlaubt es Unternehmen, Informationen aus visuellen Daten, wie beispielsweise aus Fotos oder Videosequenzen, zu extrahieren. In einigen Bereichen haben Maschinen dabei bereits die menschliche Leistungsfähigkeit in Bezug auf die Objekterkennung übertroffen. Die Anwendungsmöglichkeiten sind weitreichend, von der Fehlererkennung in Hochgeschwindigkeits-Montagelinien über autonome Roboter bis hin zur Identifizierung von Produkten oder Personen in sozialen Medien.

    • Ziel des Kurses ist die Vermittlung von grundlegenden Methoden und Werkzeugen der Computer Vision. Dazu zählen unter anderem Methoden der Merkmalserkennung, der Erkennung von Bewegungen, der Bildklassifikation oder neuronaler Netzwerke.
    • Sie lernen nicht nur die Intuitionen und die Mathematik der Methoden aus theoretischer Perspektive kennen, sondern erkennen anhand von realen Anwendungen und Beispielen, wie Computer Vision in Unternehmen erfolgreich eingesetzt werden kann.
  • Text Analytics & Text Mining

    Mit der fortschreitenden Digitalisierung wachsen die Datenberge von Unternehmen rasch an. Ein Großteil der wertvollen Informationen liegt jedoch, bisher ungenutzt, in Form von Texten, Dokumenten und E-Mails vor. Mit Text Analytics bezeichnet man Methoden zur Analyse von unstrukturierten Textdaten wie beispielsweise aus Kundenmeinungen, Produktbewertungen, Texten von Microblogs, aus Wikis oder Foren, Verträgen, Büchern oder auch aus Unternehmensarchiven. Diese Daten bergen großes Potential, um Produkte, Dienstleistungen, Marken, Kunden, Märkte und deren Beziehungen besser zu verstehen.

    • Sie lernen aktuelle Methoden und Werkzeuge der Textanalyse wie Sentiment Analyse, Themenmodellierung, Themenerkennung, Named Entity Recognition, Semantische Begriffsklärung oder auch automatisierte Übersetzung sowie Live-Übersetzung kennen.
    • Dieser Kurs bietet zudem eine vollständige Einführung in die neuesten Prinzipien und Methoden des Natural Language Processing (NLP).
  • Programmieren in R

    Die statistische Programmiersprache und Computerumgebung R ist zum De-facto-Standard unter Statistikern geworden. Sie ist heute möglicherweise die am weitesten verbreitete statistische Software der Welt.

    • Dieser R-Kurs bietet eine Einführung in die statistische Software R. Die ersten Vorlesungen geben einen grundlegenden Überblick über R, einschließlich der statistischen Modellierung in R, wobei R als statistisches Paket verwendet wird.
    • Darauf aufbauend lernen Sie den Hintergrund kennen, der erforderlich ist, um R produktiv für die Datenanalyse und -präsentation zu nutzen. Dies schließt eine Einführung in die R-Programmierung und das Design benutzerdefinierter statistischer Diagramme mit ein, um so erst die Leistungsfähigkeit der R-Statistik-Programmierumgebung freisetzen zu können.
    • Das übergeordnete Ziel ist es, eine Möglichkeit zur Nutzung von R zu schaffen, die es Ihnen ermöglicht, diese Software für Aufgaben und Projekte aus anderen Vorlesungen sowie in ihrer persönlichen Arbeitsumgebung einzusetzen.
  • Programmieren in Python

    Python hat sich zu einer der beliebtesten Progammiersprachen weltweit im Bezug auf Statistik und Machine Learning entwickelt. Die Flexibilität von Python, die es erlaubt, beinahe jeder Art von Daten zu verarbeiten, kombiniert mit der erstaunlichen Bandbreite an analytischen Techniken stellen für Akademiker und Fachexperten einen enormen Mehrwert dar.

    • Dieser Kurs gibt Ihnen einen Einblick in die Werkzeuge die Python zur Verfügung stellt.
    • Der Kurs beginnt mit einer grundlegenden Einführung in Python 3 sowie die Anaconda-Distribution mit den Schwerpunkten Pandas, NumPy und Datenmanagement.
    • Darauf aufbauend wird ein Überblick über die Leistungsfähigkeit der Scikit-Learn-Bibliothek von Python für eine Reihe von Analysen, z.B. lineare Regression, Klassifizierung oder Dimensionsreduktion, vermittelt.
    • Schließlich wird eine Einführung in die in Python verfügbaren Web-Scraping- und Textanalysefunktionen angeboten, sowie die Möglichkeiten, R-Pakete und andere Programme über Python zu nutzen aufgezeigt.
  • Scrum Master

    • Optional
    • Weitere Details werden am Anfang des Programms bekannt gegeben.

Ansprechpartner

Manon Jana Pfeifer
Admissions Mannheim Master in Management Analytics

MANNHEIM BUSINESS SCHOOL (MBS)

Located in the heart of the German and European economy, Mannheim Business School (MBS), the umbrella organization for management education at the University of Mannheim, is considered to be one of the leading institutions of its kind in Germany and is continuously ranked as Germany’s #1.

SOCIAL MEDIA NEWS WALL