Benutzerspezifische Werkzeuge

Information zum Seitenaufbau und Sprungmarken fuer Screenreader-Benutzer: Ganz oben links auf jeder Seite befindet sich das Logo der JLU, verlinkt mit der Startseite. Neben dem Logo kann sich rechts daneben das Bannerbild anschließen. Rechts daneben kann sich ein weiteres Bild/Schriftzug befinden. Es folgt die Suche. Unterhalb dieser oberen Leiste schliesst sich die Hauptnavigation an. Unterhalb der Hauptnavigation befindet sich der Inhaltsbereich. Die Feinnavigation findet sich - sofern vorhanden - in der linken Spalte. In der rechten Spalte finden Sie ueblicherweise Kontaktdaten. Als Abschluss der Seite findet sich die Brotkrumennavigation und im Fussbereich Links zu Barrierefreiheit, Impressum, Hilfe und das Login fuer Redakteure. Barrierefreiheit JLU - Logo, Link zur Startseite der JLU-Gießen Direkt zur Navigation vertikale linke Navigationsleiste vor Sie sind hier Direkt zum Inhalt vor rechter Kolumne mit zusaetzlichen Informationen vor Suche vor Fußbereich mit Impressum

Artikelaktionen

Course: Text Mining

Vorlesung: Text Mining (M. Sc.)



Das digitale Zeitalter hat einen sprunghaften Anstieg der Menge der verfügbaren Textinformationen ausgelöst. Text Mining bietet computergestützte Techniken, um aus solchen unstrukturierten Datenquellen handlungsrelevante (Management-) Erkenntnisse abzuleiten. Der Kurs "Text Mining" vermittelt den Studierenden einen Überblick über eine breite Palette von Text-Mining-Methoden: von Regular Expressions über lexikonbasierte Sentimentanalysen bis hin zu komplexeren Machine Learning Ansätzen und supervised Text Classification. Am Ende des Kurses sind die Teilnehmer mit den wichtigsten Konzepten, Prinzipien und Algorithmen des Text Mining vertraut. Der Kurs umfasst praktische Programmiereinheiten mit einem Schwerpunkt auf der Umsetzung von Text Mining in R. Grundkenntnisse in R-Programmierung sind wünschenswert, aber nicht zwingend erforderlich.


Die Hauptziele dieses Kurses sind:

  1. Grundlegenden Konzepte von Text Mining und seine Bedeutung für wirtschaftliche Anwendungen zu verstehen
  2. Einen Überblick über verschiedene Methoden, Algorithmen und Software-Tools zur Extraktion von Information & Wissen aus unstrukturierten Textdaten zu erlangen
  3.  Die Fähigkeit zur Implementierung von Text-Mining-Anwendungen in R zu erlernen


Organisation:

  • Modulcodes: 02-BWL/VWL:MSc-B11-1
  • Dozent: Prof. Dr. Nicolas Pröllochs (BWL XI)
  • Kursformat: Vorlesung (6 CP)
  • Semester: Wintersemester 21 / 22
  • Sprache: Englisch
  • Benotung: Präsentation & Hausarbeit
  • Zeitplan: Siehe Kurs-Flyer

 

Kursevaluation durch Studierende (2019): 1.3

 

Die Teilnehmerzahl in diesem Kurs ist begrenzt. Details zum Bewerbungsprozess werden zu gegebener Zeit bekannt gegegeben.