Fachbereich 02: Wirtschaftswissenschaften - Master-Studiengang Economics of Global Risk (M.Sc.) ab Wintersemester 2024/25 - BWL/VWL Module

Struktur: Vorlesung + Übung
Turnus: Wintersemester
Credits: 6 CP
Sprache: Englisch
Prüfungsform: Präsentation + Hausarbeit

Die maximale Anzahl der Teilnehmer ist auf 24 begrenzt. Details zum Bewerbungsprozess finden Sie auf der Website der Professur.

Die Hauptziele dieses Kurses sind:
* Grundlegenden Konzepte von Text Mining und seine Bedeutung für wirtschaftliche Anwendungen zu verstehen
* Einen Überblick über verschiedene Methoden, Algorithmen und Software-Tools zur Extraktion von Information & Wissen aus unstrukturierten Textdaten zu erlangen
* Die Fähigkeit zur Implementierung von Text-Mining-Anwendungen in R zu erlernen

Die Veranstaltung findet in Präsenz statt.

Struktur: Vorlesung + Übung
Turnus: Wintersemester
Credits: 6 CP
Sprache: Englisch
Prüfungsform: Präsentation + Hausarbeit

Die maximale Anzahl der Teilnehmer ist auf 24 begrenzt. Details zum Bewerbungsprozess finden Sie auf der Website der Professur.

Die Hauptziele dieses Kurses sind:
* Grundlegenden Konzepte von Text Mining und seine Bedeutung für wirtschaftliche Anwendungen zu verstehen
* Einen Überblick über verschiedene Methoden, Algorithmen und Software-Tools zur Extraktion von Information & Wissen aus unstrukturierten Textdaten zu erlangen
* Die Fähigkeit zur Implementierung von Text-Mining-Anwendungen in R zu erlernen

Die Veranstaltung findet in Präsenz statt.

Module codes: 02-BWL/VWL:MSc-B11-Extra2
Course format: Lecture (6 CP)
Lecturer: Prof. Dr. Nicolas Pröllochs (BWL XI)
Term: Summer semester
Language: English
Grading: oral examination (presentation)

The course will consist of a blend of in-person and digital sessions ("Präsenz mit digitalen Anteilen")

***Course description***
Artificial Intelligence (AI) is transforming businesses by unlocking new opportunities for efficiency and data-driven decision-making. The master’s course on “Applied AI” provides students with an overview of the field of AI with a focus on real-world applications. Students will learn the end-to-end process of preparing data, implementing machine learning models, and evaluating their performance. The course will provide hands-on coding examples, equipping students with the necessary skills to implement these techniques independently. At the end of the course, participants will be familiar with the most important concepts, principles, algorithms, and challenges in applied AI.

The main objectives of this course are to:
1) Understand the basic concepts of AI and machine learning and their relevance in business contexts
2) Obtain an overview of different methods, algorithms, and software tools for applied AI
3) Learn how to train and evaluate AI methods on real-world datasets
4) Understand limits and challenges associated with contemporary AI methods, including ethical considerations and biases

***Term project & grading***
Grading will be based on an oral presentation, which will report on the results of a term project conducted throughout the semester. The assignments will consist of a specific problem from applied AI (e.g., applying a machine learning method on a given dataset). Students will be provided with an assignment at the beginning of the semester and may work on their projects individually or in small groups. Assignments will be tailored to students’ interests and expertise. Basic experience in computer programming (e.g., in R, Python) is desirable but not mandatory.

***Registration***
The number of participants is limited to a maximum number of 24 students. Please register for the course by sending an e-mail to datascience@wirtschaft.uni-giessen.de. Please attach your current transcript of records (FlexNow printout) and a short (max 50 – 100 words) motivational statement (optional). If more than 24 students apply, participants will be selected based on their previous grades and/or their motivational statement. The application deadline is 14th April 2025.

For further information, please check the course information on the chair's website: https://www.uni-giessen.de/de/fbz/fb02/fb/professuren/bwl/data-science-digitalisierung/lehre

________
Information vom Prüfungsamt:
Das Modul kann in folgende Bereiche eingebracht werden:
MASTER BWL/VWL:
☒ Business Administration, ☒ Economics, ☒ Management, ☒ Finance and Accounting, ☒ Datenökonomie, ☒ Minor.
MASTER AFS:
☒ Major, ☒ Minor.
MASTER EGR:
☒ Major, ☒ Minor.