Data Science im Supply Chain Management

Art: Vorlesung/Übung
Prüfungsform: Klausur, 60 Min.
ECTS: 6
Turnus: Wintersemester

Dozent

Dr. Christian Frey

Voraussetzungen

Grundlagen der Ökonometrie

Inhalte

Eingebettet in den theoretischen Kontext des Supply Chain Managements setzt sich die Lehrveranstaltung mit Grundlagen und Verfahren aus dem Bereich von Data Science und Analytics auseinander. Am Ende der Veranstaltung sollen die Studierenden in der Lage sein, eigenständig ein kleines Data Science-Projekt im Bereich des Supply Chain Managements in Form einer Gruppenarbeit zu bearbeiten. Dabei durchlaufen sie alle Schritte der Data Science Pipeline und implementieren diese praktisch mit R oder Python.

Wesentliche Lerninhalte sind:

• Einführung in die Grundlagen von Data Science und Analytics im Kontext des Supply Chain Managements
• Betrachtung relevanter Verfahren insbesondere aus den Bereichen der Künstlichen Intelligenz und des Machine Learnings
• Umfassende Erläuterung der gesamten Data Science Pipeline von der Formalisierung eines Anwendungsfalls über den Datenimport, die Datenvisualisierung, die Datenbereinigung, die Anwendung von verschiedenen Analyseverfahren bis hin zur Entwicklung von Benutzeroberflächen und dem Deployment entsprechender Lösungen auf einer Cloud Infrastruktur
• Behandlung unterschiedlicher Anwendungsbeispiele aus dem Umfeld des Supply Chain Managements (z.B. Bedarfsprognosen, Preisprognosen) aus der Literatur
• Gemeinsame Bearbeitung einer Case Study zum Einsatz von Data Science und Analytics-Verfahren im Supply Chain Management
• Aktueller Gastvortrag aus der Praxis; das jeweilige Thema wird in der Vorlesung gesondert bekannt gegeben

Hinweis

Diese Informationen stellen lediglich Hinweise des Lehrstuhls dar und stehen unter dem Vorbehalt der Änderung.

Rechtsverbindliche Auskünfte prüfungsrechtlicher Natur erteilt lediglich der Prüfungsausschuss.