Skip to Main Content
Methodenkompetenz
- reproduce the contents of software engineering and programming cases
- describe various problems and the appropriate solutions as encountered in the cases
- explain the differences and similarities of various methods of software engineering by means of case studies
- explain the differences and similarities of relational and object-oriented approaches to modeling using case studies
- explain the differences and similarities of various data and control structures of programming
- solve case studies with the help of the learned concepts and methods
- apply IDE and CASE tools
- analyze complex issues and identify appropriate concepts and methods for their solution
- create simple object-oriented programs
- apply best practices (e.g. design patterns, CASE tools, quality factors)
- explain basics of networking (sockets, protocols)
Fachkompetenz
- list methods of software engineering (e.g., waterfall model, agile methods)
- list relational and object-oriented approaches to modeling (e.g., ERM, UML)
- understand the elements of different modeling languages (e.g., ERM, UML)
- understand key concepts of SQL
- understand key concepts of object-oriented programming (e.g., classes, attributes, methods, relationships, inheritance)
- create data and system models (e.g., ERM, UML)
- perform normalization of database tables
- write queries in SQL
- write simple object-oriented programs
- compare and contrast key programming structures (e.g., data structures, control structures)
- identify best practices of software engineering and programming (e.g., design patterns, quality factors)
- design object-oriented applications by applying the methods learned
- choose appropriate methods for given tasks
Sozialkompetenz
- nehmen Argumente von Mitstudierenden wahr und auf.
- entwickeln in Gruppen und unter vorgegebenen zeitlichen Rahmenbedingungen eigenständig Lösungsvorschläge.
- reflektieren ihre Ergebnisse und vergleichen die Lösungen mit ihren Mitstudierenden und der Realität.
- nehmen neue oder alternative Lösungsansätze auf und verknüpfen diese mit eigenen Ansätzen
- verstehen es Kritik zu reflektieren, diese anzunehmen und mit dieser umzugehen.
Methodenkompetenz
- können strategische Analysen durchführen.
- kennen die wesentlichen Bestandteile und den Ablauf einer Case Study Methode und können diese auf konkrete Fallbeispiele aus dem strategischen Management anwenden.
- sind in der Lage, strategische Ergebnisse zu verdichten und zu einer systematischen Strategieformulierung umzusetzen.
- sind in der Lage, verschiedene strategische Optionen zu bewerten.
- erlernen die Fähigkeit, professionelle und kreative Präsentationen zu erstellen und abzuhalten.
Fachkompetenz
- kennen die wichtigsten Instrumente und Frameworks sowie den Prozess des strategischen Managements.
- verstehen die wesentlichen Erfolgsfaktoren des strategischen Managements.
- wenden Instrumente des strategischen Managements korrekt an.
- sind in der Lage, eine konsistente strategische Konzeption zu erstellen und strategische Ziele zu formulieren.
- bewerten Strategien und beurteilen deren Eignung in unterschiedlichen Situationen.
Technologiekompetenz
- kennen die statistische Programmiersprache R und die Entwicklungsumgebung RStudio.
- können R einsetzen, um Häufigkeitsverteilungen graphisch darzustellen und statistische Kennzahlen aus einfachen Datensätzen zu berechnen.
- sind in der Lage Wahrscheinlichkeiten und Quantile von theoretischen Wahrscheinlichkeitsverteilungen in R zu berechnen.
- kennen die Befehle, um Regressionsparameter zu bestimmen und können diese interpretieren.
Selbstkompetenz
- können sich sorgfältig und konzentriert in statistische Fragestellungen einzuarbeiten.
- sind in der Lage, die erlernten Methoden selbstständig einsetzen.
- üben, Lern- und Arbeitstechniken auf abstrakte Inhalte anzuwenden, so dass sie an die selbstständige Erarbeitung von Wissen aus wissenschaftlichen Publikationen herangeführt werden.
- lernen geeignete Daten zu erheben, aufzubereiten und im Hinblick auf wirtschaftliche Fragestellungen zu analysieren
Sozialkompetenz
- können Lernmaterialien organisieren und Lerngruppen bilden.
- können Probleme in Gruppenarbeit sinnvoll aufteilen und bearbeiten.
- lernen statistische Problemstellungen fachlich korrekt zu formulieren und zu kommunizieren.
- hinterfragen Fragestellungen kritisch und urteilen selbstbewusst.
Methodenkompetenz
- kennen die zentralen statistischen Techniken, welche in vielen wirtschaftlichen Anwendungen eingesetzt werden.
- verstehen die Bedeutung statistischer Fachbegriffe.
- können die behandelten Konzepte zielgerichtet anwenden, die so gewonnenen Resultate im Kontext deuten und statistische Aussagen korrekt formulieren.
- analysieren Daten, um wirtschaftlich relevante Entscheidungen zu begründen.
- können wirtschaftliche Situationen mit Hilfe wahrscheinlichkeitstheoretischer Methoden analysieren.
Fachkompetenz
- können uni- und bivariate Daten dem Skalenniveau entsprechend durch Kennzahlen und graphische Darstellungen beschreiben.
- setzen das Fachvokabular zur Beschreibung statistischer Graphiken korrekt ein und können die Vor- und Nachteile der zusammenfassenden Darstellungsarten benennen.
- können statistische Kennzahlen (z.B. Lage- und Streuungsmasse) korrekt deuten sowie ihre Vor- und Nachteile erläutern.
- kennen die Axiome eines diskreten Wahrscheinlichkeitsraumes.
- können die Bedeutung der Axiome eines diskreten Wahrscheinlichkeitsraumes bei der Modellierung eines Zufallsexperimentes erläutern.
- können Wahrscheinlichkeiten anhand der Additionssätze, der Pfadregeln und mit kombinatorischen Mitteln berechnen.
- können im Zusammenhang mit dem Satz von Bayes die einhergehenden Resultate korrekt beschrieben.
- kennen die wichtigsten Verteilungen und ihre Eigenschaften.
- können erläutern, wann und warum welche Verteilung zur Modellierung einer wirtschaftlichen Situation herangezogen werden kann.
- kennen die Bedeutung der wichtigsten Grenzwertsätze - insbesondere des zentralen Grenzwertsatzes.
- können diese (wichtigsten) Grenzwertsätze zur Approximation von Verteilungen und Wahrscheinlichkeiten einsetzen.
- können die Rechenregeln für Erwartungswerte und Varianzen korrekt anwenden.
- können die Bedeutung von Konfidenzintervallen darlegen und ihren Zusammenhang mit dem Testen von Hypothesen aufzeigen.
- können in den wichtigsten Situationen Konfidenzintervalle anhand der korrekt zu Grunde gelegten Verteilung berechnen und ihre Bedeutung im Sinne der schliessenden Statistik korrekt deuten.
- können die Grundidee beim Testen von Hypothesen erläutern und die möglichen Fehlerquellen benennen.
- können die Grundideen der wichtigsten Tests erläutern.
- können die einhergehenden Teststatistiken der wichtigsten Tests berechnen, die kritischen Werte aus den üblichen Tabellen ablesen und das Ergebnis in korrekter Weise formulieren.
- können die Resultate beim Testen von Hypothesen in Bezug auf den Grad ihrer Sicherheit bzw. Unsicherheit korrekt deuten bzw. beurteilen.
- können eine einfache lineare Regression ausführen und die einhergehende ANOVA-Tabelle sowie Residuenplots erstellen und interpretieren.
- können die Ergebnisse der linearen Regression in Bezug auf ihre Relevanz korrekt einordnen.
abonnieren
