Vorlesungsverzeichnis

Suchen Sie hier über ein Suchformular im Vorlesungsverzeichnis der Leuphana.

Veranstaltungen von Prof. Dr. rer. nat. Burkhardt Funk


Lehrveranstaltungen

Qualitätszirkel Major Wirtschaftsinformatik (Studienbegleitende Veranstaltung)

Dozent/in: Stefanos Dimitriadis, Burkhardt Funk

Inhalt: Qualitätszirkel sind ein zentrales Instrument zur Weiterentwicklung von Studium und Lehre an der Leuphana Universität Lüneburg. Studierende und Lehrende kommen hierbei zusammen und diskutieren mit der oder dem Studienprogrammbeauftragten (und ggf. weiteren Lehrenden) Stärken und Schwächen des Programms.

Business Analytics (Vorlesung)

Dozent/in: Burkhardt Funk, Kirsten Zantvoort

Termin:
 wöchentlich | Montag | 12:15 - 13:45 | 17.10.2022 - 03.02.2023 | C 40.501 | .

Inhalt: Die Veranstaltung bietet eine Einführung in die Themenbereiche Business Intelligence (BI) und Business Analytics (BA). Neben den grundlegenden Konzepten werden technische Ansätze zur Realisierung von BI/BA-Systemen und ihre Anwendung behandelt. Inhalte umfassen: * Business Analytics - Ziele, Bedeutung und Abgrenzung; BA als Grundlage der Unternehmenssteuerung * Anwendungsszenarien und -beispiele; BI-Systeme * Datenbereitstellung und -modellierung (aufbauend auf der Veranstaltung Datenbanken) * Datenvisualisierung und Informationsverteilung * Business Analytics Methoden (Data Mining)

Business Analytics (Übung A) (Übung)

Dozent/in: Burkhardt Funk, Kirsten Zantvoort

Termin:
 14-täglich | Montag | 16:15 - 17:45 | 24.10.2022 - 03.02.2023 | C 16.223 | .

Business Analytics (Übung B) (Übung)

Dozent/in: Burkhardt Funk, Kirsten Zantvoort

Termin:
 14-täglich | Montag | 14:15 - 15:45 | 24.10.2022 - 03.02.2023 | C 40.153

Business Analytics (Übung C) (Übung)

Dozent/in: Burkhardt Funk, Kirsten Zantvoort

Termin:
 14-täglich | Dienstag | 12:15 - 13:45 | 24.10.2022 - 03.02.2023 | C 40.153

DATAx: Datenanalyse mit Python (5) (Übung)

Dozent/in: Burkhardt Funk

Termin:
 wöchentlich | Montag | 10:00 - 10:55 | 17.10.2022 - 03.02.2023 | C 25.021 Seminarraum

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen die Studierenden (i) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python, (ii) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen sowie (iii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert das Erlernen von Fähigkeiten der Datenanalyse und Programmierung in Online-Übungen mit dem Selbststudium anhand von Jupyter-Notebooks. Zusätzlich werden die Studierenden durch erfahrene Studierende höherer Semester (Teaching Assistants) unterstützt. Regelmäßige Aufgaben ermutigen die Studierenden, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf ihr Studiengebiet zu übertragen. Am Ende des Semesters werden die Studierenden in ihrer Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem sie verschiedene Rollen einnehmen und gemeinsam lernen, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Wirtschaftsinformatik (Vorlesung)

Dozent/in: Burkhardt Funk, Markus Zimmer

Termin:
 wöchentlich | Mittwoch | 10:15 - 13:45 | 17.10.2022 - 03.02.2023 | C 14.027

Inhalt: Die Veranstaltung vermittelt wissenschaftliche, methodische und technische Grundlagen der Wirtschaftsinformatik im Sinne einer Einführung. Nach Diskussion des Wissenschaftsverständnisses der Disziplinen und einem historischen Abriss werden ausgewählte Konzepte der Wirtschaftsinformatik und Informatik dargestellt und erörtert. Dies umfasst die Grundlagen der Informationsverarbeitung, die Konstruktion und den Einsatz betrieblicher Informationssysteme sowie deren ökonomische Bedeutung. Neben der technisch methodischen Sicht vermittelt die Veranstaltung auch die transdisziplinäre Perspektive der Wirtschaftsinformatik.

Forschungskolloquium Wirtschaftsinformatik & Data Science (Kolloquium)

Dozent/in: Ulf Brefeld, Paul Drews, Burkhardt Funk, Peter Niemeyer, Lin Xie

Termin:
 14-täglich | Donnerstag | 16:15 - 17:45 | 17.10.2022 - 03.02.2023 | C 4.111 | .

Inhalt: Im Kolloquium stellen Promovierende, Mitglieder des Instituts und externe Gäste Ihre Forschungsvorhaben vor.

Learning from Data (Vorlesung)

Dozent/in: Burkhardt Funk, Jonas Scharfenberger

Termin:
 wöchentlich | Dienstag | 10:15 - 11:45 | 17.10.2022 - 03.02.2023 | C 7.319
wöchentlich | Donnerstag | 14:15 - 15:45 | 17.10.2022 - 03.02.2023 | C 6.317

Inhalt: The course will cover • Theoretical foundation of statistical learning • Learning settings and frameworks • Linear models • Regularization and feature selection • Model evaluation • Neuronal nets, SVMs and their application

Forschungsmethoden I (Vorlesung)

Dozent/in: Burkhardt Funk

Termin:
 wöchentlich | Dienstag | 12:15 - 13:45 | 17.10.2022 - 27.01.2023 | C 7.319
wöchentlich | Dienstag | 14:15 - 15:45 | 18.10.2022 - 25.10.2022 | C 6.026
14-täglich | Dienstag | 14:15 - 15:45 | 29.11.2022 - 03.02.2023 | C 6.026 | .
Einzeltermin | Di, 07.02.2023, 09:00 - Di, 07.02.2023, 14:00 | C 40 Forum | drei Gruppen: Forschungsmethoden I, II und III
Einzeltermin | Di, 07.02.2023, 09:00 - Di, 07.02.2023, 14:00 | C HS 5

DATAx: Datenanalyse mit Python (6) (Übung)

Dozent/in: Burkhardt Funk

Termin:
 wöchentlich | Montag | 11:00 - 11:55 | 17.10.2022 - 03.02.2023 | C 25.021 Seminarraum

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen die Studierenden (i) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python, (ii) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen sowie (iii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert das Erlernen von Fähigkeiten der Datenanalyse und Programmierung in Online-Übungen mit dem Selbststudium anhand von Jupyter-Notebooks. Zusätzlich werden die Studierenden durch erfahrene Studierende höherer Semester (Teaching Assistants) unterstützt. Regelmäßige Aufgaben ermutigen die Studierenden, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf ihr Studiengebiet zu übertragen. Am Ende des Semesters werden die Studierenden in ihrer Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem sie verschiedene Rollen einnehmen und gemeinsam lernen, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.