zurück zur Suche

Digital Marketing & Text Analytics

MGT001376Management-Schwerpunkt3 ECTSEnglischWintersemesterProfessur für Digital Marketing (Prof. Hartmann)
KI-überarbeitetes Infoblatt. Auf Basis der TUMonline-Modulbeschreibung, sprachlich aufbereitet.Original in TUMonline

Worum geht's

Du lernst, wie Text Analytics für daten­gestützte Entscheidungen im Digital Marketing eingesetzt wird. Im Modul behandelst du Methoden von Lexika über Machine Learning bis zu Deep Learning, Anwendungen wie Sentiment Analysis sowie ethische und praktische Herausforderungen. Am Ende kannst du unstrukturierte Textdaten mit R und/oder Python analysieren und daraus relevante, umsetzbare Erkenntnisse ableiten.

Was du danach kannst

  • Text Analytics zur datengetriebenen Entscheidungsfindung verstehen
  • verschiedene Text-Analytics-Methoden in R und/oder Python anwenden
  • geeignete Methoden abhängig vom Anwendungskontext bewerten
  • eine End-to-End-Lösung von unstrukturierten Daten zu strukturierten Insights entwickeln

Aus was das Modul besteht

  • SeminarEinführende Vorlesung, Diskussionen, interaktive Inhalte, praktische Beispiele und Codebeispiele
  • Einzelarbeit (Case Study)Anwendung der gelernten Methoden in einem individuellen Fallbeispiel

Lehrmethode

  • Vorlesung / SeminarEinführung in angewandte Textanalyse und Vermittlung von Theorie
  • Diskussionen und interaktive MaterialienVertiefung durch Austausch und praxisnahe Erarbeitung
  • Codebeispiele in R und PythonPraktische Umsetzung und Skill-Training
  • Remote und Präsenz-CoachingUnterstützung bei der Umsetzung der Fallstudie und beim Lernen

Termine

SeminarDigital Marketing & Text Analytics (MGT001376, englisch) (Limited places)5 Gruppen zur Wahl

  • ADi.09:30–16:002418, Seminarraum/Bibliothek (0504.02.418)einmalig am 20.10.
  • BDo.13:00–17:00Online: Videokonferenzeinmalig am 05.11.
  • CMi.09:30–17:300544, Seminarraum (0505.EG.544)einmalig am 11.11.
  • DMi.14:30–15:00Online: Videokonferenzeinmalig am 14.10.
  • EMo.09:30–16:002418, Seminarraum/Bibliothek (0504.02.418)einmalig am 19.10.

Aus dem laufenden Semester, unverbindlich. Von mehreren Gruppen besucht man eine; der Stundenplan schlägt automatisch die mit den wenigsten Überschneidungen vor.

Modulbewertungen

Noch keine Bewertungen für dieses Modul.

Modul bewerten

Fülle nur die Kategorien aus, die du beurteilen kannst – je Kategorie entweder Sterne und Text zusammen oder gar nichts.

Vorlesung
Übung
Prüfung

Bewertungen werden vor der Veröffentlichung automatisch geprüft.

Offizielle Seite in TUMonline · Angaben unverbindlich.