Diese Website verwendet nur technisch notwendige Cookies. In der Datenschutzerklärung können Sie mehr dazu erfahren.

Zum Hauptinhalt springen
Logo, Startseite der Hochschule der Medien
Veranstaltungsbeschreibung

111948a TP: Contentmanagementsysteme

Zuletzt geändert:13.10.2022 / von Carlsburg
EDV-Nr:111948a
Studiengänge:
Dozent:
Sprache: Deutsch
Art: P
Umfang: 2 SWS
ECTS-Punkte: 4
Workload: Gesamter Zeitaufwand (Workload) ca. 100 Zeitstunden
Inhaltliche Verbindung zu anderen Lehrveranstaltungen im Modul: Besuch der Vorlesung Contentmanagementsysteme ist Vorraussetzung
Prüfungsform:
Bemerkung zur Veranstaltung: Teilnehmerbeschränkung
Beschreibung: Predictive Maintenance auf Basis von Social Media Content

Ziel des Kurses ist es, auf Basis von Informationen, die automatisiert mittels Webscrapping und Social-Listening Technologien aus Sozialen Medien und Online-Produtk-Portalen gezogen werden zu untersuchen, inwiefern diese Informationen für eine Verbesserung von Service-Vorhersagen genutzt werden können.

Der Kurs wird überwiegen online angeboten, vereinzelte Präsenztermine zum Kennenlernen der Gruppenmitglieder und zur Optimierung der praktischen Projektarbeiten werden über das Semester hinweg organisiert.

Phase 1: Fachlicher Einblick in das Thema Social Media; Social Listening - Web Scrapping; Predictive Maintenance; Sentiment; Azure Machine Learning Studio

Regelmäßger Wöchentlicher Jour Fix per Teams in Dauer ca. 4-5 Wochen

Phase 2: Praktische Projektarbeiten 2 Blockveranstaltungen (Freitag/Samstags) oder auch Remote. Dauer ca. 6 Wochen

Der Kurs umfasst einen Workload von 4 ECTs. Das Kickoff mit einer umfassenden Vorstellung der Kursinhalte wird am kommenden Dienstag, dem 13.10. umd 17.45 Uhr per Teams stattfinden.

Sollten Sie Interesse an einer Teilnahme haben, so schreiben Sie sich bitte in den Moodle-Kurs TP-CMS - Predictive Maintenance auf Basis von Social Media Content ((182477a/111948a) ein: https://Moodle-Kurs

ein. Die maximale Teilnehmerzahl liegt bei 12 Teilnehmern.
Literatur:

Weitere Literatur finden Sie in der HdM-Bibliothek.
Internet: https://awario.com/

https://vico-research.com/

https://www.webharvy.com/