Willkommen zum Projektkurs Data Science und Business Analytics

# Willkommen zum Projektkurs Data Science und Business Analytics
### Dr. Alexander Rieber <a href="https://github.com/AlexRieber">  AlexRieber</a> <a href="mailto:alexander.rieber@uni-ulm.de">  alexander.rieber@uni-ulm.de</a>

---

# Mit wem haben Sie es zu tun?

## Ihr Dozent und Übungsleiter

Dr. Alexander Rieber

<a href="mailto:alexander.rieber@uni-ulm.de">&nbsp; alexander.rieber@uni-ulm.de</a>

Büro: Helmholtzstraße 18, Raum 1.22
]

Julius Düker

<a href="mailto:julius.dueker@uni-ulm.de">&nbsp; julius.dueker@uni-ulm.de</a>

Büro: Helmholtzstraße 18, Raum 1.10
]

---

## Ihre Tutoren

Simon Maier

<a href="mailto:simon.maier@uni-ulm.de">&nbsp; simon.maier@uni-ulm.de</a>

**Tutorin**

Lara Santak

<a href="mailto:lara.santak@uni-ulm.de">&nbsp; lara.santak@uni-ulm.de</a>
]

Daniel Dreyer

<a href="mailto:daniel.dreyer@uni-ulm.de">&nbsp; daniel.dreyer@uni-ulm.de</a>

**Tutor**

Kevin Walter

<a href="mailto:kevin.walter@uni-ulm.de">&nbsp; kevin.walter@uni-ulm.de</a>
]

---
class: inverse, center, middle

# Vorlesungsdetails

---

## Aufbau der Veranstaltung

- Interaktive Vorlesung mit Übungsaufgaben
- [Anonymer Chat](https://quizchat.econ.mathematik.uni-ulm.de/pkds/) in der Veranstaltung (mit Umfragen)
- `RTutor` Übungsaufgaben um Inhalte zu vertiefen
- Ein gemeinsames Projekt mit dem Dozenten
- Zwei selbstständige Projekte
- Peer Review der Projekte

---

## Wo finden Sie die Kursmaterialien?

Auf dieser Moodle Seite finden Sie:

--
- Veranstaltungskalender 📆

--
- Vorlesungsfolien 🗒

--
- Lehrvideos 📷

--
- RTutor Problem Sets (Übungskurse zum erlernen von R) -> `RTutor`

--
- Aufgabenstellungen für die einzelnen Projekte 📖

--
- Gruppenwahl für die Projektteams 👥

--
- Forum für Fragen 👨‍🎓 👩‍🎓 ⁉️

--
- BigBlueButton Räume für Vorlesung und Tutorien ⌚

Bis zum 27. November werden Vorlesungen in Form von BigBlueButton Sessions, Lehrvideos, Tutorials und RTutor Problem Sets stattfinden.
Weiterhin wird eine Projektarbeit innerhalb der Vorlesung mit ihnen gemeinsam erarbeitet.

.center[.alert[Anschließend gibt es drei selbstständige Projektarbeiten, welche in die Endnote einfließen werden.]]

---

## Interaktive Vorlesung

- Interaktive Vorlesung mit integrierten Übungsaufgaben
- Geblockte Vorlesungseinheiten zu Beginn des Semesters
- Synchrone Lehre durch BigBlueBotton dient der praktischen Anwendung aus den Lehrvideos
  - Hier wird eine Case-Study systematisch behandelt
- RTutor Problem Sets und Tutorials sollen zum "learning-by-doing" anregen
- Vorlesungs- und Übungsunterlagen werden zu Beginn der jeweiligen Vorlesungswoche hochgeladen

---
class: inverse, middle, center

# Was Sie in dieser Vorlesung lernen

---

## Was Sie in dieser Vorlesung lernen

- **Programmierung in R**: Sie werden wissen, wie Sie die Statistik-Software R dazu benutzen können um unterschiedlichste Fragestellungen zu beantworten

--
- **Datenbearbeitung**: Sie werden mit unterschiedlichsten Datensätzen arbeiten können und verstehen, diese aufzuarbeiten und zu visualisieren

--
- **Reproduzierbarkeit**: Sie können die Ergebnisse ihrer Arbeit so kummunizieren, dass Dritte sie nachvollziehen und reproduzieren können

--
- **Statistik**: Sie können die Ergebnisse ihrer (Regressions-) Analysen interpretieren

---

## Was Sie in dieser Vorlesung lernen

- **Programmierung in R**: Sie werden wissen, wie Sie die Statistik-Software R dazu benutzen können um unterschiedlichste Fragestellungen zu beantworten (✔️)
- **Datenbearbeitung**: Sie werden mit unterschiedlichsten Datensätzen arbeiten können und verstehen, diese aufzuarbeiten und zu visualisieren (✔️)
- **Reproduzierbarkeit**: Sie können die Ergebnisse ihrer Arbeit so kummunizieren, dass Dritte sie nachvollziehen und reproduzieren können (✔️)
- **Statistik**: Sie können die Ergebnisse ihrer (Regressions-) Analysen interpretieren (✅)

.center[.alert[Der Statistikteil wird im zweiten Teil des Kurses, d.h. im Sommersemester 2021, abgedeckt.]]

---

# Übungsaufgaben mit `RTutor`

---

## Wie Sie die Vorlesungsinhalte vertiefen

- Wöchentliche `RTutor` Problem Sets, welche die Unterrichtseinheit aufgreifen und vertiefen
- Den Umgang mit R-Markdown erlernen als Vorbereitung für die späteren Projekte
- _Individuelle_ Abgabe der `RTutor` Problem Sets als **Vorleistung**

Die `RTutor` Problem Sets behandeln vorlesungsbegleitend folgende Inhalte:

- Einführung in R
- Datenaufbereitung
- Visualisierung von Daten

---

# Unterstützungsangebote

---

## Wo bekommen Sie Hilfe?

- Auf Moodle gibt es ein Diskussionforum, scheuen Sie sich nicht dort ihre Fragen zu stellen!
    - Bitte benutzen Sie dieses Forum, bevor Sie eine Mail an den Tutor, Übungsleiter oder Dozent stellen
    - Wir haben einige Beispiele aufgearbeitet, wie Sie Fragen stellen können, auf die Sie schnell antworten erhalten. Das Dokument finden Sie in Moodle unter `Fragen-im-Forum.html`
--
- Es finden parallel zu den Projektarbeiten Tutorien statt, wobei jede Gruppe einen festen Termin pro Woche zugeteilt bekommt

--
- Für Fragen zur Notengebung oder persönliche Fragen können Sie dem Dozenten eine E-Mail schicken

---

## Tutorium

- Bereits ab der 1. Vorlesungswoche gibt es ein vorlesungsbegleitendes Tutorium.
  - Die Termine werden im Veranstaltungskalender bekannt gegeben
- Die Tutorien werden wöchentlich über das interaktive Videokonferenztool BigBlueButton in Moodle stattfinden.
- Die Tutoren und die Tutorin beantworten auch ihre Fragen auf Moodle
  - Bitte stellen Sie ihre Fragen im Forum, wenn ihr Problem allgemeiner Natur ist

.instructions[Das Tutorium soll hauptsächlich dazu dienen Sie bei ihren individuellen Projektausarbeitungen zu unterstützen!]

---

## Tutorium

Der **erste Tutoriumstermin** ist am **05.11.2020** von **14 - 17 Uhr**

- In diesem Tutorium werden technische Probleme geklärt
- Bitte beachten Sie alle Hinweise in den Videos und den schriftlichen Ausführungen zur Installation von R und RStudio, Github Account erstellen etc.

Die **erste Übung** ist am **06.11.2020** von **10:15 - 11:45 Uhr**

- Fokus: Technische Fragen zu RStudio Cloud und dem 1. Übungsblatt werden hier beantwortet
- Falls jedoch noch technische Fragen aus dem Tutorium vom 05.11.2020 weiterhin offen sind werden diese hier auch behandelt

.instructions[Es ist sehr wichtig, dass jeder die neueste Version von R, RStudio installiert hat und sein Konto über git versioniert da die späteren Projekte hierrüber laufen.]

---
class: inverse, center, middle

# Wie können Sie _uns_ unterstützen?

---

## Wie können Sie _uns_ unterstützen?

Diese Veranstaltung ist **komplett neu** und **erstmalig** im Bachelor Wirtschaftswissenschaften **im Pflichtkatalog** enthalten

Wir möchten die Veranstaltung weiterentwickeln und sind hierfür auf ihre Hilfe angewiesen.

Zu dieser Veranstaltung gibt es eine wissenschaftliche Begleitstudie um den Projektkurs zu verbessern.
- Analyse der Elemente im Projektkurs
  - Github Commits
  - Vorleistung und Prüfungsergebnisse
  - Subjektive Einschätzung zu den Projekten
- Komplette anonymisierung der Daten
  - Keine Rückschlüsse auf einzelne Personen möglich

.alert[Hierfür haben wir eine Einverständniserklärung und eine Datenschutzerklärung vorbereitet und bitten Sie diese anzuschauen und zu entscheiden ob wir ihre Daten für die Begleitstudie verwenden dürfen.]

---

---
class: inverse, center, middle

# Mit welchen Daten bekommen _Sie_ es zu tun?

---

## Case-Study: Verschuldung in Deutschland

.alert[Gibt es einen Zusammenhang zwischen den Verschuldung eines Landkreises und dessen Arbeitslosenquote?]

Zur Beantwortung dieser Frage werten Sie u.a. Informationen vom statistischen Bundesamt auf Landkreisebene aus.
]
.pull-right[
 
<img src="figs/verschuldung.png" width="110%" style="display: block; margin: auto;" />
]

---

## Projekt 1: Betrugserkennung im Unternehmen

Zur Beantwortung dieser Frage werten Sie Informationen von Journalbuchungen aus.
]
.pull-right[
 
<img src="figs/Buchungen_wochentag.png" width="110%" style="display: block; margin: auto;" />
]

---

## Projekt 2: Was können Sie aus 39 Mio. Uber Fahrten lernen?

.alert[Wann lohnt es sich Fahrten bei Uber und Lyft anzubieten und was können Städteplaner von Uber-Fahrten lernen?]

Zur Beantwortung dieser Frage werten Sie Informationen über Fahrten von Uber und Lyft in Chicago aus.
]
.pull-right[
 
<img src="figs/Abholorte.png" width="110%" style="display: block; margin: auto;" />
]

---

## Projekt 3: Wie insolvenzgefährdet sind Unternehmen?

.alert[Wie insolvenzgefährdet ist ein Unternehmen. Können oder sollten Sie in dieses Unternehmen investieren?]

Zur Beantwortung dieser Frage werten Sie Kennzahlen aus der Finanz-, Vermögens-, und Ertragslage der Unternehmen mittels Diskriminanzanalyse aus. 
]
.pull-right[
 
<img src="figs/diskriminanz.png" width="110%" style="display: block; margin: auto;" />
]

---

## Was Sie in den Projekten lernen

- Analysen auf **echten Daten**

--
- Download und zusammenfügen eigener Datensätze

--
- Deskriptive Analysen und Grafiken

--
- Beschreibung der Analysen

--
- **Im Sommersemester 2021**: Statistische Auswertungen

---

## Was Sie durch Review Reports lernen

- Rekapitulation des Projekts

--
- Kritische Auseinandersetzung mit der Arbeit von Mitstudierenden

--
- Erkennen was die andere Gruppe gut/schlecht gemacht hat und daraus für seine eigene Arbeit Erkenntnisse gewinnen

--
- Automatisch: Vorbereitung auf die Klausur

---
class: inverse, center, middle

# Wie setzt sich die Note zusammen?

---

## Notengebung

Nach den Vorlesungseinheiten und der Einführung in R gibt es drei Projekte:

- Erstes Projekt: Zusammen mit dem Dozenten: 10 Punkte = 10% der Note

--
- Zweites Projekt: 30 Punkte = 30% der Note

--
- Drittes Projekt: 30 Punkte = 30% der Note

--
- Multiple-Choice Abschlussprüfung: 30 Punkte = 30% der Note

Es werden immer **Gruppen von drei Personen** geformt, welche die **Projekte zusammen** abgeben.
Natürlich dürfen alle Teilnehmer Projekte gerne miteinander diskutieren.

Jedoch muss jede Gruppe eine _individuelle Ausarbeitung_ abgeben. 
Wenn sich die Lösung einzelner Abschnitte der Projektes (oder das komplette Projekt)zu stark ähnelt, wird dies mit 0 Punkten für das Projekt geahndet (für alle beteiligten Gruppen).

---

## Klausur

**Vorleistung 1:** Die **RTutor Problem Sets** müssen **individuell** bearbeitet und eingereicht werden um für die Projekte und Klausur zugelassen zu werden
  - Letztes RTutor Problem Set ist am 22. November fällig
  - Mindestens 80% der Punkte **pro Problem Set** müssen erreicht werden um für die Projekte zugelassen zu werden

**Vorleistung 2:** Die **Peer Reviews** müssen **individuell** bearbeitet und eingereicht werden um für die Klausur zugelassen zu werden
  - Studenten ranken die Review Reports nach Nützlichkeit:
    - Bei _mindestens_ einem Projekt muss der Review Report _mindestens_ auf Platz 2 gerankt werden. 
    - Wenn alle Reports als "nützlich" eingestuft wurden, entscheidet der Dozent über die Zulassung zu Klausur

.alert[Die multiple choice Abschlussprüfung beinhaltet Fragen zu den drei Teilprojekten, den Vorlesungsinhalten, der Case-Study und den `RTutor` Problem Sets.]

---

## Teilen von Code

- Viel ist im Web verfügbar und darf auch gerne verwendet werden
    - Wenn Sie Code aus dem Internet verwenden, dann müssen Sie die Quelle entsprechend kennzeichnen!
    - Falls Sie die Quelle nicht zitieren wird dies als Plagiat gewertet und wird mit einer 5.0 für das gesamte Projekt geahndet
- `RTutor` Problem Sets sind selbstständig auszuführen. Code darf nicht mit anderen geteilt werden!

.instructions[Projekte dürfen innerhalb der Gruppe und auch gerne mit anderen Gruppen diskutiert werden, jedoch darf kein Code an andere Gruppen weitergegeben werden!]

---

## Notengebung der Projekte

- Im zweiten Projekt muss neben der schriftlichen Ausarbeitung (70% der Note für das Projekt) auch ein Screencast (30% der Note für das Projekt) gehalten werden
    - Der Screencast sollte nicht länger als 5 Minuten gehen
--
- Im dritten Projekt muss neben der schriftlichen Ausarbeitung (70% der Note für das Projekt) auch ein Screencast (30% der Note für das Projekt) gehalten werden
    - Der Screencast sollte nicht länger als 5 Minuten gehen

---

## Dokumentation und Coding Standard

Sie sollten mit ihren Gruppenpartnern zusammenarbeiten, dafür gilt es einige Prinzipien zu beachten:

- Benutzen Sie immer einfache Textdateien um miteinander zusammen zu arbeiten 
    - Dateien, welche Sie miteinander bearbeiten sollten mit einem Texteditor zu lesen sein (Notepad ++ / vim / eclipse ...)
    - Hier eignet sich das in der Vorlesung vorgestellte RMarkdown bestens
- Strukturieren Sie ihren Code (Kommentare)
- Begrenzen Sie ihren Code (max. 80 Zeichen pro Zeile)
- Rücken Sie einzelne Bausteine ein (Alles was zu einer Funktion gehört sollte mit vier Leerzeichen eingerückt werden)

---

## Zeitmanagement

- Definieren Sie Meilensteine
    - Bis wann muss was von wem erstellt worden sein?

- Bleiben Sie in Kontakt mit ihrem/ihrer Gruppenpartner/in, bspw. über Github oder Moodle, um über ihren Projektfortschritt zu sprechen
--

- Stellen Sie unbedingt Fragen im Forum auf Moodle!
    - Hier können Fragen oft sehr schnell beantwortet werden und meist haben mehrere Gruppen die gleiche Frage
    - Wenn Sie die Antwort auf eine Frage wissen, dann scheuen Sie sich nicht diese in Moodle zu posten!

- Nutzen Sie die Möglichkeit des Tutoriums und sprechen Sie dort Schwierigkeiten direkt an
--

- Kommen Sie bei tiefergehenden Fragen frühzeitig auf den Dozenten zu
--

- Planen Sie genügend Zeit für die Erstellung und das Halten des Screencast ein
  - Der Screencast gibt 30% der Projektnote -> Nicht auf die leichte Schulter nehmen!

---

## Vorbereitung bis zum Tutorium bzw. der Übung am Freitag

- Laden Sie R und RStudio herunter
    - Nutzen Sie hierfür das Tutorial auf unserer Moodle Seite
    - _Bitte beachten Sie_: 
        - Installieren Sie die neueste Version von R (4.0.3) und R-Studio (1.3.1093)
        - Wenn Sie bereits R und R-Studio installiert haben stellen Sie sicher, dass diese auf dem neuesten Stand sind (hier hilft ihnen das Paket `installr` mit der Funktion `updateR()`)
        - Sie können die Version von R über die Eingabe des Befehls `version` prüfen
        - Sie können die Version von R-Studio über die Eingabe des Befehls `RStudio.Version()` prüfen
        - Installieren Sie die Pakete `tidyverse` und `RTutor`
        - Stellen Sie sicher, dass ihre Pakete unter der neuesten Version von R funktionieren (hier hilft der Befehl `update.packages()`)
    - Falls Sie eine niedrigere Hauptversion von R installiert haben (z.B. 3.5.1), dann müssen Sie per Hand die Version 4.0.3 installieren. Hier kann ihnen `installr` nicht weiterhelfen

---

## Erstellen eines Github Accounts

.instructions[
Gehen Sie auf [github.com](https://github.com/) und erstellen Sie sich einen Account (falls Sie noch keinen haben). 
]

Tipps zum Nutzernamen:✦

.midi[
- Nehmen Sie ihren richtigen Namen auf
- Wählen Sie **keinen fiktiven Namen**, welcher schwer zu finden ist.
- Kurz und prägnent
- Keine Info über die aktuelle Uni o.ä.
]

.footnote[ 
✦ Source: [Happy git with R](http://happygitwithr.com/github-acct.html#username-advice) von Jenny Bryan
]

---

## Geben Sie ihren Github Namen in Moodle an

Abfrage in Moodle:
  - Github Name
  - E-Mail Adresse ihres Github-Kontos (wir empfehlen hier die Uni-Ulm E-Mail-Adresse zu verwenden)
  
---

## Erstellen Sie einen Account bei RStudio Cloud

.instructions[
Gehen Sie auf [RStudio-Cloud](https://rstudio.cloud/) und loggen sich mit ihrem Github Account ein
]

---

## Treten Sie einer Gruppe bei

Falls Sie es noch nicht getan haben sollten Sie die Gruppenwahl in Moodle nutzen

- Gruppe von 3 Personen bilden
- Alle Projekte werden in dieser Gruppe bearbeitet
- Die Gruppe bekommt **eine Note** für **alle Gruppenmitglieder**
  - Teamwork ist angesagt, mit der entsprechenden Koordination im Team