Kurs-Code InfT5057
Kreditpunkte 4.50
Stundenzahl insgesamt (im Auditorium)120
Vorlesungen (Stundenzahl)12
Stundenzahl fŅr Seminare und praktische Arbeitsaufträge24
Selbststandige Arbeit des Studenten (Stunden)84
Bestätigt am (Datum)19.01.2022
Kurs ausgearbeitet von (Lehrkraft)
Līga Paura
Ersetzte Kurs
InfTM002 [GINTM002]
Zur einfŅhrenden LektŅre empfohlen
1. Kirk A. Data visualisation: a handbook for data driven design. Los Angeles: SAGE, 2019. 312 p.
2. Corr L., Stagnitto J. Agile Data Warehouse Design: collaborative dimensional modeling, from Whiteboard to Star Schema. UK: Decision Press, 2014. 304 p.
3. Arhipova I., Balina S. Statistika ekonomikā un biznesā: risinājumi ar SPSS un MS Excel: mācību līdzeklis. Rīga: Datorzinību centrs, 2006. 359 lpp.
4. Kabacoff R. I. R in action: data analysis and graphics with R. Second edition. Shelter Island, NY: Manning, 2015. 579 p.
Weiterfuhrende Literatur
1. Data science & big data analytics: discovering, analyzing, visualizing and presenting data. EMC Education Services. Indianapolis, IN: John Wiley and Sons, 2015. 410 p.
2. Advanced Analytics with Power BI: Microsoft. Pieejams: https://www.arbelatech.com/insights/white-papers/advanced-analytics-with-power-bi
3. Gujarati D. N. Basic econometrics. 3rd ed. New York [etc.]: McGraw-Hill, Inc., 1995. 838 p.
Zur LektŅre vorgeschlagene Zeitschriften
1. European Journal of Management and Business Economics: ISSN 2444-8451 Elsevier data base
2. Journal of Data Analysis and Information Processing: ISSN Online: 2327-7203. Pieejams: www.scirp.org/journal/jdaip