Aktuelles

Hinweis auf Abschlussarbeiten im Bereich Wirtschaftsinformatik

[26.03.2020]

Abschlussarbeiten im Schnittstellenbereich Wirtschaftsinformatik und Angewandte Statistik

Themenliste:

FinTech

  • Digitalisierung der deutschen Finanzindustrie
  • Entwicklung der FinTech-Branche in Deutschland
  • Risikomanagement in der deutschen FinTech-Branche
  • Investmentprozesse von FinTech-Unternehmen
  • Ökonomische Auswirkungen von Blockchain Technologien und Kryptowährungen

Big Data

  • Big Data Analytics und Unternehmensdigitalisierung: ein Literaturüberblick
  • Visualisierungen von Big Data: ein Überblick über Methoden und Software
  • Heatmaps als visuelle Evaluation von Big Data Analysen
  • Einfluss von Nachrichten auf Aktienmärkte: eine empirische Textanalyse
  • Evaluation von Marktstimmungen durch Textanalyse
  • Empirische Analyse der Auswirkungen von Tweets auf Aktienkurse von Unternehmen
  • Einfluss von Marktstimmungen auf Aktienmärkte basierend auf Google Trends Daten
  • Ein Vergleich verschiedener Methoden zur Variablenselektion im Big Data Kontext
  • Ergebnisse der letzten M4 Forecasting Competition: Neuronale Netze vs. Kombinationsmethoden: ein Literaturüberblick

Künstliche Intelligenz und Neuronale Netze

  • KI-basierte Prognose von Aktienpreisen von Unternehmen durch Kundenstimmungen: ein Literaturüberblick
  • Prognose des Kundenzahlungsverhaltens basierend auf Deep-Learning Methoden
  • Stand der Forschung zum Einsatz von Künstlicher Intelligenz im Kreditmanagement
  • Wechselkursprognosen mit Methoden der Künstlichen Intelligenz
  • Konzeption und Implementierung eines Systems zur Insolvenzprognose durch Neuronale Netze
  • Neurofinance: der Einfluss von Neuro-feedback Training auf das Verhalten von Investoren
  • Machine Learning basierte Klassifikation der Sentimentalität von Tweets: ein Literaturüberblick
  • Prognose von Aktienkursen mit Neuronalen Netzen
  • Einsatz von Machine Learning zur Optimierung von Prozessen in der Finanzbranche
  • Neuronale Netze versus Zeitreihenmodelle zur Prognose
  • Ein Prognosevergleich von dynamischen Faktormodellen und Neuronalen Netzen
  • Nichtlineare Erweiterungen der Hauptkomponentenanalyse: Autoencoder zur nichtlinearen Dimensionsreduktion
  • Boston House Pricing: Neuronale Netze zur Vorhersage von Preisen
  • Profit maximierende Zutaten: Machine Learning Ansätze zu ertragssteigernden Produkten
  • Supervised vs. Unsupervised Learning Algorithmen zum Credit-Scoring
  • Gradient Boosting vs. Neuronale Netze
  • Analyse von Prognosemodellen für EEX-Spotmarktpreise von erneuerbare Energien Strom
  • Predictive Policing - Kriminalanalysen im Zeitalter maschinellen Lernens
  • Verkehrsschilderkennung mit Neuronalen Netzen
  • Künstliche Intelligenz in Recommender Systemen zur Mustererkennung im Nutzerverhalten
  • Analyse und Implementierung eines k-means Algorithmus zur Optimierung der Ersatzteillagerung
  • Analyse von Mobile Learning Applikationen in der Hochschullehre
  • Machine Learning basierte Modellbewertung in Anwendungen der Big Data Analytics
  • Feature-Engineering: Datenvorverarbeitung für Maschinelles Lernen
  • Learning und Inferenz mit großen Bayes'schen Netzwerken
  • Approximative Inferenzmethoden für die stochastische optimale Steuerung
  • Algorithmen für das Bayes'sche Lernen von Netzwerken
  • Bayes'sche mehrschichtige Netzwerke für modellbasiertes bestärkendes Lernen
  • Eine Analyse von Bayes'schen Neuronalen Netzen und verschiedenen Inferenz-Algorithmen
  • Die Preisprognose von Kryptowährung mit Hilfe von Deep Learning

Ensemble Methoden

  • Entscheidungsbäume zur Insolvenzprognose
  • Kann Boosting eine starke Alternative zu Faktormodellen in Prognoseanwendungen bieten?
  • Eine quantitative Analyse von Algorithmen des Machine Learnings und Ensemble Methoden