Data Science Fundamentals
Training over de groeiende behoefte aan Machine Learning, Data Mining en AI-toepassingen naast traditionele BI-tools. Verkent verschillen tussen BI, Data Warehousing, Big Data en Data Science.
Er is een steeds groter groeiende behoefte om naast de bekende business intelligence (BI)-toepassingen als reports, dashboards en OLAP ook Machine Learning, Data Mining, Artificial Intelligence (kortweg: Data Science) toepassingen te ontwikkelen voor en met de gebruikers. In deze cursus gaan we in op de verschillen tussen Business Intelligence, Datawarehousing, Big Data en Data Science en laten we zien wat Data Science is, waarom het voor BI en Datawarehouse professionals interessant is en hoe je het praktisch kunt gaan inzetten.
Wat kun je verwachten?
Na het volgen van deze cursus ben je in staat om de verschillende concepten en stappen in Data Science te benoemen, mee te praten en advies te geven over tools en implementatie.
Wat ga je leren?
Na het volgen van deze training heb je inzicht in:
De fundamentele rol van Data Science in het huidige datalandschap
De verschillen en overeenkomsten met Business Intelligence
De varianten van Data Science: Data Mining, Machine Learning en Artifical Intelligence
Concrete Data Science voorbeelden uit de praktijk
Een verdieping in de verschillende algoritmen voor Data Science
Een overzicht van bekende en minder bekende tools
Verschillende demo’s van Data Science Tools
Opzet van de training
De training combineert theorie met concrete praktijkvoorbeelden en opdrachten. Je leert van ervaren trainers met hands-on ervaring.
Waarom deelnemen?
Je leert hoe je Data Science toepast in jouw werkpraktijk en welke tools en methoden daarvoor beschikbaar zijn. Zo leg je een stevige basis voor succesvolle projecten en draag je direct bij aan datagedreven besluitvorming.
Schrijf je vandaag nog in en leg een stevig fundament in Data Science!
Tijdens de cursus krijg je inzicht in fundamentele en actuele ontwikkelingen binnen het Data Science-vakgebied en welke vragen je op kunt lossen met Data Science. De focus ligt op het creëren van inzicht in de samenhang tussen de diverse thema’s.
Onderwerpen die aan bod komen:
Overzicht van Data Science
Wat is data science en wat zijn de verschillen en overeenkomsten met BI en datawarehousing?
Welke vragen kunnen we oplossen met data science?
De relatie tussen big data en data science
Data Mining
Voorspellende en beschrijvende modellen: hoe maak je een keuze en hoe pas je ze toe?
Supervised en unsupervised learning
Overzicht van data mining vormen (classificatie, clustering, associatie)
Machine Learning
Overzicht van machine learning algoritmen
Bouwen van modellen, het maken van de juiste keuzes
Neurale netwerken, beslisbomen, genetische algoritmen: wat kun je er mee en hoe werkt het?
Deep learning: op weg naar kunstmatige intelligentie
Artificiële Intelligentie
Wat is artificiële intelligentie?
De verschillen met data mining en machine learning
AI in de dagelijkse praktijk: wat merken we er al van?
Data Science in de praktijk
Case: Clinical Decision Support
Case: Intelligente Milieuzone
Data Science rollen
Van BI Competence Center naar Data Science Competence Center: van data driven naar data centric
Van BI consultant naar Data Science consultant: ontwikkelen van een nieuwe skillset, hoe ziet deze eruit?
Data Science proces
CRISP-DM: methodiek voor Data Science
Stappenplan voor implementatie van Data Science
Risico’s, valkuilen, maatregelen
Tool demo’s
Demo RapidMiner Data Science Platform
Demo MS Azure Machine Learning
Demo TIBCO Spotfire Predictive Analytics
Tool Overzicht en Advies
RapidMiner, SAS, IBM, KNIME, Microsoft, TIBCO, MapR, R, Python
Tips en Advies voor een Succesvol Data Science Project
Opzetten van business cases en use cases voor Data Science
Plan van aanpak voor Data Science projecten
Succes- en faalfactoren
5 tips om mee naar huis te nemen
Na afloop ontvang je een Certificaat van Beroepsontwikkeling als bewijs van je opgedane kennis en vaardigheden.
Doelgroep
Professionals met BI- en Data Warehousing-achtergrond die Data Science willen begrijpen.
Voorkennis
Geen specifieke technische kennis vereist; affiniteit met data, BI of IT-projecten is voordelig.