Data Analytics
-
Informatiekunde
-
IM0503
-
7,5 EC
-
Vanaf € 576
-
Voor dit product gelden ingangseisen
Deze cursus heeft een vast startmoment. Kijk in het Jaarrooster wanneer de cursus van start gaat en wanneer de begeleiding is ingeroosterd.
Inhoud
In deze Engelstalige cursus bestudeer je een aantal data-analysemethoden en leer je deze in verschillende omstandigheden toe te passen. De cursus behandelt ook het proces van data-analyse en de best practices voor het oplossen van problemen met data-analyse. Kennis van het data-analyseproces is essentieel om ruwe data om te zetten in bruikbare kennis.
In het bijzonder leer je als student onderscheid te maken tussen gesuperviseerde en niet-gesuperviseerde machine learning-taken. Bovendien leer je over machine learning-algoritmefamilies zoals classificatie, clustering en regressie, zowel in theorie als in de praktijk met behulp van RapidMiner.
Het cursusmateriaal bestaat uit een tekstboek en een werkboek met opdrachten. In het tekstboek vind je de essentiële theorie die belangrijk is voor de cursus. Het werkboek leidt je door het tekstboek en geeft waar nodig aanvullingen. In het werkboek staan korte opdrachten die je tijdens de cursus kunt maken.
De evaluatie zal gebeuren op basis individuele en groepsopdrachten.
Leerdoelen
Na afronding van deze cursus kun je:
- De essentiële concepten in machine learning, zoals een dataset, algoritme, model en nauwkeurigheid begrijpen,
- de belangrijkste concepten van data-analyse en hun rol voor organisaties in besluitvorming en innovatie begrijpen,
- de CRISP-DM-methodologie, een industriële standaard om dataminingtaken op te lossen, toepassen,
- de stappen en belanghebbenden in de processen voor kennisontdekking en datamining begrijpen,
- de behoeften van een organisatie analyseren en vervolgens transformeren in een data-analysetaak,
- de volgende analytische technieken toepassen: meervoudige regressie, clustering (bijv. K-means), classificatie (bijv. Naïve Bayes, KNN, beslissingsbomen), dimensionaliteitsreductie (bijv. hoofdcomponentenanalyse), associatieregelanalyse en tekstanalyse,
- de uitkomsten van data-analyseprocessen analyseren en deze beschrijven aan verschillende belanghebbenden,
- een procesgebaseerde data-analysetool zoals Rapidminer gebruiken.
In het bijzonder leer je als student onderscheid te maken tussen gesuperviseerde en niet-gesuperviseerde machine learning-taken. Bovendien leer je over machine learning-algoritmefamilies zoals classificatie, clustering en regressie, zowel in theorie als in de praktijk met behulp van RapidMiner.
Het cursusmateriaal bestaat uit een tekstboek en een werkboek met opdrachten. In het tekstboek vind je de essentiële theorie die belangrijk is voor de cursus. Het werkboek leidt je door het tekstboek en geeft waar nodig aanvullingen. In het werkboek staan korte opdrachten die je tijdens de cursus kunt maken.
De evaluatie zal gebeuren op basis individuele en groepsopdrachten.
Leerdoelen
Na afronding van deze cursus kun je:
- De essentiële concepten in machine learning, zoals een dataset, algoritme, model en nauwkeurigheid begrijpen,
- de belangrijkste concepten van data-analyse en hun rol voor organisaties in besluitvorming en innovatie begrijpen,
- de CRISP-DM-methodologie, een industriële standaard om dataminingtaken op te lossen, toepassen,
- de stappen en belanghebbenden in de processen voor kennisontdekking en datamining begrijpen,
- de behoeften van een organisatie analyseren en vervolgens transformeren in een data-analysetaak,
- de volgende analytische technieken toepassen: meervoudige regressie, clustering (bijv. K-means), classificatie (bijv. Naïve Bayes, KNN, beslissingsbomen), dimensionaliteitsreductie (bijv. hoofdcomponentenanalyse), associatieregelanalyse en tekstanalyse,
- de uitkomsten van data-analyseprocessen analyseren en deze beschrijven aan verschillende belanghebbenden,
- een procesgebaseerde data-analysetool zoals Rapidminer gebruiken.
Ingangseisen
Inschrijving is alleen mogelijk voor opleidingsstudenten die formeel zijn toegelaten tot de masteropleiding Business Process Management and IT of de masteropleiding Computer Science.
Aanmelden
Aanmelden is alleen mogelijk voor studenten die formeel zijn toegelaten tot de masteropleiding.
Toelichting aanmelden
Deze cursus start 18 november 2024. We adviseren om uiterlijk zondag 3 november 2024 hiervoor aan te melden zodat je tijdig het eventuele cursusmateriaal ontvangt, toegang hebt tot de leeromgeving en (indien van toepassing) ingedeeld kunt worden in een studiegroep. Bij aanmelding na 3 november 2024 kunnen we dit niet garanderen. Aanmelden is mogelijk tot en met 17 november 2024.
Voorkennis
Deze Engelstalige cursus vereist basiskennis van statistiek zoals gegeven in het secundair onderwijs: gegevens, histogrammen, centrale tendens (d.w.z. gemiddelde, mediaan, modus), spreidingsmaten (bijv. variantie en standaarddeviatie), relatiematen (bijv. correlatie) en kansverdelingen. Kennis van geavanceerde statistiek is een pré. Programmeervaardigheden zijn niet vereist, maar zouden nuttig kunnen zijn.
Begeleidingsvorm
Deze cursus heeft een vast startmoment. Kijk in het Jaarrooster wanneer de cursus van start gaat en wanneer de begeleiding is ingeroosterd.
In deze cursus werk je zowel individueel als samen in groepjes van vier studenten. Het voordeel van samenwerken is dat studenten de complexe stof beter verwerken door er met elkaar over te praten. Het vereist dat studenten tijdens de cursusbegeleidingsperiode beschikbaar zijn en medeverantwoordelijkheid nemen voor een goed product.
In deze cursus werk je zowel individueel als samen in groepjes van vier studenten. Het voordeel van samenwerken is dat studenten de complexe stof beter verwerken door er met elkaar over te praten. Het vereist dat studenten tijdens de cursusbegeleidingsperiode beschikbaar zijn en medeverantwoordelijkheid nemen voor een goed product.
Begeleidingsbijeenkomsten
Online-bijeenkomsten
Kwartiel 2 - begeleider: dhr.dr. D. Iren
1. ma 18-11-2024 / 19.00-21.00 uur
2. ma 25-11-2024 / 19.00-21.00 uur
3. ma 02-12-2024 / 19.00-21.00 uur
4. ma 09-12-2024 / 19.00-21.00 uur
5. ma 16-12-2024 / 19.00-21.00 uur
Docenten
Dhr. dr. D. Iren en Dhr. dr. V. Marella (plv. examinator).
Tentamenvorm
Opdracht.
Tentamentoelichting
Gedurende de cursus dienen drie opdrachten te worden ingeleverd – één individuele opdracht en twee groepsopdrachten - die worden beoordeeld voor een cijfer. Aan de hand van de cijfers voor de opdrachten wordt het uiteindelijke cijfer voor de cursus berekend.
Tentamendata
Volgens afspraak.
Cursusmateriaal
Deze cursus bestaat uit een tekstboek en een digitaal werkboek dat je door de tekst leidt en een aantal opdrachten bevat.
Mediagebruik
Gebruik van data analytics software (RapidMiner).
Digitale leeromgeving
Als student kun je, na inschrijving, via de cursussite in de online leeromgeving naar de discussiegroepen. Hier kun je met medestudenten en begeleiders informatie uitwisselen en discussiëren over de leerstof.