Data Science Essentials

Lesmethode :

Klassikaal

Algemeen :

Er is bij steeds meer organisaties behoefte om Data Science toe te passen, naast de business intelligence toepassingen als reports, dashboards en OLAP. Met deze eendaagse cursus leer je wat Data Science inhoudt, wat de verschillen zijn tussen Business Intelligence, Datawarehouse, Big Data en Data Science en hoe je het praktisch kunt inzetten.

Je leert de verschillende concepten en stappen in Data Science te benoemen, mee te praten en advies te geven over tools en implementatie. En je krijgt inzicht in de varianten van Data Science: Data Mining, Machine Learning en Artifical Intelligence. We geven je concrete Data Science-voorbeelden uit de praktijk en verdiepen in de verschillende algoritmen voor Data Science. Daarnaast geven we je een overzicht van diverse tools en delen we demo’s van Data Science Tools. (o.a. Microsoft, Tibco, RapidMiner).

Doel :

Met deze cursus krijg je inzicht in de basis en actuele ontwikkelingen binnen het Data Science-vakgebied en leer je welke vragen je op kunt lossen met Data Science.

Doelgroep :

Deze cursus is voor iedereen die werkt of gaat werken met Business Intelligence en Datawarehouse.

Voorkennis :

Er is geen voorkennis nodig.

Onderwerpen :

- 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