Data Science & Data Mining technieken.144

Conceptuele cursus over analyse van data en het zoeken naar antwoorden op BI vraagstukken. We gebruiken KNIME, R  en andere tools om data te onderzoeken en te visualiseren in een dash board. Je kunt je eigen datasets meenemen en gebruiken.

Data-analyse en data visualisatie is belangrijk om snel te reageren op de markt, concurrentie en klantvraag. Het doorzoeken (data mining) van gegevens of van verwerkte data in processen (process mining) of doorzoeken van teksten (tekst mining) zijn technieken die hierbij kunnen worden ingezet.

Kenmerken van deze cursus; 

• De docent dr. Kees Schippers, Kees is psycholoog. Heeft veel data mining en data analyses gedaan mb.t. gedrag van mensen en hoe dit te voorspellen is en dit vormt de basis voor zijn specialisatie als data scientist.
  Kees heeft de analytische ontwikkelingen vanaf de basis gevolgd om te komen tot nieuwe inzichten in het gedrag van klanten van diverse organisaties zoals banken, marketeers, verzekeringsmaatschappijen, enz.
  
• Startdatum en vervolgdata stemmen we af op de mogelijkheden van de ingeschreven deelnemers.
• Niveau HBP/ Post-HBO, en bachelor denkniveau is nodig evenals basis kennis over statistiek.

Brochure aanvragen; Geef uw telefoonnume rop a.u.b. omdat de docent even enkele minuten met u wilt verkennen of deze cursus bij uw verwachting past.

Materialen; Diverse materialen, waaronder workflows, presentaties, manuals, e-books, artikelen, worden aan het begin van de cursus digitaal ter beschikking gesteld.
En verder

• Data Mining with Rattle and R. The Art of Excavating Data for Knowledge Discovery, Graham Wiliams, Springer, 2011, ISBN 978-1-4419-9889-7, (digital)
• Diverse artikelen Knime.
• Introduction to Machine Learning, second Edition, Ehmer Alpaydin (digital)
• Python Data Science Handbook, Jake VanderPlas
• KNIME en andere Software wordt beschikbaar gesteld of is openbaar. De deelnemer kan thuis op zijn computer de software gebruiken om de (of zijn eigen) opdracht over data anayse, visualisatie en data sciecne technieken uit te voeren. 

Algemene aanpak;

• Introductie in data mining en data science technieken.
• Hoe met KNIME -dashboard en Phyton data-analyses uit te voeren.
• Hoe visueel te programmeren met KNIME.
• Enige statistiek basiskennis uitleg
• We kijken naar methoden om snel analyse van data uit te voeren, decision trees en decision forests, het werken met KNIME en een stukje text mining vanuit Twitter.

leerdoelen; 

• Welke mogelijkheden met analyse van data kunnen worden bereikt, c.q. welke doelstelling of managementvragen kan en wil ik beantwoordem?
• Datasets onderzoeken.
• Gebruik van de juiste tools binnen data science.
• Gebruik van juiste algoritmes en technieken.
• Kunnen visualiseren van uitkomst uit datamining.

Welk resultaat kan ik verwachten?

• Je bent in staat om waardevolle informatie uit een op het eerste oog berg met gegevens te halen.
• Je kunt machine learning toepassen op eigen gegevens zoals verkoopgegevens of telecomgegevens, om waardevolle informatie te vinden en trends te onderzoeken.
• Je hebteen goed beeld waarom data mining en big data belangrijk is en welke voordelen analyse van dit soort gegevens heeft.
• Je hebt handvatten om gevonden data trends en andere informatie te kunnen presenteren/ visualiseren aan de diverse doelgroepen.
• Je krijgt een duidelijk inzicht in de huidige uitdagingen en state of the art betreffende gebruik van databases en data mining.
• Je hebt kennis van fundamentele algoritmen om data en databases voor te bereiden, geschikt te maken voor datamining.
• Je begrijpt basis datastructuren en organisatie daarvan waardoor je data kunt analyseren en data mining kan toepassen op grote data sets.
• Je hebt inzicht in de belangrijke algoritmen en uitdagingen betreffende een aantal belangrijke nieuwe toepassingen van data mining: marketering, social media, website analysis, biosequence databases, sociale netwerken en graphic mining.
• Je krijgt inzicht hoe consument data te analyseren door machine learning zodat het mogelijk is om persoonlijke gebruiker profielen samen te stellen die kunnen worden gebruikt bij persoonlijk adverteren of nieuwsberichten.
• Je krijgt inzicht hoe client data te analyseren door machine learning zodat het mogelijk is om risicoprofielen samen te stellen die kunnen worden gebruikt bij persoonlijk service zoals verzekeren of financiële dienstverlening.
• Je hebt kennis van één of meer tools om data te importeren, data te organiseren, data te schonen en data te analyseren.

Tools

• De third party tool KNIME wordt gedurende de cursus gebruikt op je eigen laptop. Alles wat je tijdens de cursus maakt, blijft dus tot je beschikking en je kan in je avonduren verder werken mocht je dit willen. Of je kunt de opgebouwde oplossingen loslaten op je eigen specifieke datasets.
• KNIME beschikt daarnaast over een R en Python plugin en er zijn mogelijkheden voor het benaderen - en ook simuleren - van Hadoop Clusters ‘Big Data’ (Hive, Impala, Spark).
• We gebruiken ook Kaggle (Kaggle allows users to find and publish data sets, explore and build models in a web-based data-science environment, work with other data scientists and machine learning engineers, and enter competitions to solve data science challenges). 

Investering bij de cursus is materiaal, catering en eventuele lunches inbegrepen. 

Uitvoering 4 dagen, eens in de 2 a 3 weken een lesdag, 9-11 weken doorloop. Kan ook gecombineerde met interactieve online sessies met de docent.

Inhoud

Tools
- KNIME
- Rattle,
- Kaggle

Statistiek
- Kansen 
- Design/Causaliteit
- Toetsen
- Betrouwbaarheidsinterval
- Onderscheidingsvermogen

DataPreparatie
- Aggregeren
- Matchen
- Berekenen
- Manipuleren
- Schonen

DataVisualisatie
-Univariaat
-Bivariaat
-Multivariaat
-Interactief
-Geografie

MachineLearning
- Supervised  learning
- Unsupervised learning 
- Feature engineering
- Model evaluatie
- Model optimalisatie

Tekst mining
- Documenting
- Schonen
- Verrijken
- Word cloud
- Topic detection

Doelgroep degene die marktonderzoek of marketinganalyse wil uitvoeren, degene die datasets willen onderzoeken op trends en andere relaties. 

Voorbeeld van een opdracht tijdens de masterclass

1. Bestudeer en analyseer de workflow bij: Tree model -Hyper parametric tuning en bekijk hoe dit wordt toegepast bij de uitgebreide bank dataset “bank-additional-full.csv”.
2. Lees vervolgens https://.../Articles/2014_intro_supervised_learning.html
   https://.../blog/2016/model-evaluation-selection-part1.html
   https://.../blog/2016/model-evaluation-selection-part2.html
   Je kunt eventueel focussen op de hyper-parameter tuning onderdelen.
3. Voor degene die een paper wil schrijven, je kunt overwegen om deze bankanalyse te gebruiken als referentieaanpak voor een rapportopbouw met Context, Doel, Methoden, Resultaten, Conclusie en Evaluatie.