Cursus Data Science met Python

Cursus Data Science met Python

Data Science is een multidisciplinaire benadering om bruikbare inzichten te extraheren uit grote hoeveelheden gestructureerde en ongestructureerde gegevens. In deze cursus leert u patronen te onthullen en stakeholders in staat te stellen om op basis van data geïnformeerde conclusies te trekken.

Moduleopbouw cursus Data Science met Python

De cursus volgt de belangrijkste fasen van een Data Science project:

1. Problem identification & Business understanding

2. Collecting & Pre-processing data

3. Analysing data & Data Modelling

4. Model Evaluation & Deployment

5. Driving insights & Taking decisions

Inhoud per dag

Dag 1: Inleiding tot Data Science en Tools

• Introductie tot Data Science en Machine Learning.

• Installatie en configuratie van Python, Jupyter Notebook, NumPy, Pandas en Scikit-learn.

• Basisprincipes van data-analyse en visualisatie met Pandas en Matplotlib.

Dag 2: Data Preprocessing en Feature Engineering

• Data cleaning: behandeling van ontbrekende waarden, uitschieters en dubbele gegevens.

• Feature engineering: creatie en transformatie van kenmerken om de voorspellende kracht te vergroten.

• Hands-on oefeningen met echte datasets.

Dag 3: Supervised Learning Technieken

• Algoritmen: lineaire/logistische regressie, KNN, decision trees, random forests en boosting.

• Model evaluatie: kruisvalidatie, precisie, recall en F1-score.

• Bouwen en valideren van modellen op praktijkdata.

Dag 4: Introductie tot Deep Learning

• Basisprincipes: neurale netwerken, activatiefuncties en feedforward propagation.

• Introductie tot frameworks zoals TensorFlow.

• Trainen van neurale netwerkmodellen voor classificatie en regressie.

Dag 5: Interpreteerbare AI en Model Interpretatie

• Belang van transparantie in machine learning.

• Technieken: SHAP (SHapley Additive exPlanations), LIME en Partial Dependence Plots (PDP).

• Verklaren van modelvoorspellingen en besluitvorming.

Na afronding van de opleiding

• Beschikt u over allround kennis om de impact van Big Data in uw organisatie in te schatten.

• Kunt u zelfstandig gegevens opschonen, analyseren en visualiseren met Python.

• Bent u in staat om een data science project in logische, onafhankelijke stappen op te delen.

• Kunt u complexe modellen interpreteren en vertalen naar bruikbare business inzichten.

Waarom de cursus Data Science met Python bij Tridata volgen?

• Tridata is het enige instituut dat een door de Vereniging voor Statistiek & Operationele Research (VVS-OR) erkende cursus statistiek aanbiedt.
• De cursus Data Science van Tridata is een multidisciplinaire cursus die wordt gegeven door drie verschillende docenten met ruime ervaring op het gebied van Python, R, statistical modeling en machine learning.

Tip: Werkt u liever met R? Bekijk dan onze 5-daagse cursus Statistical Programming met R.

Praktische Informatie

• Doelgroep: Projectmanagers, BI-consultants, analisten en IT-managers.

• Vooropleiding: Minimaal HBO-niveau en basiskennis van ICT-systemen. Basiskennis van programmeren is een pré.

• Studiebelasting: 5 dagen (één dag per week). 8 uur op de cursusdag en 2-4 uur zelfstudie per week.

• Lestijden: 09:15 tot 16:00 (uitloop tot 16:15).

• Locatie: In-company mogelijkheden of op locatie in Utrecht.

Docenten

Dr. M. (Mark) van der Loo studeerde cum laude af in de informatische chemie aan de Katholieke Universiteit Nijmegen (een combinatie van scheikunde, wiskunde, en informatica). Na zijn promotie op een onderwerp uit de quantumfysica is hij werkzaam als statistisch onderzoeker bij het CBS met als specialiteit statistical computing and modeling, data cleaning en text processing. Over deze onderwerpen publiceert hij op conferenties en in peer reviewed journals. Mark is expert op het gebied van R, python,  en (multicore) C programming en heeft verschillende R-packages op CRAN gepubliceerd. Een van die packages wordt onder andere door Wikimedia Foundation gebruikt voor tekstanalyse van Wikipedia paginas. Mark werkt sinds 2012 als consultant en docent voor Tridata.

Drs. E(Edwin) de Jonge Studeerde af in de theoretische natuurkunde aan de Katholieke Universiteit Nijmegen. Na zich enkele jaren the hebben gespecialiseerd in softwareontwikkeling is hij als onderzoeker gaan werken bij het CBS met als specialiteit statistical computing and modeling, data management en data visualisatie. Over dit laatste onderwerp publiceerde Edwin onder andere een paper voor de prestigieuze IEEE VisWeek conferentie. Edwin is expert op het gebied van verschillende programmeertalen waaronder C++, javascript, python en R. In die laatste taal ontwikkelde hij een package wat inmiddels meer dan 120.000 maal per maand wordt gedownload van de CRAN servers. Edwin werkt sinds 2012 als consultant en docent voor Tridata.
Edwin en Mark zijn auteur van het boek ‘Learning R Statistical Computing with Rstudio’ (Packt publishing, 2012) en werken momenteel, aan een boek over ‘Statistical Data Cleaning with Applications in R’ (te verschijnen bij Wiley). In 2013 gaven zij een tutorial op de grootste R conferentie ter wereld (useR!2013) getiteld “an introduction to data cleaning with R”.

Dr. ir. J.(Jan) van der Laan
Dr. ir. J.(Jan) van der Laan studeerde af op het gebied van signaalverwerking bij de de faculteit technische natuurkunde aan de Technische Universiteit Delft. Na zijn promotie op het gebied van medical physics is hij als statistisch onderzoeker werkzaam bij het CBS. Op het CBS houdt hij zich onder andere bezig met statistische analyse en regressietechnieken, data visualisatie en het verwerken en koppelen van grote bestanden. Over deze onderwerpen publiceert hij op conferenties en peer reviewed journals. Jan is expert op het gebied van  meerdere programmeertalen waaronder C++, Javascript, D3.js en R. Hij heeft bijdragen geleverd aan meerdere R packages op CRAN. Jan werkt sinds 2015 als consultant en docent bij Tridata.