Introductie
Bayesiaanse statistiek is ‘oude’ statistiek die zijn wederopleving heeft te danken aan de toegenomen rekenkracht van computers en de inherente beperking van de ‘klassieke’ statistiek waarin p-waardes een essentiële rol spelen. In de Bayesiaanse leer staat onzekerheid centraal en zijn kansen afhankelijk. Dat wil zeggen dat het maken van een model op basis van een enkele dataset een beperkte aangelegenheid is. Niet alleen is de verkregen data een momentopname, ook is onduidelijk welk gewicht de inhoud van een specifieke databron moet krijgen bovenop al beschikbare kennis. Dat Bayesiaans denken voor een deel subjectief denken is, dient te worden onderstreept. Wetenschap is statistisch, voortdurend in beweging en mensenwerk. De Bayesiaanse statistiek combineert deze drie factoren in geavanceerde wiskundige formules om de gebruiker een veel meer holistische kijk te bieden op de kennis van nu. Oude statistiek met ontelbaar toekomstige toepassingen.
Waarom deze opleiding?
De opleiding Bayesiaanse Statistiek zorgt voor een compleet andere kijk op modellen, onzekerheid en statistische significantie. Je zult in staat zijn om verder te kijken dan jouw huidige dataset, omdat het besef komt dat die ene dataset maar een momentopname is. Uiteindelijk ben je in staat om meer holistisch naar data en modellen te kijken. Ook zul je onzekerheid meer gaan omarmen. Het zal wellicht wat tijd kosten om statistische significantie en p-waardes los te laten, zeker bij klanten of werkgevers die daarom vragen, maar uiteindelijk ben jij wel diegene die in staat is om alle beschikbare kennis te integreren in een gedegen toekomstperspectief.
Inhoud
Leerdoelstelling
Algemeen beeld krijgen van de Bayesiaanse leer en mogelijke toepassingen Je leert eerdere modellen Bayesiaans maken Het verleden met het heden statistisch weten te combineren Bovenstaande uitvoeren in R
Programma Dag 1: Introductie in de Bayesiaanse statistiek
Wat is Bayesiaanse statistiek en wat niet
Relatie met Frequentistische theorie Relatie met statistiek in het algemeen Afwezigheid van p-waarden en binaire statistische gevolgtrekkingen
Wetenschap
Bewijs is vloeibaar, niet in steen gebeiteld Modellen hebben een houdbaarheidsdatum Wetenschap is mensenwerk met al zijn voorbehouden
Waarschijnlijkheid
Verdelingen opnieuw bekeken De liefde voor onzekerheid
Stelling van Bayes
Tegenintuïtief Voorwaardelijke waarschijnlijkheden De beperkingen van een enkele dataset
Bayesiaanse analyse
Dag 2: Jouw huidige modellen Bayesiaans maken
Gaussische Regressie Niet-Gaussische Regressie Multilevel modellen Multivariate modellen Niet-lineaire Bayesiaanse Regressie Machine-learning modellen
Dag 3: Projecten vanuit de Bayesiaanse leer aanpakken
Vinden van de juiste prior Het wegen van de informatie in de prior Bepalen van de houdbaarheidsdatum van je werk Voortdurende integratie van oude en nieuwe informatie Voorbeelden
Meta-analyse Bayesiaanse netwerken
Locatie
Leren en studeren in ons Academy lokaal in Nieuwegein is door de inrichting zeer prettig. Je bent van alle gemakken voorzien als aankomend professional in bayesiaanse statistiek. Koffie en fris is binnen handbereik en er wordt dagelijks gezorgd voor versnaperingen en een lunch of diner. In het direct aanpalende restaurant kun je een potje poolen of racen op onze Playseat ter ontspanning.
In het lokaal kun je op het grote scherm de presentatie goed volgen en alle uitleg die gegeven wordt op het elektronische whiteboard, kun je toegestuurd krijgen. Het lokaal is ruim opgezet waarbij het mogelijk blijft om genoeg interactie te hebben tussen de docent en de cursist.
Het is ook mogelijk om de lessen op afstand te volgen. Door middel van het cameravolgsysteem in het lokaal kun je meekijken vanuit huis en heb je dezelfde ervaring als wanneer je in het lokaal zit. Wanneer je je camera aanzet kunnen de docent en cursisten je ook zien en verhoog je de interactie met je medecursisten. Vanaf je werkplek thuis of op kantoor kan je gewoon meepraten met de andere cursisten in het lokaal.
Investering
Investering
De investering voor de gehele Bayesiaanse Statistiek zijn €1.785,- (excl. BTW)
VROEGBOEKKORTING:
Als je boekt voor 19 september 2022 betaal je €1.599,- (excl. BTW)
In de cursus zijn inbegrepen:
3 lesdagen op locatie of vanaf je werkplek
Lesmateriaal & studieboeken
Lunch of diner op de lesdagen
Koffie, thee, fris en versnaperingen tijdens de lesdagen
Fiscale aftrekbaarheid
Vanaf 1 januari 2022 zijn studiekosten niet meer aftrekbaar. In plaats hiervan komt het STAP-budget .
DIKW Alumni krijgen 10% korting.
Heb je al eens een opleiding, cursus of training bij ons gevolgd dan krijg je van ons 10% korting op de volgende cursus, training of opleiding.
Hiervoor dien je je wel aangemeld te zijn als DIKW Academy Alumni.
Ben je nog niet aangemeld?
Doe dat dan via deze link .
Aanmelden
Toelating Er is geen specifieke voorkennis nodig. Het helpt natuurlijk wel als je al ervaring hebt met bepaalde onderdelen van de opleiding. Bij de Bayesiaanse Statistiek is het bijvoorbeeld handig als je je kennis van beschrijvende en toetsende statistiek hebt opgefrist of als je al ervaring hebt in een scriptingtaal.
Starten De eerstvolgende cursus Bayesiaanse Statistiek start 14 november 2022
Aanmelden Je kan je aanmelden door het formulier in te vullen.
Na je aanmelding:
Krijg je de bevestiging dat je ingeschreven bent Je wordt geïnformeerd over het verder verloop van de aanloop naar de cursus 3 weken voor aanvang van de cursus krijg je alle informatie toegestuurd die je nodig hebt om aan de slag te gaan.
Routebeschrijving De data van de de lesdagen (i.v.m. vakanties, etc.) De studiewijzer
Carrière
Wat levert het je op?
De opleiding Bayesiaanse Statistiek zorgt voor een compleet andere kijk op modellen, onzekerheid en statistische significantie. Je zult in staat zijn om verder te kijken dan jouw huidige dataset, omdat het besef komt dat die ene dataset maar een momentopname is. Uiteindelijk ben je in staat om meer holistisch naar data en modellen te kijken. Ook zul je onzekerheid meer gaan omarmen. Het zal wellicht wat tijd kosten om statistische significantie en p-waardes los te laten, zeker bij klanten of werkgevers die daarom vragen, maar uiteindelijk ben jij wel diegene die in staat is om alle beschikbare kennis te integreren in een gedegen toekomstperspectief.
FAQ
Q: Hoeveel werk-, studie- en contacturen zijn er?
A: We hebben opleidingen van een dag tot een half jaar. De studiebelasting is zo gekozen dat je de opleiding naast je werk kunt doen. Dat wil zeggen dat je naast de opleidingsdag/middag/ avond er vanuit moet gaan dat je nog een avond (3 uur) bezig bent met studeren, opdrachten, etc.
Q: Hoeveel tijd besteedt een cursist gemiddeld aan individueel werk en groepsopdrachten?
A: Veel van de opleidingen bij DIKW Academy zijn praktisch ingestoken. Dat wil zeggen dat je hands-on aan de bak moet. Tools installeren, dingen uitzoeken en aan de praat krijgen. Algorithms proberen, testen of dingen werken en of je snapt wat er gebeurt. Daarnaast is in veel opleidingen een praktijkcase die je als team of als individu uitvoert. Als je dat een beetje handig aanpakt zul je zien dat je die opdracht heel mooi kunt gebruiken om een eerste Minimal Viable Product (MVP) op het gebied van data science of data engineering kunt maken voor jouw opdrachtgever. Daarin willen mensen nogal eens erg enthousiast worden en er meer tijd in steken dan zo vooraf hadden gedacht. Maar wel met vaak een heel mooi resultaat.
Q: Op welke locatie worden de lessen gegeven?
A: DIKW Academy heeft een opleidingsruimte in Nieuwegein
Q: Bieden jullie ook online lessen aan?
A: Ja, we hebben een eigen video conferencing service (Jitsi) en een e-learning platform (Moodle) waar al het materiaal beschikbaar is.
Q: Wat voor voorkennis heb ik nodig?
A: Tenzij anders aangegeven bij de opleiding is er geen specifieke voorkennis nodig. Het helpt natuurlijk wel als je al ervaring hebt met bepaalde onderdelen van de opleiding. Bij de opleiding Bayesiaanse Statistiek is het bijvoorbeeld handig als je je kennis hebt in een scriptingtaal. Ook voor Bayesiaanse Statistiek is er echter geen specifieke voorkennis nodig, bij inschrijving ontvang je een document waarin staat hoe je je optimaal kan voorbereiden op de opleiding.
Q: Heb ik eigen data nodig om de praktijkopdracht uit te voeren?
A: Je hoeft geen eigen data te hebben om de praktijkopdracht uit te voeren. Ook met een dataset die online te vinden is kun je een mooie praktijkcase maken. De docent zal je begeleiden bij het zoeken naar een geschikte dataset.
.