Leerdoelstelling

Het hele programma wordt kort doorgelopen, zodat je weet wat je kunt verwachten. We duiken zo snel mogelijk in de wereld van Python. We behandelen de basis data bewerkingen in Python en maken een start met uni-variate analyses. Je raakt bekend met de standaard aanpak voor data science CRISP-DM.

We starten met een wetenschappelijk artikel van Stevens uit 1946 over meetwaarden en schalen. Daarna maken we kennis met data munging aan de hand van de mogelijkheden van pandas. Als laatste maken we kennis met het Anaconda platform voor data science in Python.

We geven een overzicht van het machine-learning landschap en gaan aan de slag met de classificatie taak. Ook maken we kennis met de kracht van sampling technieken, permutaties en bootstraps.

We maken kennis met Stephan Few’s ideeen over “Storytelling with data”. Hoe zorg je ervoor dat je plaatje meer zegt dan 1000 woorden? De ‘Grammar of Graphics‘ in het package ggplot, plotly en Seaborn komen aan bod. We bouwen een geavanceerde visualisatie stap voor stap op. In de tweede module laten we de kracht van matrix algebra zien en maken we onze eigen robuuste clustering. We sluiten af met een overzicht van segmenterings- en clusteringtechnieken.

“The Cloud” is iemand anders haar computer. Hoe kan ik data science en machine learning opzetten in de cloud? ? Welke database opties heb ik? Document stores, tuple & triple stores, columnar databases. NoSQL, XML databases. Distributed file systems, Apache HADOOP ecosysteem. Databricks Apache SPARK. Na deze dag weet je hoe de wereld van big data eruit ziet en ben je in staat een keuze te maken voor een van deze systemen bij de start van een big data project. Daarnaast krijg je meer wiskunde met toepassingen van matrix decompositie in feature reductie door middel van Principale Componenten Analyse en kijken we naar dimension reduction aan de hand van uniform manifold projectie en t-SNE .

Ensemble learning, bagging, boosting en random forests staan op het programma. Ook kijken we in detail naar model kwaliteit en de verschillende maten om kwaliteit te meten. We sluiten af met social network analyse door live een twitter feed te analyseren.

Deze dag staat in het teken van tekst en search. Met Python Natural Language Tool Kit (NLTK) onderzoeken we de mogelijkheden voor het analyseren van teksten. Feature extractie, tellen van woorden en woordcombinaties en het visualiseren van resultaten. Ook maken we kennis met open data en het semantic web, hierin heeft alle data context. We laten zien hoe we daar als data scientist gebruik van kunnen maken.

Deze dag in het teken van (het voorspellen van) tijdreeksen en survival analyses. Je raakt bekend met de aanpak voor het forecasten van tijdreeksen op basis van de forecasting principles van Rob Hyndman. We zullen de meest betrouwbare methoden voor het opstellen van voorspellingen van tijdreeksen onderzoeken. De nadruk zal liggen op methoden die reproduceerbaar en testbaar zijn, en waarvan is aangetoond dat zij werken.

Deze dag staat in het teken van de business case in data science. Hoe reken je een businesscase door waarbij een voorspelmodel ingezet wordt? Welke keuzes maak je om tot een optimaal resultaat te komen? Model kwaliteit speelt hier uiteraard een belangrijke rol bij maar we zullen ook goed moeten kijken naar de ethische aspecten van machine learning! Hoe identificeer je bias in je model? Welke methodes zijn er beschikbaar om te controleren dat je geen ongewenste effecten hebt getraind? Na deze dag kun je op verantwoorde wijze een ontwikkeld algoritme inzetten.

Een kort oefenexamen wordt afgenomen als voorbereiding op het examen over theorie en statistiek. Je hebt deze dag de tijd onder begeleiding aan de opdracht te werken.

Het examen bestaat uit een 50 multiple choice vragen (2 uur) en een programmeeropdracht in Python. Samen met de opdracht vormt dit examen de basis voor de certificering. Tevens is er ruimte om de laatste hand te leggen aan de eindpresentatie voor de opdracht.

Het resultaat van de opdracht wordt gepresenteerd in een voordracht van maximaal 20 minuten. De presentatie wordt gegeven aan de andere cursus deelnemers en de examencommissie. De presentatie wordt beoordeeld op analytische diepgang en de commerciële businesscase. Na een evaluatie van de opleiding door de cursisten en de beoordeling van de presentaties gaan we over tot de feestelijke uitreiking van de certificaten Certified Data Science Professional.