Big Data Scientist opleiding

Programma post-hbo Big Data Scientist

De post-hbo opleiding Big Data Scientist van Inholland Academy bestaat uit 32 bijeenkomsten. Hierin focus je op de kern en ga je big data toepassen in de praktijk. Je gaat aan de slag met PowerBI, SQL en R, machine learning en meer.

De opleiding is zo opgebouwd:

Tijdens de opleiding krijg je de benodigde theorie en tools aangereikt van een scala aan onderwerpen in de datawereld. Hiermee maak je eenvoudig de koppeling naar je eigen organisatie. Dit alles onder begeleiding van ervaren big data en privacy specialisten. De door jou opgedane big data kennis en ervaring wordt gedurende deze opleiding op verschillende momenten gemonitord. Zo weet jij waar je staat en waar je eventueel nog aan moet werken.

Liever één module los volgen? Dit kan ook! Bekijk alle opleidingsmogelijkheden voor big data.

Incompany- en/of maatwerktraject Big Data Scientist

De opleiding Big Data Scientist leent zich ook uitstekend als basis voor een incompany- en/of maatwerktraject. Neem voor meer informatie contact op met opleidingsadviseur Judith Loogman via T: 06 2911 8971 of E: judith.loogman@inholland.nl.

Opbouw van de opleiding Big Data Scientist

Module 1: Big Data Essentials

Module 1: Big Data Essentials

Deze module bestaat uit 8 bijeenkomsten en biedt jou de essentiële basiskennis over big data met als belangrijke boodschap: durf eraan te beginnen! Met de juiste kennis van en ervaring met de essentials zul je merken dat je je snel thuis voelt in deze wereld. Je ervaart dat je hét verschil kunt maken met big data en een stevigere gesprekspartner wordt. Deze module wisselt theorie af met praktijk, waarbij tijdens de praktijkdelen veel nadruk gelegd wordt op doen in PowerBI.

Je gaat aan de slag met onderwerpen als:

  • Kern van big data: Wat is big data? Wat zijn de mogelijkheden en valkuilen?;
  • Hoe neem je beslissingen? Welke analysetechnieken zijn er?;
  • Welke transactie- en informatiesystemen zijn er en wat zijn de toepassingen hiervan?;
  • PowerBI in de praktijk: zelfstandig leren importeren en visualiseren;
  • Hadoop in de praktijk: oefenen met Pig Latin en Hive;
  • Basiskennis en inzet van machine learning, dashboarding en data mining;
  • Privacy en ethiek: waar moet je als big data business analist rekening mee houden?

Module 2: Big Data Analytics

Module 2: Big Data Analytics

In deze praktijkgerichte module, die bestaat uit 12 bijeenkomsten, waarvan 4 werkcolleges, staan SQL en R centraal. Dit zijn immers vandaag de dag de meest relevante database-’talen’ en (visualisatie)tools voor big data. We hebben bewust gekozen voor een hands-on aanpak, zodat je na afloop van deze module de essentiële skills voldoende beheerst om deze met trots op je CV te plaatsen.

Je gaat aan de slag met onderwerpen als:

  • Gebruik van de belangrijkste SQL statements binnen de SQL data query language (DQL);
  • Basiskennis en inzet van data normalisatie, ster schema’s (multidimensionale modellen) en de belangrijkste data transformatie technieken;
  • Database schema’s en connecties met databases;
  • Data inlezen, transformeren en visualiseren met behulp van R;
  • Het maken van data visualisaties met ggplot;
  • De belangrijkste RMarkdown syntax;
  • Het documenteren en exporteren van analyses in R met het RMarkdown of het Quarto ecosysteem.

Module 3: Toegepaste Data Science

Module 3: Toegepaste Data Science

Deze praktijkgerichte module, die bestaat uit 12 bijeenkomsten, waarvan 4 werkcolleges, is het ‘advanced’ vervolg op module 2 (Big Data Analytics). Je leert hoe je workflows beter kunt automatiseren, je gaat aan de slag met optimalisatie van machine learning modellen en ontdekt nieuwe inzichten met data mining.

Je gaat aan de slag met onderwerpen als:

  • Supervised en unsupervised learning en verschillende modellen binnen deze categorieën;
  • De relevante machine learning pakketten in R om praktijkgerichte problemen aan te pakken;
  • Interpretatie en analyse van uitkomsten van statistische en machine learning modellen;
  • Optimalisatie van machine learning modellen aan de hand van evaluatietechnieken;
  • Dataverzameling via webscraping;

Het ontwikkelen van geautomatiseerd algoritme dat target data in kan lezen, verwerken en opslaan. 

 

Interesse in deze opleiding? Vraag een gratis brochure aan.

Bekijk de opleidingsinformatie en maak kennis met o.a. de organisatie, methode en locaties.

Download brochure

Is dit de opleiding voor jou? Schrijf je nu in!

Inschrijven