Resultaat opleiding Big Data Scientist

Na afloop van de post-hbo opleiding Big Data Scientist heb je een stevige basis om in de praktijk te werken met big data.

Diploma

Bij succesvolle afronding van de opleiding, ontvang je het diploma Big Data Scientist op post-hbo niveau van Inholland Academy.

Leeruitkomsten

Onze leeruitkomsten beschrijven het eindniveau dat jij moet weten, begrijpen en/of toepassen om de module succesvol af te ronden.

Module Big Data Essentials

• Om tot gerichte keuzes in de big data strategie te komen, (h)erken je het nut van een moderne business intelligence architectuur voor jouw organisatie, afgestemd op jouw organisatiedoelen. Hierbij weeg je de bruikbaarheid en toepasbaarheid af van moderne business intelligence architectuur binnen jouw werkveld volgens huidige DW/BI standaarden, rekening houdende met de bestaande privacy en ethiek wet- en regelgeving.
• Je hebt kennis van de mogelijkheden en valkuilen van big data, begrip van transactie- en informatiesystemen en kent de toepassingen van deze systemen binnen jouw organisatie. Door jouw basiskennis over machine learning, dashboarding en data mining, kan je de inzet van deze analysemethodieken bepalen aan de hand van de analyseniveaus van Gartner Inc.
• Ook ben je in staat om gegevens te importeren en visualiseren in Power BI.

Module Big Data Analytics

• Je analyseert data vraagstukken aan de hand van een database structuur voor een organisatie, gebruik makende van de meest relevante database-’talen’ en (visualisatie)tools.
• Je bent in staat verantwoord projectfolders in te richten, data analyse-projecten te managen en zelfstandig eenvoudige databases in te richten. Daarnaast beschik je over de benodigde kennis van data normalisatie en ster schema’s (multi dimensionale modellen).
• Je importeert, inspecteert, valideert en analyseert datasets met de belangrijkste SQL (DQL) statements of de R tidyverse pakketten. Ook ben je bekend met het ggplot2 framework om je analyses te ondersteunen met passende en effectieve data visualisaties.
• Je gemaakte analyses documenteer of rapporteer je in R met het RMarkdown of het Quarto eco systeem en deze rapporten exporteer je, afhankelijk van de toepassing, naar .html, .pdf en .docx.

Module Toegepaste Data Science

Machine learning 

• Je optimaliseert machine learning modellen voor jouw organisatie aan de hand van evaluatie technieken om de uitkomsten van het model verder te verbeteren. Hiervoor interpreteer je verschillende vraagstellingen en ontwikkel je een plan om er met behulp van data en machine learning conclusies uit te trekken.
• Je weet wat generalisatie is in de context van machine learning en data science, en (h)erkent factoren die hier invloed op hebben, zoals over- en underfitting, bias, en changing environment. Hierbij maak je onderscheid tussen supervised en unsupervised learning en kies je op basis van het vraagstuk en de data een passend model.
• Je implementeert theoretische kennis van de modellen in een praktijkgericht probleem en kent hiervoor de nodige machine Learning pakketten in R.
• Je interpreteert en analyseert de uitkomsten van statistische en machine learning modellen en kent methodes om door een “problem-space” te navigeren voor het optimaliseren van een model.

Web scraping/advanced R programming

• Je ontwikkelt een geautomatiseerd algoritme dat target data kan inlezen, verwerken in het juiste format en lokaal kan opslaan.
• Je kent en begrijpt de ongewenste praktijken binnen web scraping en past je kennis over ongestructureerde data en web scraping toe om data te vergaren van verschillende webpagina's.