De minor AI in Business draait om het toepassen van data, kunstmatige intelligentie en innovatieve technologieën binnen organisaties. Studenten werken in projectgroepen aan een praktijkopdracht bij een echte organisatie. Daarin analyseren zij de huidige situatie (IST), onderzoeken waar knelpunten en kansen liggen en vertalen dit naar een gewenste situatie (SOLL). Op basis hiervan formuleren zij adviezen en ontwikkelen zij oplossingen die waarde toevoegen voor de organisatie en haar klanten.

Tijdens de module leren studenten:

·       Data verzamelen, voorbereiden en analyseren om inzicht te krijgen in bedrijfsproblemen en kansen.

·       Voorspelmodellen en AI-oplossingen te ontwerpen en te valideren met tools zoals RapidMiner.

·       Responsible AI-principes toe te passen: ethische en maatschappelijke aspecten, zoals transparantie, inclusiviteit, privacy en duurzaamheid.

·       Innovatieve adviezen uit te werken die aansluiten bij de behoeften van organisaties en stakeholders.

Naast de projectopdracht volgen studenten ondersteunende modules en werkcolleges, waaronder:

·       Optimization: hoe optimalisatie en statistiek bijdragen aan betere beslissingen.

·       Big Data & AI: kennismaken met big data-technologieën, cloud en datawarehousing.

·       Data Science: werken met machine learning-technieken zoals clustering, classificatie en neurale netwerken.

·       Responsible AI: ontwikkelen van een framework en dashboard om AI-toepassingen verantwoord te maken.

De module sluit af met een beroepsproduct (adviesrapport) en een mondeling assessment, waarin studenten laten zien dat zij hun technische en analytische kennis kunnen vertalen naar concrete, toepasbare oplossingen voor de praktijk.

Competenties en niveaus

De minor werkt met de Inholland-competenties. Studenten ontwikkelen deze op niveau 3 (professioneringsbekwaam), passend bij de afronding van het derde studiejaar.

• Beheren
  Rekening houden met productverantwoording, context en overdracht bij ontwikkeling
• Analyseren
  Analyse van bedrijfsprocessen, datastromen en knelpunten
  Kwantitatieve/kwalitatieve analyses m.b.t. beleid, strategie en architectuur.
• Adviseren
  Advies geven over nieuwe ICT- en AI-mogelijkheden voor organisaties.
• Ontwerpen
  (Her)ontwerpen van procesarchitectuur en besturingsmodellen, incl. veranderprocessen
• Professionaliseren
  Samenwerken in multidisciplinaire teams
  Zelfontwikkeling door feedback en reflectie
  Internationale en ethische beroepshouding aannemen
  Leidinggevende en managementtaken uitvoeren

Daarnaast vullen studenten de Analytical Translator-competenties in (hard & soft skills) om hun groei te meten. Denk aan business acumen, data-analyse, AI/ML-basiskennis, communicatie, stakeholdermanagement en creativiteit

De minor is ontworpen voor studenten in het derde jaar van hun bacheloropleiding. Zij naderen het eindniveau startbekwaam en worden tijdens de minor beoordeeld op professioneringsbekwaamheid.

Student moet de propedeuse behaald hebben vóór de start van de minor.

Voorkennis en vaardigheden

• Basiskennis van bedrijfsprocessen en informatiesystemen.
• Inzicht in data-analyse (basis Excel, R of Python is een pre).
• Vaardigheid in academisch schrijven en rapporteren volgens APA-richtlijnen.
• Bereidheid en vermogen om in projectgroepen te werken en contact te leggen met externe opdrachtgevers.

Voor de module AI in Business wordt gebruikgemaakt van een mix van boeken, online bronnen en aanvullend materiaal via Moodle. Studenten zijn daarnaast zelf verantwoordelijk voor het verzamelen van actuele en relevante bronnen voor hun project.

• Boeken
• Data Mining for Business – Foster Provost & Tom Fawcett
• Data Science Ethics: Concepts, Techniques, and Cautionary Tales – David Martens (voor Responsible AI)

• Online tutorials en handleidingen
• Artikelen en papers die via Moodle worden aangeboden.

• Syllabi en presentaties
• Lesmateriaal en slides per module (Optimization, Big Data & AI, Data Science, Responsible AI) beschikbaar op Moodle.
• Leswijzers waarin per week de onderwerpen, werkvormen en opdrachten zijn beschreven.

Colleges en werkcolleges: vinden doorgaans plaats op vaste dagdelen van de week (maandag en donderdag). Elk collegeblok duurt meestal  120 minuten.

Projectbijeenkomsten: studenten werken in projectgroepen, waarbij begeleidingsmomenten door docenten in de planning zijn opgenomen. Deze bijeenkomsten zijn verplicht en vallen vaak in dezelfde weekdagdelen als de colleges. 120 minuten.

Er wordt maximaal geroosterd op twee dagen in de week.

Beroepsproduct (adviesrapport)

• Groepsopdracht: adviesrapport voor de opdrachtgever, inclusief analyse, aanbevelingen en reflectie.
• Vormvereisten: o.a. inhoudsopgave, managementsamenvatting, APA-bronvermelding, professionele lay-out.

Mondeling assessment

• Individueel of per projectgroep.
• Studenten presenteren hun bevindingen en beantwoorden verdiepende vragen van de examinator(en).

Opdrachten per module

• Optimization: workshop met individuele opdrachten.
• Big Data & AI: wekelijkse opdrachten, gemiddelde bepaalt eindcijfer.
• Data Science: eindopdracht (rapport/presentatie in PowerPoint).
• Responsible AI: eindopdracht (dashboard + presentatie).

Verplichte kosten voor studenten = €0.

Eventuele aanschaf van aanbevolen literatuur = optioneel (ca. €250 max.).