Kies op maat

Inloggen Menu

Data Science

Big data is geen hype maar een dagelijks fenomeen. Per persoon produceren we vandaag meer data per minuut dan er totaal in 2008 werd opgeslagen. Via allerlei sensors in de openbare ruimte, in onze apparatuur en door het gebruik van smart mobile devices zenden we continu informatie naar geïnteresseerde bedrijven en partijen. Voorbeelden van gebruik van deze data zijn het onderhoud van treinen,elektriciteit sturing door slimme meters of aanbevelingen op websites voor producten die je echt moet hebben. Data Science is de discipline die uit deze enorme hoeveelheid data zinnige uitspraken haalt middels complexe algoritmes.

We spreken van data science in een big data omgeving, omdat de hoeveelheid informatie die wordt opgeslagen zoveel is dat kennis halen uit de data moeilijk is: de enorme hoeveelheid gegevens moeten worden opgeslagen en omgezet in bruikbare informatie. Het doel van deze minor is studenten op te leiden tot junior data scientists die in staat zijn zelf een project aan te pakken voor een opdrachtgever. Ja, we gaan met échte opdrachtgevers en echte data vraagstukken aan de slag. Binnen de minor kennen we 3 specialisatie tracks (1) predictive maintenance (2) data-driven innovation en (3) data driven decision making.

Tijdens de minor leer je programmeren in R/Python, data opslag methoden, data analyse technieken(machine learning), en visualiatie technieken. Daarnaast hebben we een impact programma met oa: big data expo, hackatons, bitcoin en pizza&bier thema avonden.

Leerdoelen

​De student is na afloop van de minor in staat om:

- data science project uit te voeren voor een klant vanaf opdracht definitie tot oplevering (CS*);
- grote hoeveelheden ruwe data in te laden, schoonmaken en klaarzetten voor analyse (SET*);
- het data science/big data jargon te spreken (SET*);
- werken met een aantal programmeertalen zoals R, Python, SQL, R-Shiny (SEP*);
- data visualisatie technieken te gebruiken voor het analyseren van data en het weergeven van resultaten (VA*);
- statistische analyses uit te voeren waarbij relevante data uit een grote dataset wordt gefilterd (DM*);
- machine learning toe te passen (ML workshop*);
- de maatschappelijke impact van big data uit te leggen (MI*).


*vakafkorting


Studenten krijgen domeinkennis over 1 van de tracks:
- Urban Analytics: verbeter de dynamiek van de duurzame metropool op basis van data;
- predictive maintenance: onderhoud voorspellen op basis van data;
- data driven innovation: product ontwerp op basis van gebruiksdata.

Aanvullende informatie

Landing page minor Data Science

https://www.dedataloog.nl/blogpost/landing-page-minor-data-science/

Contacttijd

Studiedeel - Hoorcollege - Werkcollege - Overig

Software engineering theorie - 7x 100 minuten - 7x 100 minuten - tentamen
Software engineering praktijk - 7x 8 uren DataCamp - 7x 8 uur consult - 7x 4 uur presentaties, capstone ~25 uren
Visual analytics - 7x 100 minuten - 7x 100 minuten
Data Mining - 7x 100 minuten - 7x 100 minuten
Track (Business analytics/Predictive maintenance/data driven innovation) - 4x 100 minuten - 3x 100 minuten - per groep 50 minuten p/w ondersteuning

Case study - 7x 100 minuten - 5 x 3 uur presentaties, eindpresentatie 50 minuten
Hackaton - 3 dagen fulltime (neem slaapzak mee)
ML workshop - 4 dagdelen
Maatschappelijke impact - 2x 50 minuten opzet - 8 thema avonden ~4 uur excursies oa big data expo 8 uur

voorafgaand aan de minor hebben we een introductieweek waar je verwacht wordt.

Let op! 

De minor wordt door studenten als tijdsintensief ervaren. Als je kiest voor data science (big data), kies je voor het leren van een nieuwe taal ​de taal van data. Soms betekent dit meer uren te besteden dan je voorafgaand had gehoopt, dat moet je willen accepteren. Het docententeam van de minor​ is gecommitteerc om het beste uit jou te halen, we zullen er alles aan doen om je tijdens de minor échte ervaringen op te laten doen in bijvoorbeeld excursies. We vragen dus ook commitment van jou. 

Kosten:

​Voor online cursussen programmeren een abonnement op het DataCamp platform. Dit is een academische licentie, er wordt gewerkt aan een gratis licentie.

De thema en hack avonden van het vak maatschappelijke impact zijn nog niet gepland. Maar het kan zijn dat er voor een van de avonden kosten gemaakt worden. Denk hierbij aan de aanschaf van een Raspberri Pi of een sensor boards.

Tot slot, zorg voor een redelijke laptop. We kunnen support bieden aan Macbooks, Windows en Linux/Unix, maar Chromebook kunnen we niet ondersteunen.

Extra informatie
https://www.youtube.com/channel/UCk1hmlPr5Lpa3CLEO1eyP_Q

Vragen over de minor?
Contact: Jurjen Helmus, j.r.helmus@hva.nl

Vragen over de Kies op Maat-procedure?
Contact: Onderwijsbureau Faculteit Techniek, www.hva.nl/vragenformulier met als onderwerp 'minor Techniek'.

Er is een beperkt aantal plaatsen voor KOM-studenten. De aanmeldperiode voor HvA-studenten is voorafgaand aan de aanmeldperiode voor niet HvA-studenten.

Aanmeldingen worden op volgorde van binnenkomst ondertekende leerovereenkomsten in behandeling genomen.

Ingangseisen

​De minor wordt in het Nederlands gegeven. Bij een internationale bezetting wordt de minor in het Engels gegeven. De materialen zijn Engelstalig, hierdoor is de minor ook geschikt voor Engelstalige studenten.

In principe is deze minor vrij toegankelijk, echter de ervaring leert dat enige ervaring met het bewerken van data (bijvoorbeeld Excel/Access) gewenst is. Een twee vereiste is dat je bekend moet zijn met een aantal basistechnieken uit de statistiek: gemiddelde, standaardafwijking, variantie, histogrammen maken. Indien dit ontbreekt raden we je aan voorafgaand aan de minor een statistiek cursus te volgen op DataCamp.

Echte programmeerkennis is niet vereist, tijdens de minor wordt gebruik gemaakt van DataCamp een online learning platform om het programmeren te leren. Belangrijk is dat je wil leren, en daar moeite voor wilt doen. Leren programmeren gaat met vallen en opstaan en je moet het aangaan om te durven vallen.

Maar vooral: je moet geïnteresseerd zijn in het werken met getallen, met databestanden en met het interpreteren van data.

Toetsing

Studiedeel - Afkorting - EC - Blok - Toetsvorm

Software engineering theorie - SET - 4 EC- Blok A - Tentamen
Software engineering praktijk - SEP - 5 EC - Blok A - DataCamp - Capstone opdracht
Visual analytics - VA - 5 EC - Blok A - Opdrachten
Data Mining - DA - 4 EC - Blok B - Opdrachten

Track* Urban analytics/Predictive maintenance/data driven innovation - TRK - 5 EC - Blok B - Opdrachten

Case study - CA - 5 EC - Blok B - Opdrachten - Presentaties
Hackaton - HCK -  - ntb** - Deelname
Machine learning workshop - ML -   - ntb** - Opdracht
Maatschappelijke impact MA - 2 EC - Blok A+B - Reflectie deelname

* het kan zijn dat in semester 1 alleen het vak business analytics gegeven wordt en dat case study wel 3 tracks biedt met aanvullende ondersteuning op de andere tracks.

** de hackaton en ML week zullen waarschijnlijk in week 10 van blok A plaatsvinden.​

Wanneer een student een onderdeel niet succesvol heeft afgerond in de onderwijsperiode waarin zij het onderwijs van de minor heeft gevolgd dan kan de student alsnog de minor afronden tijdens volgende onderwijsperiode(n) van de betreffende minor.

Wordt een minor niet meer aangeboden of is de inhoud van de minor herzien, dan biedt de opleiding in het daarop volgende studiejaar nog tweemaal de gelegenheid tot het afronden van de minor.

Literatuur


Studiemateriaal

Het volgende studiemateriaal is verplicht
· Zumel, N., & Mount, J. (2014). Practical Data Science with R. New york: Manning.


Het volgende studiemateriaal is aanbevolen
· Rstudio inc, Rstudio Server Administration guide for RStudio Server Professional v0.99.482
· Rstudio inc, Shiny Server Professional v1.4.2 Administrator's Guide op http://docs.rstudio.com/shiny-server/

· Nieuwenhuyse, D. v., & Vanhoudt, D. (2008). Performance management - Van prestatiemeting naar prestatiemanagement door de toepassing van analytische intelligentie. LannooCampus.

Daarnaast wordt gebruikt gemaakt van wetenschappelijke papers over big data en key performance indicators. Voor de Tracks wordt nog literatuur bekend gemaakt.

Verder adviseren we je middels zelfstudie te bekwamen in het data werkveld, bijvoorbeel door het luisteren van podcasts zoals www.dedataloog.nl.

Rooster

Het onderwijs concept van de minor is dat je aan het begint van iedere week een challenge krijgt die je op de vrijdag moet oplossen. Op de maandag krijg je de basis stof voor de challenge gedoceerd, echter de challenge gaat veel verder dan de basis stof. Zodoende wordt je iedere week uitgedaagd het beste uit jezelf te halen. Het stramien van de minor zal in de twee blokken als volgt zijn

* maandag college dag, theorie uitleg en challenge voor komende week

* dinsdag zelfstudie (onder begeleiding) in blok 1 en bij het bedrijf aan de slag met de bedrijfscase in blok 2

* woensdag werkcollege dag

* donderdag zelfstudie (onder begeleiding) in blok 1 en bij het bedrijf aan de slag met de bedrijfscase in blok 2

* Vrijdag wekelijkse presentatie van de challenge in blok 1 en wekelijkse presentatie van de voortgang de bedrijfscase in blok 2

Het eerste blok wordt door studenten als pittig ervaren maar tegelijkertijd wel ervaren dat er veel geleerd wordt in slechts enkele weken. Juist daardoor is het mogelijk om in het tweede blok het geleerde in de praktijk te brengen.

Naast de standaard colleges hebben we in de minor een 8 tal presentatie/workshop avonden waarin de trends, hacks of maatschappelijke impact verder uitdiepen.