De minor DS biedt studenten een uitgebreide inleiding in de wereld van Data Science, met een focus op (fundamentele) principes, technologische ontwikkelingen, en praktische toepassingen.

In de minor worden de volgende onderwerpen behandeld:

- Inleiding tot Data Science. Wat is DS, wat is de geschiedenis van DS, wat zijn de verschillende takken van DS en wat is de mogelijke impact van DS op de samenleving. Wij geven een historisch overzicht van DS, inclusief de evolutie, belangrijke mijlpalen, en een uitleg van basisbegrippen.

- Machine Learning en Deep Learning. Wat zijn de kernconcepten van machine learning? De focus ligt op het begrijpen van hoe algoritmes kunnen leren uit data, patronen kunnen herkennen, en voorspellingen kunnen doen. De volgende technieken komen aan bod:

• Dataverzameling en –verwerking
• Databases en dataopslag: fundamenten van databases, SQL, en NoSQL, evenals technieken voor dataopslag en -ophaling.
• Data Engineering: inleiding tot het bouwen van data pipelines, data cleaning, en data voorbereidingstechnieken.
• Big Data analyse: principes van distributed computing en werken met grote datasets.
• Supervised learning: regressie en classificatie
• Unsupervised learning: clustering en dimension reduction
• Modeltraining en –evaluatie
• Datavisualisatie en -communicatie

- Ethiek en Maatschappelijke Impact. Hier behandelen we de ethische overwegingen en maatschappelijke implicaties van DS-technologieën. Onderwerpen zoals bias, privacy, werkgelegenheid, en toezicht/controle komen aan bod. Studenten worden aangemoedigd om kritisch na te denken over de verantwoordelijkheid van DS-ontwikkelaars en het gebruik van DS in de samenleving.

- DS in de Praktijk. Hier worden concrete toepassingen van DS in verschillende sectoren behandeld, zoals gezondheidszorg, financiën, industrie, en autonome voertuigen. Middels een project (realiseren van een prototype of demonstrator) wordt verkend hoe DS-oplossingen reële problemen kunnen aanpakken en welke technologieën daarvoor kunnen worden ingezet.

Na afloop van de cursus kunnen studenten:

- De basisprincipes van data science uitleggen, inclusief dataverzameling, dataverwerking, data-analyse en datavisualisatie.

- Verschillende data science-technieken toepassen, zoals ETL, supervised learning, unsupervised learning, reinforcement learning en statistische modellering.

- Data science-projecten opzetten en uitvoeren, van probleemdefinitie tot implementatie en evaluatie.

- De ethische en maatschappelijke implicaties van data science bespreken.

- Effectief communiceren over data science-bevindingen aan zowel technische als niet-technische doelgroepen.

Doelgroep: de minor is bedoeld voor iedereen die geïnteresseerd is in Data Science, ongeacht hun technische achtergrond.

Voor de minor is geen specifieke vooropleiding vereist. Basiskennis van wiskunde (niveau havo A of B) en programmeren wordt echter wel verondersteld.

De contacttijden zijn verspreid over de hele week overdag: 10 à 15 uur per week.

De minor kent de volgende onderwijsvormen: hoor-, discussie- en werkcolleges en een doorlopend project.

Aanwezigheid is vereist tijdens beoordelingsmomenten en samenwerking in projectgroep

De student toont levert prestaties op basis van vastgelegde prestatie-indicatoren, 15 EC.

Werkhouding (gedrag), beroepsproducten (kunde) en schriftelijke toets (kennis)

Aanwezigheid tijdens beoordelingsmomenten en samenwerking in projectgroep

Locatie waar de minor gegeven wordt: Maastricht en Brightlands Campus Heerlen