We'll start the course by defining what data science is. We'll cover the data science workflow, and how data science is applied to real-world business problems. We'll finish the chapter by learning about ways to structure your data team to meet your organization's needs. 

What is Data Science?

Customer Segmentation Workflow

Building a customer service chatbot

Improving OKRs

Applications of Data Science

Assigning data science projects

Investment research

Building a data science team

Interpreting a team sprint

Editing a job posting

Matching skills to jobs

Classifying data tasks

Introduction to Data Science

Now that we understand the data science workflow, we'll dive deeper into the first step: data collection. We'll learn about the different data sources your company can draw from, and how to store that data once it's collected. 

Databronnen en risico's

Velden

Geen PII

Gegevens classificeren voor veiligheid

Webdata-events aanmaken

PII beschermen

Gevraagde data

Vragen

Marketingmateriaal maken

Besluitvorming risicovrijer maken

Kwaliteit monitoren

Het doel van vragen bepalen

Feedback van de focusgroep valideren

Net Promoter Score

Aanvullende gegevens verzamelen

Verzoeken

APIs

Public Records

Mechanical Turk (MTurk)

Gegevensbronnen ordenen

Frequentie van astma

Gegevens opslaan en ophalen

Cloudplatformen

Een database bevragen

Gegevenssets

Relational Database

Document Database

Welk type database?

Data Collection and Storage

In this chapter, we'll discuss ways to explore and visualize data through dashboards. We'll discuss the elements of a dashboard and how to make a directed request for a dashboard. This chapter will also cover making ad hoc data requests and A/B tests, which are a powerful analytics tool that de-risk decision-making. 

Dashboards

Classifying dashboard elements

Improving a dashboard

Choosing the right dashboard

Ad hoc analysis

Filling out an ad hoc request

Classifying requests

A/B Testing

Creating an A/B testing workflow

Sample size

Intermediate results

Analysis and Visualization

In this final chapter, we'll discuss the buzziest topic in data science: machine learning! We'll cover supervised and unsupervised machine learning, and clustering. Then, we'll move on to special topics in machine learning, including time series prediction, natural language processing, deep learning, and explainable AI! 

Supervised machine learning

When to use Supervised Learning

Features and labels

Model evaluation

Clustering

Supervised vs. unsupervised

Cluster size selection

Special topics in Machine Learning

Classifying machine learning tasks

Sentiment Analysis

Deep Learning and Explainable AI

Finding the correct solution

Should I use Deep Learning?

Prediction

Wat is data science en hoe kun je het inzetten om je organisatie te versterken? In deze cursus leer je welke vaardigheden je in je datateam nodig hebt en hoe je dat team kunt inrichten om aan de behoeften van je organisatie te voldoen. Data is overal! Deze cursus helpt je begrijpen welke databronnen je bedrijf kan gebruiken en hoe je die data opslaat. Je ontdekt ook manieren om je data te analyseren en visualiseren via dashboards en A/B-testen. Tot slot bespreken we spannende onderwerpen binnen machine learning, zoals clusteren, tijdreeksvoorspellingen, Natural Language Processing (NLP), deep learning en explainable AI! Onderweg leer je over allerlei praktijktoepassingen van data science en krijg je meer grip op deze concepten met praktische oefeningen.

<h2>Leer datawetenschap gebruiken voor je bedrijf</h2> 
Wat is datawetenschap en hoe kun je het gebruiken om je organisatie sterker te maken? In deze cursus leer je welke vaardigheden je nodig hebt in je datateam en hoe je dat team kunt opzetten om aan de behoeften van je organisatie te voldoen.
<br><br>
Deze cursus laat je ook zien welke gegevensbronnen je bedrijf kan gebruiken en hoe je die gegevens kunt opslaan, analyseren en visualiseren.
<br><br>
<h2>Begrijp de workflow van datawetenschap</h2> 
Je begint met een inleiding tot datawetenschap voor bedrijven, waarbij je kijkt naar de workflow van datawetenschap en hoe je die kunt toepassen op echte problemen. Je gaat ook kijken hoe het verzamelen van gegevens werkt, en hoe je gegevens kunt vinden en opslaan.
<br><br>
<h2>Leer je gegevens analyseren en visualiseren</h2> 
Je leert ook hoe je je gegevens kunt analyseren en visualiseren met dashboards en A/B-tests. Om de cursus af te sluiten, gaan we het hebben over interessante onderwerpen op het gebied van machine learning, zoals clustering, tijdreeksvoorspelling, natuurlijke taalverwerking (NLP), deep learning en verklaarbare AI.
<br><br>
Onderweg leer je over allerlei echte toepassingen van datawetenschap en krijg je een beter begrip van deze concepten door middel van praktische oefeningen.
<br><br>
Dit is een supergoede manier om als manager kennis te maken met datawetenschap, zodat je meer te weten komt over deze handige tool voor bedrijven.

Leer over datawetenschap voor managers en bedrijven en gebruik data om je organisatie te versterken.

Data Science voor het bedrijfsleven

Aantal Facebook-likes voor een nieuw beautyproduct van gebruikers die in Miami-Dade County wonen

Aandelenkoersen van verschillende beautymerken in de tijd volgen

Aantal vrouwen tussen 30 en 45 jaar dat in Miami-Dade County woont

Gemiddeld huishoudinkomen in Miami-Dade County

Maak een trainingsset waarin elke klantreview is gelabeld als positief, negatief of neutraal

Gegevensbronnen ordenen

Data Science voor het bedrijfsleven

Praktische interactieve oefening