We beginnen de cursus met een definitie van wat data science is. We behandelen de data science-werkstroom en hoe data science wordt toegepast op echte zakelijke vraagstukken. We sluiten het hoofdstuk af met manieren om je datateam zo in te richten dat het aansluit bij de behoeften van je organisatie.

Wat is data science?

Workflow voor klantsegmentatie

Een klantenservice-chatbot bouwen

OKR's verbeteren

Toepassingen van data science

Data science-projecten toewijzen

Investeringsonderzoek

Een data science-team opbouwen

Een teamsprint interpreteren

Een vacaturetekst aanpassen

Vaardigheden koppelen aan functies

Datataken classificeren

Introductie tot Data Science

Nu we de data science-werkstroom begrijpen, duiken we dieper in de eerste stap: dataverzameling. We leren over de verschillende databronnen waar je bedrijf uit kan putten en hoe je die data opslaat zodra ze verzameld zijn.

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?

Dataverzameling en -opslag

In dit hoofdstuk bespreken we manieren om data te verkennen en te visualiseren met dashboards. We gaan in op de onderdelen van een dashboard en hoe je een gerichte aanvraag voor een dashboard doet. Ook behandelen we ad-hocdata-aanvragen en A/B-testen, een krachtig analysetool dat helpt risico’s in besluitvorming te verkleinen.

Dashboards

Dashboardelementen classificeren

Een dashboard verbeteren

Het juiste dashboard kiezen

Ad-hocanalyse

Een ad-hocverzoek invullen

Verzoeken classificeren

A/B-testen

Een A/B-testworkflow opzetten

Steekproefgrootte

Tussenresultaten

Analyse en visualisatie

In dit laatste hoofdstuk bespreken we het meest besproken onderwerp binnen data science: machine learning! We behandelen supervised en unsupervised machine learning en clusteren. Daarna gaan we in op speciale onderwerpen binnen machine learning, waaronder tijdreeksvoorspellingen, Natural Language Processing, deep learning en explainable AI!

Supervised Machine Learning

Wanneer gebruik je Supervised Learning

Features en labels

Modelbeoordeling

Clustering

Supervised vs. Unsupervised

Aantal clusters kiezen

Speciale onderwerpen in Machine Learning

Machine-learningtaken classificeren

Sentimentanalyse

Deep Learning en Explainable AI

De juiste oplossing vinden

Moet ik Deep Learning gebruiken?

Voorspellen

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

Klantinformatie voor alle klanten, zoals naam, telefoonnummer, user_id en locatie

De datums, tijden, onderwerpen en ontvangeradressen van alle e-mails die door het salesteam zijn verzonden

Afbeeldingen van verschillende producten, inclusief metadata over de inhoud van de afbeelding

Tekst uit diverse e-mails die door het salesteam zijn verzonden en ontvangen

Welk type database?

Data Science voor het bedrijfsleven

Interactieve oefening met praktijkervaring