Data Analyse: Opleiding

Deze opleiding is een abolute must voor elke professional die een rol als data scientist ambieert. Het is duidelijk dat in een wereld die even turbulent is als degene waarin we ons nu bevinden, deze data scientists uit alle hoeken van de onderneming kunnen komen. Bijvoorbeeld:
•business managers,
•business en functionele analisten,
•data of IT-architecten,
•BI analisten,
•data-analisten,
•proceseigenaars en -analisten,
•...

Het doel van deze opleiding is om een breed kader te schetsen waarop u kunt verder bouwen aan de vereiste expert skills.

Deze opleiding is dus niet geschikt voor professionals die willen opgeleid worden tot R of Python expert/programmeur, professor in de statistiek of datatool-gebaseerd expert.

Data science 'doen' is veel meer dan programmeren in R. De opleiding benadert de verschillende stappen die worden uitgevoerd in een Data Science-project. De opleiding biedt dé volledige toolbox om uw rol als Data Scientist met kennis van zaken aan te pakken.

PROGRAMMA
Vanaf dag 1 introduceren we een case die als rode draad doorheen de opleiding loopt om de onderwerpen praktisch in te vullen.

Dag 1
ACTIEPLAN OPSTELLEN & DATA VERZAMELEN
We kaderen de rol van de data scientist (hard & soft skills) en maken zo de structuur van de opleiding duidelijk. Daarna beantwoorden we vragen als: Waar kunnen we onze gegevens vinden? Hoe kunnen we er toegang tot krijgen? Zijn we vrij om het commercieel te gebruiken? D
HET BELANG VAN EN DE MOGELIJKE SOORTEN DATABASES
Vooraleer we ons volledig kunnen verdiepen in de data zelf, hebben we een sterke theoretische basis nodig om zo de kansen op succes, en de kwaliteit van de resultaten, te maximaliseren.

Dag 2: BigData & (No)SQL: overzicht
We maken kennis met de complexiteit van de big data-wereld en de manier hoe er mee om te gaan. We bekijken alternatieve NoSQL-indelingen om informatie op te slaan en vergelijken de alternatieven.

Dag 3: Pre-processing data
U leert van een vervuilde en onvolledige gegevensset naar een schone dataset klaar voor analyse te gaan. U leert over opschonen, integreren, transformeren, reduceren en discretiseren van onbewerkte gegevens.

Dag 4: Business Intelligence
We bespreken waarom BI waardevol is, wie u nodig heeft in uw team en waar u moet beginnen. We praten over data warehousing en dimensioneel modelleren en hun belang.

Dag 5: Kennismaking met R
R verwijst naar een open source programmeertaal en softwareomgeving en is relevant bij datamining en statistiek. We zetten u op weg met R, introduceren de basisbeginselen en laten een aantal geavanceerde functies zien.

Dag 6
EDA in R
Exploratory Data Analysis is de fase waarin we data onder de loep nemen vanuit een descriptief standpunt. Dit om de eigenschappen van de dataset te begrijpen en zo de verdere analyse een geschiktere vorm te geven.
STATISTIEK
De juiste beslissing maken over welke testen kunnen leiden tot nuttige en relevante resultaten is heel belangrijk. Daarbij mag statistiek niet ontbreken. We bespreken de onderdelen die bepalen hoe statistische principes leiden tot specifieke soorten testen en zo kunt u als data scientist op een gefundeerde manier keuzes maken wanneer u naar de effectieve implementatie van uw analyse overgaat.

Dag 7 & 8 VM: Data Mining
Data Mining is het proces waarbij patronen in datasets worden herkend. We onderzoeken verschillende soorten patronen en passen ze toe op de business vragen.

Dag 8 NM: Presenteren van uw resultaat
We bieden tools om uw resultaat en bevindingen om te zetten in een verhaal. Als u ervoor zorgt dat uw boodschap zorgvuldig is opgebouwd doorheen uw Data Science proces kunt u de desision makers gemakkelijker overtuigen om uw bevindingen om te zetten naar concrete verbeteringen.

Dag 9: Kennismaking met Python
Python is een open-source programmeertaal waarbij simpliciteit en leesbaarheid van de code centraal staat. U maakt kennis met de basisbeginselen van programmeren in Python en met de meest gebruikte packages toegespitst op data science.

Dag 10
DATAVISUALISATIE
Wanneer we de gevormde inzichten communiceren naar de klant, moeten we beslissen welke visualisaties het meest geschikt zijn. We bekijken de belangrijkste visualisaties en hun eigenschappen. We leren ook hoe Power BI werkt en hoe kan het gebruikt worden om inzichten weer te geven op een overzichtelijke manier.
VISUALISATIES IN PHYTHON
We onderzoeken de manier waarmee we data en bevindingen kunnen voorstellen met grafieken. We leren de meest gebruikte grafieken tekenen in Python, en hoe we deze in een mooi overzicht tonen aan de klant via Jupyter Notebooks en met visualisatiepackage matplotlib.