Gedaan met laden. U bevindt zich op: Postgraduate Studies: Big Data & Analytics in Business and Management

Postgraduate Studies: Big Data & Analytics in Business and Management

Opleidingsverstrekker

Katholieke Universiteit Leuven

Registratienummer

ODB-0002138

Geregistreerd

op: 1 september 2019

Deze opleiding komt in aanmerking voor

  • Opleidingscheques
  • Vlaams opleidingsverlof

Aantal studiepunten: 20

Eindbeoordeling voorzien: ja

Blended leren: nee

Mentoropleiding: nee

Extra informatie: https://puc.kuleuven.be/nl/opleiding/postgraduate_studies_in_big_data_and_analytics_in_business_and_management_autumn_2024-aebnyqnn85q09dm4/opent in nieuw venster

Doelgroep

  • Zowel bedrijfsgeöriënteerde (management) als meer technische profielen. Het doel is dat de opleiding een brug slaat tussen beiden. Voorbeelden van profielen die we wensen te benaderen:'* Chief science / analytics / data science officers
  • Governance specialists
  • Compliance & risk officers and managers
  • Data architects
  • Junior industry data scientists
  • Data related programme managers
  • Business analysts, product managers

Voorwaarden

  • Specifieke voorwaarden per opleidingsincentive

    Elke opleidingsincentive heeft zijn eigen specifieke voorwaarden om te bepalen of u recht heeft. Kijk na of u voldoet aan de voorwaarden van de opleidingsincentive waarvan u gebruik wil maken (Vlaams opleidingsverlof, Vlaams opleidingskrediet en opleidingscheques voor werknemers

  • Opleidingscheques: beperkende voorwaarde opleidingsniveau

    Deze opleiding kan u betalen met een opleidingscheque. Bent u hooggeschoold (u behaalde een graduaats-, bachelor- of masterdiploma)? Dan kan dat enkel als u een ‘attest loopbaanbegeleiding’ heeft van maximaal 6 jaar oud. In dit attest verklaart een loopbaanbegeleider dat de opleiding noodzakelijk is voor de uitvoering van uw persoonlijk ontwikkelplan (POP).

Inhoud van de opleiding

  1. Fundamentals of Data Analytics
    • Predictive analytics: supervised learning techniques
    • Descriptive analytics: unsupervised learning techniques
    • The analytics process model: data collection and preprocessing, model construction and evaluation
  2. Analytics Business Applications
    • Marketing analytics
    • Recommender systems
    • Insurance analytics
    • Tekst mining
    • Web mining
    • Social network analytics
    • Fraud detection
    • Decision mining
  3. Big Data Technologies
    • Hadoop and its ecosystem
    • The MapReduce paradigm
    • Big Data analytics using Apache Spark and H2O
    • NoSQL databases
    • Graph databases
  4. Process Analytics
    • Process discovery
    • Event log data
    • Conformance checking
    • Predictive process mining
    • Sequence mining
    • Case studies
  5. Managing Big Data and Analytics Projects and Teams
    • Model deployment
    • Valorization of analytics
    • Analytics and IT integration
    • Data quality and security
    • Data privacy and compliance
    • Ethics and privacy
Deel deze pagina