Minoren

Het lectoraat Data Intelligence is mede verantwoordelijk voor de volgende onderstaande minoren die gekozen kunnen worden in de profileringsruimte van de opleiding HBO-ICT.

Deze minoren zijn:

  • Data Science
  • Artificial Intelligence
  • Internet of Things
  • Design Research
  • Data Visualization

Data Science

Data Science gaat over (big) data en wetenschap. Een data wetenschapper is in staat is om alle beschikbare gegevens door te spitten, inzichten te ontdekken en weloverwogen conclusies te communiceren en te verspreiden De drie kernvaardigheden van een data scientist zijn: data management, analytical modelling en reporting.

Een selectie uit de volgende onderwerpen komt aan bod: data mining, mult. linear regression, logistic regression, PCA, k-NN, CaRT, naive Bayes, neural nets, discriminant analysis.

De student leert verschillende Data Science technieken, waarbij de focus ligt op verwerking, interpretatie, analyse en presentatie van de gegevens.

Download de PDF met meer informatie

Artificial Intelligence

Het feit dat de maatschappij en de systemen die haar ondersteunen voortdurend complexer worden, vereist dat deze systemen ‘intelligenter’ worden, dat wil zeggen flexibeler, robuuster, adaptiever, meer autonoom, zodat de systemen zelf op adequate wijze kunnen omgaan met (onverwachte) veranderende omstandigheden, en de gebruiker meer aan de systemen zelf kan overlaten. De technieken die gebruikt worden bij het ontwerpen van deze ‘intelligente systemen’, komen voor een groot deel uit het deelgebied dat men kunstmatige of arti ficiële intelligentie (AI) noemt. Dit is het wetenschapsgebied waarin men computersystemen tracht
dingen te laten doen die, als ze door mensen gedaan worden, ‘intelligent’ worden genoemd.

De student leert verschillende AI-technieken te gebruiken. Een selectie uit de volgende onderwerpen komt aan bod: intelligent agents, inductie en recursie, uninformed and informed search, machine learning, redeneren met eerste-orde-predicatenlogica, verwerken van natuurlijke taal, information retrieval en tijd- en ruimtecomplexiteit.

Download de PDF met meer informatie

Internet of Things

Het Internet of Things is een begrip wat te pas en te onpas voorbij komt, ook binnen de IT-wereld. Maar wat is het ‘internet der dingen’ werkelijk en aan welke toepassingen moet je daarbij denken? De kortzichtige visie op Internet of Things is dat het ‘om slimme apparaten gaat’. Dat klopt in zoverre, dat er inderdaad hardware voor nodig is, maar waar het vooral om gaat is de vraag wat al die slimme apparaten mogelijk maken. En dan blijkt dat er sprake is van een veel bredere visie: denk aan oplossingen voor problemen rondom energie en milieu, criminaliteit, gezondheidszorg en onderwijs. IoT is eigenlijk een verraderlijke term, want de kern van the internet of things is juist het verzamelen, verwerken en interpreteren van data, door dingen uit te rusten met sensoren.

De student leert een IoT-systeem te ontwikkelen (analyseren, ontwerpen en realiseren), waarbij de focus ligt op de softwarematige aansturing, dataverwerking en praktijkgerichte toepassing.

Download de PDF met meer informatie

Design Research

Ontwerpgericht onderzoek is onderzoek dat zich niet alleen richt op het beschrijven en verklaren van typen praktijkproblemen maar zich vervolgens ook richt op het ontwikkelen en testen van generieke oplossingen voor die praktijkproblemen, zoals mogelijke benaderingen voor het bestrijden van een ziekte, of benaderingen voor het sluiten van productieve strategische allianties tussen bedrijven, of het verminderen van brandstofgebruik in de luchtvaart. Deze vorm van wetenschappelijk onderzoek levert generieke kennis voor het ontwerpen van specifieke oplossingen voor specifieke praktijkproblemen, door en voor de professionals die met die problemen te maken hebben.

De student leert om een ontwerpgericht onderzoek op te zetten (plan2act) en uit te voeren (act2plan), gebruikmakend van relevante beschrijvende en inferentiële statistische methoden en technieken.

Download de PDF met meer informatie

Data Visualization

Data herkenbaar maken voor mensen

Door gebruik te maken van datavisualisatie wordt abstractie informatie (lees: cijfers) toegankelijker. Patronen zijn immers gemakkelijker te herkennen als ze in een visuele vorm zoals een grafiek of diagram zijn verwerkt. Het gevolg: je begrijpt (beter) hoe je bezoekers en/of klanten zich gedragen. Precies wat je nodig hebt om je bedrijf te optimaliseren: inzichten. Daar kan je vervolgens effectief op inspelen.

Door de data in visuele vormen te gieten worden de gegevens overzichtelijk en kunnen trends gemakkelijk ontdekt worden. Je kunt een visualisatie zo uitgebreid of specifiek maken als je zelf wil. Door ook data en seizoenen te betrekken kun je bijvoorbeeld heuse trends ontdekken. Welke maanden wordt er het beste gepresteerd en wat hangt daarmee samen? Hoe voorkom je die dip in de zomermaanden en welke doelgroep is gedurende het gehele jaar stabiel? Allemaal inzichten die dankzij datavisualisatie zichtbaar worden.

PDF volgt