Wat heb je nodig om succesvol te zijn met AI?

In deze opleiding gaan we aan de hand van het AI model canvas jouw top 3 businesscases met AI ontwerpen. Op weg naar deze direct toepasbare usecases leer je en passant waarom experimenteren de sleutel tot succes is. Hoe je praat met een datascientist en hoe je de taal van datascience omzet naar businesswaarde. Ook laten we zien dat niet de techniek maar de mensen de beslissende factor zijn in het overbruggen van de innovatiekloof.

Het resultaat van deze training is een leider in AI, die met drie goed uitgewerkte usecases direct aan de slag kan!

We raken bekend met de mogelijkheden van datascience en AI. Er komen voorbeelden langs uit zeer veel verschillende domeinen zodat je een goed beeld krijgt wat er kan en wat er mogelijk is. Deze sessie is er op gericht dat je in mogelijkheden en kansen gaat denken voor jou organisatie. De technische uitdagingen laten we nog even voor wat ze zijn. Na deze sessie heb je voldoende inspiratie voor het samenstellen van een long-list van mogelijkheden!

We moeten ons ervan bewust zijn dat 'toegepaste statistiek' de wetenschap is van het nemen van beslissingen gegeven onzekerheid. Datawetenschap kan correlaties tussen x en y blootleggen, misschien zelfs een oorzakelijk verband. Maar er zal altijd een deel van de variantie zijn dat niet verklaard wordt door de gegevens. Deze onverklaarde variantie moet gekwantificeerd worden. De volgende stap is de vertaling van onzekerheid naar risico. Dit is een puur zakelijke beslissing en hangt helemaal af van de specifieke toepassing. Of een voorspel model(algoritme) goed genoeg is hangt helemaal af van de businesscase. 

Deze module draait om het begrijpen van de vertaling van een datascience model naar de zakelijk beslissing die je met het model ondersteund.

We moeten kunnen praten met een datawetenschapper. Welke taal spreekt zij? Welke tools gebruikt ze? Wat maakt haar gelukkig? Als leider op het gebied van AI moeten we de manier waarop datawetenschappers denken kunnen begrijpen en hun capaciteiten kunnen vertalen naar waardevolle datagestuurde producten en zakelijke kansen.

Het vermogen van bedrijven om optimaal te profiteren van gegevens en analyses die tot hun beschikking staan, zal meer afhangen van de bedrijfscultuur van datagestuurde besluitvorming en de samenwerking tussen bedrijfs- en technologieteams, dan van het gebruik van een specifieke tool of technologie. 

Hoe overbrug je de innovatie kloof? Wat is er nodig in de organisatie om een analytische speler te worden? En hoe laat je je overtuigen door data?

Machine learning weak learners  decision trees

Understand the CRISP-DM project methodology

All things related tot data exploration. Part of foundation level

Datascience foundational level. Get your basics right!

Become a real datascientist!

Your path is long, but you can do it.

Met deze meesterproef bewijs je je skills!

Werken met gegevens kan een uitdaging zijn: vaak worden ze niet in het beste formaat geleverd voor analyse en om ze goed genoeg te begrijpen om er inzichten uit te halen, is zowel tijd als de vaardigheid nodig om ze te filteren, samen te voegen, opnieuw vorm te geven en te visualiseren. In deze sessie krijgt u de kennis die u nodig hebt om pandas - een krachtige bibliotheek voor gegevensanalyse in Python - effectief te gebruiken om dit proces gemakkelijker te maken.

Als je begint met datascience is het manipuleren van datasets essentieel. Pandas is de defacto standaard bibliotheek in python om dit soort data manipulaties mee te doen.

Deze workshop maakt gebruik van het werk van Stefanie Molin te vinden op Github (link)

Het materiaal is in het Engels en maakt gebruik van Jupyter notebooks die we serveren op onze eigen Jupyterhub, je kunt later terug komen in je eigen omgeving om het verder af te maken.