Site announcements
beschikbare cursussen overslaan
Beschikbare cursussen
In de visie van DIKW zullen succesvolle organisaties van de toekomst transformeren naar data-gedreven organisaties. Vanuit een informatievoorzieningsperspectief vind een transformatie plaats naar een meer hybride omgeving in termen van gestructureerde en niet gestructureerde database systemen en services verdeeld en geschaald over verschillende cloud diensten.
Data flexibiliteit staat daarbij centraal.
Deze data systemen kunnen op verschillende wijzen worden gevoed: streaming, batch-georiënteerd, near-realtime via micro-services. Hiervoor zijn infrastructuren nodig die de moderne vorm en snelheden van dataverwerking aan kunnen. Je zult een gedegen basis krijgen in de beginselen van data management, zodat je de continu veranderende datastromen in goede banen kunt leiden. Daarnaast is het van belang dat gegevens goed beveiligd worden opgeslagen en tegelijkertijd goed en snel benaderbaar zijn voor de gebruikers. Tegelijkertijd dient de data gemodelleerd te worden zodat de eindgebruiker deze data op een efficiënte manier kan consumeren op de manier die zei wenst. De complete pipeline die voldoet aan alle vooraf gestelde eisen zul jij ontwerpen en ontwikkelen.
Data engineering is een breed vakgebied. Om je dit vakgebied eigen te maken zul je moeten investeren in verschillende concepten, tools en technologieën. Deze opleiding gaat je helpen om de data in de juiste vorm op de juiste plaats en op het juiste tijdstip te krijgen, zodat je eindgebruikers worden voorzien in hun informatiebehoefte.
Deze opleiding zorgt voor een brede basis in het vakgebied. Je bent natuurlijk niet gelijk een doorgewinterde specialist maar de certificering garandeert een gedegen kennis van de huidige stand van zaken zoals je dat van DIKW Academy mag verwachten.
Na 12 weken zul je je bewust zijn van de (on) mogelijkheden van het vakgebied en ben je "bewust onbekwaam": je weet waar de valkuilen zitten en je kunt zelfstandig aan de slag.
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?
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.