Aperçu du cours
Doel van de training: Vaardigheden ontwikkelen om grote hoeveelheden gegevens te verwerken, analyseren en benutten met geavanceerde tools zoals Power BI, machine learning en process mining.
Gebruikte tools (niet-uitputtende lijst) :
- Software : Power BI, Elastic Search, Python, AutoML.
- Hardware : Computer met toegang tot analytische tools.
- Platforms : Hadoop, Cloud big data services.
Prérequis
- Basiskennis van data-analyse en statistiek.
- Ervaring met Excel, SQL of een andere databasebeheertool is een pluspunt.
Fonctionnalités
- De basisprincipes van big data en data mining begrijpen.
- Geavanceerde tools gebruiken voor data-analyse en visualisatie.
- Machine learning-technieken toepassen voor geautomatiseerde analyses.
- Tools zoals Power BI en Elastic Search inzetten om bruikbare inzichten te verkrijgen.
Public ciblé
- Data-analisten, data scientists, data-ingenieurs.
- BI-managers, analytics consultants, digitale projectmanagers.
- Iedereen die zijn kennis van data mining en machine learning wil verdiepen.
Détails
- 2 Sections
- 6 Lessons
- 2 Days
Expand all sectionsCollapse all sections
- Dag 1: Inleiding tot Big Data en geavanceerde analysetools (7 uur)3
- 1.1Big Data en Data Mining begrijpen (2u) Definitie en uitdagingen van big data. Verschil tussen klassieke BI en data mining. Gebruikscases in bedrijven. Praktijkoefening : Analyse van een dataset om verborgen trends te identificeren. Groepspresentatie met strategische aanbevelingen.
- 1.2Tools en technologieën voor data-analyse (2u) Overzicht van tools: Power BI, Elastic Search, Python voor data mining. Introductie tot NoSQL-databases en Hadoop. Praktijkoefening : Werken met een dataset in Power BI en visualisaties maken. Interactieve dashboards ontwikkelen om inzichten te presenteren.
- 1.3Machine learning toegepast op big data (3u) Introductie tot supervised en unsupervised machine learning-algoritmes. Inzicht in NLP en de impact ervan op data-analyse. Praktijkoefening : Implementatie van een clustering-model met Python. Resultaten analyseren en vergelijken met andere technieken.
- Dag 2: Automatisering en geavanceerde toepassingen (7 uur)3
- 2.1Automatisering van data-analyse met Machine Learning (2u) Integratie van algoritmes in analytische workflows. Toepassing van AutoML. Praktijkoefening : Trainen van een voorspellend ML-model. Modeloptimalisatie en nauwkeurigheidsevaluatie.
- 2.2Process mining en besluitvorming (2u) Wat is process mining en hoe wordt het gebruikt? Integratie met Power BI en andere visualisatietools. Praktijkoefening : Analyse van een bedrijfsproces met process mining software. Identificeren en optimaliseren van knelpunten in de workflow.
- 2.3Toekomstperspectieven en geavanceerde cases (3u) Blockchain en big data: analyse buiten forensisch onderzoek. Geavanceerde datavisualisatie en storytelling met data. Praktijkoefening : Ontwikkeling van een visueel rapport op basis van een complexe dataset. Groepsdiscussie over strategische beslissingen op basis van data-analyse.
Instructeur
