Voor studenten

Het lectoraat Data Intelligence hecht veel waarde aan de ontwikkeling van studenten. In het DI-lab (data iintelligencelab) werken studenten met (EU)regionale partners aan kort cyclische innovatieve artefacten op technology readiness level 3, in minoren en stage- en afstudeerprojecten.

Stage of afstuderen

Procedure

Als student kun je bij het lectoraat een innovatieve, onderzoeksgerichte stage- of afstudeeropdracht uitvoeren. Een stage- of afstudeeropdracht bij het lectoraat is in de regel een onderzoeksgerichte R&D opdracht, onder begeleiding van een van de onderzoekers.

Code of conduct

Gedegen onderzoek vraagt om een zorgvuldige, systematische en transparante werkwijze, zodat de resultaten verifieerbaar en reproduceerbaar zijn. Hiertoe werken wij volgens een aantal richtlijnen, opgesteld in deze code of conduct:

Minoren

Het lectoraat Data Intelligence is mede verantwoordelijk voor onderstaande minoren die gekozen kunnen worden in de profileringsruimte van de opleiding HBO-ICT. Bij alle minoren van de ICT Academie werken de studenten aan een innovatief project, bij voorkeur in samenwerking met externe partijen. In deze projecten werken studenten in een praktijkgerichte learning community setting, samen met docenten, onderzoekers en het bedrijfsleven, aan onderzoeksgedreven innovaties.

Design research

De minor Design Research richt zich niet alleen richt op het beschrijven en verklaren van praktijkproblemen. De minor richt zich vervolgens ook op het ontwikkelen en testen van oplossingen voor die praktijkproblemen. Denk aan mogelijke benaderingen voor het bestrijden van een ziekte of het terugdringen van de doorlooptijd in de maakindustrie. Deze vorm van wetenschappelijk onderzoek levert generieke kennis voor het ontwerpen van specifieke oplossingen in de praktijk. Door en voor de professionals die met die problemen te maken hebben.

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

 

Artificial Intelligence

De minor Artificial Intelligence behandelt het wetenschapsgebied waarin geprobeerd wordt om computersystemen dingen te laten doen die – als ze door mensen gedaan zouden worden – ‘intelligent’ worden genoemd. Alleen doordat systemen intelligenter worden, kunnen ze adequaat omgaan met (onverwacht) veranderende omstandigheden. De technieken die gebruikt worden bij het ontwerpen van deze intelligente systemen, komen grotendeels uit het deelgebied kunstmatige of artificiële intelligentie (AI).

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.

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, multiple linear regression, logistic regression, PCA, k-NN, CaRT, naive Bayes, neural nets, discriminant analysis.

Je leert verschillende data sciencetechnieken, waarbij de focus ligt op verwerking, interpretatie, analyse en presentatie van de gegevens.

Internet of things

Het Internet of Things is een begrip dat te pas en te onpas voorbij komt, ook in de ict-wereld. Maar wat is het ‘internet der dingen’ werkelijk en aan welke toepassingen moet je 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.

Data Visualisation

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.

  • De pdf met meer informatie over deze minor volgt