Cursus

Data mining & business analytics

Fundamentele concepten voor het begrijpen en succesvol toepassen van data mining methoden (met R)

Het wordt steeds eenvoudiger en gebruikelijker om grote hoeveelheden gegevens te verzamelen en op te slaan. Dit geldt bijvoorbeeld voor consumentengegevens, voor gegevens over individueel gedrag, voor garantie- en storingsdata en voor productieprocessen waarbij sensoren op grote schaal data loggen.

Met behulp van data mining is het mogelijk om in dergelijke grote hoeveelheden gegevens verbanden en structuren te ontdekken en voorspelmodellen te ontwikkelen. Technieken uit de toegepaste statistiek, de kunstmatige intelligentie en de machine learning worden daarbij ingezet.

In deze cursus leer je fundamentele concepten voor het begrijpen en toepassen van data mining methoden. Aan de hand van praktijkvoorbeelden en praktische oefeningen doe je ervaring op met data mining software, zoals R, Minitab, JMP of IBM-SPSS.

Data mining methoden succesvol toepassen

Tijdens deze cursus:

  • Leer je de meest gangbare technieken op het gebied van toegepaste statistiek, kunstmatige intelligentie en machine learning die van belang zijn voor het begrijpen en succesvol toepassen van data mining methoden.
  • Krijg je inzicht en vaardigheid in de basistechnieken die nodig zijn voor het uitvoeren van analyses met relevante software op het gebied van data mining.

Bedoeld voor

Academici en hbo’ers die in  hun werk geconfronteerd worden met data mining vraagstukken en de analyse van omvangrijke databestanden. De cursus is ook geschikt voor docenten van universiteiten en hogescholen die kennis willen nemen van actuele methoden op het gebied van data mining.

Het gevolgd hebben van een specifieke studierichting is niet vereist. Kennis van statistische basistechnieken zoals toetsen, schatten en regressiemodellering is wenselijk.

In overleg met de deelnemers kan deze cursus in het Nederlands of Engels worden gehouden.

Deel deze pagina

  • Informatie
    Cursusleider(s): Dhr. Dr. J.J.M. Rijpkema (Eindhoven University of Technology (TU/e))
    Cursusdata: 27 november, 4, 11 en 18 december 2019
    Locatie: TU Eindhoven
    Prijs: € 2.295,00 excl. btw
    Prijs is inclusief alle materialen en catering
    In samenwerking met: TU/e, faculteit Wiskunde & Informatica
    Taal
    Dit programma kan op verzoek in het Engels worden gegeven.
  • Programma

    Onderwerpen:

    • Introductie op cursus, software en case-studies.
       
    • Data preprocessing: opschonen van databestanden, detecteren van outliers, omgaan met missing data en data transformaties.
       
    • Exploratieve data analyse, data visualisatie en data reductie.
       
    • Uitgangspunten en achtergronden van:
      • Voorspellingsmodellen op basis van lineaire en PLS-regressie, neurale netwerken, support vector machines, K-nearest neighbors, regression trees en rule-based models.
      • Classificatie modellen op basis van logistische regressie, discriminant analyse, neurale netwerken, Support Vector Machines, K-nearest neighbors, classification trees en rule-based models.
      • Cluster- en segmentatie modellen op basis van hierarchische en k-means clustering en Kohonen netwerken.
      • Associatie en sequentie modellen.
         
    • Selectie, validatie, combinatie en gebruik van modellen voor business analytics:
      • CRISP-DM, model prestatie indices, bagging & boosting, resampling en regularisatie.
         
    • Epiloog: terugblik, trends en volgende stappen.
  • Reviews
    Deze cursus wordt beoordeeld met een 8,3
    “Met deze cursus snap je beter wat je met data mining doet: de basis om het verantwoord toe te passen.”
    Max Welling (Welling IT Consultancy BV)
    “Zeer concrete cursus die veel moeilijkheden bij het beginnen met data mining kan voorkomen.”
    cursist van Sligro Food Group
    “Cursus heeft veel inzicht gegeven, maar was op sommige punten wel pittiger dan verwacht.”
    cursist van DAF Trucks NV
    “Goede kennismaking met de materie.”
    cursist van Ministerie van Defensie
    “Erg goede cursus, goed boek, goede uiteenzetting, goede aanvullende literatuur. Enthousiaste docent.”
    Coen Hoogervorst (Strukton Worksphere)
    “Goed overzicht van alle gerelateerde kennis. Goed extra lesmateriaal, erg leuke docent.”
    Yuzhong Lin (TU/e)
    “Goede cursus, uitstekende docent.”
    Peter van der Hagen (INFOTAM)
    “Hoge snelheid, goede inhoud.”
    Marc de Wolf (Effect Photonics)