Data science projectmanagement

Niveau
Tijdsduur
Trainers
Ido de BaatDewi de Baat
Locatie
Op locatie
Startdatum en plaats

Data science projectmanagement

Novalinq
Logo van Novalinq
Opleiderscore: starstarstarstarstar_half 8,7 Novalinq heeft een gemiddelde beoordeling van 8,7 (uit 41 ervaringen)

Tip: meer info over het programma, prijs, en inschrijven? Download de brochure!

Startdata en plaatsen

placeHaarlem
23 mrt. 2022 tot 19 mei. 2022
check_circle Startgarantie
Toon rooster
event 23 maart 2022, 09:30-16:30, Haarlem - Figeehal 2, Dag 1 - Data Science Projectmanagement
event 30 maart 2022, 09:30-16:30, Haarlem - Figeehal 2, Dag 2 - Data Science Projectmanagement
event 7 april 2022, 09:30-16:30, Haarlem - Figeehal 2, Dag 3 - Data Science Projectmanagement
event 14 april 2022, 09:30-16:30, Haarlem - Figeehal 2, Dag 4 - Data Science Projectmanagement
event 21 april 2022, 09:30-16:30, Haarlem - Figeehal 2, Dag 5 - Data Science Projectmanagement
event 12 mei 2022, 09:30-16:30, Haarlem - Figeehal 2, Dag 6 - Data Science Projectmanagement
event 19 mei 2022, 09:30-16:30, Haarlem - Figeehal 2, Dag 7 - Data Science Projectmanagement
placeHaarlem
21 sep. 2022 tot 17 nov. 2022
check_circle Startgarantie
Toon rooster
event 21 september 2022, 09:30-16:30, Haarlem - Figeehal 2, Dag 1 - Data Science Projectmanagement
event 28 september 2022, 09:30-16:30, Haarlem - Figeehal 2, Dag 2 - Data Science Projectmanagement
event 6 oktober 2022, 09:30-16:30, Haarlem - Figeehal 2, Dag 3 - Data Science Projectmanagement
event 13 oktober 2022, 09:30-16:30, Haarlem - Figeehal 2, Dag 4 - Data Science Projectmanagement
event 3 november 2022, 09:30-16:30, Haarlem - Figeehal 2, Dag 5 - Data Science Projectmanagement
event 10 november 2022, 09:30-16:30, Haarlem - Figeehal 2, Dag 6 - Data Science Projectmanagement
event 17 november 2022, 09:30-16:30, Haarlem - Figeehal 2, Dag 7 - Data Science Projectmanagement

Beschrijving

Novalinq. Kickstart je data.

Wij helpen organisaties om data om te zetten in succes. Ontdek hoe wij waarde toevoegen met de overvloed aan digitale informatie.

Leer het zelf doen en toepassen in onze academy of start jouw data project samen met ons development team.

Data science projectmanagement: geef sturing aan een datateam

Hoe stuur je data (science) projecten aan? Hoe geef je leiding aan een data science team?

"Hoe kan ik data science gebruiken in mijn werkveld? Wie heb ik daarbij nodig? Hoe maak ik hier een businesscase voor? Hoe stuur ik een team aan? Hoe start ik zo’n traject op? Hoe verantwoord ik de resultaten?”

Op al deze vragen krijg je antwoord tijdens de opleiding Data Science Projectmanagement. Je leert hoe je sturing geeft aan data (science) teams.

Je verkent een breed scala aan onderwerpen, zoals de data science projectcyclus, het werken met verschillende frameworks en het inrichten van data governance. Maar ook agile data science en he…

Lees de volledige beschrijving

Veelgestelde vragen

Er zijn nog geen veelgestelde vragen over dit product. Als je een vraag hebt, neem dan contact op met onze klantenservice.

Nog niet gevonden wat je zocht? Bekijk deze onderwerpen: Data Science, Databases, Big Data, Datavisualisatie en Data Analyse.

Novalinq. Kickstart je data.

Wij helpen organisaties om data om te zetten in succes. Ontdek hoe wij waarde toevoegen met de overvloed aan digitale informatie.

Leer het zelf doen en toepassen in onze academy of start jouw data project samen met ons development team.

Data science projectmanagement: geef sturing aan een datateam

Hoe stuur je data (science) projecten aan? Hoe geef je leiding aan een data science team?

"Hoe kan ik data science gebruiken in mijn werkveld? Wie heb ik daarbij nodig? Hoe maak ik hier een businesscase voor? Hoe stuur ik een team aan? Hoe start ik zo’n traject op? Hoe verantwoord ik de resultaten?”

Op al deze vragen krijg je antwoord tijdens de opleiding Data Science Projectmanagement. Je leert hoe je sturing geeft aan data (science) teams.

Je verkent een breed scala aan onderwerpen, zoals de data science projectcyclus, het werken met verschillende frameworks en het inrichten van data governance. Maar ook agile data science en het leidinggeven aan teams van data engineers, data analisten en data scientists komen aan de orde.

Na het afronden van de opleiding begrijp je hoe je de uitdagingen van het starten van data projecten kunt aanpakken, hoe je de directie meekrijgt om datagedreven te gaan werken, hoe je verbinding creëert tussen de business en data science én hoe je de verwachtingen van data projecten kunt managen.

Deze vragen worden tijdens de opleiding behandeld:

  • Hoe stel je een data science team samen?
  • Hoe bouw je een robuuste, toekomstbestendige data infrastructuur?
  • Hoe zet je data science met een businesscase op de kaart in jouw organisatie?
  • Hoe kun je als bedrijf starten met data science?
  • Waar moet je op letten bij de implementatie van machine learning?
  • Welke tools zijn beschikbaar en welke past het beste bij jouw specifieke probleem?
  • Hoe maak je bedrijfsprocessen data driven?

Deze leerdoelen heb je behaald aan het einde van deze opleiding:

  • Je kunt data analytics vertalen naar de business en vice versa
  • Je realiseert je dat het business perspectief van data science vaak belangrijker is dan de techniek
  • Je hebt scherp op je netvlies staan hoe data science kan bijdragen aan innovatie en nieuwe business
  • Je hebt een beter begrip van KPI’s, big data en machine learning
  • Je kunt een business case opstellen voor Artificial Intelligence en data science
  • Je beheerst de basistechnieken voor datavisualisatie en storytelling
  • Je weet hoe je master data, metadata en open data kunt beheren
  • Je hebt geleerd hoe je een robuuste data governance-structuur opzet
  • Je hebt de kennis om een data science project van a tot z te regiseren

Voor wie is de opleiding?

De zevendaagse opleiding Data Science Projectmanagement is bedoeld voor projectleiders, Business Intelligence managers, IT-managers, marketingmanagers, business developers, programmamanagers, data-analisten, business-analisten en tal van andere (business) professionals die een een data (science) project willen managen.

Inhoud van de opleiding

Om het meeste uit de tijd van een data scientist te halen, moet je als manager van data science projecten een duidelijk inzicht hebben van het bedrijfsdoel achter een data science project. Eén van je belangrijkste taken is het verankeren van het werk van je data science team in de context van de bredere organisatiestrategie.

Data science projecten beginnen vaak met een vraag van iemand uit de business. En maar al te vaak blijkt dat die gestelde vraag eigenlijk niet is wat ze écht willen weten.

Het managen van een data science team omvat het bespreken en verfijnen van deze vragen van stakeholders. Zodat je een helder beeld krijgt van de informatie die daadwerkelijk nodig is en hoe de stakeholders deze zullen gaan gebruiken.

DAG 1

Introductie data, modelgedreven infrastructuur

  • Vier velden van data analyse
  • Feiten en dimensies
  • Datakwaliteit
  • Modelgedreven datastructuur (SQL)
  • Database normalisatie
  • Datagedreven datastructuur (NoSQL/Key-Value)
  • OLTP & OLAP
  • Databases & applicaties
  • Multidimensionale modellen (stermodel)
  • Basis ETL en data warehousing

DAG 2

Big Data, datagedreven infrastructuur

  • Het Big Data probleem
  • De oplossing
  • Definitie Big Data
  • Distributed systems
  • Master node
  • Worker node
  • Hortonworks demo
  • Big Data engines
  • Realtime data processing
  • Hive demo
  • ‍NoSQL databases
  • Data lakes
  • Data reservoirs

DAG 3

Data science, machine learning en algoritmen

Tijdens de derde dag behandelen we data science en het 'brein' achter Artificial Intelligence (AI), met andere woorden de algoritmen. We gaan dieper in op de manier waarop machines leren. Je maakt kennis met correlaties tussen gegevens, verschillende soorten algoritmen en machine learning. Dit vullen we aan met een introductie van neurale netwerken en deep learning.

  • Praktijkoefening data mining
  • Kennismaking algoritmen
  • Machine learning
  • Neurale netwerken en deep learning

Het komt vaak voor dat teams binnen een organisatie graag willen starten met big data analytics, maar hiervoor nog te weinig ervaring hebben.

Vragen die dan gesteld worden, zijn: Hoe pakken we dit aan? Wie gaan we erbij betrekken? Kunnen we zomaar starten? Kan er worden gestart met de huidige data architectuur? Hebben we externe partijen nodig? Deze vragen zullen we allemaal behandelen.

DAG 4

Data science projecten

Deze dag is bedoeld om data processen in kaart te brengen. We gaan kijken hoe je groei kunt inrichten, hoe je awareness kunt creëren en hoe je mensen meekrijgt om hun eigen rol binnen data science projecten te vinden.

Het doel van deze dag is om te ervaren en te leren wat er mogelijk is met data analytics. Op basis van deze ervaring en kennis snap je hoe je de mogelijkheden van data gericht kunt inzetten.‍

Deze dag is bedoeld om in een korte tijd verschillende ideeën te verkennen. Er zijn verschillende manieren hoe data analytics toegepast kan worden in het dagelijkse werk van een team of afdeling. Je kijkt wat het beste bij jouw organisatie past.

Het proces van leren en ervaren bestaat uit drie onderdelen:

  1. Waarnemen en leren: maak kennis met de mogelijkheden, de technieken en toepassingen van data analytics.
  2. Verbinden: pas het geleerde toe en combineer dit met de kansen en mogelijkheden. Denk hierbij aan het vormen en delen van ideeën, quick wins ontdekken en innovatieve mogelijkheden zien.

  3. Creëren: maak de ideeën concreet door deze in stappen uit te werken, een prototype te maken en dit alles te presenteren.

DAG 5

Data governance, datakwaliteit

Dag vijf gaat over het vormgeven van een big data-beleid. Eerst brengen we het huidige databeleid van je organisatie in kaart. Om duidelijk inzicht te krijgen, delen we de organisatie op in vier duidelijke data sectoren. Zo wordt de te verwachten dynamiek tussen deze verschillende sectoren duidelijk.

Je leert de ins en outs van een datagedreven bedrijfscultuur en hoe je deze optimaal inricht op het gebied van mensen, systemen en organisatie. Hiervoor gebruiken we overzichtsmodellen uit de praktijk.

Wat zijn de voor- en nadelen van een centrale of gedecentraliseerde aanpak als het gaat om data science projecten? Je ontdekt hoe je organisatievraagstukken vertaalt naar datavragen, die helpen om data supported of data driven te werken.

  • Data governance kwadrant
  • Invloed van databeleid op de sectoren
  • Datakwaliteitsmanagement
  • Samenstelling van een datateam
  • Analytics box framework
  • Beheer, kwaliteitstesten, testmanagement en testtechnieken

Opdracht: Businesscase uitwerken richting presentatie

DAG 6

Data management

Tijdens dag zes richten we ons op het kiezen van de juiste tools om het hoogste rendement te realiseren.

Je ontdekt wat de voor- en nadelen zijn van cloud computing en we kijken gezamenlijk naar de verschillende eigenschappen van database management systemen. Heb je je doelen voor ogen en gebruik je de juiste tools, dan kun je jouw datakwaliteitsmanagement gestructureerd en efficiënt doorvoeren. Hiervoor nemen we de beproefde testtechnieken onder de loep. Zo worden informatieprocessen bedrijfsbreed uniform en schaalbaar.

  • IT-landschap, tooling en cloud
  • Enterprise architectuur
  • Agile werken
  • Qute methodiek: hoe implementeer ik data science in mijn bedrijf?
  • Data science implementatiefasen

Opdracht: Businesscase uitwerken richting presentatie

DAG 7

Implementatie

Tijdens de zevende dag behandelen we de implementatie van data science en AI-systemen. Je leert hoe je kunt starten met je eigen projecten en hoe je succes kunt hebben met data science en AI. 

  • Data science projectmanagement
  • AI projectmanagement
  • Data science roadmap

Opdracht: Businesscase presenteren en roadmap maken

Werkwijze

In deze opleiding leer je data science projectmanagement. Je doet kennis op en krijgt inzicht in de wereld van data science. Je leert de valkuilen herkennen en je wordt de schakel tussen de business en het data science team.

De opleiding Data Science Project Management duurt zeven dagen. Tijdens de eerste drie dagen focussen we voornamelijk op de theorie en basisbegrippen. Tijdens de opvolgende vier dagen ga je aan de slag met het uitwerken van jouw businesscase. Dit project presenteer je op dag 7.

De theoretische modules zijn interactief. Je wordt geacht actief mee te doen en te discussiëren. Afwisselend zijn er opdrachten die met een laptop worden uitgevoerd. Tijdens de cursus wordt actief gewerkt met verschillende programma's.

De praktijkmodules gaan over het toepassen van de geleerde kennis en vaardigheden. Tijdens deze modules wordt je verwacht je werk te presenteren. Er zijn zowel individuele opdrachten als groepsopdrachten.

Je hebt voor deze training een eigen laptop nodig. Je hoeft van tevoren geen software te installeren. Alle programma’s die tijdens de opleiding gebruikt worden, zijn open source en gratis te gebruiken. Deze programma’s worden tijdens de opleiding geïnstalleerd. Zorg ervoor dat je een laptop meeneemt waarvan je de installatierechten hebt. De laptop dient Windows 7 of hoger, of OS X Yosemite of hoger te ondersteunen.

Blijf op de hoogte van nieuwe ervaringen

Er zijn nog geen ervaringen.

Deel je ervaring

Heb je ervaring met deze cursus? Deel je ervaring en help anderen kiezen. Als dank voor de moeite doneert Springest € 1,- aan Stichting Edukans.
Ido de Baat
Ido de Baat
Docent, (proces)architect & data scientist
9,2
Dewi de Baat
Dewi de Baat
Docent, data architect & big-data expert
8,3

Er zijn nog geen veelgestelde vragen over dit product. Als je een vraag hebt, neem dan contact op met onze klantenservice.

Download gratis en vrijblijvend de informatiebrochure

Aanhef
(optioneel)
(optioneel)
(optioneel)
(optioneel)
(optioneel)
(optioneel)
(optioneel)
(optioneel)
We slaan je gegevens op, en delen ze met Novalinq, om je via e-mail en evt. telefoon verder te helpen. Meer info vind je in ons privacybeleid.