HBO ICT en Business Intelligence (1 jaar)

Je onderzoekt hoe je informatie effectief beheert, analyseert en inzet voor organisatieontwikkeling en besluitvorming.

1. 1 Basisprincipes van informatiemanagement Je onderzoekt de basis van informatiemanagement, rollen en processen en de koppeling met bedrijfsdoelen.
   10 lessen

   1. Definitie en belang van informatiemanagementJe verkent wat informatiemanagement inhoudt en waarom het belangrijk is voor organisaties.
   2. Relatie tussen informatie, data en kennisJe maakt onderscheid tussen data, informatie en kennis en beschrijft hun samenhang.
   3. Informatiesystemen binnen organisatiesJe herkent verschillende informatiesystemen en hun functie binnen organisaties.
   4. Rollen en verantwoordelijkheden in informatiemanagementJe benoemt rollen en verantwoordelijkheden die bij informatiemanagement horen.
   5. Proces van informatiebeheerJe beschrijft het proces van informatiebeheer van begin tot eind.
   6. Verschil tussen operationeel en strategisch informatiemanagementJe vergelijkt operationeel en strategisch informatiemanagement.
   7. Trends en ontwikkelingen in het vakgebiedJe signaleert actuele trends en ontwikkelingen in informatiemanagement.
   8. Informatie als bedrijfsmiddelJe legt uit hoe informatie als bedrijfsmiddel wordt ingezet.
   9. Koppeling tussen informatiemanagement en bedrijfsdoelenJe koppelt informatiemanagement aan het realiseren van bedrijfsdoelen.
   10. Begrippenkader en terminologieJe gebruikt het begrippenkader en de juiste terminologie in het vakgebied.
2. 2 Informatiearchitectuur en -structuur Je onderzoekt hoe informatie gestructureerd wordt en welke modellen en standaarden daarvoor bestaan.
   10 lessen

   1. Opbouw van informatie- en datastructurenJe analyseert hoe informatie- en datastructuren zijn opgebouwd.
   2. Modellen voor informatiearchitectuur (zoals TOGAF)Je vergelijkt verschillende modellen voor informatiearchitectuur.
   3. Datamodellering en metadataJe past datamodellering en het gebruik van metadata toe.
   4. Informatiestromen binnen organisatiesJe brengt informatiestromen binnen organisaties in kaart.
   5. Integratie van systemen en dataJe onderzoekt hoe systemen en data geïntegreerd worden.
   6. Documentmanagement en informatiestandaardenJe beschrijft documentmanagement en het belang van informatiestandaarden.
   7. InformatielevenscyclusJe volgt de levenscyclus van informatie van creatie tot archivering.
   8. Gebruik van taxonomieën en classificatiesystemenJe gebruikt taxonomieën en classificatiesystemen voor ordening van informatie.
   9. Impact van cloud en big data op architectuurJe analyseert de invloed van cloud en big data op informatiearchitectuur.
   10. Kwaliteit en consistentie van informatieJe beoordeelt de kwaliteit en consistentie van informatie.
3. 3 ICT-systemen en -infrastructuur Je krijgt inzicht in ICT-systemen, infrastructuur en de relatie tussen hardware, software en data.
   10 lessen

   1. Basiskennis van ICT-systemen en netwerkenJe benoemt de basiskenmerken van ICT-systemen en netwerken.
   2. Soorten informatiesystemen (ERP, CRM, BI)Je onderscheidt verschillende soorten informatiesystemen.
   3. Relatie tussen hardware, software en dataJe legt de samenhang uit tussen hardware, software en data.
   4. Cloud computing en virtualisatieJe onderzoekt cloud computing en virtualisatie in de praktijk.
   5. Databases en dataopslagJe beschrijft de werking van databases en dataopslag.
   6. Systeemintegratie en interoperabiliteitJe bekijkt hoe systemen geïntegreerd en interoperabel worden gemaakt.
   7. Beheer van ICT-infrastructuurJe benoemt taken bij het beheer van ICT-infrastructuur.
   8. Automatisering van informatieprocessenJe onderzoekt hoe informatieprocessen worden geautomatiseerd.
   9. Onderhoud en upgrades van systemenJe bespreekt het belang van onderhoud en upgrades van systemen.
   10. Impact van nieuwe technologieën (AI, IoT)Je signaleert de impact van nieuwe technologieën op informatiesystemen.
4. 4 Data-analyse en Business Intelligence Je leert data analyseren, visualiseren en toepassen voor business intelligence en besluitvorming.
   10 lessen

   1. Basisprincipes van data-analyseJe past basisprincipes van data-analyse toe op praktijkvoorbeelden.
   2. Datavisualisatie techniekenJe gebruikt technieken om data visueel weer te geven.
   3. BI-tools en dashboardsJe werkt met BI-tools en bouwt eenvoudige dashboards.
   4. KPI’s en prestatie-indicatoren definiërenJe definieert KPI’s en andere prestatie-indicatoren.
   5. Verzamelen en interpreteren van dataJe verzamelt en interpreteert data uit verschillende bronnen.
   6. Data-gedreven besluitvormingJe onderbouwt beslissingen met data-analyses.
   7. Datakwaliteit en betrouwbaarheidJe beoordeelt de kwaliteit en betrouwbaarheid van data.
   8. Voorspellende analyses (predictive analytics)Je verkent de mogelijkheden van voorspellende analyses.
   9. Privacy en ethiek bij data-analyseJe bespreekt privacy en ethiek bij het analyseren van data.
   10. Praktische toepassingen in organisatiesJe past data-analyse toe in praktijksituaties.
5. 5 Informatiebeveiliging en privacy Je onderzoekt hoe je informatie beschermt en risico’s beheerst, met aandacht voor privacy en regelgeving.
   10 lessen

   1. Principes van informatiebeveiligingJe benoemt de basisprincipes van informatiebeveiliging.
   2. Risicoanalyse en bedreigingenJe voert een risicoanalyse uit en benoemt mogelijke bedreigingen.
   3. Technische en organisatorische beveiligingsmaatregelenJe kiest passende technische en organisatorische beveiligingsmaatregelen.
   4. Wet- en regelgeving (AVG, GDPR)Je past relevante wet- en regelgeving toe rond privacy.
   5. Rollen en verantwoordelijkheden voor securityJe verdeelt rollen en verantwoordelijkheden voor security.
   6. Toegangsbeheer en autorisatiesJe beheert toegangsrechten en autorisaties.
   7. Incidentmanagement en calamiteitenplanJe stelt een incidentmanagement- en calamiteitenplan op.
   8. Beveiligingsbewustzijn binnen organisatiesJe bevordert beveiligingsbewustzijn binnen de organisatie.
   9. Beheer van vertrouwelijke informatieJe beheert vertrouwelijke informatie zorgvuldig.
   10. Compliance en auditsJe controleert compliance en voert audits uit.
6. 6 Veranderingsmanagement en informatiemanagement Je leert veranderingsprocessen begeleiden en de rol van informatiemanagement hierin te bepalen.
   10 lessen

   1. Veranderingsprocessen binnen organisatiesJe beschrijft hoe veranderingsprocessen in organisaties verlopen.
   2. Rol van informatiemanagement bij veranderingenJe bepaalt de rol van informatiemanagement bij veranderingen.
   3. Stakeholderanalyse en communicatieJe voert een stakeholderanalyse uit en plant communicatie.
   4. Weerstand tegen veranderingen herkennen en managenJe herkent en beheert weerstand tegen veranderingen.
   5. Implementatie van nieuwe informatiesystemenJe begeleidt de implementatie van nieuwe informatiesystemen.
   6. Training en ondersteuning van gebruikersJe organiseert training en ondersteuning voor gebruikers.
   7. Evaluatie en borging van veranderingenJe evalueert en borgt veranderingen in de organisatie.
   8. Cultuur en gedrag binnen informatiemanagementJe analyseert de invloed van cultuur en gedrag op informatiemanagement.
   9. ProjectmanagementprincipesJe past projectmanagementprincipes toe in verandertrajecten.
   10. Samenwerking tussen IT en businessJe stimuleert samenwerking tussen IT en andere afdelingen.
7. 7 Informatievoorziening en kennismanagement Je onderzoekt hoe kennis wordt gedeeld, geborgd en digitaal toegankelijk gemaakt binnen organisaties.
   10 lessen

   1. Kennisdelen en kennismanagementconceptenJe past kennismanagementconcepten toe in praktijksituaties.
   2. Informatievoorziening voor verschillende gebruikersgroepenJe stemt informatievoorziening af op verschillende gebruikersgroepen.
   3. Ontwikkeling van intranet en collaboratieplatformsJe ontwikkelt en evalueert intranet- en collaboratieplatforms.
   4. Gebruik van sociale media binnen organisatiesJe onderzoekt het gebruik van sociale media in organisaties.
   5. Documentbeheer en versiecontroleJe beheert documenten en houdt versies bij.
   6. Kennisborging en overdrachtJe borgt kennis en organiseert overdracht.
   7. Toegankelijkheid en gebruiksvriendelijkheidJe beoordeelt toegankelijkheid en gebruiksvriendelijkheid van systemen.
   8. Informatieretrieval en zoektechnologieënJe past zoektechnologieën toe voor informatierecherche.
   9. Impact van digitalisering op kennismanagementJe analyseert de effecten van digitalisering op kennismanagement.
   10. Evaluatie van informatievoorzieningJe evalueert de effectiviteit van informatievoorziening.
8. 8 Strategisch informatiemanagement Je ontwikkelt een informatiestrategie en stemt deze af op de bedrijfsstrategie en marktontwikkelingen.
   10 lessen

   1. Ontwikkelen van een informatiestrategieJe stelt een informatiestrategie op voor een organisatie.
   2. Afstemming van informatiestrategie met bedrijfsstrategieJe zorgt voor afstemming tussen informatiestrategie en bedrijfsstrategie.
   3. Innovatie en technologie-adoptieJe onderzoekt innovatie en adoptie van nieuwe technologieën.
   4. Business-IT alignmentJe analyseert de samenwerking tussen business en IT.
   5. Beleid en governance van informatieJe formuleert beleid en governance voor informatiebeheer.
   6. Investeringen en kostenbeheerJe beheert investeringen en kosten van informatiemanagement.
   7. Evaluatie en bijsturing van strategieJe evalueert en stuurt informatiestrategie bij waar nodig.
   8. Marktontwikkelingen en concurrentieanalyseJe voert een concurrentieanalyse uit op basis van marktontwikkelingen.
   9. Rol van informatiemanagement in digitale transformatieJe bepaalt de rol van informatiemanagement bij digitale transformatie.
   10. Trends in strategisch informatiemanagementJe signaleert trends in strategisch informatiemanagement.
9. 9 Projectmanagement in informatiemanagement Je past projectmanagement toe op informatiemanagement en leert projecten te plannen, monitoren en evalueren.
   10 lessen

   1. Basisprincipes van projectmanagementJe benoemt de basisprincipes van projectmanagement.
   2. Opstellen van projectplannenJe stelt een projectplan op voor een informatiemanagementproject.
   3. Fasering en mijlpalen definiërenJe definieert fasering en mijlpalen binnen projecten.
   4. Risicomanagement binnen projectenJe voert risicomanagement uit binnen projecten.
   5. Communicatie in projectenJe organiseert effectieve communicatie in projecten.
   6. Projectteams aansturenJe stuurt projectteams aan en verdeelt taken.
   7. Budgettering en resource managementJe maakt een begroting en beheert resources.
   8. Monitoren en rapporteren van voortgangJe monitort en rapporteert de voortgang van projecten.
   9. Kwaliteitsborging in projectenJe borgt de kwaliteit van projectresultaten.
   10. Evaluatie en afsluiting van projectenJe evalueert en sluit projecten af volgens plan.
10. 10 Praktijkgericht onderzoek en innovatie Je voert praktijkgericht onderzoek uit en ontwikkelt innovatieve oplossingen voor informatiemanagement.
    10 lessen

    1. Formuleren van onderzoeksvragenJe formuleert heldere en afgebakende onderzoeksvragen.
    2. Onderzoeks- en analysemethoden toepassenJe past onderzoeks- en analysemethoden toe op praktijkproblemen.
    3. Data verzamelen en analyserenJe verzamelt en analyseert relevante data.
    4. Evalueren van bestaande processenJe evalueert bestaande processen en benoemt verbeterpunten.
    5. Ontwikkelen van verbeterplannenJe ontwikkelt plannen om processen te verbeteren.
    6. Innovaties in informatiemanagement onderzoekenJe onderzoekt innovaties binnen informatiemanagement.
    7. Adviesrapporten schrijvenJe schrijft een gestructureerd adviesrapport.
    8. Presenteren van onderzoeksresultatenJe presenteert onderzoeksresultaten aan betrokkenen.
    9. Reflectie op het eigen leer- en onderzoeksprocesJe reflecteert op je eigen leer- en onderzoeksproces.
    10. Implementatie van innovatieve oplossingenJe werkt aan de implementatie van innovatieve oplossingen.

Je past data-analyse, modellering en rapportage toe voor het ondersteunen van besluitvorming met actuele BI-technieken.

1. 1 Data-analyse en statistiek Je analyseert data met statistische methoden en verwerkt deze tot bruikbare inzichten.
   10 lessen

   1. Beschrijvende statistiek en visualisatieJe verwerkt data tot overzichtelijke grafieken en tabellen voor heldere inzichten.
   2. Kansrekening en statistische distributiesJe berekent kansen en past statistische verdelingen toe op datasets.
   3. Hypothesevorming en toetsingJe formuleert hypotheses en voert statistische toetsen uit.
   4. Correlatie- en regressieanalyseJe onderzoekt samenhang en relaties tussen variabelen met correlatie en regressie.
   5. Data cleaning en pre-processingJe reinigt datasets en bereidt deze voor op verdere analyse.
   6. Analysetechnieken met Excel en SPSS/RJe voert analyses uit met Excel en SPSS of R.
   7. Exploratieve data-analyse (EDA)Je ontdekt patronen en opvallende waarden in data met exploratieve technieken.
   8. Gebruik van statistische software toolsJe gebruikt statistische software om analyses te automatiseren en te versnellen.
   9. Interpretatie van data-analyseresultatenJe beoordeelt de resultaten van data-analyses en trekt conclusies.
   10. Presentatie van statistische inzichtenJe presenteert data-inzichten op een begrijpelijke manier aan anderen.
2. 2 Databases en datawarehousing Je werkt met databases, modelleert data en beheert opslag en beveiliging.
   10 lessen

   1. Relationele databases en SQLJe schrijft SQL-queries en beheert relationele databases.
   2. Database normalisatieJe past normalisatie toe om databases efficiënt in te richten.
   3. Data modelling (ER-diagrammen)Je maakt ER-diagrammen voor het modelleren van gegevensstructuren.
   4. Datawarehousing concepten en architecturenJe onderzoekt datawarehousing en de bijbehorende architecturen.
   5. ETL-processen (Extract, Transform, Load)Je voert ETL-processen uit om data te verzamelen en te transformeren.
   6. Data lakes en Big Data opslagJe vergelijkt data lakes en Big Data opslagmethoden.
   7. Performance tuning en indexingJe verbetert databaseprestaties door tuning en indexing.
   8. Data-integratie en datakwaliteitJe controleert de kwaliteit en integratie van verschillende databronnen.
   9. Beveiliging en privacy van dataJe past beveiligings- en privacymaatregelen toe op dataopslag.
   10. Gebruik van database management systemen (bijv. Oracle, MS SQL Server)Je gebruikt database management systemen voor dataopslag en -beheer.
3. 3 Business intelligence architectuur Je onderzoekt architecturen en tools voor het opzetten van een BI-omgeving.
   10 lessen

   1. Overzicht van BI-ecosysteemJe krijgt inzicht in de onderdelen van een BI-ecosysteem.
   2. Architectuurlagen (data, applicatie, presentatie)Je onderscheidt de verschillende lagen binnen een BI-architectuur.
   3. BI tools en platformen (bijv. Power BI, Tableau)Je vergelijkt BI-tools en platformen voor data-analyse en rapportage.
   4. Data governance en metadata managementJe beheert data governance en metadata binnen BI-systemen.
   5. Cloud BI oplossingenJe onderzoekt cloudoplossingen voor business intelligence.
   6. Real-time vs batch verwerkingJe vergelijkt real-time en batch verwerking van data.
   7. Self-service BI conceptenJe past self-service BI toe voor gebruikersautonomie.
   8. Integratie met ERP- en CRM-systemenJe integreert BI met ERP- en CRM-systemen.
   9. Beveiliging en compliance in BI-architectuurJe past beveiligings- en compliance-eisen toe in BI-architecturen.
   10. Trends in BI technologieënJe volgt ontwikkelingen en trends in BI-technologieën.
4. 4 Data visualisatie en rapportage Je ontwikkelt effectieve visualisaties en rapportages voor verschillende doelgroepen.
   10 lessen

   1. Principes van goede visualisatieJe past principes toe voor duidelijke en informatieve visualisaties.
   2. Gebruik van grafiektypen en dashboardsJe kiest geschikte grafiektypen en bouwt dashboards.
   3. Data storytelling en interpretatieJe vertelt het verhaal achter data en licht resultaten toe.
   4. Ontwerp van interactieve rapportenJe ontwerpt interactieve rapporten voor gebruikers.
   5. Tools voor visualisatie (Power BI, Tableau, QlikView)Je gebruikt visualisatietools zoals Power BI, Tableau en QlikView.
   6. Automatisering van rapportagesJe automatiseert het genereren en verspreiden van rapportages.
   7. Gebruik van KPI’s en metricsJe selecteert en presenteert relevante KPI’s en metrics.
   8. Doelgroepgerichte communicatie van dataJe stemt communicatie over data af op de doelgroep.
   9. Mobiele en web-based rapportagesJe maakt rapportages geschikt voor mobiel en web.
   10. Evaluatie en optimalisatie van rapportagesJe beoordeelt rapportages en voert verbeteringen door.
5. 5 Data mining en machine learning Je past data mining en machine learning toe op praktijkgerichte vraagstukken.
   10 lessen

   1. Introductie tot data miningJe maakt kennis met methoden voor het ontdekken van patronen in data.
   2. ClusteringstechniekenJe past clusteringstechnieken toe op datasets.
   3. ClassificatiemodellenJe bouwt en evalueert classificatiemodellen.
   4. Decision trees en random forestsJe past decision trees en random forests toe voor analyses.
   5. Neurale netwerken en deep learning (basis)Je onderzoekt de basis van neurale netwerken en deep learning.
   6. Modelleren met Python en RJe modelleert data met Python en R.
   7. Evaluatie van modelprestatiesJe beoordeelt de prestaties van machine learning-modellen.
   8. Overfitting en underfittingJe herkent en voorkomt overfitting en underfitting.
   9. Toepassing van modellen in businesscasesJe past modellen toe op zakelijke casussen.
   10. Ethische aspecten van AI en data miningJe bespreekt ethische vraagstukken rond AI en data mining.
6. 6 Data governance en privacy Je borgt datakwaliteit, privacy en ethisch gebruik van data in je werkzaamheden.
   10 lessen

   1. Data governance frameworksJe past frameworks toe voor data governance.
   2. Rollen en verantwoordelijkheden in data managementJe verdeelt rollen en verantwoordelijkheden in data management.
   3. Datakwaliteit en -integriteit waarborgenJe waarborgt de kwaliteit en integriteit van data.
   4. Wetgeving: AVG/GDPR en impact op BIJe past relevante wetgeving toe in je BI-werk.
   5. Privacy by design principesJe ontwerpt processen volgens privacy by design.
   6. Data security maatregelenJe neemt maatregelen voor data security.
   7. Auditing en compliance processenJe voert audits en compliance-controles uit.
   8. Risicomanagement rond dataJe analyseert risico’s bij het werken met data.
   9. Ethiek in data gebruikJe overweegt ethische aspecten bij datagebruik.
   10. Data lifecycle managementJe beheert de volledige levenscyclus van data.
7. 7 Proces- en prestatiemanagement Je analyseert processen en prestaties en ondersteunt verbetering met BI-inzichten.
   10 lessen

   1. Business processen in kaart brengenJe brengt bedrijfsprocessen systematisch in kaart.
   2. Key Performance Indicators (KPI’s) definiërenJe formuleert en meet relevante KPI’s.
   3. Balanced Scorecard gebruikenJe past de Balanced Scorecard toe voor prestatiesturing.
   4. Procesdata verzamelen en analyserenJe verzamelt en analyseert procesdata.
   5. Continuous Improvement en lean principesJe past continuous improvement en Lean toe op processen.
   6. Dashboardontwikkeling voor prestatiemonitoringJe ontwikkelt dashboards voor monitoring van prestaties.
   7. Rapportage over procesprestatiesJe stelt rapportages op over procesprestaties.
   8. Oorzakenanalyse en root cause analysisJe voert oorzakenanalyses uit bij afwijkingen.
   9. Data-gedreven besluitvormingJe ondersteunt besluitvorming met data-analyse.
   10. Verandermanagement ondersteund door BIJe begeleidt veranderingen met BI-inzichten.
8. 8 Projectmanagement en agile werken Je plant en beheert BI-projecten en werkt met agile methoden zoals Scrum.
   10 lessen

   1. Projectfasen en -methodiekenJe onderscheidt projectfasen en methodieken.
   2. Scrum en Agile principesJe past Scrum en Agile principes toe in projecten.
   3. Rollen in BI-projecten (Product Owner, Scrum Master)Je verdeelt rollen binnen BI-projectteams.
   4. Planning en resource managementJe plant projecten en beheert resources.
   5. StakeholdermanagementJe betrekt stakeholders bij BI-projecten.
   6. Risicoanalyse en mitigatieJe analyseert risico’s en stelt mitigerende maatregelen op.
   7. Documentatie en communicatieJe documenteert en communiceert projectinformatie.
   8. Change managementJe begeleidt veranderingen in projecten.
   9. Kwaliteitsborging in projectenJe borgt kwaliteit gedurende het project.
   10. Evaluatie en lessons learnedJe evalueert projecten en legt vast wat je hebt geleerd.
9. 9 Cloud en big data technologieën Je werkt met cloud- en big data-oplossingen en past deze toe in BI-omgevingen.
   10 lessen

   1. Cloud computing basisprincipesJe maakt kennis met de basis van cloud computing.
   2. Cloud BI-platformen (Azure, AWS, Google Cloud)Je onderzoekt BI-platformen in de cloud.
   3. Big Data architectuur en tools (Hadoop, Spark)Je vergelijkt big data-architecturen en tools.
   4. Data streaming en real-time analyticsJe verwerkt data met streaming en real-time analytics.
   5. Opslag en verwerking van ongestructureerde dataJe slaat ongestructureerde data op en verwerkt deze.
   6. Scalability en performance in cloudomgevingenJe analyseert schaalbaarheid en prestaties in cloudomgevingen.
   7. Kostenbeheer in cloudomgevingenJe beheert kosten bij het gebruik van cloudoplossingen.
   8. Integratie van cloud- en on-premise dataJe koppelt cloud- en on-premise data aan elkaar.
   9. Security in cloudomgevingenJe past beveiliging toe in cloudomgevingen.
   10. Innovaties en trends in Big DataJe volgt innovaties en trends in big data.
10. 10 Ethiek en innovatie in business intelligence Je onderzoekt ethische kwesties en innovatieprocessen binnen business intelligence.
    10 lessen

    1. Ethische dilemma’s in datagebruikJe bespreekt dilemma’s bij het gebruik van data.
    2. Transparantie en verantwoordingJe zorgt voor transparantie en legt verantwoording af over BI-activiteiten.
    3. Bias en discriminatie in algoritmesJe herkent bias en discriminatie in algoritmes.
    4. Impact van BI op privacyJe onderzoekt de invloed van BI op privacyvraagstukken.
    5. Innovatieprocessen in BIJe analyseert innovatieprocessen binnen BI.
    6. Maatschappelijke impact van BI toepassingenJe beoordeelt de maatschappelijke impact van BI-toepassingen.
    7. Verantwoord omgaan met data scienceJe gaat verantwoord om met data science in je werk.
    8. Trends in BI innovatie (AI, automatisering)Je signaleert trends zoals AI en automatisering in BI.
    9. Creatief denken en probleemoplossingJe past creatief denken toe bij het oplossen van vraagstukken.
    10. Reflectie op eigen rol als BI-professionalJe reflecteert op je rol en ontwikkeling als BI-professional.

Je ontwerpt, analyseert en implementeert IoT-systemen, van sensoren tot data-analyse en beveiliging.

1. 1 IoT-systemen en architectuur Je onderzoekt de opbouw van IoT-systemen en de werking van verschillende architectuurlagen.
   10 lessen

   1. Definitie van Internet of ThingsJe verkent wat IoT inhoudt en welke kenmerken deze technologie heeft.
   2. Componenten van IoT-systemenJe benoemt en beschrijft de belangrijkste onderdelen van een IoT-systeem.
   3. IoT-architectuurlagen (perceptie, netwerk, applicatie)Je onderzoekt hoe de verschillende lagen binnen een IoT-architectuur samenwerken.
   4. Sensoren en actuatorenJe herkent en vergelijkt de functies van sensoren en actuatoren in IoT.
   5. Embedded systemen en microcontrollersJe analyseert de rol van embedded systemen en microcontrollers binnen IoT.
   6. Communicatieprotocollen binnen IoTJe vergelijkt communicatieprotocollen die gebruikt worden in IoT.
   7. Edge computing in IoTJe onderzoekt het gebruik van edge computing in IoT-toepassingen.
   8. Cloud-integratie van IoT-dataJe bekijkt hoe IoT-data wordt geïntegreerd met cloudoplossingen.
   9. Interoperabiliteit tussen apparatenJe beoordeelt hoe apparaten binnen IoT met elkaar samenwerken.
   10. Voorbeelden van IoT-architecturenJe analyseert verschillende praktijkvoorbeelden van IoT-architecturen.
2. 2 Sensoren en dataverzameling Je bestudeert sensortechnologieën en de methoden voor betrouwbare dataverzameling.
   10 lessen

   1. Soorten sensoren (temperatuur, beweging, licht, etc.)Je vergelijkt diverse typen sensoren en hun toepassingen.
   2. Sensorplaatsing en -kalibratieJe onderzoekt hoe je sensoren plaatst en kalibreert voor nauwkeurige metingen.
   3. Dataverzameling en samplingfrequentiesJe bepaalt geschikte samplingfrequenties voor verschillende meetdoelen.
   4. Signaalomvorming en filteringJe past technieken toe voor signaalomvorming en filtering.
   5. Sensorfouten en betrouwbaarheidJe herkent sensorfouten en beoordeelt de betrouwbaarheid van metingen.
   6. Sensor netwerken en mesh-netwerkenJe analyseert de werking van sensor- en mesh-netwerken.
   7. Energieverbruik en sensoroptimalisatieJe onderzoekt hoe je energieverbruik van sensoren kunt optimaliseren.
   8. Dataformaten en -standaardenJe vergelijkt dataformaten en standaarden voor sensordata.
   9. Praktische toepassingen van sensorenJe bekijkt concrete toepassingen van sensoren in de praktijk.
   10. Kwaliteitscontrole van sensordataJe voert kwaliteitscontrole uit op verzamelde sensordata.
3. 3 Communicatietechnologieën in IoT Je verdiept je in draadloze en bekabelde communicatietechnologieën voor IoT.
   10 lessen

   1. Draadloze technologieën (Wi-Fi, Bluetooth, Zigbee)Je vergelijkt draadloze technologieën die geschikt zijn voor IoT-toepassingen.
   2. Langeafstandstechnologieën (LoRa, NB-IoT)Je onderzoekt de inzet van langeafstandstechnologieën voor IoT.
   3. Mesh- en star-netwerkenJe analyseert de structuur van mesh- en star-netwerken.
   4. Protocollen zoals MQTT, CoAP, HTTPJe past verschillende IoT-communicatieprotocollen toe.
   5. Beveiliging van draadloze communicatieJe beoordeelt de beveiliging van draadloze communicatiekanalen.
   6. Bandbreedte en latency overwegingenJe houdt rekening met bandbreedte en latency bij ontwerpkeuzes.
   7. Energie-efficiënte communicatieJe onderzoekt hoe communicatie energiezuinig kan worden ingericht.
   8. Roaming en handover tussen netwerkenJe bekijkt hoe apparaten tussen netwerken kunnen wisselen.
   9. Toepassingen van 5G in IoTJe analyseert de mogelijkheden van 5G voor IoT-toepassingen.
   10. Netwerkarchitecturen en topologieënJe vergelijkt netwerkarchitecturen en topologieën binnen IoT.
4. 4 Dataopslag en beheer Je onderzoekt methoden voor dataopslag, beheer en verwerking van IoT-data.
   10 lessen

   1. Cloud storage versus lokale opslagJe vergelijkt cloudopslag met lokale opslagoplossingen voor IoT-data.
   2. Databases voor IoT (NoSQL, tijdreeksdatabases)Je onderzoekt geschikte databases voor het opslaan van IoT-data.
   3. Data lifecycle managementJe beheert de levenscyclus van data binnen een IoT-systeem.
   4. Metadata en data-indexeringJe past metadata en indexering toe voor efficiënte dataopslag.
   5. Data-integriteit en backupJe waarborgt data-integriteit en implementeert back-upstrategieën.
   6. Real-time data streamingJe werkt met real-time data streaming in IoT-toepassingen.
   7. Data-aggregatie en compressieJe past data-aggregatie en compressietechnieken toe.
   8. Schaalbaarheid van opslagoplossingenJe onderzoekt hoe opslagoplossingen schaalbaar kunnen worden ingericht.
   9. Data governance en complianceJe houdt rekening met data governance en compliance-eisen.
   10. Voorbeeldplatformen voor data managementJe bekijkt voorbeeldplatformen voor IoT-data management.
5. 5 IoT-beveiliging en privacy Je analyseert beveiligings- en privacyvraagstukken en past maatregelen toe binnen IoT.
   10 lessen

   1. Risico’s en bedreigingen in IoTJe herkent risico’s en bedreigingen die spelen bij IoT-systemen.
   2. Authenticatie en autorisatieJe implementeert methoden voor authenticatie en autorisatie.
   3. Encryptie van data en communicatieJe past encryptie toe op data en communicatiekanalen.
   4. Beveiliging van apparaten en firmwareJe beveiligt apparaten en firmware tegen ongewenste toegang.
   5. Veiligheidsprotocollen en standaardenJe past veiligheidsprotocollen en standaarden toe in IoT.
   6. Privacy-by-design principesJe verwerkt privacy-by-design principes in je ontwerp.
   7. Detectie en respons op incidentenJe stelt procedures op voor detectie en respons bij incidenten.
   8. Updates en patchmanagementJe beheert updates en patchmanagement voor IoT-apparaten.
   9. Juridische aspecten van IoT-beveiligingJe onderzoekt juridische aspecten van IoT-beveiliging.
   10. Case studies van IoT-security breachesJe analyseert praktijkvoorbeelden van beveiligingsincidenten.
6. 6 IoT-analytics en data-analyse Je past analysetechnieken toe op IoT-data en gebruikt deze inzichten voor toepassingen.
   10 lessen

   1. Basisprincipes van data-analyseJe past basisprincipes van data-analyse toe op IoT-data.
   2. Predictive analytics in IoTJe gebruikt voorspellende analyses voor IoT-toepassingen.
   3. Machine learning toepassingenJe past machine learning toe op IoT-datasets.
   4. Visualisatie van IoT-dataJe visualiseert IoT-data voor interpretatie en rapportage.
   5. Anomaliedetectie in datasetsJe detecteert afwijkingen in datasets met analysetechnieken.
   6. Data cleaning en preprocessingJe voert data cleaning en preprocessing uit op IoT-data.
   7. Edge analytics versus cloud analyticsJe vergelijkt edge analytics met cloud analytics.
   8. Integratie van analytics toolsJe integreert analytics tools binnen IoT-omgevingen.
   9. Toepassingen in onderhoud en optimalisatieJe past analyses toe voor onderhoud en optimalisatie.
   10. Rapportage en interpretatie van resultatenJe rapporteert en interpreteert de resultaten van data-analyses.
7. 7 IoT-softwareontwikkeling Je ontwikkelt software voor IoT-apparaten en beheert het ontwikkelproces.
   10 lessen

   1. Programmeren voor embedded systemenJe programmeert voor embedded systemen in een IoT-context.
   2. IoT-platforms en SDK’sJe werkt met platforms en SDK’s voor IoT-ontwikkeling.
   3. API’s en webservicesJe bouwt en gebruikt API’s en webservices voor IoT-applicaties.
   4. Real-time besturingssystemen (RTOS)Je past real-time besturingssystemen toe in IoT-projecten.
   5. Firmware development en updatesJe ontwikkelt en beheert firmware voor IoT-apparaten.
   6. Debuggen en testen van IoT-softwareJe debugt en test IoT-software op betrouwbaarheid.
   7. Software-architectuur voor IoT-applicatiesJe ontwerpt software-architecturen voor IoT-toepassingen.
   8. Versiebeheer en CI/CDJe past versiebeheer en CI/CD toe in het ontwikkelproces.
   9. Security by design in softwareontwikkelingJe verwerkt security by design in je softwareontwikkeling.
   10. Voorbeeldprojecten en casestudiesJe analyseert voorbeeldprojecten en casestudies uit de praktijk.
8. 8 Integratie en interoperabiliteit Je onderzoekt hoe je verschillende IoT-apparaten en systemen integreert en laat samenwerken.
   10 lessen

   1. Integratie van verschillende IoT-apparatenJe integreert apparaten van verschillende leveranciers in één IoT-systeem.
   2. Standaarden en protocollen voor interoperabiliteitJe past standaarden en protocollen toe voor interoperabiliteit.
   3. Middleware en gatewaysJe gebruikt middleware en gateways voor koppeling van systemen.
   4. Dataformaten en vertalingenJe vertaalt dataformaten tussen verschillende systemen.
   5. API management en koppelingenJe beheert API’s en koppelingen tussen IoT-platforms.
   6. Edge devices en cloud integratieJe koppelt edge devices met cloudomgevingen.
   7. Platformonafhankelijke oplossingenJe ontwikkelt platformonafhankelijke oplossingen voor IoT.
   8. Testing van interoperabiliteitJe test de interoperabiliteit van geïntegreerde systemen.
   9. Uitdagingen bij integratieJe analyseert integratie-uitdagingen en zoekt naar oplossingen.
   10. Toekomstige ontwikkelingen in IoT-integratieJe onderzoekt toekomstige ontwikkelingen in IoT-integratie.
9. 9 Toepassingen van IoT in sectoren Je past IoT toe in verschillende sectoren en analyseert praktijkvoorbeelden.
   10 lessen

   1. Industrie 4.0 en slimme productieJe onderzoekt IoT-toepassingen in productieomgevingen.
   2. Slimme steden en infrastructuurJe analyseert oplossingen voor slimme steden en infrastructuur.
   3. Gezondheidszorg en medische IoTJe bekijkt de inzet van IoT in de gezondheidszorg.
   4. Logistiek en supply chain managementJe past IoT toe in logistieke processen en supply chains.
   5. Agrarische toepassingenJe onderzoekt agrarische toepassingen van IoT.
   6. Huisautomatisering en smart homesJe bekijkt huisautomatisering en smart home-toepassingen.
   7. Energiebeheer zonder duurzaamheidJe onderzoekt energiebeheer met IoT-oplossingen.
   8. Transport en mobiliteitJe past IoT toe in transport- en mobiliteitsvraagstukken.
   9. Veiligheid en toezichtssystemenJe analyseert het gebruik van IoT in veiligheidssystemen.
   10. Innovatieve casestudies per sectorJe bekijkt innovatieve praktijkvoorbeelden per sector.
10. 10 Projectmanagement en implementatie van IoT-projecten Je plant, beheert en evalueert IoT-projecten van start tot afronding.
    10 lessen

    1. Fasering van IoT-projectenJe brengt de fasen van een IoT-project in kaart en plant deze.
    2. Stakeholderanalyse en betrokkenheidJe voert een stakeholderanalyse uit en betrekt relevante partijen.
    3. Budgettering en kostenbeheerJe stelt een budget op en beheert de kosten tijdens het project.
    4. Risicoanalyse en mitigatieJe analyseert risico’s en stelt mitigerende maatregelen op.
    5. Prototyping en pilotprojectenJe werkt aan prototyping en het opzetten van pilotprojecten.
    6. Test- en implementatiefasenJe begeleidt test- en implementatiefasen van IoT-projecten.
    7. Documentatie en kennisoverdrachtJe verzorgt documentatie en draagt kennis over binnen het team.
    8. Evaluatie en prestatiemetingJe evalueert het project en meet de prestaties.
    9. Change management in IoT-implementatiesJe voert change management uit bij de implementatie van IoT.
    10. Best practices en lessons learnedJe past best practices toe en reflecteert op leerpunten uit projecten.

Je past AI toe in je werk, van data-analyse tot projectmanagement en ethische afwegingen.

1. 1 Introductie en basisprincipes van Artificial Intelligence Je onderzoekt de fundamenten, mogelijkheden en impact van AI op werk en samenleving.
   10 lessen

   1. Definitie en historie van AIJe beschrijft de ontwikkeling van AI en de belangrijkste mijlpalen.
   2. Verschillende typen AI (smalle, algemene AI)Je vergelijkt verschillende typen AI en hun toepassingsgebieden.
   3. Machine learning en deep learning basicsJe herkent basisbegrippen van machine learning en deep learning.
   4. Toepassingen van AI in verschillende sectorenJe identificeert waar AI wordt toegepast in uiteenlopende sectoren.
   5. Data als brandstof voor AIJe benoemt het belang van data voor AI-systemen.
   6. Begrippen: algoritmes, modellen, training, testenJe legt uit wat algoritmes, modellen, training en testen betekenen.
   7. Verschil tussen AI, data science en automatiseringJe onderscheidt AI van data science en automatisering.
   8. Mogelijkheden en beperkingen van AIJe benoemt wat AI wel en niet kan.
   9. Trends en ontwikkelingen in AIJe signaleert actuele trends en ontwikkelingen in AI.
   10. Ethische en maatschappelijke impact van AIJe bespreekt de ethische en maatschappelijke gevolgen van AI.
2. 2 Data management en voorbereiding voor AI Je leert hoe je data selecteert, verwerkt en beheert voor gebruik in AI-toepassingen.
   10 lessen

   1. Soorten data (gestructureerd, ongestructureerd)Je onderscheidt gestructureerde en ongestructureerde data.
   2. Datakwaliteit en datacleaningJe beoordeelt de kwaliteit van data en voert datacleaning uit.
   3. Data-etikettering en annotatieJe labelt data en past annotatie toe voor AI-training.
   4. Data-analyse en visualisatieJe analyseert en visualiseert data voor inzicht.
   5. Gebruik van databases en datawarehousesJe gebruikt databases en datawarehouses voor opslag en verwerking.
   6. Privacy en AVG (GDPR) in dataverwerkingJe past privacyregels toe bij dataverwerking.
   7. Data governance en data-eigendomJe benoemt hoe data governance en eigendom geregeld zijn.
   8. Dataverzamelingstechnieken (sensoren, web scraping)Je past technieken toe om data te verzamelen uit verschillende bronnen.
   9. Big data concepten en toolsJe herkent big data concepten en tools.
   10. Data-integratie en interoperabiliteitJe integreert data uit verschillende systemen en waarborgt uitwisselbaarheid.
3. 3 Machine learning en modelontwikkeling Je ontwikkelt en evalueert machine learning-modellen voor praktische toepassingen.
   10 lessen

   1. Overzicht van supervised, unsupervised en reinforcement learningJe vergelijkt supervised, unsupervised en reinforcement learning.
   2. Klassieke algoritmes (decision trees, regressie)Je past klassieke algoritmes toe zoals decision trees en regressie.
   3. Neurale netwerken en deep learning principesJe legt de werking van neurale netwerken en deep learning uit.
   4. Modeltraining en validatieJe traint en valideert een model met data.
   5. Overfitting en underfittingJe herkent en voorkomt overfitting en underfitting.
   6. Hyperparameter tuningJe past hyperparameter tuning toe om modellen te verbeteren.
   7. Evaluatiemethoden (accuracy, precision, recall)Je gebruikt evaluatiemethoden zoals accuracy en recall.
   8. Tools en frameworks (zoals TensorFlow, Scikit-learn)Je maakt kennis met tools en frameworks voor AI-ontwikkeling.
   9. Model interpretatie en uitleg (explainable AI)Je interpreteert modeluitkomsten en licht deze toe.
   10. Deployment van AI-modellenJe zet een AI-model over naar productie en monitort de werking.
4. 4 AI toepassingen in organisaties Je past AI toe op processen, besluitvorming en samenwerking binnen organisaties.
   10 lessen

   1. Procesautomatisering (RPA)Je automatiseert processen met behulp van RPA.
   2. Chatbots en virtuele assistentenJe ontwikkelt en gebruikt chatbots en virtuele assistenten.
   3. Predictive analytics voor besluitvormingJe past voorspellende analyses toe voor beslissingen.
   4. Beeld- en spraakherkenningJe herkent toepassingen van beeld- en spraakherkenning.
   5. AI in marketing en klantenserviceJe zet AI in voor marketing en klantenservice.
   6. Slimme productontwikkelingJe stimuleert slimme productontwikkeling met AI.
   7. AI in logistiek en supply chainJe verbetert logistiek en supply chain met AI-oplossingen.
   8. Risicomanagement met AIJe gebruikt AI voor risicomanagement.
   9. Human-AI samenwerkingJe werkt samen met AI-systemen en mensen.
   10. Evalueren en implementeren van AI-projectenJe beoordeelt en implementeert AI-projecten in de praktijk.
5. 5 Ethiek, wetgeving en maatschappelijke aspecten van AI Je onderzoekt ethische, juridische en maatschappelijke vraagstukken rond AI-gebruik.
   10 lessen

   1. Ethische principes en dilemma’s in AIJe analyseert ethische dilemma’s bij AI-toepassingen.
   2. Transparantie en verantwoordelijkheidJe benoemt het belang van transparantie en verantwoordelijkheid.
   3. Privacy en data protectionJe past privacy- en dataprotectie toe in AI-projecten.
   4. Bias en discriminatie in AI-systemenJe signaleert bias en discriminatie in AI-systemen.
   5. AI en werkgelegenheidJe bespreekt de invloed van AI op werkgelegenheid.
   6. Regelgeving en compliance (bijv. Europese AI Act)Je herkent relevante wet- en regelgeving voor AI.
   7. Maatschappelijke acceptatie van AIJe beoordeelt de maatschappelijke acceptatie van AI.
   8. Vertrouwen in AI-systemenJe versterkt vertrouwen in AI-systemen.
   9. Rol van de mens in toezicht op AIJe licht de rol van menselijk toezicht op AI toe.
   10. Toekomstscenario’s en AI-governanceJe denkt na over toekomstige scenario’s en AI-governance.
6. 6 Projectmanagement voor AI-implementaties Je begeleidt AI-projecten van start tot evaluatie en borgt kwaliteit en samenwerking.
   10 lessen

   1. Projectlevenscyclus in AI-projectenJe beschrijft de fasen van een AI-project.
   2. StakeholdermanagementJe betrekt stakeholders en beheert hun verwachtingen.
   3. Risicoanalyse en mitigatieJe voert risicoanalyses uit en stelt mitigerende maatregelen op.
   4. Agile methodieken en AI-ontwikkelingJe past agile methoden toe bij AI-ontwikkeling.
   5. Resource planning (mens, data, techniek)Je plant resources voor mensen, data en techniek.
   6. Kwaliteitsbewaking en testenJe bewaakt de kwaliteit en test AI-oplossingen.
   7. Budgettering en business case opstellenJe stelt een budget en business case op voor AI-projecten.
   8. Communicatie en rapportageJe communiceert en rapporteert over projectvoortgang.
   9. Change management bij AI-implementatieJe begeleidt veranderingen bij de invoering van AI.
   10. Evaluatie en borging van resultatenJe evalueert en borgt de resultaten van een AI-project.
7. 7 Communicatie en samenwerking in AI-projecten Je communiceert effectief over AI en werkt samen in multidisciplinaire teams.
   10 lessen

   1. Technische en niet-technische communicatieJe wisselt informatie uit met technische en niet-technische collega’s.
   2. Vertalen van AI-techniek naar business taalJe vertaalt AI-techniek naar begrijpelijke taal voor de organisatie.
   3. Interdisciplinair teamworkJe werkt samen met collega’s uit verschillende disciplines.
   4. Stakeholder engagement en verwachtingen managenJe beheert verwachtingen van stakeholders.
   5. Presentatietechnieken voor AI-resultatenJe presenteert AI-resultaten aan diverse doelgroepen.
   6. Documentatie en kennisdelingJe documenteert projecten en deelt kennis.
   7. Feedbackprocessen en iteratieJe vraagt en verwerkt feedback in projecten.
   8. Cultuurverandering en adoptieJe stimuleert cultuurverandering en adoptie van AI.
   9. Training en begeleiding van gebruikersJe traint en begeleidt gebruikers van AI-oplossingen.
   10. Conflictmanagement in projectenJe lost conflicten op binnen AI-projecten.
8. 8 AI en innovatie Je stimuleert innovatie met AI en onderzoekt hoe je nieuwe technologieën implementeert.
   10 lessen

   1. Innovatietheorieën en AIJe past innovatietheorieën toe op AI-projecten.
   2. Identificeren van kansen voor AI-innovatieJe signaleert kansen voor AI-innovatie in je werk.
   3. Design thinking toegepast op AIJe gebruikt design thinking voor AI-oplossingen.
   4. Prototyping en proof of conceptJe ontwikkelt prototypes en proof of concept.
   5. Implementeren van nieuwe AI-technologieënJe implementeert nieuwe AI-technologieën in de praktijk.
   6. IP-rechten en AI innovatiesJe benoemt IP-rechten bij AI-innovaties.
   7. Samenwerking met startups en techpartnersJe werkt samen met startups en technologische partners.
   8. Financieren van AI-innovatiesJe onderzoekt financieringsmogelijkheden voor AI-innovaties.
   9. Schaalbaarheid en opschaling van AI-oplossingenJe beoordeelt de schaalbaarheid van AI-oplossingen.
   10. Monitoring en continue verbeteringJe monitort en verbetert AI-oplossingen continu.
9. 9 Technische vaardigheden en tools Je ontwikkelt technische vaardigheden voor het werken met AI-tools en programmeertalen.
   10 lessen

   1. Programmeerconcepten (Python, R)Je past basis programmeerconcepten toe in Python of R.
   2. Data-analyse tools (Excel, Power BI)Je analyseert data met tools als Excel en Power BI.
   3. AI-frameworks (TensorFlow, PyTorch)Je gebruikt AI-frameworks zoals TensorFlow en PyTorch.
   4. Cloud platforms voor AI (AWS, Azure)Je werkt met cloud platforms voor AI-toepassingen.
   5. API’s en integratiesJe integreert AI via API’s en koppelingen.
   6. Versiebeheer (Git)Je beheert versies van code met Git.
   7. Experiment tracking en reproducibilityJe houdt experimenten bij en zorgt voor reproduceerbaarheid.
   8. Basis van cybersecurity voor AIJe past basisprincipes van cybersecurity toe op AI-projecten.
   9. Automatiseringstools en pipelinesJe automatiseert processen met pipelines en tools.
   10. Open source AI-communitiesJe neemt deel aan open source AI-communities.
10. 10 Praktijkgericht onderzoek en innovatie met AI Je voert praktijkgericht onderzoek uit naar AI en presenteert resultaten en aanbevelingen.
    10 lessen

    1. Onderzoeksvragen formuleren binnen AIJe formuleert relevante onderzoeksvragen binnen AI.
    2. Literatuurstudie en bronnenonderzoekJe voert literatuurstudie en bronnenonderzoek uit.
    3. Methoden voor dataverzamelingJe kiest en past methoden voor dataverzameling toe.
    4. Data-analyse techniekenJe voert data-analyse uit voor onderzoeksvragen.
    5. Experimenten opzetten en uitvoerenJe zet experimenten op en voert deze uit.
    6. Resultaatinterpretatie en conclusies trekkenJe interpreteert onderzoeksresultaten en trekt conclusies.
    7. Rapporteren en presenteren van onderzoeksresultatenJe rapporteert en presenteert onderzoeksresultaten.
    8. Implementatievoorstellen doenJe doet voorstellen voor implementatie van AI-oplossingen.
    9. Ethische reflectie in onderzoekJe reflecteert op ethische aspecten in onderzoek.
    10. Reflectie en zelfevaluatieJe evalueert je eigen leerproces en onderzoeksaanpak.