HBO ICT en Werken met AI (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 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.

Je past data-analyse toe van dataverzameling tot rapportage, met aandacht voor statistiek, visualisatie en modelvalidatie.

1. 1 Inleiding data-analyse Je verkent wat data-analyse inhoudt, waar je het toepast en welke begrippen en methoden daarbij horen.
   10 lessen

   1. Definitie en belang van data-analyseJe onderzoekt wat data-analyse betekent en waarom organisaties ermee werken.
   2. Typen data: kwalitatief vs kwantitatiefJe vergelijkt kwalitatieve en kwantitatieve data en herkent het verschil in toepassingen.
   3. Verschil tussen data, informatie en kennisJe onderscheidt data, informatie en kennis in verschillende contexten.
   4. Toepassingsgebieden van data-analyseJe benoemt waar data-analyse wordt ingezet, bijvoorbeeld in bedrijfsleven en wetenschap.
   5. Overzicht van data-analysemethodenJe krijgt inzicht in verschillende methoden om data te analyseren.
   6. Rol van data-analyse in besluitvormingJe beschrijft hoe data-analyse het besluitvormingsproces ondersteunt.
   7. Ethische aspecten van data-analyseJe bespreekt ethische aandachtspunten bij het analyseren van data.
   8. Basisbegrippen: variabelen, datasets, observatiesJe benoemt basisbegrippen zoals variabelen, datasets en observaties.
   9. Data-analyseproces: van verzamelen tot rapporterenJe volgt het proces van dataverzameling tot rapportage van resultaten.
   10. Softwaretools en programmeertalen (introductie)Je maakt kennis met softwaretools en programmeertalen voor data-analyse.
2. 2 Data verzamelen en opschonen Je verzamelt data, beoordeelt de kwaliteit en past technieken toe om data bruikbaar te maken voor analyse.
   10 lessen

   1. Methoden voor dataverzameling (surveys, sensors, databases)Je vergelijkt manieren om data te verzamelen, zoals surveys, sensoren en databases.
   2. Kwaliteitscriteria voor dataJe beoordeelt data op kwaliteit met behulp van relevante criteria.
   3. Omgaan met ontbrekende waardenJe gaat om met ontbrekende waarden in datasets.
   4. Detectie en correctie van fouten in dataJe spoort fouten in data op en corrigeert deze waar mogelijk.
   5. Normaliseren en standaardiseren van dataJe past normalisatie en standaardisatie toe op data.
   6. Identificeren van outliers en onregelmatighedenJe identificeert uitschieters en onregelmatigheden in datasets.
   7. Data transformatie en coderingJe transformeert en codeert data voor analyse.
   8. Automatiseren van data cleaningJe automatiseert stappen in het opschonen van data.
   9. Documenteren van datavoorbereidingJe legt vast hoe je data hebt voorbereid en verwerkt.
   10. Privacy en wetgeving bij dataverzamelingJe herkent privacyvraagstukken en relevante wetgeving bij dataverzameling.
3. 3 Statistische basisprincipes Je past statistische basisprincipes toe om data te beschrijven, te analyseren en te interpreteren.
   10 lessen

   1. Beschrijvende statistiek: gemiddelden, mediaan, modusJe berekent gemiddelden, mediaan en modus in datasets.
   2. Spreidingsmaten: variantie, standaarddeviatie, interkwartielafstandJe bepaalt spreidingsmaten zoals variantie en standaarddeviatie.
   3. Kansbegrippen en kansverdelingenJe past kansbegrippen en kansverdelingen toe op data.
   4. Hypothesetoetsen en significantieJe voert hypothesetoetsen uit en beoordeelt significantie.
   5. BetrouwbaarheidsintervallenJe stelt betrouwbaarheidsintervallen vast.
   6. Correlatie en covariantieJe onderzoekt samenhang tussen variabelen met correlatie en covariantie.
   7. Steekproefconcepten en representativiteitJe past steekproefconcepten toe en beoordeelt representativiteit.
   8. Basisbegrippen van populatie en steekproefJe legt uit wat populatie en steekproef betekenen.
   9. Soorten fouten (type I en type II)Je herkent en verklaart type I- en type II-fouten.
   10. Toepassing van statistiek in data-analyseJe past statistiek toe binnen het data-analyseproces.
4. 4 Data visualisatie Je kiest passende visualisaties en maakt grafieken om data en analyses helder te presenteren.
   10 lessen

   1. Doelen en principes van visualisatieJe bepaalt het doel van visualisatie en hanteert basisprincipes.
   2. Grafiektypen: histogrammen, boxplots, scatterplotsJe maakt verschillende grafiektypen zoals histogrammen en scatterplots.
   3. Keuze van juiste visualisatie per datatypesJe kiest de juiste visualisatie op basis van datatype en doel.
   4. Gebruik van kleuren en labelsJe past kleuren en labels toe voor duidelijke grafieken.
   5. Interactieve dashboards ontwerpenJe ontwerpt interactieve dashboards voor dataweergave.
   6. Tools voor visualisatie (Excel, Power BI, Tableau)Je werkt met tools als Excel, Power BI en Tableau voor visualisatie.
   7. Visualisatie van tijdreeksen en trendsJe visualiseert tijdreeksen en trends in data.
   8. Communiceren van bevindingen met visualsJe communiceert bevindingen effectief met visuals.
   9. Voorkomen van misleidende grafiekenJe voorkomt misleiding door grafieken juist te ontwerpen.
   10. Visualisatie van multivariate dataJe visualiseert data met meerdere variabelen tegelijk.
5. 5 Exploratieve data-analyse (EDA) Je onderzoekt data op patronen, relaties en afwijkingen met behulp van exploratieve technieken.
   10 lessen

   1. Identificeren van patronen en trendsJe signaleert patronen en trends in datasets.
   2. Gebruik van statistische samenvattingenJe gebruikt statistische samenvattingen om data te verkennen.
   3. Detecteren van anomalieënJe spoort afwijkingen en anomalieën op in data.
   4. Relaties tussen variabelen onderzoekenJe onderzoekt relaties tussen verschillende variabelen.
   5. Toepassen van data slicing en dicingJe past slicing en dicing toe om data te analyseren.
   6. Gebruik van pivot-tabellenJe gebruikt pivot-tabellen voor overzicht en analyse.
   7. Data clustering en segmentatie (basis)Je voert eenvoudige clustering en segmentatie uit.
   8. Visualisatietechnieken voor EDAJe zet visualisatietechnieken in bij exploratie van data.
   9. Interpretatie van bevindingenJe interpreteert de uitkomsten van je analyses.
   10. Formuleren van hypotheses voor vervolgonderzoekJe formuleert hypotheses voor vervolgonderzoek.
6. 6 Toepassing van regressieanalyse Je past regressieanalyse toe, interpreteert uitkomsten en rapporteert resultaten voor zakelijke toepassingen.
   10 lessen

   1. Lineaire regressie en aannamesJe voert lineaire regressie uit en controleert de aannames.
   2. Interpretatie van regressiecoëfficiëntenJe interpreteert de coëfficiënten van een regressiemodel.
   3. Meervoudige regressieJe past meervoudige regressie toe op datasets.
   4. Diagnostiek van regressiemodellenJe controleert de kwaliteit van regressiemodellen.
   5. Regressie voor voorspellingenJe gebruikt regressie om voorspellingen te doen.
   6. Gebruik van dummy-variabelenJe past dummy-variabelen toe in regressiemodellen.
   7. Overfitting en modelvalidatieJe herkent overfitting en valideert modellen.
   8. Toepassingen in bedrijfscontextJe past regressie toe op bedrijfsvraagstukken.
   9. Software voor regressieanalyseJe werkt met software voor regressieanalyse.
   10. Rapporteren van regressieresultatenJe rapporteert de resultaten van regressieanalyses.
7. 7 Data mining technieken Je gebruikt data mining technieken zoals clustering, classificatie en associatieregels voor analyse van grote datasets.
   10 lessen

   1. Definitie en doel van data miningJe beschrijft het doel en de werkwijze van data mining.
   2. Clusteringmethoden (k-means, hiërarchisch)Je past clusteringmethoden toe zoals k-means en hiërarchisch clusteren.
   3. Classificatie (beslisbomen, naïve Bayes)Je voert classificatie uit met bijvoorbeeld beslisbomen.
   4. Association rules en frequentie-analyseJe analyseert frequentiepatronen met association rules.
   5. Voorbereiding van data voor miningJe bereidt data voor op data mining analyses.
   6. Evaluatie van data mining modellenJe evalueert de prestaties van data mining modellen.
   7. Overzicht van machine learning basicsJe krijgt inzicht in basisprincipes van machine learning.
   8. Toepassing in marketing en risicoanalyseJe past data mining toe in marketing of risicoanalyse.
   9. Beperkingen en risico’s van data miningJe benoemt beperkingen en risico’s van data mining.
   10. Praktische voorbeelden en casestudiesJe werkt met praktijkvoorbeelden en casestudies.
8. 8 Data-analyse met programmeertalen Je voert data-analyse uit met Python en maakt gebruik van relevante bibliotheken en alternatieve tools.
   10 lessen

   1. Introductie tot Python voor data-analyseJe maakt kennis met Python als hulpmiddel voor data-analyse.
   2. Gebruik van bibliotheken: Pandas, NumPy, MatplotlibJe gebruikt Pandas, NumPy en Matplotlib voor analyse en visualisatie.
   3. Data importeren en exporterenJe importeert en exporteert data met Python.
   4. Data manipulatie en filteringJe manipuleert en filtert datasets in scripts.
   5. Statistische analyse met PythonJe voert statistische analyses uit met Python.
   6. Visualisatie met Seaborn en PlotlyJe maakt visualisaties met Seaborn en Plotly.
   7. Basis scripting en automatiseringJe schrijft eenvoudige scripts voor automatisering.
   8. Documenteren van analysescriptsJe documenteert je analysescripts voor hergebruik.
   9. Foutafhandeling en debuggingJe lost fouten op in je scripts en debugt waar nodig.
   10. Overzicht alternatieve tools (R, SQL)Je vergelijkt Python met alternatieve tools als R en SQL.
9. 9 Toetsen en valideren van modellen Je toetst en valideert analysemethoden en modellen aan de hand van relevante evaluatiecriteria.
   10 lessen

   1. Train-test splitsing van dataJe splitst data in train- en testsets voor modelvalidatie.
   2. Cross-validatie techniekenJe past cross-validatie toe om modellen te testen.
   3. Evaluatiecriteria: nauwkeurigheid, precisie, recallJe gebruikt nauwkeurigheid, precisie en recall als evaluatiecriteria.
   4. Confusiematrix uitleggenJe legt de werking van een confusiematrix uit.
   5. ROC-curve en AUCJe beoordeelt modellen met behulp van ROC-curve en AUC.
   6. Modelselectie en tuningJe selecteert en stemt modellen af op de dataset.
   7. Bias-variance trade-offJe analyseert de bias-variance trade-off in modellen.
   8. Interpretatie van resultatenJe interpreteert de resultaten van modelvalidatie.
   9. Presenteren van modelvalidatieJe presenteert de uitkomsten van modelvalidatie.
   10. Praktische cases voor toetsingJe oefent met praktische cases voor het toetsen van modellen.
10. 10 Rapporteren en presenteren van data-analyse Je rapporteert en presenteert analyseresultaten helder, afgestemd op je doelgroep en met aandacht voor beperkingen.
    10 lessen

    1. Structuur van een analyserapportJe bouwt een gestructureerd analyserapport op.
    2. Doelgroepgerichte communicatieJe stemt je communicatie af op de doelgroep.
    3. Samenvatten van bevindingen in begrijpelijke taalJe vat bevindingen samen in begrijpelijke taal.
    4. Gebruik van visualisaties in rapportenJe verwerkt visualisaties effectief in rapporten.
    5. Discussie over beperkingen en onzekerhedenJe bespreekt beperkingen en onzekerheden in je analyse.
    6. Aanbevelingen formuleren op basis van dataJe formuleert aanbevelingen op basis van je data.
    7. Voorbereiden van presentatiesJe bereidt presentaties voor van je analyseresultaten.
    8. Effectief gebruik van slides en visualsJe gebruikt slides en visuals om je verhaal te ondersteunen.
    9. Beantwoorden van kritische vragenJe beantwoordt kritische vragen over je analyse.
    10. Reflectie op analyseprocesJe reflecteert op het verloop van je analyseproces.

Je ontwikkelt systemen door analyse, ontwerp, programmeren, testen, implementatie en onderhoud toe te passen.

1. 1 Analyse van systeemvereisten Je brengt systeemvereisten in kaart, verzamelt eisen en stemt deze af met stakeholders.
   10 lessen

   1. In kaart brengen van functionele en niet-functionele eisenJe verzamelt en specificeert eisen die aan het systeem worden gesteld.
   2. Stakeholders identificeren en betrekkenJe bepaalt wie belanghebbenden zijn en betrekt hen bij het proces.
   3. Technieken voor het verzamelen van eisen (interviews, workshops)Je past methoden toe om eisen te verzamelen, zoals interviews en workshops.
   4. Documenteren van requirementsJe legt requirements vast in gestructureerde documentatie.
   5. Prioriteren van systeemvereistenJe stelt prioriteiten binnen de verzamelde systeemvereisten.
   6. Gebruik van use cases en user storiesJe werkt met use cases en user stories om gebruikerswensen te beschrijven.
   7. Begrippen als scope en afbakening begrijpenJe begrenst het project door scope en afbakening te verduidelijken.
   8. Validatie van requirements met stakeholdersJe stemt requirements af en valideert deze met stakeholders.
   9. Impactanalyse van veranderingen in eisenJe onderzoekt de gevolgen van wijzigingen in eisen.
   10. Samenwerken in requirements engineeringJe werkt samen met anderen aan requirements engineering.
2. 2 Systeemarchitectuur en ontwerp Je ontwerpt systeemarchitecturen, kiest technologieën en structureert systemen in componenten.
   10 lessen

   1. Basisprincipes van systeemarchitectuurJe past basisprincipes toe bij het opzetten van een systeemarchitectuur.
   2. Structureren van systemen in modules en componentenJe deelt systemen op in modules en componenten voor overzicht en beheer.
   3. Modelleer technieken (UML-diagrammen, flowcharts)Je gebruikt modellen zoals UML-diagrammen en flowcharts voor ontwerp.
   4. Architectuurpatronen (client-server, MVC, microservices)Je past architectuurpatronen toe, zoals client-server en microservices.
   5. Keuze van technologieën en platformenJe selecteert geschikte technologieën en platformen voor het systeem.
   6. Documenteren van het ontwerpJe legt het systeemontwerp vast in duidelijke documentatie.
   7. Ontwerpprincipes zoals modulariteit, hergebruik en schaalbaarheidJe past ontwerpprincipes toe, zoals modulariteit en schaalbaarheid.
   8. Veiligheids- en performance-aspecten in het ontwerpJe houdt rekening met veiligheid en performance in het ontwerp.
   9. Interface-ontwerp en API-specificatiesJe specificeert interfaces en API’s voor systeemonderdelen.
   10. Review en feedback op systeemontwerpJe vraagt feedback en beoordeelt ontwerpen van systemen.
3. 3 Softwareontwikkeling en programmeren Je programmeert software, werkt met tools en zorgt voor samenwerking en onderhoudbaarheid.
   10 lessen

   1. Basisprincipes van programmerenJe past basisprincipes van programmeren toe in je eigen code.
   2. Objectgeoriënteerd programmeren (OOP)Je gebruikt objectgeoriënteerde technieken bij het ontwikkelen van software.
   3. Werken met programmeertalen (bijv. Java, Python)Je werkt met programmeertalen zoals Java of Python.
   4. Versiebeheer systemen (Git)Je beheert codeversies met tools als Git.
   5. Debugging en foutopsporingJe spoort fouten op en lost deze op in software.
   6. Unit testing en test-driven development (TDD)Je schrijft en gebruikt tests om code te controleren.
   7. Werken met libraries en frameworksJe gebruikt libraries en frameworks om functionaliteit toe te voegen.
   8. Schrijven van duidelijke en onderhoudbare codeJe schrijft duidelijke en onderhoudbare code.
   9. Documenteren van code en gebruiksinstructiesJe documenteert code en schrijft gebruiksinstructies.
   10. Samenwerking in ontwikkelteamsJe werkt effectief samen binnen ontwikkelteams.
4. 4 Databases en databasemanagement Je ontwerpt, beheert en optimaliseert databases en voert analyses uit op data.
   10 lessen

   1. Databasemodellen (relationeel, NoSQL)Je vergelijkt verschillende databasemodellen en past ze toe.
   2. Databaseontwerp en normalisatieJe ontwerpt databasestructuren en past normalisatie toe.
   3. SQL-queries schrijvenJe schrijft SQL-queries om data te bevragen en te beheren.
   4. Databasebeheer en beveiligingJe voert beheer en beveiliging uit op databases.
   5. Integratie van databases met systemenJe koppelt databases aan systemen voor gegevensuitwisseling.
   6. Data migratie en synchronisatieJe migreert en synchroniseert data tussen systemen.
   7. Back-up en recovery proceduresJe stelt back-up en recovery procedures op voor databases.
   8. Performance optimalisatie van databasesJe optimaliseert de performance van databases.
   9. Gebruik van ORM (Object Relational Mapping)Je past ORM-technieken toe voor koppeling met applicaties.
   10. Analyseren en rapporteren van dataJe analyseert data en stelt rapportages op.
5. 5 Testen en kwaliteitszorg Je plant, voert en automatiseert tests uit en bewaakt de kwaliteit van systemen.
   10 lessen

   1. Teststrategieën en testniveausJe kiest passende teststrategieën en testniveaus voor systemen.
   2. Functioneel en niet-functioneel testenJe voert functionele en niet-functionele tests uit.
   3. Testplannen en testcases opstellenJe stelt testplannen en testcases op voor software.
   4. Automatiseren van testsJe automatiseert tests om efficiëntie te verhogen.
   5. Bugtracking en rapportageJe registreert en rapporteert bugs tijdens het testen.
   6. Acceptatietesten met gebruikersJe voert acceptatietests uit samen met gebruikers.
   7. Kwaliteitscriteria en metrics (betrouwbaarheid, performance)Je past kwaliteitscriteria en metrics toe voor betrouwbaarheid.
   8. Review en code-inspectiesJe voert reviews en inspecties uit op code en processen.
   9. Continuous Integration en Continuous Deployment (CI/CD)Je implementeert CI/CD voor continue kwaliteitsbewaking.
   10. Verbeteren van ontwikkelproces via feedbackJe verbetert processen op basis van feedback en testresultaten.
6. 6 Implementatie en uitrol Je plant implementaties, ondersteunt gebruikers en beheert de uitrol van systemen.
   10 lessen

   1. Implementatieplanning en release managementJe stelt een implementatieplan op en beheert releases.
   2. Migratie van bestaande systemenJe voert migraties uit van bestaande naar nieuwe systemen.
   3. Training en ondersteuning van gebruikersJe verzorgt training en ondersteuning voor gebruikers.
   4. ConfiguratiebeheerJe beheert configuraties van systemen tijdens uitrol.
   5. Documentatie van implementatieprocesJe documenteert het implementatieproces zorgvuldig.
   6. Omgaan met implementatierisico’sJe signaleert en beheert risico’s bij implementaties.
   7. Monitoring na uitrolJe monitort systemen na uitrol om werking te controleren.
   8. Incident- en probleemmanagementJe handelt incidenten en problemen na implementatie af.
   9. Rollback proceduresJe voert rollback procedures uit bij problemen.
   10. Evaluatie van implementatieprocesJe evalueert het proces na implementatie voor verbetering.
7. 7 Projectmanagement in systeemontwikkeling Je organiseert systeemontwikkelingsprojecten en bewaakt voortgang, kwaliteit en communicatie.
   10 lessen

   1. Projectfasen binnen systeemontwikkelingJe brengt projectfasen in kaart binnen systeemontwikkeling.
   2. Rollen en verantwoordelijkheden in ontwikkelprojectenJe verdeelt rollen en verantwoordelijkheden in projecten.
   3. Plannen en bewaken van projectvoortgangJe plant en bewaakt de voortgang van projecten.
   4. Risicoanalyse en risicobeheersingJe voert risicoanalyses uit en beheerst risico’s.
   5. Agile methodieken (Scrum, Kanban)Je past agile methodieken toe, zoals Scrum en Kanban.
   6. Communicatie met stakeholdersJe onderhoudt communicatie met stakeholders.
   7. Documentatie en rapportageJe stelt projectdocumentatie en rapportages op.
   8. Change managementJe voert change management uit bij wijzigingen.
   9. Kwaliteitsmanagement binnen projectenJe bewaakt kwaliteitsmanagement binnen projecten.
   10. Evaluatie en lessons learnedJe evalueert projecten en legt lessons learned vast.
8. 8 Beveiliging van systemen Je past beveiligingsmaatregelen toe en houdt rekening met privacy en wetgeving in systemen.
   10 lessen

   1. Basisprincipes van informatiebeveiligingJe past basisprincipes van informatiebeveiliging toe.
   2. Authenticatie en autorisatieJe implementeert authenticatie en autorisatie in systemen.
   3. Encryptie en data privacyJe gebruikt encryptie en waarborgt data privacy.
   4. Beveiligingsrisico’s herkennenJe herkent beveiligingsrisico’s in systemen.
   5. Veilig programmeren en kwetsbaarheden vermijdenJe programmeert veilig en voorkomt kwetsbaarheden.
   6. Beveiligingstesten (penetratietests)Je voert beveiligingstesten uit, zoals penetratietests.
   7. Incidentrespons en -beheerJe handelt beveiligingsincidenten en beheert deze.
   8. Wet- en regelgeving rond privacy (AVG)Je houdt rekening met privacywetgeving zoals de AVG.
   9. Beveiligingsbeleid en richtlijnenJe stelt beveiligingsbeleid en richtlijnen op.
   10. Awareness en training voor gebruikersJe vergroot bewustzijn en traint gebruikers in beveiliging.
9. 9 Onderhoud en doorontwikkeling Je onderhoudt systemen, analyseert aanpassingen en werkt samen aan doorontwikkeling.
   10 lessen

   1. Soorten onderhoud (correctief, adaptief, perfectief)Je past verschillende soorten onderhoud toe op systemen.
   2. Analyseren van onderhoudsbehoeftenJe analyseert welke onderhoudsbehoeften er zijn.
   3. Documenteren van wijzigingenJe documenteert wijzigingen in systemen.
   4. Impactanalyse van aanpassingenJe voert impactanalyses uit bij aanpassingen.
   5. Prioriteren van onderhoudswerkzaamhedenJe stelt prioriteiten in onderhoudswerkzaamheden.
   6. Testen na aanpassingenJe test systemen na het uitvoeren van aanpassingen.
   7. Automatisering van onderhoudstakenJe automatiseert onderhoudstaken waar mogelijk.
   8. Samenwerking met gebruikers en stakeholdersJe werkt samen met gebruikers en stakeholders.
   9. Versiebeheer van softwareJe beheert softwareversies tijdens onderhoud.
   10. Evalueren van onderhoudsprocessenJe evalueert de onderhoudsprocessen periodiek.
10. 10 Innovatie en technologische trends Je onderzoekt technologische trends en beoordeelt de toepasbaarheid voor systeemontwikkeling.
    10 lessen

    1. Nieuwe technologieën en tools in systeemontwikkelingJe verkent nieuwe technologieën en tools in het vakgebied.
    2. Cloud computing en serverless architecturenJe past cloud computing en serverless concepten toe.
    3. Kunstmatige intelligentie en machine learning integrerenJe onderzoekt integratie van AI en machine learning in systemen.
    4. Internet of Things (IoT) en systeemontwikkelingJe bekijkt de rol van IoT in systeemontwikkeling.
    5. DevOps en automatiseringJe past DevOps en automatisering toe in ontwikkelprocessen.
    6. Blockchain toepassingen in systemenJe onderzoekt toepassingen van blockchain in systemen.
    7. Impact van Big Data op systeemontwerpJe analyseert de impact van Big Data op systeemontwerp.
    8. Continuous learning en bijblijven in technologieJe blijft op de hoogte van technologische ontwikkelingen.
    9. Evalueren van nieuwe technologieën voor toepassingJe beoordeelt nieuwe technologieën op geschiktheid voor projecten.
    10. Ethische aspecten van innovatie in ITJe bespreekt ethische vraagstukken rond innovatie in IT.