MBO ICT en Werken met AI (1 jaar)

Je past informatiemanagement toe door informatie te verzamelen, beheren, beveiligen en rapporteren in organisaties.

1. 1 Inleiding tot informatiemanagement Je onderzoekt de basis van informatiemanagement en de rol van informatie binnen organisaties.
   5 lessen

   1. Wat is informatiemanagement? Definitie en belangJe definieert informatiemanagement en benoemt waarom het van waarde is.
   2. De rol van informatiemanagement binnen organisatiesJe beschrijft hoe informatiemanagement bijdraagt aan het functioneren van organisaties.
   3. Verschillende soorten informatie: data, informatie, kennisJe onderscheidt data, informatie en kennis in de praktijk.
   4. Het verschil tussen informatiebeheer en informatiemanagementJe vergelijkt informatiebeheer met informatiemanagement aan de hand van voorbeelden.
   5. Trends en ontwikkelingen in informatiemanagementJe signaleert actuele ontwikkelingen en trends binnen informatiemanagement.
2. 2 Informatieprocessen Je brengt informatieprocessen in kaart en oefent met het verzamelen, verwerken en archiveren van informatie.
   5 lessen

   1. Wat zijn informatieprocessen? Definitie en voorbeeldenJe geeft voorbeelden van informatieprocessen en benoemt hun kenmerken.
   2. Het verzamelen van informatie: methoden en techniekenJe past verschillende methoden toe om informatie te verzamelen.
   3. Het verwerken van informatie: analysemethodenJe analyseert informatie met eenvoudige analysetechnieken.
   4. Het verspreiden van informatie binnen de organisatieJe beschrijft hoe informatie wordt verspreid binnen organisaties.
   5. Het archiveren en beheren van informatieJe archiveert en beheert informatie volgens vaste procedures.
3. 3 Informatiebeveiliging Je leert risico’s voor informatiebeveiliging herkennen en toepassen van basismaatregelen.
   5 lessen

   1. Wat is informatiebeveiliging en waarom is het belangrijk?Je benoemt het belang van informatiebeveiliging en geeft voorbeelden uit de praktijk.
   2. Risico's en bedreigingen voor informatiebeveiligingJe herkent risico’s en bedreigingen voor informatiebeveiliging.
   3. Basisprincipes van beveiligingsbeleidJe past basisprincipes van beveiligingsbeleid toe in eenvoudige situaties.
   4. Beveiliging van gegevens: encryptie en toegangbeheerJe gebruikt encryptie en toegangbeheer om gegevens te beschermen.
   5. Wettelijke en ethische aspecten van informatiebeveiligingJe bespreekt wettelijke en ethische aspecten van informatiebeveiliging.
4. 4 Databeheer en -analyse Je beheert en analyseert data en maakt eenvoudige rapportages en visualisaties.
   5 lessen

   1. Wat is databeheer en waarom is het belangrijk?Je beschrijft het belang van databeheer en benoemt de belangrijkste taken.
   2. Methoden voor het verzamelen en opslaan van dataJe verzamelt en slaat data op met passende methoden.
   3. Basisprincipes van data-analyse en rapportageJe voert een eenvoudige data-analyse uit en stelt een rapportage op.
   4. Het gebruik van statistische tools en softwareJe gebruikt basisstatistiek en software om data te verwerken.
   5. Datavisualisatie: technieken en hulpmiddelenJe maakt eenvoudige datavisualisaties met beschikbare hulpmiddelen.
5. 5 Kennismanagement Je legt kennis vast en deelt deze effectief binnen een organisatie.
   5 lessen

   1. Wat is kennismanagement? Definitie en doelstellingenJe definieert kennismanagement en benoemt de doelstellingen ervan.
   2. De rol van kennis in organisatiesJe beschrijft de rol van kennis in organisaties en geeft voorbeelden.
   3. Methoden voor het vastleggen en delen van kennisJe past methoden toe om kennis vast te leggen en te delen.
   4. Het belang van samenwerking en communicatie in kennismanagementJe stimuleert samenwerking en communicatie bij kennisdeling.
   5. Voorbeelden van succesvolle kennismanagementsystemenJe analyseert voorbeelden van succesvolle kennismanagementsystemen.
6. 6 Informatiearchitectuur Je structureert informatie en ontwerpt eenvoudige informatiearchitecturen.
   5 lessen

   1. Wat is informatiearchitectuur en waarom is het belangrijk?Je legt uit wat informatiearchitectuur is en waarom structuur nodig is.
   2. Structureren van informatie: taxonomieën en categorisatiesJe past taxonomieën en categorisaties toe om informatie te ordenen.
   3. Het ontwerpen van informatieflows binnen de organisatieJe ontwerpt een eenvoudige informatieflow binnen een organisatie.
   4. Het gebruik van metadata en indexeringJe gebruikt metadata en indexering om informatie terugvindbaar te maken.
   5. Voorbeelden van effectieve informatiearchitecturenJe bespreekt voorbeelden van effectieve informatiearchitecturen.
7. 7 Digitale tools en technologieën binnen informatiemanagement Je maakt kennis met digitale tools en technologieën voor informatiemanagement.
   5 lessen

   1. Overzicht van digitale tools voor informatiemanagementJe krijgt een overzicht van digitale hulpmiddelen voor informatiemanagement.
   2. Het gebruik van contentmanagementsystemen (CMS)Je gebruikt een contentmanagementsysteem voor het beheren van informatie.
   3. Samenwerkingstools en hun impact op informatiemanagementJe onderzoekt samenwerkingstools en hun invloed op het werkproces.
   4. Cloudoplossingen en hun voordelen voor informatiebeheerJe benoemt voordelen van cloudoplossingen voor informatiebeheer.
   5. Toekomstige technologieën in informatiemanagementJe verkent toekomstige technologieën binnen informatiemanagement.
8. 8 Projectmanagement in informatiemanagement Je past projectmanagement toe op informatiemanagement en coördineert projecten.
   5 lessen

   1. Wat is projectmanagement en hoe toepasbaar in informatiemanagement?Je beschrijft projectmanagement en de toepassing binnen informatiemanagement.
   2. Het opstellen van projectplannen voor informatiemanagementprojectenJe stelt een projectplan op voor een informatiemanagementproject.
   3. Het coördineren van teams en middelenJe coördineert teams en middelen tijdens een project.
   4. Risicobeheer in informatiemanagementprojectenJe beheert risico’s in projecten rond informatiemanagement.
   5. Evaluatie en rapportage na projectafrondingJe evalueert projecten en maakt een rapportage na afronding.
9. 9 Communicatie en rapportage bij informatiemanagement Je communiceert effectief en stelt rapportages op binnen informatiemanagement.
   5 lessen

   1. Effectieve communicatiestrategieën binnen informatiemanagementJe past communicatiestrategieën toe voor het delen van informatie.
   2. Het belang van transparantie en toegankelijkheid van informatieJe waarborgt transparantie en toegankelijkheid van informatie.
   3. Rapportagestructuren en -techniekenJe stelt rapportages op met behulp van vaste structuren en technieken.
   4. Het gebruik van dashboards en visuele rapportagesJe gebruikt dashboards en visuele rapportages om informatie te presenteren.
   5. Feedbackmechanismen voor informatieprocessenJe past feedbackmechanismen toe op informatieprocessen.
10. 10 Wet- en regelgeving rond informatie Je past relevante wet- en regelgeving toe en stelt een compliancebeleid op.
    5 lessen

    1. Belangrijke wet- en regelgeving met betrekking tot informatiebeheerJe benoemt belangrijke wet- en regelgeving voor informatiebeheer.
    2. De impact van privacywetgeving op informatiemanagementJe beschrijft de gevolgen van privacywetgeving voor informatiemanagement.
    3. Ethische overwegingen bij het omgaan met informatieJe bespreekt ethische overwegingen bij het omgaan met informatie.
    4. Compliance en audits in informatiemanagementJe voert een eenvoudige compliance-audit uit in informatiemanagement.
    5. Het opstellen van een compliancebeleidJe stelt een basis compliancebeleid op voor informatiebeheer.

Je maakt kennis met kunstmatige intelligentie en past basisprincipes van AI en automatisering toe in je dagelijkse werk.

1. 1 Inleiding tot kunstmatige intelligentie (AI) Je onderzoekt de basis van AI, de verschillende soorten en de invloed van AI op werk en samenleving.
   5 lessen

   1. Wat is kunstmatige intelligentie en waarom is het belangrijk?Je verkent wat AI inhoudt en waar je het in het dagelijks leven en op het werk tegenkomt.
   2. Verschillende soorten AI: zwakke AI, sterke AI, en superintelligentieJe onderscheidt zwakke, sterke AI en superintelligentie en vergelijkt hun toepassingen.
   3. Het verschil tussen machine learning, deep learning en AIJe legt uit wat machine learning en deep learning zijn en hoe deze zich tot AI verhouden.
   4. Toepassingen van AI in verschillende sectoren (gezondheidszorg, productie, klantenservice)Je bekijkt concrete voorbeelden van AI in sectoren als zorg, productie en dienstverlening.
   5. De impact van AI op de werkplek en de samenlevingJe bespreekt hoe AI werk verandert en welke effecten dit heeft op de samenleving.
2. 2 Basisprincipes van machine learning Je leert hoe machine learning werkt, welke soorten er zijn en hoe data het leerproces beïnvloeden.
   5 lessen

   1. Wat is machine learning en hoe werkt het?Je beschrijft de werking van machine learning aan de hand van herkenbare voorbeelden.
   2. Verschil tussen supervised, unsupervised en reinforcement learningJe vergelijkt supervised, unsupervised en reinforcement learning en benoemt hun verschillen.
   3. Het proces van het trainen van een machine learning-modelJe volgt de stappen van het trainen van een machine learning-model.
   4. De rol van data bij machine learning (training en testdata)Je onderzoekt het belang van goede data voor het trainen en testen van modellen.
   5. Voorbeelden van machine learning-algoritmes (bijv. lineaire regressie, beslissingsbomen)Je herkent eenvoudige machine learning-algoritmes en hun toepassingen.
3. 3 Deep learning en neural networks Je verdiept je in deep learning, neurale netwerken en hun rol bij beeld- en spraakherkenning.
   5 lessen

   1. Wat is deep learning en hoe verschilt het van machine learning?Je onderzoekt wat deep learning inhoudt en hoe het zich onderscheidt van machine learning.
   2. Basisconcepten van neurale netwerken en hun werkingJe maakt kennis met de werking van neurale netwerken en hun basisprincipes.
   3. Verschillende soorten neurale netwerken (bijv. feedforward, convolutioneel, recurrent)Je vergelijkt verschillende typen neurale netwerken en hun toepassingen.
   4. Het gebruik van deep learning voor beeld- en spraakherkenningJe ziet hoe deep learning wordt ingezet voor beeld- en spraakherkenning.
   5. Voor- en nadelen van deep learning in vergelijking met traditionele machine learning-techniekenJe benoemt de voordelen en nadelen van deep learning ten opzichte van andere technieken.
4. 4 Natural Language Processing (NLP) Je onderzoekt hoe AI taal verwerkt, hoe NLP werkt en welke toepassingen er zijn voor tekst en spraak.
   5 lessen

   1. Wat is Natural Language Processing (NLP) en waarom is het belangrijk?Je ontdekt hoe AI menselijke taal kan begrijpen en verwerken.
   2. Basisprincipes van taalverwerking door AI (taalanalyse, sentimentanalyse)Je leert hoe AI tekst analyseert en sentiment in taal kan herkennen.
   3. Het gebruik van NLP voor chatbots, vertalingen en tekstsamenvattingJe ziet hoe NLP wordt gebruikt voor chatbots, vertalingen en samenvattingen.
   4. Machine learning-technieken voor tekstverwerking (bijv. Bag of Words, TF-IDF)Je maakt kennis met machine learning-technieken voor tekstverwerking.
   5. Vooruitgangen in NLP: van rule-based systemen naar deep learning-gebaseerde benaderingenJe volgt de ontwikkeling van traditionele naar deep learning-methoden in NLP.
5. 5 Data voorbereiding en verwerking voor AI Je leert hoe je data voorbereidt, schoonmaakt en analyseert voor gebruik in AI-toepassingen.
   5 lessen

   1. Het belang van datavoorbereiding in AI-projectenJe onderzoekt waarom goede datavoorbereiding belangrijk is voor AI-projecten.
   2. Verschillende soorten data (gestructureerd, ongestructureerd, semi-gestructureerd)Je herkent verschillende soorten data en hun rol in AI-processen.
   3. Het proces van data-cleaning: omgaan met ontbrekende waarden en ruisJe oefent met het opschonen van data en het omgaan met onvolledige gegevens.
   4. Data normalisatie en standaardisatie voor machine learningJe past technieken toe om data te normaliseren en te standaardiseren.
   5. Het belang van data-analyse voor het begrijpen van patronen en trendsJe analyseert data om patronen en trends te herkennen.
6. 6 AI in bedrijfsprocessen Je ontdekt hoe AI bedrijfsprocessen ondersteunt, van automatisering tot klantanalyse en risicomanagement.
   5 lessen

   1. Toepassingen van AI in bedrijfsprocessen (automatisering, voorspellingen, optimalisatie)Je bekijkt hoe AI wordt ingezet voor automatisering, voorspellingen en optimalisatie.
   2. AI voor klantsegmentatie en gepersonaliseerde marketingJe onderzoekt hoe AI klantsegmentatie en gepersonaliseerde marketing mogelijk maakt.
   3. AI in voorraadbeheer en supply chain optimalisatieJe ziet hoe AI voorraadbeheer en supply chain optimaliseert.
   4. Het gebruik van AI voor voorspellingen en risicomanagementJe past AI toe voor voorspellingen en het inschatten van risico's.
   5. Voorbeelden van AI-tools voor bedrijfsvoering (bijv. chatbots, predictive analytics, AI-gestuurde CRM)Je maakt kennis met praktische AI-tools voor bedrijfsvoering.
7. 7 Ethiek en verantwoordelijkheid in AI Je onderzoekt ethische kwesties, privacy en regelgeving rond het gebruik van AI in organisaties.
   5 lessen

   1. Het belang van ethiek in de ontwikkeling en toepassing van AIJe bespreekt waarom ethiek een rol speelt bij het ontwikkelen en toepassen van AI.
   2. De risico's van bias en discriminatie in AI-systemenJe herkent risico's van bias en discriminatie in AI-systemen.
   3. Hoe AI-beslissingen transparant en uitlegbaar kunnen worden gemaaktJe leert hoe AI-beslissingen transparant en uitlegbaar kunnen zijn.
   4. Het waarborgen van privacy en gegevensbeveiliging bij AI-toepassingenJe onderzoekt hoe je privacy en gegevensbeveiliging waarborgt bij AI-gebruik.
   5. Regelgeving en wetgeving rondom AI, zoals GDPR en de AI ActJe maakt kennis met regelgeving zoals GDPR en de AI Act.
8. 8 AI tools en software voor beginners Je maakt kennis met veelgebruikte AI-tools, leert eenvoudige modellen bouwen en past bestaande oplossingen toe.
   5 lessen

   1. Overzicht van populaire AI-tools en -platformen (bijv. TensorFlow, Keras, PyTorch)Je krijgt een overzicht van toegankelijke AI-tools en -platformen.
   2. Het gebruik van grafische gebruikersinterfaces (GUI) voor beginners in AI (bijv. Google Colab, Azure ML)Je werkt met grafische interfaces voor het uitvoeren van AI-taken.
   3. Het bouwen van eenvoudige machine learning-modellen met open-source softwareJe bouwt een eenvoudig machine learning-model met open-source software.
   4. Basisprincipes van coderen voor AI (bijv. Python, R)Je leert basisprincipes van coderen voor AI-toepassingen.
   5. Het toepassen van kant-en-klare modellen voor tekstverwerking, beeldherkenning en voorspellende analysesJe gebruikt kant-en-klare AI-modellen voor tekst, beeld en voorspellingen.
9. 9 AI en automatisering Je onderzoekt hoe AI processen automatiseert en welke voordelen dit biedt voor dagelijkse werkzaamheden.
   5 lessen

   1. Wat is procesautomatisering en hoe kan AI hierbij helpen?Je bekijkt hoe AI kan bijdragen aan het automatiseren van processen.
   2. Toepassingen van AI in RPA (Robotic Process Automation)Je ontdekt toepassingen van AI binnen Robotic Process Automation.
   3. Het gebruik van AI om repetitieve taken en administratieve processen te automatiserenJe past AI toe om repetitieve en administratieve taken te automatiseren.
   4. Voorbeelden van AI in de klantenservice (chatbots, automatische e-mailrespons)Je ziet hoe AI wordt gebruikt in klantenservice, bijvoorbeeld via chatbots.
   5. De voordelen van automatisering met AI voor efficiëntie en kostenbesparingJe benoemt de voordelen van automatisering met AI voor efficiëntie en kosten.
10. 10 Toekomst van AI en de werkplek Je kijkt vooruit naar nieuwe AI-technologieën en de gevolgen daarvan voor werk, vaardigheden en organisaties.
    5 lessen

    1. De opkomende technologieën in AI, zoals autonome voertuigen en smart citiesJe maakt kennis met opkomende AI-technologieën zoals autonome voertuigen en smart cities.
    2. Hoe AI de werkplek zal veranderen: nieuwe banen en vaardighedenJe onderzoekt hoe AI de werkplek verandert en welke nieuwe vaardigheden nodig zijn.
    3. Het belang van levenlang leren en het aanpassen aan AI-gedreven veranderingenJe bespreekt het belang van blijven leren en aanpassen aan AI-veranderingen.
    4. De impact van AI op verschillende industrieën en sectorenJe analyseert de impact van AI op verschillende sectoren.
    5. Het ontwikkelen van een toekomstbestendige AI-strategie voor organisatiesJe ontwikkelt ideeën voor een toekomstbestendige AI-strategie binnen organisaties.

Je past methoden toe voor het verzamelen, analyseren, opschonen en rapporteren van data binnen een organisatie.

1. 1 Introductie data-analyse Je onderzoekt wat data-analyse inhoudt en hoe organisaties data inzetten voor informatie en besluitvorming.
   5 lessen

   1. Begrip van data en informatiewaardeJe onderzoekt wat data is en beoordeelt hoe data waardevol wordt als informatie.
   2. Verschil tussen gestructureerde en ongestructureerde dataJe vergelijkt gestructureerde en ongestructureerde data en herkent de verschillen in gebruik.
   3. Toepassingen van data-analyse in organisatiesJe bekijkt voorbeelden van data-analyse in organisaties en bespreekt mogelijke toepassingen.
   4. Data-analyseprocessen en workflowsJe beschrijft de stappen en workflows die horen bij een data-analyseproces.
   5. Basisbegrippen: datasets, variabelen, statistiekenJe benoemt en gebruikt basisbegrippen zoals datasets, variabelen en statistieken.
2. 2 Dataverzameling en bronnen Je leert waar je data vandaan haalt, hoe je data verzamelt en beoordeelt op kwaliteit en ethiek.
   5 lessen

   1. Interne en externe databronnen identificerenJe identificeert interne en externe databronnen die relevant zijn voor je analyse.
   2. Methoden van dataverzamelingJe past verschillende methoden toe om data te verzamelen uit diverse bronnen.
   3. Data-import en opslagformaten (CSV, Excel, databases)Je importeert data en slaat deze op in formaten als CSV, Excel of databases.
   4. Kwaliteitscontrole van verzamelde dataJe controleert de kwaliteit van de verzamelde data en signaleert mogelijke problemen.
   5. Ethische aspecten bij dataverzamelingJe bespreekt ethische aandachtspunten bij het verzamelen en verwerken van data.
3. 3 Data opschonen en voorbereiden Je maakt data geschikt voor analyse door fouten op te sporen, te corrigeren en het proces te documenteren.
   5 lessen

   1. Detecteren van ontbrekende of onjuiste gegevensJe spoort ontbrekende of onjuiste gegevens op in een dataset en onderneemt actie.
   2. Normalisatie en standaardisatie van dataJe past normalisatie en standaardisatie toe om data eenduidig te maken.
   3. Verwijderen van duplicaten en inconsistentiesJe verwijdert dubbele en inconsistente gegevens uit je dataset.
   4. Omzetten van data naar bruikbare formatenJe zet data om naar formaten die geschikt zijn voor analyse.
   5. Documenteren van opschoningsprocesJe legt vast welke stappen je hebt genomen tijdens het opschonen van data.
4. 4 Exploratieve data-analyse Je onderzoekt data door statistieken te berekenen, patronen te herkennen en resultaten te interpreteren.
   5 lessen

   1. Basisstatistieken berekenen (gemiddelde, mediaan, modus)Je berekent basisstatistieken zoals gemiddelde, mediaan en modus voor een dataset.
   2. Visualisatie van data met grafieken en tabellenJe maakt grafieken en tabellen om data overzichtelijk te presenteren.
   3. Patronen en trends herkennenJe signaleert patronen en trends in de data en benoemt deze.
   4. Detecteren van afwijkingen en outliersJe detecteert afwijkingen of outliers in de dataset en onderzoekt de oorzaak.
   5. Interpretatie van bevindingenJe interpreteert de bevindingen uit je analyse en trekt conclusies.
5. 5 Gebruik van analysetools Je werkt met verschillende analysetools en kiest het juiste hulpmiddel voor een specifieke data-analyse.
   5 lessen

   1. Werken met Excel voor data-analyseJe gebruikt Excel om data te analyseren en eenvoudige berekeningen uit te voeren.
   2. Introductie tot databasemanagementsystemenJe maakt kennis met databasemanagementsystemen en hun rol in data-analyse.
   3. Basis van Python of R voor data-analyseJe voert basisanalyses uit met Python of R voor eenvoudige dataverwerking.
   4. Gebruik van BI-tools (bijv. Power BI, Tableau)Je past BI-tools toe om data te visualiseren en te presenteren.
   5. Selectie van de juiste tool per analysebehoefteJe beoordeelt welke analysetool geschikt is voor verschillende analysetaken.
6. 6 Statistische basisprincipes Je past statistische basisprincipes toe om verbanden te onderzoeken en resultaten te interpreteren.
   5 lessen

   1. Kans en statistische verdelingenJe berekent kansen en herkent verschillende statistische verdelingen in data.
   2. Correlatie en regressieJe onderzoekt de relatie tussen variabelen met correlatie en regressie.
   3. Hypothesetesten en betrouwbaarheidsintervallenJe voert hypothesetesten uit en bepaalt betrouwbaarheidsintervallen.
   4. Data-sampling en representativiteitJe past data-sampling toe en beoordeelt de representativiteit van je steekproef.
   5. Interpretatie van statistische resultatenJe interpreteert de uitkomsten van statistische analyses.
7. 7 Data visualisatie en rapportage Je presenteert data duidelijk met passende visualisaties en communiceert resultaten aan betrokkenen.
   5 lessen

   1. Keuze van grafiektype passend bij de dataJe kiest het juiste grafiektype voor het weergeven van verschillende soorten data.
   2. Dashboards ontwerpen voor inzichtelijke presentatieJe ontwerpt dashboards die informatie overzichtelijk presenteren.
   3. Gebruik van kleuren en labels voor duidelijkheidJe gebruikt kleuren en labels om grafieken en tabellen begrijpelijk te maken.
   4. Vertalen van data naar begrijpelijke conclusiesJe vertaalt data naar heldere conclusies voor niet-technische lezers.
   5. Communicatie van resultaten aan stakeholdersJe communiceert resultaten effectief aan teamleden en andere stakeholders.
8. 8 Trend- en voorspellende analyse Je onderzoekt trends, voert scenarioanalyses uit en past voorspellende modellen toe op datasets.
   5 lessen

   1. Herkennen van seizoensgebonden patronenJe herkent seizoenspatronen in data en benoemt deze.
   2. Introductie tot voorspellende modellenJe maakt kennis met eenvoudige voorspellende modellen en hun toepassing.
   3. Scenarioanalyse en simulaties uitvoerenJe voert scenarioanalyses en simulaties uit op basis van data.
   4. Risicoanalyse op basis van dataJe voert risicoanalyses uit met behulp van beschikbare data.
   5. Praktische toepassing van voorspellingenJe past voorspellingen toe op praktische situaties.
9. 9 Datakwaliteit en governance Je waarborgt de kwaliteit, veiligheid en het beheer van data binnen een organisatie.
   5 lessen

   1. Datakwaliteit meten en verbeterenJe meet en verbetert de kwaliteit van datasets volgens vaste criteria.
   2. Beheer van datasets en versiecontroleJe beheert datasets en houdt versies bij om wijzigingen te kunnen volgen.
   3. Toepassing van bedrijfsregels op dataJe past bedrijfsregels toe op data om consistentie te waarborgen.
   4. Data privacy en beveiligingJe neemt maatregelen om data privacy en beveiliging te garanderen.
   5. Audit en documentatie van analysesJe documenteert analyses en voert audits uit op het analyseproces.
10. 10 Praktische projecten en casestudies Je voert praktijkopdrachten uit met echte data en presenteert je bevindingen aan anderen.
    5 lessen

    1. Analyse van verkoop- en klantdataJe analyseert verkoop- en klantgegevens en trekt concrete conclusies.
    2. Optimalisatie van bedrijfsprocessen met dataJe onderzoekt hoe data bedrijfsprocessen kan verbeteren.
    3. Benchmarking en vergelijking van datasetsJe vergelijkt datasets en voert benchmarking uit.
    4. Presentatie van bevindingen aan team/leidingJe presenteert je analyse en bevindingen aan je team of leidinggevende.
    5. Evaluatie van analyseproces en resultatenJe evalueert het analyseproces en de behaalde resultaten.

Je leert systemen analyseren, ontwerpen, implementeren en onderhouden binnen het vakgebied ICT.

1. 1 Inleiding tot systeemontwikkeling Je onderzoekt wat systeemontwikkeling inhoudt en welke rollen en basisbegrippen in het vakgebied centraal staan.
   5 lessen

   1. Definitie van systeemontwikkeling en het belang ervanJe verkent wat systeemontwikkeling inhoudt en welke doelen ermee worden nagestreefd.
   2. Overzicht van de levenscyclus van systeemontwikkelingJe brengt de verschillende fasen van een systeemlevenscyclus in kaart.
   3. Rol van systeemontwikkelaars binnen een organisatieJe onderzoekt de taken en verantwoordelijkheden van systeemontwikkelaars in organisaties.
   4. Verschil tussen softwareontwikkeling en systeemontwikkelingJe vergelijkt softwareontwikkeling met systeemontwikkeling en benoemt de verschillen.
   5. Basisbegrippen zoals software, hardware en netwerkenJe herkent de begrippen software, hardware en netwerken en legt hun samenhang uit.
2. 2 Analyseren van systeemvereisten Je leert hoe je systeemvereisten verzamelt, analyseert, documenteert en prioriteert met belanghebbenden.
   5 lessen

   1. Het belang van het verzamelen van vereistenJe beschrijft waarom het verzamelen van vereisten belangrijk is voor succesvolle systemen.
   2. Methoden voor het verzamelen van vereisteJe past verschillende methoden toe om vereisten te verzamelen bij gebruikers en stakeholders.
   3. Het opstellen van functionele en niet-functionele vereistenJe stelt functionele en niet-functionele vereisten op voor een systeem.
   4. Documenteren en prioriteren van vereistenJe legt vast welke vereisten prioriteit krijgen en documenteert deze gestructureerd.
   5. Het betrekken van belanghebbenden bij het vereistenanalyseprocesJe betrekt belanghebbenden actief bij het analyseren van vereisten.
3. 3 Ontwerp van systemen Je verdiept je in ontwerpprincipes, ontwerpmethoden en het maken van technische documentatie voor systemen.
   5 lessen

   1. Basisprincipes van systeemontwerpJe past basisprincipes van systeemontwerp toe op een casus.
   2. Verschillende ontwerpmethodenJe vergelijkt verschillende ontwerpmethoden en kiest een passende aanpak.
   3. Het maken van flowcharts en diagrammenJe maakt flowcharts en diagrammen om systeemprocessen visueel weer te geven.
   4. Het opstellen van een technisch ontwerpdocumentJe stelt een technisch ontwerpdocument op voor een systeem.
   5. Beoordelen van ontwerpalternatieven en maken van keuzesJe beoordeelt alternatieven en maakt onderbouwde ontwerpkeuzes.
4. 4 Programmeertalen en ontwikkeltools Je maakt kennis met programmeertalen, ontwikkeltools, versiebeheer en het belang van goede documentatie.
   5 lessen

   1. Overzicht van veelgebruikte programmeertalenJe krijgt een overzicht van veelgebruikte programmeertalen en hun toepassingen.
   2. Keuze van ontwikkeltools en IDE’sJe selecteert geschikte ontwikkeltools en IDE’s voor verschillende projecten.
   3. Basisprincipes van coderen en software-architectuurJe past basisprincipes van coderen en software-architectuur toe.
   4. Versiebeheer en samenwerking met tools zoals GitJe werkt met versiebeheertools zoals Git voor samenwerking aan code.
   5. Het belang van documentatie en commentaar in de codeJe legt het belang van duidelijke documentatie en commentaar in code uit.
5. 5 Implementatie van systemen Je leert hoe je systemen implementeert, test, gebruikers instrueert en wijzigingen documenteert.
   5 lessen

   1. Het implementeren van softwareoplossingen in een organisatieJe voert de implementatie van softwareoplossingen binnen een organisatie uit.
   2. Het belang van testenJe plant en voert tests uit om de werking van systemen te controleren.
   3. Instructies en training voor gebruikersJe stelt instructies op en verzorgt training voor gebruikers.
   4. Het maken van implementatieplannen en -schema’sJe maakt implementatieplannen en schema’s voor een gestructureerde uitrol.
   5. Documenteren van de implementatie en eventuele wijzigingenJe documenteert de implementatie en houdt wijzigingen bij.
6. 6 Ondersteuning en onderhoud binnen systeemontwikkeling Je richt je op het ondersteunen, onderhouden en verbeteren van systemen na implementatie.
   5 lessen

   1. Het belang van systeemondersteuning na implementatieJe beschrijft waarom ondersteuning na implementatie nodig is.
   2. Methoden voor het oplossen van problemen en incidentenbeheerJe past methoden toe voor het oplossen van problemen en incidentenbeheer.
   3. Regelmatig onderhoud en updates van systemenJe voert regelmatig onderhoud en updates uit aan systemen.
   4. Het vastleggen van feedback van gebruikers voor verbeteringJe verzamelt en verwerkt feedback van gebruikers ter verbetering.
   5. Documenteren van wijzigingen en onderhoudsproceduresJe legt wijzigingen en onderhoudsprocedures vast in documentatie.
7. 7 Projectmanagement in systeemontwikkeling Je past projectmanagementprincipes toe bij systeemontwikkeling en werkt samen in projectteams.
   5 lessen

   1. Basisprincipes van projectmanagement voor systeemontwikkelingJe maakt kennis met de basisprincipes van projectmanagement voor systeemontwikkeling.
   2. Het opstellen van projectplannen en -schema’sJe stelt projectplannen en schema’s op voor het uitvoeren van projecten.
   3. Het beheer van risico’s en veranderingen in projectenJe beheert risico’s en veranderingen tijdens projecten.
   4. Communicatie en rapportage binnen het projectteamJe communiceert en rapporteert effectief binnen het projectteam.
   5. Het belang van teamwork en samenwerking in projectenJe werkt samen en bevordert teamwork in projecten.
8. 8 Kwaliteitsborging in systeemontwikkeling Je onderzoekt kwaliteitsmanagement, testmethoden en feedbackmechanismen binnen systeemontwikkeling.
   5 lessen

   1. Het belang van kwaliteitsmanagement in softwareontwikkelingJe beschrijft het belang van kwaliteitsmanagement voor softwareontwikkeling.
   2. Methoden voor kwaliteitsborgingJe past methoden toe om de kwaliteit van systemen te waarborgen.
   3. Het opstellen en gebruiken van testplannenJe stelt testplannen op en gebruikt deze bij kwaliteitscontroles.
   4. Het uitvoeren van kwaliteitscontroles en auditsJe voert kwaliteitscontroles en audits uit.
   5. Feedbackmechanismen voor continue verbeteringJe past feedbackmechanismen toe voor voortdurende verbetering.
9. 9 Beveiliging van systemen Je leert de basis van IT-beveiliging, risicobeheersing, testen en juridische aspecten van systeembeveiliging.
   5 lessen

   1. Basisprincipes van IT-beveiliging en gegevensbeschermingJe benoemt de basisprincipes van IT-beveiliging en gegevensbescherming.
   2. Veelvoorkomende beveiligingsrisico’s en hoe deze te mitigerenJe herkent veelvoorkomende beveiligingsrisico’s en past maatregelen toe om deze te beperken.
   3. Het belang van authenticatie en autorisatie in systemenJe legt uit waarom authenticatie en autorisatie belangrijk zijn in systemen.
   4. Beveiligingstests en kwetsbaarheidsanalysesJe voert beveiligingstests en kwetsbaarheidsanalyses uit.
   5. Juridische en ethische aspecten van systeembeveiligingJe bespreekt juridische en ethische aspecten van systeembeveiliging.
10. 10 Trends en innovaties in systeemontwikkeling Je onderzoekt actuele trends, nieuwe technologieën en ontwikkelingen binnen systeemontwikkeling.
    5 lessen

    1. Opkomende technologieën en hun impact op systeemontwikkelingJe analyseert de impact van opkomende technologieën op systeemontwikkeling.
    2. Het belang van cloud computing en SaaSJe onderzoekt de rol van cloud computing en SaaS in moderne systemen.
    3. De rol van kunstmatige intelligentie en machine learningJe verkent toepassingen van kunstmatige intelligentie en machine learning.
    4. Het gebruik van DevOps en agile methodologieënJe maakt kennis met DevOps en agile methodologieën.
    5. Vooruitblik: de toekomst van systeemontwikkelingJe kijkt vooruit naar toekomstige ontwikkelingen in systeemontwikkeling.