MHBO ICT en Werken met AI (1 jaar)

Je onderzoekt hoe je informatie effectief beheert, beveiligt, analyseert en toepast binnen organisaties.

1. 1 Inleiding tot informatiemanagement Je verkent de basis van informatiemanagement en de rol ervan binnen organisaties.
   5 lessen

   1. Wat is informatiemanagement? Definitie en belangJe beschrijft wat informatiemanagement inhoudt en waarom organisaties dit inzetten.
   2. De rol van informatiemanagement binnen organisatiesJe onderzoekt hoe informatiemanagement bijdraagt aan de werking van organisaties.
   3. Verschillende soorten informatie: data, informatie, kennisJe onderscheidt data, informatie en kennis en geeft voorbeelden.
   4. Het verschil tussen informatiebeheer en informatiemanagementJe vergelijkt de begrippen informatiebeheer en informatiemanagement.
   5. Trends en ontwikkelingen in informatiemanagementJe signaleert actuele ontwikkelingen en trends in het vakgebied.
2. 2 Informatieprocessen Je bestudeert hoe informatie wordt verzameld, verwerkt, verspreid en beheerd.
   5 lessen

   1. Wat zijn informatieprocessen? Definitie en voorbeeldenJe benoemt wat informatieprocessen zijn en geeft praktijkvoorbeelden.
   2. Het verzamelen van informatie: methoden en techniekenJe past methoden toe om informatie te verzamelen.
   3. Het verwerken van informatie: analysemethodenJe oefent met analysemethoden voor het verwerken van informatie.
   4. Het verspreiden van informatie binnen de organisatieJe onderzoekt hoe informatie intern wordt verspreid.
   5. Het archiveren en beheren van informatieJe leert hoe je informatie archiveert en beheert.
3. 3 Informatiebeveiliging Je leert hoe je informatie beschermt tegen risico’s en welke regels daarvoor gelden.
   5 lessen

   1. Wat is informatiebeveiliging en waarom is het belangrijk?Je benoemt het belang van informatiebeveiliging en de risico’s bij onvoldoende bescherming.
   2. Risico's en bedreigingen voor informatiebeveiligingJe herkent bedreigingen en risico’s voor informatiebeveiliging.
   3. Basisprincipes van beveiligingsbeleidJe past basisprincipes van beveiligingsbeleid toe.
   4. Beveiliging van gegevens: encryptie en toegangbeheerJe onderzoekt hoe encryptie en toegangbeheer gegevens beschermen.
   5. Wettelijke en ethische aspecten van informatiebeveiligingJe bespreekt wettelijke en ethische aspecten van informatiebeveiliging.
4. 4 Databeheer en -analyse Je verdiept je in het verzamelen, beheren en analyseren van data binnen organisaties.
   5 lessen

   1. Wat is databeheer en waarom is het belangrijk?Je legt uit wat databeheer inhoudt en waarom het wordt toegepast.
   2. Methoden voor het verzamelen en opslaan van dataJe past methoden toe voor het verzamelen en opslaan van data.
   3. Basisprincipes van data-analyse en rapportageJe voert basisanalyses uit en maakt rapportages.
   4. Het gebruik van statistische tools en softwareJe gebruikt statistische tools en software voor data-analyse.
   5. Datavisualisatie: technieken en hulpmiddelenJe maakt kennis met technieken voor datavisualisatie.
5. 5 Kennismanagement Je onderzoekt hoe kennis wordt vastgelegd, gedeeld en benut in organisaties.
   5 lessen

   1. Wat is kennismanagement? Definitie en doelstellingenJe beschrijft wat kennismanagement is en welke doelen het dient.
   2. De rol van kennis in organisatiesJe analyseert de rol van kennis in organisaties.
   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 onderzoekt het belang van samenwerking en communicatie bij kennisdeling.
   5. Voorbeelden van succesvolle kennismanagementsystemenJe bekijkt voorbeelden van succesvolle kennismanagementsystemen.
6. 6 Informatiearchitectuur Je leert hoe je informatie logisch structureert en toegankelijk maakt.
   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 oefent met het indelen van informatie via taxonomieën en categorieën.
   3. Het ontwerpen van informatieflows binnen de organisatieJe ontwerpt informatieflows voor organisaties.
   4. Het gebruik van metadata en indexeringJe past metadata en indexering toe om informatie vindbaar te maken.
   5. Voorbeelden van effectieve informatiearchitecturenJe bekijkt voorbeelden van effectieve informatiearchitecturen.
7. 7 Digitale tools en technologieën binnen informatiemanagement Je maakt kennis met digitale hulpmiddelen voor informatiemanagement en hun toepassingen.
   5 lessen

   1. Overzicht van digitale tools voor informatiemanagementJe krijgt een overzicht van digitale tools die je kunt inzetten voor informatiemanagement.
   2. Het gebruik van contentmanagementsystemen (CMS)Je onderzoekt hoe je contentmanagementsystemen gebruikt.
   3. Samenwerkingstools en hun impact op informatiemanagementJe bekijkt hoe samenwerkingstools informatiemanagement beïnvloeden.
   4. Cloudoplossingen en hun voordelen voor informatiebeheerJe leert de voordelen van cloudoplossingen voor informatiebeheer.
   5. Toekomstige technologieën in informatiemanagementJe verkent toekomstige technologieën binnen informatiemanagement.
8. 8 Projectmanagement in informatiemanagement Je past projectmanagementprincipes toe binnen informatiemanagementprojecten.
   5 lessen

   1. Wat is projectmanagement en hoe toepasbaar in informatiemanagement?Je legt uit hoe projectmanagement werkt 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 in een projectcontext.
   4. Risicobeheer in informatiemanagementprojectenJe beheert risico’s bij informatiemanagementprojecten.
   5. Evaluatie en rapportage na projectafrondingJe voert een evaluatie en rapportage uit na projectafronding.
9. 9 Communicatie en rapportage bij informatiemanagement Je ontwikkelt vaardigheden voor duidelijke communicatie en rapportage over informatieprocessen.
   5 lessen

   1. Effectieve communicatiestrategieën binnen informatiemanagementJe past communicatiestrategieën toe voor informatiemanagement.
   2. Het belang van transparantie en toegankelijkheid van informatieJe onderzoekt hoe je informatie transparant en toegankelijk maakt.
   3. Rapportagestructuren en -techniekenJe stelt rapportages op met passende structuren en technieken.
   4. Het gebruik van dashboards en visuele rapportagesJe gebruikt dashboards en visuele rapportages.
   5. Feedbackmechanismen voor informatieprocessenJe past feedbackmechanismen toe op informatieprocessen.
10. 10 Wet- en regelgeving rond informatie Je verdiept je in wet- en regelgeving en ethiek rond informatiebeheer.
    5 lessen

    1. Belangrijke wet- en regelgeving met betrekking tot informatiebeheerJe benoemt relevante wet- en regelgeving voor informatiebeheer.
    2. De impact van privacywetgeving op informatiemanagementJe onderzoekt de invloed van privacywetgeving op informatiemanagement.
    3. Ethische overwegingen bij het omgaan met informatieJe bespreekt ethische overwegingen bij informatiegebruik.
    4. Compliance en audits in informatiemanagementJe leert hoe je compliance en audits uitvoert.
    5. Het opstellen van een compliancebeleidJe stelt een compliancebeleid op voor informatiebeheer.

Je onderzoekt hoe kunstmatige intelligentie werkt, past AI toe in bedrijfsprocessen en leert over ethiek en automatisering.

1. 1 Inleiding tot kunstmatige intelligentie (AI) Je verkent de basis van kunstmatige intelligentie en de invloed ervan op werk en samenleving.
   5 lessen

   1. Wat is kunstmatige intelligentie en waarom is het belangrijk?Je onderzoekt wat kunstmatige intelligentie inhoudt en waarom deze technologie relevant is.
   2. Verschillende soorten AI: zwakke AI, sterke AI, en superintelligentieJe vergelijkt verschillende typen AI en hun kenmerken.
   3. Het verschil tussen machine learning, deep learning en AIJe onderscheidt machine learning, deep learning en AI aan de hand van hun eigenschappen.
   4. Toepassingen van AI in verschillende sectoren (gezondheidszorg, productie, klantenservice)Je bekijkt hoe AI wordt toegepast in uiteenlopende sectoren.
   5. De impact van AI op de werkplek en de samenlevingJe analyseert de effecten van AI op de werkplek en de maatschappij.
2. 2 Basisprincipes van machine learning Je leert de basisprincipes van machine learning en het belang van data bij het trainen van modellen.
   5 lessen

   1. Wat is machine learning en hoe werkt het?Je ontdekt hoe machine learning werkt en welke stappen het proces kent.
   2. Verschil tussen supervised, unsupervised en reinforcement learningJe vergelijkt supervised, unsupervised en reinforcement learning.
   3. Het proces van het trainen van een machine learning-modelJe volgt het proces 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 bestudeert voorbeelden van veelgebruikte machine learning-algoritmes.
3. 3 Deep learning en neural networks Je verdiept je in deep learning en neurale netwerken, en vergelijkt deze met traditionele technieken.
   5 lessen

   1. Wat is deep learning en hoe verschilt het van machine learning?Je onderzoekt de kenmerken van deep learning en het verschil met machine learning.
   2. Basisconcepten van neurale netwerken en hun werkingJe leert hoe neurale netwerken zijn opgebouwd en functioneren.
   3. Verschillende soorten neurale netwerken (bijv. feedforward, convolutioneel, recurrent)Je vergelijkt verschillende soorten neurale netwerken en hun toepassingen.
   4. Het gebruik van deep learning voor beeld- en spraakherkenningJe bekijkt hoe deep learning wordt ingezet voor beeld- en spraakherkenning.
   5. Voor- en nadelen van deep learning in vergelijking met traditionele machine learning-techniekenJe analyseert de voordelen en nadelen van deep learning ten opzichte van andere methoden.
4. 4 Natural Language Processing (NLP) Je onderzoekt hoe AI taal verwerkt en gebruikt wordt voor tekst, chatbots en vertalingen.
   5 lessen

   1. Wat is Natural Language Processing (NLP) en waarom is het belangrijk?Je ontdekt wat Natural Language Processing inhoudt en waarom het relevant is.
   2. Basisprincipes van taalverwerking door AI (taalanalyse, sentimentanalyse)Je leert hoe AI teksten analyseert en sentiment bepaalt.
   3. Het gebruik van NLP voor chatbots, vertalingen en tekstsamenvattingJe bekijkt toepassingen van NLP zoals chatbots en automatische vertalingen.
   4. Machine learning-technieken voor tekstverwerking (bijv. Bag of Words, TF-IDF)Je onderzoekt machine learning-technieken voor het verwerken van tekst.
   5. Vooruitgangen in NLP: van rule-based systemen naar deep learning-gebaseerde benaderingenJe vergelijkt traditionele en moderne benaderingen binnen 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 het belang van goede datavoorbereiding voor AI-projecten.
   2. Verschillende soorten data (gestructureerd, ongestructureerd, semi-gestructureerd)Je onderscheidt verschillende soorten data en hun kenmerken.
   3. Het proces van data-cleaning: omgaan met ontbrekende waarden en ruisJe oefent met het opschonen van data en het omgaan met ontbrekende waarden.
   4. Data normalisatie en standaardisatie voor machine learningJe past normalisatie en standaardisatie toe op datasets.
   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 past AI toe in bedrijfsprocessen zoals automatisering, klantsegmentatie en risicomanagement.
   5 lessen

   1. Toepassingen van AI in bedrijfsprocessen (automatisering, voorspellingen, optimalisatie)Je onderzoekt hoe AI bedrijfsprocessen kan automatiseren en optimaliseren.
   2. AI voor klantsegmentatie en gepersonaliseerde marketingJe bekijkt hoe AI wordt ingezet voor klantsegmentatie en marketing.
   3. AI in voorraadbeheer en supply chain optimalisatieJe analyseert het gebruik van AI in voorraadbeheer en supply chain.
   4. Het gebruik van AI voor voorspellingen en risicomanagementJe leert hoe AI wordt gebruikt voor voorspellingen en risicobeheer.
   5. Voorbeelden van AI-tools voor bedrijfsvoering (bijv. chatbots, predictive analytics, AI-gestuurde CRM)Je maakt kennis met AI-tools die bedrijfsvoering ondersteunen.
7. 7 Ethiek en verantwoordelijkheid in AI Je analyseert ethische vraagstukken, bias en privacy bij het ontwikkelen en toepassen van AI.
   5 lessen

   1. Het belang van ethiek in de ontwikkeling en toepassing van AIJe onderzoekt waarom ethiek belangrijk is bij AI-toepassingen.
   2. De risico's van bias en discriminatie in AI-systemenJe bespreekt de risico's van bias en discriminatie in AI-systemen.
   3. Hoe AI-beslissingen transparant en uitlegbaar kunnen worden gemaaktJe leert hoe je AI-beslissingen transparant en uitlegbaar maakt.
   4. Het waarborgen van privacy en gegevensbeveiliging bij AI-toepassingenJe bekijkt hoe je privacy en gegevensbeveiliging waarborgt bij AI.
   5. Regelgeving en wetgeving rondom AI, zoals GDPR en de AI ActJe krijgt inzicht in relevante regelgeving rondom AI.
8. 8 AI tools en software voor beginners Je maakt kennis met AI-tools en bouwt eenvoudige modellen met toegankelijke software en interfaces.
   5 lessen

   1. Overzicht van populaire AI-tools en -platformen (bijv. TensorFlow, Keras, PyTorch)Je krijgt een overzicht van veelgebruikte AI-tools en platformen.
   2. Het gebruik van grafische gebruikersinterfaces (GUI) voor beginners in AI (bijv. Google Colab, Azure ML)Je leert werken met grafische gebruikersinterfaces voor AI.
   3. Het bouwen van eenvoudige machine learning-modellen met open-source softwareJe bouwt eenvoudige machine learning-modellen met open-source software.
   4. Basisprincipes van coderen voor AI (bijv. Python, R)Je past basisprincipes van coderen toe voor AI-toepassingen.
   5. Het toepassen van kant-en-klare modellen voor tekstverwerking, beeldherkenning en voorspellende analysesJe gebruikt kant-en-klare modellen voor tekst, beeld en voorspellingen.
9. 9 AI en automatisering Je ontdekt hoe AI processen automatiseert en bijdraagt aan efficiëntie en kostenbesparing.
   5 lessen

   1. Wat is procesautomatisering en hoe kan AI hierbij helpen?Je onderzoekt hoe AI procesautomatisering ondersteunt.
   2. Toepassingen van AI in RPA (Robotic Process Automation)Je bekijkt AI-toepassingen binnen Robotic Process Automation.
   3. Het gebruik van AI om repetitieve taken en administratieve processen te automatiserenJe leert hoe AI repetitieve en administratieve taken automatiseert.
   4. Voorbeelden van AI in de klantenservice (chatbots, automatische e-mailrespons)Je analyseert voorbeelden van AI in klantenservice.
   5. De voordelen van automatisering met AI voor efficiëntie en kostenbesparingJe beoordeelt de voordelen van automatisering met AI voor organisaties.
10. 10 Toekomst van AI en de werkplek Je onderzoekt toekomstige AI-technologieën en de gevolgen voor werk, vaardigheden en organisaties.
    5 lessen

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

Je verzamelt, analyseert en visualiseert data en past statistische methoden toe op praktijkgerichte vraagstukken.

1. 1 Introductie data-analyse Je verkent verschillende soorten data, hun waarde en hoe data-analyseprocessen in organisaties verlopen.
   5 lessen

   1. Begrip van data en informatiewaardeJe onderzoekt wat data zijn en hoe je de informatiewaarde van data bepaalt.
   2. Verschil tussen gestructureerde en ongestructureerde dataJe onderscheidt gestructureerde en ongestructureerde data aan de hand van voorbeelden.
   3. Toepassingen van data-analyse in organisatiesJe bekijkt hoe organisaties data-analyse inzetten voor verschillende bedrijfsdoelen.
   4. Data-analyseprocessen en workflowsJe doorloopt de stappen van een data-analyseproces en leert workflows herkennen.
   5. Basisbegrippen: datasets, variabelen, statistiekenJe maakt kennis met datasets, variabelen en basisstatistieken.
2. 2 Dataverzameling en bronnen Je leert waar je data kunt vinden, hoe je data verzamelt en beoordeelt op kwaliteit en ethiek.
   5 lessen

   1. Interne en externe databronnen identificerenJe identificeert interne en externe bronnen voor het verzamelen van relevante data.
   2. Methoden van dataverzamelingJe past verschillende methoden toe om data te verzamelen voor analyse.
   3. Data-import en opslagformaten (CSV, Excel, databases)Je importeert data en kiest het juiste opslagformaat, zoals CSV, Excel of een database.
   4. Kwaliteitscontrole van verzamelde dataJe controleert de kwaliteit van verzamelde data en signaleert mogelijke fouten.
   5. Ethische aspecten bij dataverzamelingJe beoordeelt ethische aspecten bij het verzamelen en gebruiken van data.
3. 3 Data opschonen en voorbereiden Je maakt data geschikt voor analyse door fouten te corrigeren, te standaardiseren en te documenteren.
   5 lessen

   1. Detecteren van ontbrekende of onjuiste gegevensJe spoort ontbrekende of foutieve gegevens op in een dataset.
   2. Normalisatie en standaardisatie van dataJe past normalisatie en standaardisatie toe om data vergelijkbaar te maken.
   3. Verwijderen van duplicaten en inconsistentiesJe verwijdert dubbele of inconsistente gegevens uit de dataset.
   4. Omzetten van data naar bruikbare formatenJe zet data om naar formaten die geschikt zijn voor analyse.
   5. Documenteren van opschoningsprocesJe documenteert de stappen die je neemt tijdens het opschonen van data.
4. 4 Exploratieve data-analyse Je voert verkennende analyses uit, berekent statistieken en herkent patronen in data.
   5 lessen

   1. Basisstatistieken berekenen (gemiddelde, mediaan, modus)Je berekent gemiddelde, mediaan en modus in een dataset.
   2. Visualisatie van data met grafieken en tabellenJe visualiseert data met grafieken en tabellen voor meer inzicht.
   3. Patronen en trends herkennenJe signaleert patronen en trends in de beschikbare data.
   4. Detecteren van afwijkingen en outliersJe ontdekt afwijkingen en outliers in datasets.
   5. Interpretatie van bevindingenJe interpreteert de resultaten van je verkennende analyse.
5. 5 Gebruik van analysetools Je werkt met verschillende analysetools en kiest de juiste toepassing voor jouw analysevraag.
   5 lessen

   1. Werken met Excel voor data-analyseJe voert data-analyses uit met Excel en gebruikt functies voor verwerking.
   2. Introductie tot databasemanagementsystemenJe maakt kennis met databasemanagementsystemen voor het beheren van data.
   3. Basis van Python of R voor data-analyseJe gebruikt basisfuncties van Python of R voor eenvoudige data-analyses.
   4. Gebruik van BI-tools (bijv. Power BI, Tableau)Je past BI-tools toe om data te visualiseren en te analyseren.
   5. Selectie van de juiste tool per analysebehoefteJe selecteert de meest geschikte tool op basis van de analysebehoefte.
6. 6 Statistische basisprincipes Je past statistische basisprincipes toe, zoals kansrekening, correlatie en hypothesetesten.
   5 lessen

   1. Kans en statistische verdelingenJe berekent kansen en herkent verschillende statistische verdelingen.
   2. Correlatie en regressieJe voert correlatie- en regressieanalyses uit op datasets.
   3. Hypothesetesten en betrouwbaarheidsintervallenJe past hypothesetesten toe en werkt met betrouwbaarheidsintervallen.
   4. Data-sampling en representativiteitJe beoordeelt de representativiteit van data met samplingtechnieken.
   5. Interpretatie van statistische resultatenJe interpreteert de uitkomsten van statistische analyses.
7. 7 Data visualisatie en rapportage Je presenteert data op een duidelijke manier en leert resultaten te communiceren aan betrokkenen.
   5 lessen

   1. Keuze van grafiektype passend bij de dataJe kiest passende grafiektypen voor verschillende soorten data.
   2. Dashboards ontwerpen voor inzichtelijke presentatieJe ontwerpt dashboards die inzicht geven in de belangrijkste resultaten.
   3. Gebruik van kleuren en labels voor duidelijkheidJe gebruikt kleuren en labels om grafieken overzichtelijk te maken.
   4. Vertalen van data naar begrijpelijke conclusiesJe vertaalt analyse-uitkomsten naar begrijpelijke conclusies.
   5. Communicatie van resultaten aan stakeholdersJe communiceert resultaten effectief naar collega’s en stakeholders.
8. 8 Trend- en voorspellende analyse Je onderzoekt trends in data en voert eenvoudige voorspellende analyses uit.
   5 lessen

   1. Herkennen van seizoensgebonden patronenJe herkent seizoenspatronen in datasets en benoemt deze.
   2. Introductie tot voorspellende modellenJe maakt kennis met de basis van voorspellende modellen.
   3. Scenarioanalyse en simulaties uitvoerenJe voert scenarioanalyses en simulaties uit met beschikbare data.
   4. Risicoanalyse op basis van dataJe voert risicoanalyses uit op basis van datasetinformatie.
   5. Praktische toepassing van voorspellingenJe past voorspellingen toe in praktijkvoorbeelden.
9. 9 Datakwaliteit en governance Je bewaakt datakwaliteit, beheert datasets en houdt rekening met privacy en beveiliging.
   5 lessen

   1. Datakwaliteit meten en verbeterenJe meet en verbetert de kwaliteit van data in een dataset.
   2. Beheer van datasets en versiecontroleJe beheert datasets en past versiecontrole toe.
   3. Toepassing van bedrijfsregels op dataJe past bedrijfsregels toe op data voor consistentie.
   4. Data privacy en beveiligingJe houdt rekening met privacy en beveiliging bij het werken met data.
   5. Audit en documentatie van analysesJe legt analyses vast en documenteert het proces voor controle.
10. 10 Praktische projecten en casestudies Je past data-analyse toe in praktijkopdrachten en evalueert je eigen analyseproces.
    5 lessen

    1. Analyse van verkoop- en klantdataJe analyseert verkoop- en klantdata aan de hand van een casus.
    2. Optimalisatie van bedrijfsprocessen met dataJe onderzoekt hoe data bedrijfsprocessen kunnen optimaliseren.
    3. Benchmarking en vergelijking van datasetsJe vergelijkt datasets en voert benchmarking uit.
    4. Presentatie van bevindingen aan team/leidingJe presenteert je bevindingen aan je team of leidinggevende.
    5. Evaluatie van analyseproces en resultatenJe evalueert het analyseproces en de behaalde resultaten.

Je ontwikkelt, analyseert en beheert systemen van ontwerp tot implementatie en onderhoud binnen een organisatie.

1. 1 Inleiding tot systeemontwikkeling Je onderzoekt de basis van systeemontwikkeling, de levenscyclus en de rol van ontwikkelaars binnen organisaties.
   5 lessen

   1. Definitie van systeemontwikkeling en het belang ervanJe verkent wat systeemontwikkeling inhoudt en welke rol het speelt binnen organisaties.
   2. Overzicht van de levenscyclus van systeemontwikkelingJe brengt de verschillende fasen van systeemontwikkeling in kaart.
   3. Rol van systeemontwikkelaars binnen een organisatieJe beschrijft de taken en verantwoordelijkheden van systeemontwikkelaars.
   4. Verschil tussen softwareontwikkeling en systeemontwikkelingJe vergelijkt systeemontwikkeling met softwareontwikkeling.
   5. Basisbegrippen zoals software, hardware en netwerkenJe definieert begrippen als software, hardware en netwerken in de context van systeemontwikkeling.
2. 2 Analyseren van systeemvereisten Je leert hoe je systeemvereisten verzamelt, analyseert, documenteert en prioriteert met betrokkenen.
   5 lessen

   1. Het belang van het verzamelen van vereistenJe onderzoekt 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.
   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 documenteert en prioriteert de verzamelde vereisten.
   5. Het betrekken van belanghebbenden bij het vereistenanalyseprocesJe betrekt belanghebbenden actief bij het proces van vereistenanalyse.
3. 3 Ontwerp van systemen Je ontwerpt systemen met behulp van modellen, diagrammen en technische documentatie.
   5 lessen

   1. Basisprincipes van systeemontwerpJe past basisprincipes van systeemontwerp toe op praktijkvoorbeelden.
   2. Verschillende ontwerpmethodenJe vergelijkt verschillende methoden voor het ontwerpen van systemen.
   3. Het maken van flowcharts en diagrammenJe maakt flowcharts en diagrammen om processen te visualiseren.
   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 en het belang van documentatie en versiebeheer.
   5 lessen

   1. Overzicht van veelgebruikte programmeertalenJe verkent veelgebruikte programmeertalen in systeemontwikkeling.
   2. Keuze van ontwikkeltools en IDE’sJe kiest 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 versiebeheer en samenwerkingstools zoals Git.
   5. Het belang van documentatie en commentaar in de codeJe documenteert code en voegt commentaar toe voor duidelijkheid.
5. 5 Implementatie van systemen Je implementeert systemen, voert tests uit en begeleidt gebruikers bij de introductie.
   5 lessen

   1. Het implementeren van softwareoplossingen in een organisatieJe voert softwareoplossingen in binnen een organisatie.
   2. Het belang van testenJe plant en voert verschillende testactiviteiten uit.
   3. Instructies en training voor gebruikersJe geeft instructies en verzorgt training voor gebruikers.
   4. Het maken van implementatieplannen en -schema’sJe stelt implementatieplannen en schema’s op.
   5. Documenteren van de implementatie en eventuele wijzigingenJe legt de implementatie en wijzigingen vast in documentatie.
6. 6 Ondersteuning en onderhoud binnen systeemontwikkeling Je organiseert ondersteuning, onderhoud en continue verbetering van systemen na implementatie.
   5 lessen

   1. Het belang van systeemondersteuning na implementatieJe beschrijft het belang van ondersteuning na de livegang van systemen.
   2. Methoden voor het oplossen van problemen en incidentenbeheerJe past methoden toe voor probleemoplossing en incidentenbeheer.
   3. Regelmatig onderhoud en updates van systemenJe plant en voert regelmatig onderhoud en updates uit.
   4. Het vastleggen van feedback van gebruikers voor verbeteringJe verzamelt en verwerkt feedback van gebruikers voor verbeteringen.
   5. Documenteren van wijzigingen en onderhoudsproceduresJe documenteert wijzigingen en onderhoudsprocedures.
7. 7 Projectmanagement in systeemontwikkeling Je past projectmanagementprincipes toe op systeemontwikkelingsprojecten en werkt samen in teams.
   5 lessen

   1. Basisprincipes van projectmanagement voor systeemontwikkelingJe past basisprincipes van projectmanagement toe op systeemontwikkeling.
   2. Het opstellen van projectplannen en -schema’sJe stelt projectplannen en schema’s op voor systeemprojecten.
   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 binnen het projectteam.
   5. Het belang van teamwork en samenwerking in projectenJe stimuleert teamwork en samenwerking binnen projecten.
8. 8 Kwaliteitsborging in systeemontwikkeling Je waarborgt de kwaliteit van systemen door testplannen, controles en feedbackmechanismen toe te passen.
   5 lessen

   1. Het belang van kwaliteitsmanagement in softwareontwikkelingJe benoemt het belang van kwaliteitsmanagement bij softwareontwikkeling.
   2. Methoden voor kwaliteitsborgingJe past methoden toe voor kwaliteitsborging in projecten.
   3. Het opstellen en gebruiken van testplannenJe stelt testplannen op en gebruikt deze bij systeemontwikkeling.
   4. Het uitvoeren van kwaliteitscontroles en auditsJe voert kwaliteitscontroles en audits uit op systemen.
   5. Feedbackmechanismen voor continue verbeteringJe gebruikt feedbackmechanismen voor verbetering van systemen.
9. 9 Beveiliging van systemen Je herkent beveiligingsrisico’s, past beveiligingsmaatregelen toe en houdt rekening met juridische aspecten.
   5 lessen

   1. Basisprincipes van IT-beveiliging en gegevensbeschermingJe legt basisprincipes van IT-beveiliging en gegevensbescherming uit.
   2. Veelvoorkomende beveiligingsrisico’s en hoe deze te mitigerenJe benoemt veelvoorkomende beveiligingsrisico’s en maatregelen om deze te beperken.
   3. Het belang van authenticatie en autorisatie in systemenJe past authenticatie en autorisatie toe binnen 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 technologische ontwikkelingen en hun invloed op systeemontwikkeling en toekomstige toepassingen.
    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 bespreekt 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 past DevOps en agile methoden toe in systeemontwikkelingsprocessen.
    5. Vooruitblik: de toekomst van systeemontwikkelingJe kijkt vooruit naar toekomstige ontwikkelingen in systeemontwikkeling.