Opleiding: Training Data Mining

Wil je waarde uit grote hoeveelheden data kunnen halen voor betere business-beslissingen? In deze training leg je een stevige basis in data mining: je maakt kennis met de beschikbare methoden, modellen, algoritmen en tools, en leert het CRISP-DM-model op een praktijkcase toe te passen, van business understanding tot en met deployment. Hierdoor ben je in staat om een data-analysetraject gestructureerd op te zetten en de juiste techniek bij elk scenario te kiezen.

Algemene omschrijving

Organisaties beschikken over enorme hoeveelheden data waarmee ze hun strategie en processen kunnen bijsturen, maar die data levert pas iets op als je haar weet om te zetten in bruikbare informatie. Data mining is het geheel van methoden, processen, tools en vaardigheden waarmee je dat doet. Tijdens deze training maak je kennis met diverse data-analysetechnieken en doorgrond je hoe je data mining binnen een organisatie opzet. Je krijgt een overzicht van de beschikbare methoden, modellen, algoritmen en tools en leert welke technieken en tools je in welk scenario inzet.

Een praktijkcase loopt als rode draad door de training. Je past het CRISP-DM 6-fasenmodel toe, een van de meest gebruikte data mining-modellen: je analyseert de business case en de bijbehorende data, prepareert en modelleert die data, evalueert je model en past het toe, en visualiseert tot slot je resultaten. Daarnaast krijg je een overzicht van platforms en analyse- en visualisatiesoftware. Namen als Azure, RapidMiner, Orange, Power BI, Qlik, Tableau, Python, cloud-ML-platforms en Databricks komen daarbij als opsomming langs; niet al deze tools worden behandeld. Het data management-onderdeel volgt het DAMA DMBOK-framework.

Onze trainers zijn, naast trainer, dagelijks werkzaam op dit expertisegebied, waardoor ze theorie en praktijk voortdurend met elkaar verbinden. Data mining is in vrijwel elke sector onmisbaar, en waar mogelijk stemmen we de voorbeelden af op de context waarin jij werkt. Hierdoor ben je na afloop in staat om een data-analysetraject gestructureerd op te zetten en de kwaliteit ervan te beoordelen.

Deze training als bedrijfstraining voor jou en je team?

Elk vraagstuk en elke situatie is anders; daarom staan tijdens een bedrijfstraining jouw organisatie en (bedrijfs)vraagstukken centraal. In goed overleg stellen we een lesprogramma samen dat volledig aansluit bij jouw (jullie!) specifieke uitdaging, wensen en dagelijkse werkpraktijk.

Programma

Tijdens de training Data Mining komen onderstaande onderwerpen aan bod.

NB: Mocht je vragen hebben over de inhoud of deze aangepast willen zien op jouw specifieke praktijksituatie of trainingsbehoefte, bel ons dan gerust: we spreken de mogelijkheden graag met je door.

• Introductie Data Mining en Big Data
• • Doorgronden wat Big Data is en waarin het zich onderscheidt van reguliere data
  • De begrippen en terminologie rond Data Mining, Machine Learning en Predictive Analytics onderscheiden
  • De rol van data mining bij het onderbouwen van business-beslissingen bepalen
  • Een beeld vormen van de ontwikkeling van data science en machine learning
• Datakwaliteit, ETL en analytics
• • Het belang van datakwaliteit voor betrouwbare analyses herkennen
  • Kennismaken met ETL-processen om data te verzamelen, op te schonen en klaar te zetten
  • Een overzicht opdoen van algoritmen en analytics-technieken
  • Bepalen hoe datakwaliteit doorwerkt in de betrouwbaarheid van je resultaten
• Architectuur, platformen en tools
• • Een overzicht opdoen van platforms en analyse- en visualisatiesoftware voor data mining
  • Kennismaken met genoemde tools zoals Azure, RapidMiner, Orange, Power BI, Qlik en Tableau
  • De opsomming van veelgebruikte tooling verkennen, waaronder Python, cloud-ML-platforms en Databricks, die worden genoemd en niet allemaal behandeld
  • Bepalen welke tool bij welk type analysevraag past
  • De architectuur achter een data mining-omgeving op hoofdlijnen doorgronden
• Het CRISP-DM proces in zes fasen
• • Kennismaken met het CRISP-DM 6-fasenmodel als leidraad voor het data mining-proces
  • Doorgronden wat business understanding en data understanding inhouden
  • Herkennen hoe je data prepareert voor analyse
  • De modelfase en de rol van algoritmen doorgronden
  • Herkennen hoe je een model evalueert en in gebruik neemt
  • Doorgronden hoe je resultaten visualiseert en rapporteert
• Data management, governance en compliance
• • Kennismaken met het DAMA DMBOK-framework als kader voor data management
  • Herkennen hoe governance en compliance de kwaliteit van data borgen
  • De rol van data security en privacy binnen data mining doorgronden
  • Bepalen welke afspraken nodig zijn om betrouwbaar met data te werken
• Praktijkcase, roadmap en best practices
• • De business case en de bijbehorende data analyseren, prepareren en modelleren
  • Het model evalueren en toepassen op de data
  • De resultaten visualiseren in een rapportagetool
  • Een roadmap voor de implementatie van data mining binnen organisaties verkennen
  • Best practices doorlopen die je in de praktijk herkent

De training is praktisch en interactief van opzet, met veel ruimte voor jouw vragen en werksituatie. Je gaat aan de slag met passende praktijkvoorbeelden. Door actief te oefenen, te analyseren en te evalueren, maak je je de materie stap voor stap eigen en ervaar je hoe je een data-analysetraject volgens het CRISP-DM-model doorloopt en toepast op een praktijkcase.

Onze trainers zijn, naast trainer, dagelijks werkzaam op dit expertisegebied. Ze beschikken dus niet alleen over de meest actuele kennis, maar hebben ook essentiële praktijkervaring. Hierdoor zijn ze in staat om een waardevolle vertaalslag te maken van ‘kennis’ naar ‘toepassing binnen jouw organisatie en werksituatie’.

Doelen

Na deze training ben je in staat om:

• De belangrijkste begrippen rond Big Data, Data Mining en Machine Learning te onderscheiden
• De opbouw van een data-analysetraject volgens het CRISP-DM-model te doorgronden
• Het CRISP-DM-proces op een praktijkcase toe te passen, van business understanding tot en met deployment
• Een overzicht te hebben van de methoden, modellen, algoritmen en tools voor data mining en te bepalen welke daarvan bij welk scenario passen
• Te doorgronden hoe data management, governance en compliance de betrouwbaarheid van je analyses borgen