Opleidingen

PE Lastoezichthouders NTA 8828 her-certificering Het praktijkexamen PE Lastoezichthouders NTA 8828 her-certificering is een onderdeel voor het behalen van het certificaat.  Na het behalen van het praktijk en theorie examen wordt de laspas voor een periode van 3 jaar afgegeven. Lastoezichthouders die het onderdeel praktijk examen willen afleggen t.b.v. NTA 8828 certificaat. Het afleggen van het praktijkexamen wordt bij Kiwa afgenomen. Bij voldoende resultaat heeft u één van de onderdelen afgerond die behoren bij het NTA 8828 PE Lastoezichthouders certificaat.

Dit betreft het herexamen theorie voor PE Elektrolassen NTA 8828. Het theorie-examen is een onderdeel van het examen NTA 8828 PE Elektrolassen welke behaald dient worden voor het certificaat. Na het behalen van een voldoende voor zowel de theorie en praktijk en een positief resultaat van de beproeving van de gemaakte verbindingen, worden het certificaat en de laspas voor een periode van 2 jaar afgegeven. Het theoretische gedeelte wordt afgenomen door Cito, op een locatie van Lamark van uw eigen keuze. Het theore-examen bestaat uit meerkeuze vragen. Dit examen is bestemd voor lassers die het onderdeel praktijk examen willen afleggen t.b.v. NTA 8828 certificaat. Het doel van het theorie-examen is het behalen van het certificaat NTA 8828 PE Elektrolassen. Naast dit theorie-examen dient tevens het praktijkexamen behaald te worden.

Je voert een Talentgesprek van ongeveer anderhalf uur (online via Zoom, Teams of Webex) met een gecertificeerde en evaren TMA talent coach. Voorafgaand daaraan word je uitgenodigd om een (online) Talenten Analyse te doen. Dat vergt ongeveer 45 minuten en kan gewoon thuis op je computer of telefoon. De uitkomsten bespreek je samen met je persoonlijke coach. Coach sessie Insteek van het talentgesprek zijn de volgende onderwerpen: Wat zijn je talenten en drijfveren en hoe vertalen die zich naar kwaliteiten, valkuilen en ontwikkelpunten? Waar sta je in je carrière, hoe heeft het zover kunnen komen en hoe zie je eigen toekomst?  Doorvertaling naar de leer- en ontwikkelbaarheid van competenties, desgewenst helpt je coach je op weg met een aanzet voor een Talent Ontwikkel Plan (TOP). Betrokkenheid Als je in je huidige functie weinig betrokkenheid bij het werk ervaart, heeft dat er mogelijk mee te maken dat je competenties moet laten zien waar je weinig talent voor hebt. Anderszijds kan het ook zo zijn dat jij over talenten beschikt waar geen beroep op wordt gedaan. Beter zelfinzicht De ervaring leert dat een talentgesprek als buitengewoon nuttig wordt ervaren. Je krijgt een beter inzicht in je persoonlijke drijfveren wat dat betekent voor jou in jouw baan. Jouw persoonlijke talent coach helpt je om de specifieke vertaalslag te maken naar jouw situatie.  Uitgebreide rapportage Na afloop van het gesprek ontvang je een uitgebreide rapportage met daarin een diepgravende analyses van jouw 22 drijfveren vertaald naar jouw kwaliteiten en valkuilen. Ook maken we een vertaalslag naar de voor jou effectieve leer-, management-, en communicatiestijl en kun je rekenen op een aantal persoonlijke ontwikkelsuggesties.  Persoonlijk advies  Je talentcoach schrijft op basis van het talentgesprek een persoonlijk ontwikkeladvies en neemt dit op in je persoonlijke Talenten en Drijfveren rapportage. Ook krijg je een Talent- en Competentie-paspoort. Dat kun je net als een echt paspoort gebruiken om jezelf te identificeren, bijvoorbeeld als bijlage bij je CV. Bovendien krijg je een jaar lang toegang tot een online portal waar je voor niet minder dan 53 verschillende competenties persoonlijke ontwikkel suggesties kunt vinden.  Als mogelijk vervolg op je talentgesprek kun je denken aan een competentie analyse waarin je feedback vanuit je omgeving gaat verzamelen (360º graden) en/of het opstellen van een Talent Ontwikkel Plan (TOP) dat je helpt om het verworven inzicht om te zetten in concrete acties. (https://www.springest.nl/priman-2/talent-ontwikkel-plan-top-obv-tma#beschrijving)

Heb jij zicht op je purpose en handel je er naar? Die purpose, jouw bedoeling, is voor ieder van ons uniek. Het bijzondere aan het denken en doen vanuit je purpose is dat je persoonlijk en profes Doel Komen tot jouw purpose van waaruit je persoonlijk leiderschap toont onder diverse omstandigheden. Een aanpak leren kennen waarmee je op individueel-, team- en organisatieniveau impact kunt maken. Leven in het verlengde van wie je ten diepste bent. Programma Wat goed is om te weten, is dat jouw purpose er al is. We hebben hem vaak alleen verder te ontsluiten. Dat is dan ook de reis die je gaat maken. Het eindresultaat is dat je jouw unieke bijdrage aan de wereld nog helderder hebt, deze nog beter kunt verwoorden en er succesvoller naar kunt handelen. Doelgroep Iedereen die werk wil maken van persoonlijk leiderschap. Teams die de effectiviteit van hun samenwerking verder willen verbeteren. (Vraag naar de maatwerkmogelijkheden.) Investering Voor deze eendaagse training investeer je een bedrag van € 695,-. Data De training vind maandelijks plaats, afwisselend op dinsdag en donderdag.

Leading by Storying around Everything starts with trust. Your co-managers, employees and customers will only listen to you if they trust you. That’s the only way to get things done. If you want them to follow you, then you have to show yourself. Show who you are, where you come from, what your values are. What drives you. Tell them your story. You are only 3 workshops away from being a storytelling leader! Part 1: Storytelling fuels Trust This first workshop will reveal the secrets of storytelling. Why are people so eager to hear a story, believe every word of it and therefore believe the narrator? You will see some great examples of storytelling used in business and beyond that are compelling evidence of the correlation between storytelling and trust. Our brain is a real story machine The powerful effects of story Experiment with a true story of yours The Game of Trust What should your story be about? Assignment: find your personal story Part 2: Boost your story The second workshop brings focus on the personal stories each of you have dug up. We will discuss the meaning of these stories and experience that we really get to know one another now. But, the story must be powerful to generate the confidence people will have in you. The power of story is immense. But only if the right narrative elements are used. Stories are shared in 1 minute versions The universal structure of a good story Narrative elements that make the story exciting Recreate the experience Timing and story length Assignment: write out your story, send it in, and receive personal feedback Part 3: Tell the story We will review the feedback provided so that everyone can learn from it. Then, after a series of tips and tricks for telling a story, everyone shares their story. The workshop is about telling, getting feedback, trying again in a different way and learning by looking at others. You will see for yourself what works and what doesn’t. About memorization Introducing a personal story Body language, facial expressions, hand gestures, use of voice Make it real, do not act Tell and improve through personal feedback And now? Your results after these 3 workshops At the end of the program you have achieved a lot of great results: You understand why a story generates trust You know the essential elements of a great story You can turn a simple event into a compelling story You can share your own personal story You will tell easily, authentically and convincingly You will gain people’s trust Have you been using stories already? Great! Indicate where you want to improve, or which aspect of storytelling is still unknown territory for you. Feel free to get in touch if you want advice on what will be best for you. How does this online training work Only 6 people can participate in the program. Due to this small group, you get a lot of personal attention, tips and feedback. Everyone has their camera and microphone turned on – so you can just talk and see each other. You join the workshop comfortably at your kitchen table, and thanks to the unique OnLive approach, it feels like we are together in one of my beautiful training locations. Each workshop lasts 1½ hours including a short coffee break. To keep you alert there is a lot of variation: explanations, experiments, discussion, telling with feedback, example stories, video clips and  of course assignments. Lively contact and energy guaranteed! Who is your trainer I am Erik Mathlener and worked for 25 years as a project manager and consultant. I talked a lot with customers in business, gave presentations and provided training. 15 years ago I was infected with Storytelling and ever since I use this amazing tool in presentations at conferences and business meetings. And of course I teach the power of storytelling in workshops and training programs. I am the author of the practical book “Storytelling in three acts”, co-founder of the Storytelling Guild in the Netherlands and volunteer as TEDx speaker coach. Become a storytelling leader in a few weeks! Sign up right away for this great series of storytelling workshops and learn the tricks of the trade from a professional storyteller. Maximum of 6 participants Two assignments with personal mentoring and feedback via email Language: English Three months practical help and advice after the program has finished Total investment: € 289 (ex VAT and bank costs) Register quickly and get one of the 6 tickets After your registration you will receive a confirmation email with an invoice. After acknowledgment of the payment you will receive an email with the link to open the door of the virtual training room. I am looking forward to seeing you then!

In deze tijd ervaren veel mensen stress, angst en onzekerheid. SCG | Strategisch Coachen Groep heeft zich gespecialiseerd in het succesvol bereiken van een nieuwe balans bij stress gerelateerde klachten. De focus van deze opleiding is gericht om in je kracht en vol energie de juiste keuzes te maken om goed voor jezelf te zorgen. De opleiding Je Nieuwe Balans bestaat uit 5 modules Module 1 | Inzicht in JezelfIn deze module ga je aan de slag met het Balansdashboard en de Energiebloem. Met deze tools krijg je een mooi inzicht in jouw energiebalans. Je maakt kennis met de Transactionele Analyse en leert wat strooks zijn, welke verschillende soorten strooks er zijn, en hoe je ze kunt ontvangen. Met deze krachtige basis ga je naar de volgende stap. Module 2 | Je Groei & Rem In de tweede module staan we uitgebreid stil bij groei vanuit een natuurlijke of ecologische benadering. Aan de hand van de s-curve,  breng je jouw groeicurves in beeld. We geven je tools mee waarmee je jouw groei- en remmende factoren gaat ontdekken. Je leert over de verschillende levensfasen die je doorloopt en hoe je elke fase in balans kunt blijven. Je leert de kracht van je eigen verhaal kennen en hoe je daarmee succesvol naar je nieuwe balans beweegt.  Module 3 | Je Echte Ik In Module 3 ontdek je jouw innerlijke kompas. Je leert het belang van waarden, normen en vormen voor je persoonlijke ontwikkeling. Je krijg inzicht in de verbinding tussen waarden en emoties, en leert de krachtige signaalfunctie van emoties kennen. Aan het eind van de module heb je inzicht in je kernwaarden en ervaar je hoe veel energie het geeft om waardenbewust te leven.  Module 4 | Je Onzichtbare Rem Deze module leert je vijf 'survival' reacties bij stress en burn-out herkennen. Je leert wat de kracht en juist de valkuilen zijn van deze vijf reacties. Je krijgt inzicht hoe blokkades in je persoonlijke en professionele groei en ontwikkeling ontstaan. Aan de hand van mooie oefeningen word je bewust van besluiten die je in het verleden hebt genomen, maar inmiddels je groei remmen in plaats van stimuleren. Je leert er de juiste lessen uit mee te nemen en datgene wat je niet meer nodig hebt, je onzichtbare rem, de juiste plek te geven en los te laten. Module 5 | Je Toekomststappen In deze laatste stap werk je aan een winnend toekomstplan. Je leert het belang van intentie kennen, en begrijpt het verschil tussen een poging of een besluit. Je leert de kracht van kleine stapjes, en maakt een winnend contract met jezelf aan de hand van de Winnaarsdriehoek.  Persoonlijk Leerboek 'Mijn Nieuwe Balans' De modules worden bekrachtigt doordat je de oefeningen en opdrachten maakt in je Persoonlijk Leerboek Mijn Nieuwe Balans. Dit is een uniek onderdeel in deze opleiding, waarin je al jouw ideeën, visies, herinneringen, leerpunten, eyeopeners, uitwerkingen van opdrachten en stof tot nadenken verzamelt en uitwerkt tot jouw eigen boek. Je bekrachtigt hiermee jouw Nieuwe Balans! Kies voor een praktische levensvisie in veranderende tijden. De opleiding bevat: Meer dan 50 unieke videolessen Verrijkende en verdiepende theorieën Direct toepasbare praktische tips & eye-openers Concrete bouwstenen, toepasbaar in alle aspecten van je leven Interactief Persoonlijk Leerboek met doelgerichte oefeningen (wordt per post toegestuurd) Direct contact is mogelijk met onze topcoaches Diepgaande inzichten om groei te realiseren

Do you want to be a fascinating presenter? Many people find their own presentations boring. It seems the audience is uninterested after just 3 minutes. Or does not understand what you are saying. Engaging speakers do something different. Their presentation is an experience with impact. They bring their message as an exciting story. You can do that too! In just 4 workshops. Part 1: Storytelling as a Messenger This first workshop will reveal the secrets of storytelling. Why are people so eager to hear a story, believe every word of it and therefore believe the narrator? You will see some great examples of storytelling used in business that are compelling evidence of the ease to deliver a convincing message. By the way, what is your message? Our Brain is a real Story Machine The powerful effects of story Convincing strategies Objective and audience Assignment: what is your message? Part 2: Find the Story In the second workshop you discover two stories of your own that communicate your message. When you intensify these stories using the laws of storytelling, your audience will grasp and embrace the message. 3 story types Find a story – method 1 Find a story – method 2 The universal structure of a great story Narrative elements that make the story exciting Assignment: write out your story, send it in, and receive personal feedback Part 3: Storytelling in a Presentation Now it is time to integrate the telling of stories in a business presentation. What are the caveats, how do you begin a story, how do you make sure they got the point, etc. Reviewing the story feedback 3 ways to integrate the story Bring the story to life on stage Interact with the audience What about Powerpoint? Be prepared for telling the story Assignment: set up your presentation Part 4: It’s Presentation Time! This is the workshop we have been working towards. Everyone gives their presentation and receives feedback, tips and tricks. Experiment, try, experience and learn also by looking at others. You will see for yourself what works and what doesn’t. We look at body language, use of voice, gestures, interaction, but above all: how do you stay authentic and tell it as real as possible. This is a practical program You are working on a presentation you once gave or will give in the near future. In the workshops you’ll make it catchy and impressive. And you will practice a lot of course. Afterwards you go home with a real story you can use the next day in a presentation. Your results You can you easily explain a complex topic Your audience will see your are real and trustworthy You will touch your audience in their heart Your message is understood and accepted Your presentations are exciting to listen to You will enjoy presenting a lot better! Who should attend this program? Anyone who wants to present better, more concise and compelling. Much or little experience with presenting or storytelling is irrelevant. You get exactly the help, attention and critical feedback that you need. How does this online training work Only 6 people can participate in the program. Due to this small group, you get a lot of personal attention, tips and feedback. Everyone has their camera and microphone turned on – so you can just talk and see each other. You join the workshop comfortably at your kitchen table, and thanks to the unique OnLive approach, it feels like we are together in one of my beautiful training locations. Each workshop lasts 1½ hours including a short coffee break. To keep you alert there is a lot of variation: explanations, experiments, discussion, telling with feedback, example stories, video clips and  of course assignments. Lively contact and energy guaranteed! Your trainer is a professional storyteller! I am Erik Mathlener and worked for 25 years as a project manager and consultant. I talked with customers in business, gave presentations and provided training. 15 years ago I was infected with Storytelling and ever since I use this amazing tool in presentations at conferences and business meetings. And of course I teach the power of storytelling in workshops and training programs. I am the author of the practical book “Storytelling in three acts”, co-founder of the Storytelling Guild in the Netherlands and volunteer as TEDx speaker coach. Blow away your audience next presentation! Sign up right away for this great series of storytelling/presenting workshops and learn the tricks of the trade from a professional storyteller. Maximum of 6 participants Three assignments with personal mentoring and feedback via email Language: English Three months practical help and advice after the program has finished Total investment: € 349 (ex VAT and bank costs) Register quickly and get one of the 6 tickets After your registration you will receive a confirmation email with an invoice. After acknowledgment of the payment you will receive an email with the link to open the door of the virtual training room. I am looking forward to seeing you then!

Cursus Linux: geheel zelfstandig een professionele en kwalitatieve besturingssysteem opzetten, beheren en aanpassen Is het tijd om een nieuwe open-source besturingssysteem op te zetten die stabiel, flexibel, betrouwbaar, prestatiegericht, goed beveiligd en makkelijk te onderhouden is? Of wilt u simpelweg geheel zelfstandig bepaalde wijzigingen aan uw huidige server, systeem of netwerk doorvoeren, zonder dat u beroep hoeft te doen op externe partijen? Of heeft u behoefte aan een besturingssysteem dat ook oudere systemen goed ondersteunt? Dan is de praktijkgeoriënteerde cursus Linux van Global Training uitermate geschikt voor u! Linux is een open-source besturingssysteem dat wordt gebruikt voor webservers, mainframes en supercomputers. Het besturingssysteem geniet een bijzonder goede reputatie op het vlak van: stabiliteit, flexibiliteit, prestaties, beveiliging, betrouwbaarheid en onderhoud. Een unieke eigenschap van het Linux besturingssysteem is dat u als gebruiker afzonderlijke commando’s aan elkaar kan koppelen, en de invoer en uitvoer daarvan kan bewerken. Door zelf de combinaties te vormen hoeft u niet een apart programma te schrijven, zoals bij andere operating systems. Zo zet een Linux/UNIX-gebruiker de computer naar zijn eigen hand, en niet andersom. Doordat het Linux besturingssysteem open-source van aard is, betekent dit ook dat de onderliggende broncode voor gebruikers en ontwikkelaars vrij toegankelijk is. Ook wordt Linux gratis gedistribueerd door bijvoorbeeld Ubuntu, Red Hat Enterprise, Fedora en Debian. Door deze eigenschappen is het besturingssysteem van Linux ongekend populair onder netwerk- en systeembeheerders. Linux kent dan ook een zeer breed toepassingsgebied en is tegenwoordig aanwezig in bijna alle aspecten van ons dagelijks leven. Zo draait bijvoorbeeld Android, het meest gebruikte besturingssysteem voor mobiele telefonie ter wereld, op het Linux besturingssysteem. Daarnaast sluit WebOS praktisch ieder apparaat aan op het besturingssysteem van Linux. Denk hierbij aan tablets, smartphones, desktops en printers. Set-top boxen waarmee we HD-films en digitale zenders bekijken zijn ook vaak gebaseerd op Linux. Zo ook geldautomaten en computersystemen in auto’s van Toyota en Peugeot. De immense populariteit van Linux blijkt ook uit het feit dat grote organisaties zoals Wikipedia, IBM, Google, Amazon en Virgin draaien op de open-source software van Linux, net als een groot aantal overheidsdiensten in de VS, Duitsland, Zwitserland en Frankrijk. In de toekomst zal het toepassingsgebied van Linux sterk worden uitgebreid, en daarom is diepgaande en elementaire kennis van Linux zeer aan te raden. Tijdens de Linux cursus van Global Training wordt u opgeleid tot een professioneel netwerkbeheerder of systeembeheerder (Linux professional). U leert over de elementaire functies en begrippen die de filosofie achter het Linux besturingssysteem vormen. U leert een Linux server op te zetten en te beheren. Ook zal er tijdens de cursus Linux aandacht worden besteed aan de sterke en minder sterke kanten van Linux en raakt u vertrouwd met de Linux/UNIX omgeving. U wordt opgeleid tot een professioneel netwerkbeheerder of systeembeheerder in het bekendste open source besturingssysteem ter wereld: Linux. U kunt als professioneel netwerkbeheerder of systeembeheerder een stabiele, flexibele, prestatiegerichte, betrouwbare, goed beveiligde en makkelijk te onderhouden Linux systeem, server en netwerk opzetten en beheren. U kent alle vaardigheden die u als Linux professional nodig heeft om de vaakst gebruikte Linux distributies te beheren. Tevens kunt u geavanceerde scripts schrijven om taken te automatiseren. U bent optimaal voorbereidt om de LPIC-101 en LPIC-102 examens af te leggen. Daarmee beschikt u over het LPI level 1 certificaat. Dit certificaat is internationaal erkend en veel gevraagd op de arbeidsmarkt. Global Training biedt met deze Linux cursus een volledige, intensieve, maar vooral ook plezierige training. Onze onafhankelijke docenten staan bekend om hun kritische blik en hebben diepgaande vakkennis en ervaring. De lesstof is uitstekend gedocumenteerd en volledig op de praktijk gericht. Wacht daarom niet langer en schrijf uzelf in voor deze praktijkgeoriënteerde cursus Linux van Global Training! Doelgroep & voorkennis De Linux cursus van Global Training is geschikt voor ervaren Linux systeembeheerders of netwerkbeheerders die nu gecertificeerd willen worden. Aan de andere kant is deze cursus Linux ook geschikt voor beginners die hun eerste stappen in het Linux/UNIX-besturingssysteem zetten en vertrouwd willen raken met de faciliteiten, programma’s en commando’s daarvan. Deze cursus Linux is dan ook geschikt voor: Systeem- en netwerkbeheerders die de verantwoordelijkheid dragen voor de gehele technische infrastructuur van een organisatie. Linux consultants die voor hun klanten een nieuwe server, besturingssysteem of netwerk gaan opzetten en beheren. Softwareontwikkelaars die betrokken zijn bij de ontwikkeling, implementatie, beheer en support van het Linux besturingssysteem. HBO- en bachelorstudenten Informatica die praktische kennis van Linux willen opdoen alvorens zijn de arbeidsmarkt betreden. Freelancers en hobbyisten die hun kennis van serverbeheer, systeembeheer en netwerkbeheer willen opfrissen en een professionaliseringsslag willen maken. Om deze opleiding Linux te volgen, is voorkennis van Linux niet noodzakelijk. Wel wordt algemene kennis van computersystemen verondersteld en is een certificering van CompTIA A+ of gelijkwaardig niveau aan te raden. Nadat u de cursus Linux heeft afgerond bent u optimaal voorbereidt om de LPIC-101 en LPIC-102 (Linux Professional Institute Certificering) examens af te leggen. Het LPI level 1 certificaat is internationaal erkend en veel gevraagd op de arbeidsmarkt. Tijdens deze training kunt u ook extra uitleg krijgen ter voorbereiding op de examens. Deze examens zijn niet bij de prijs van de cursus Linux inbegrepen. Lesmaterialen, software en benodigdheden Wij adviseren om een eigen laptop mee te nemen. Mocht u niet over een eigen laptop beschikken, geef dit dan door aan uw opleidingsadviseur. Uw opleidingsadviseur zal voor een passende oplossing zorgen. Dit kan inhouden dat er voor u een laptop wordt gehuurd. Wat ga ik leren? Tijdens deze praktijkgeoriënteerde cursus Linux van Global Training leert u het Linux besturingssysteem uitgebreid kennen. U leert alle vaardigheden kennen om een stabiele Linux server op te zetten die uitstekende prestaties levert. Uiteraard worden u ook alle vaardigheden aangeleerd om een Linux server te beheren. Tijdens de Linux cursus komen de volgende thema’s aan bod: Introductie Linux en eerste kennismaking met het besturingssysteem. De installatie, het filesysteem, de shell-command line en beheer van het Linux-bestandssysteem. De grafische interface. Uitvoeren van de basistaken op de opdrachtregel. Beheer van: opslag, gebruikers en groepen. De Linux server, rechtenbeheer, configuraties en probleemoplossing. Werken met tekstbestanden, printen in Linux en het X Window Systeem. De package manager: hoe worden de verschillende services slim beheerd met packages? Wat is SSH toegang met private en public keys? Client networks. Shell – command line. Rechtenbeheer. Logging, netwerkconfiguratie, Internet protocol (IP) en het oplossen van netwerkproblemen. Logbestanden, de beste manier om een server te beveiligen en veiligheidsproblemen op te lossen. Werken met GNU Privacy Guard (GPG). Beheer van de hardware en kernel. Na de cursus Linux kunt u het filesysteem, Command Box, editor en de vele standaard Linux/UNIX-utilities gebruiken. Verder leert u hoe u de belangrijkste bestandsbeheer commando’s tot krachtige en flexibele opdrachten kan combineren, zonder het gebruik van ingewikkelde programmeertaal. Voor een compleet overzicht van alle modules die tijdens deze training Linux worden behandeld, verwijzen we u door naar het hoofdstuk Lesprogramma. Lesprogramma Hieronder volgt het lesprogramma van deze cursus Linux en de overige thema’s die aan bod kunnen komen: Module 1: Systeembeheer Wat is Linux? Installatie van Linux Werken met Linux commando’s Beheer van het opstarten van Linux De shell-omgeving inrichten en gebruiken Eenvoudige shell scripts maken en aanpassen Manipulatie en management van SQL data Inrichten van systeembestanden, partities, gebruikersgroepen, groepen en accounts Systeem logging Gebruik van streams, pipes en redirects Werken met vi Verwerken van text streams met filters Werken met bestanden Beheer van disk quota Beheer van software pakketten Werken met gedeelde libraries Beheer van processen Werken met hardware instellingen Module 2: Een verdiepingsslag X11 installeren en configureren Een display manager opzetten en beheren Toegankelijkheidsinstellingen Een opdracht plannen voor automatisch systeembeheer Lokalisatie en internationalisatie (tijdzone, taal, etc.) Beheer systeemklok en tijd Bash shell scripting Beheer van printers en de printomgeving Beheer van services Beheer van runlevels en targets Werken met permissies en file ownership Inplannen van taken Beheer van de log omgeving Module 3: Netwerkconfiguratie en beveiliging Mail server basics Beheer van de netwerkomgeving Elementaire netwerkconfiguratie Netwerkproblemen oplossen Configuratie van beveiligingsinstellingen Accessibility (instellen voor gebruikers met beperkingen) Historie en basis van de Mail Transfer Agent De basis van Internetprotocollen Instellingen voor Domain Name System (DNS) clients Beveiliging beheerderstaken Opzetten van beveiliging voor een netwerk host Databeveiliging met behulp van encryptie Gebruik van encryptie in SSH en GPG Het terrein van Linux/UNIX  heeft een uiterst breed en gevarieerd scope, met een uitgebreide vraag vanuit het bedrijfsleven of de overheid. Om deze reden bestrijkt de expertise van Global Training een zeer breed terrein. De Linux cursus kent een vast programma, maar daarnaast kunnen er tijdens de cursus Linux een groot aantal andere onderwerpen worden besproken. Dit is afhankelijk van de IT-opleidingsvraag die u heeft. Overige onderwerpen die aan bod kunnen komen tijdens de cursus Linux, afhankelijk van de docent of input van de cursisten, zijn: Inleiding tot de filesysteem-structuur, Het begrip inode, Rm, Software installeren, Adressen, ADSL, Argumenten, XSLT, netwerkgebruik, diverse loadbalancing-oplossingen, Wijzigen van het wachtwoord, Pop, Sluiten, GNOME Office, Firewall, Tonen van bestandsinhoud, Kernel compile, KMO’s, Security, Internet Mail, Oefeningen UNIX (start), on-line documentatie, Servers, Galeon, Client, NIS, Git, Single Sign-on, OpenSSI, Opbouw IPTABLES, TCP & UDP poorten, Prince2, Procesbeheer-commando’s zoals ps en top, SSL/TLS, HTML, IPtables, chat, Algemeen gebruik van de commando-regel, Printing, Python, Werking, mod_perl, Percona Server, mkdir, Interne PC’s, C++, Puppet, DNS en DNSSEC, Bacula, Tomcat, interne concepten van de kernel, Schema: zie appendix, Een vi sessie starten, DEB, Mozilla / Netscape 6.x, Office, Structuur, CA UniCenter, OpenSSH, Partities, Basisgebruik Linux/UNIX op de commandoregel, RADIUS, C, Debian, Server, Credits, Dot files, Math, netstat, Aanmaken van gebruikers en groepen, Andere pakketten, Kopiëren, Postfix, imap, Thuisgebruikers, Grote bedrijven, Opsview, Printer, Ontstaan van Linux/UNIX en de sterke en minder sterke punten van dit systeem, Grafische omgeving, harde en symbolische links naar files, Printen, Nagios, filebeheer, Servlets, Subversion, Multi-Tasking Multi-User, Linux pc, Virtuele computers, mv, LVS, Evolution, ls, Sh, Linux laptop, Bestandssystemen, HP/UX, Schijven, Nessus, Lynx, Historiek (Linux), Cron, Caching server, Swap, DHCP, Wijzigen van protecties met het chmod commando, LPD, Networking, Mozilla / Netscape 6.x, Web services, Csh, Serve, NAT, Acid, Netscape 4.x Collabra, IPCHAINS, Dhcpcd, DNS, De secure commando’s van de SSH-familie zoals ssh slogin scp en sftp, OSPF, Spam filtering, Verzenden van mail, Gebruikers, Nginx, Pascal, Tekstbewerking, Fortran, Linux (RedHat, distributies, VNC, file, Ubuntu, OpenVPN, package managers, scripting, Unix commando’s, Licq, Amanda, Tekst verwijderen, File Transfer Protocol, Bestandsnamen, Inloggen en uitloggen en toetsenbord-conventies, IP in Linux, Remote desktop, Aan informatie geraken, Kabel internet, Achtergrond- en voorgrondprocessen, Apache, Impress, Shell scripting, Geluid, Oefeningen UNIX (toegangsrechten), Installatie, While-iteratie, performanceanalyse en -tuning, Configuratiemogelijkheden, Linux/UNIX, Selectie, Ingres, Gaim, UNIX/Linux device driver ontwikkeling, Licentie (FDL), Calc, loops, Stabiliteit, wildcards en bestandsboekhouding, Scripts, Achtergrondprocessen, Server, Korn, Kmail, KSpread, Compileren, Apache Webserver, Icinga, Hancom Office, Linux computer, Linux/UNIX-versies en –varianten, NIS, Groepen, Sed, Tcl/Tk, De onderdelen, Scientific Linux e. a.), XML, Bourne, Draw, Sendmail, head & tail, tools, Vergelijkingen, De NIS server, Mon, Linux server, Bestandssystemen, Globale definitie, Linuxconf, Wat is IP?, Commando’s, Opbouw IPCHAINS (en IPFWADM), Snort, FTP, LPRng, Linux HA/Heartbeat, I/O redirection en pipelines: Invoer en uitvoer van commando’s, Dial-up, PXE, ping, Lex (flex), KNode, BestandsnameKlassieke bestandssystement met speciale tekens en hun betekenis, Virtuele consoles, X-Window System, Installatie distributies, Het onderliggend systeem, StarOffice / OpenOffice, grafische interface, Bestanden zoeken met het find commando, Fun & informatief, Smalltalk, Squid, Firewall Appliance, redirection naar files en pipes, Linux commando’s leren gebruiken, Routing / Default gateway, Sub-protocollen,Inleiding, Bootloader, Nieuwsgroepen, mounten van filesystemen, Cp, Regels kopiëren, Kenmerken van Linux, GUI tools, Profiles, pico, Big Sister, Binary, HP DataProtector (OmniBackup), command box, Starten van X, MySQL, filesysteem, verwijderen en creëren van bestanden, Netscape Messenger 4.x, X-Chat, Netscape 4.x, Tripwire, gebruiker, FreeBSD, Regels verplaatsen, Find, Becoming God, Sort, ln, Positionering van de cursor, Mozilla / Netscape 6.x Messenger, Zabbix, GPL / BSD licenties, Drivers, AIX, Bestandsdeling (File Sharing), Postscript, Pop, Waar, Configuration management, Procesbeheer: Mogelijkheden van de shell en shell scripts, *BSD, Pan, Cups, Chef, Projecten, the superserver, Afmelden van het systeem, VPN, Partities, Perl, De vi/vim editor, Numerieke notatie, Scotty, De NIS client, IPTABLES, SMB, Bestand, KWord, Historiek (Unix), Go, Writer, LDAP, Protecties van bestanden: Het afschermen van individuele bestanden en groepen van bestanden, RPM, Journalled file systems, Backup, procesbeheer, Mail services, SNMP, LifeKeeper, Oefeningen UNIX (bestandssysteem), inloggen/uitloggen, SMTP, Share definities, Client, Mounting, Solaris, cat, HAProxy, OpenOffice, Scalable, Speciale adressen, Firewalls, WINE, starten/stoppen, Leren programmeren, Prijs, Speciale tekens, backup, Unix bestandspermissies, Gebruikers, Yacc (bison), Tekst wijzigen, Client, job control, Unix filosofie, Command line, configuratie, Bestandsbeheer: Rol van directories, Oracle, IPv6, Ansible, /etc/init.d/network, De platform-onafhankelijke commando’s zoals telnet, Programmeertalen, PHP, Zoekpatronen: gebruik van reguliere expressies, Samba, Shell-variabelen, De console, Bewaking en monitoring, Case, ITIL, Internetverbinding, Security, LaTeX en alle standaard UNIX tools, Logging, algoritmes, PHP, Werking van signals en het commando kill, Mailserver, Glassfish, For-iteratie, CentOS, Clustering, Klassieke bestandssystemen, Softupdates, Operating systemen, Init, Kenmerken, DHCP, Filetoegang, CGI, Wat doe je ermee? Wie kan linux gebruiken?, functies, TAR.GZ / TGZ, Directory-synchronisatie met het rsync commando, Databases, JavaScript, Linux/UNIX en netwerken: Inleiding tot netwerkwijde communicatie-faciliteiten zoals remote login of file transfer en remote execute, more, Browsers, DNS, LPSched, Ksh, Window Managers, Imap, GNU, hernoemen, Systeeminitialisatie, Platform onafhankelijk, Bash, Systeembeheer, Version management, Java, Diskruimtegebruik verifiëren met het du commando, Procesbeheer, Koffice, Keuze, Awk, Filter-commando’s: Werking van de belangrijkste filters zoals grep sort uniq head tail tee wc nl cmp diff en tr, Opera, Base (OpenOffice), Gebruikersbeheer, Speciale mappen, Staroffice/Openoffice?, SUSE, Ghostscript, Daemons, Eenvoudig script, Open Source, Kernel, MariaDB, Communicatie tussen gebruikers: Elektronische post en directe boodschappen versturen, Prioriteit van processen, Zoeken/Vervangen, Controletoetsen voor de terminal, XML, Aanspreken van randapparatuur via “device special files”, De GUI, ifconfig, subnet mask, Legato NetWorker, Inleiding: Rol van de kernel, databewerking, StarBase (StarOffice 5.2), Ontvangen van mail, Tekst invoegen, (x)inetd, een alternatief voor vi, Andere mailservers, Combineren van filter-commando’s met pipes, Redirection & Pipes, Instellingen, CVS, Bestandsstructuur, Kernel Drivers, PostgreSQL, NFS, CFEngine, DHCP server, geavanceerde taken vanuit C, WordPerfect, Virus scanning, Environment variabele en Konquerer. Resultaten Na afloop van deze praktijkgeoriënteerde cursus Linux heeft u Linux uitgebreid leren kennen. Als professioneel netwerkbeheerder of systeembeheerder kunt u een stabiele, flexibele, betrouwbare, prestatiegerichte, goed beveiligde en makkelijk te onderhouden Linux systeem, server en netwerk opzetten en beheren. U kent alle vaardigheden die u als Linux professional nodig heeft om de vaakst gebruikte Linux distributies te beheren. Tevens kunt u geavanceerde scripts schrijven om taken te automatiseren. Bovendien bent u optimaal voorbereidt om de LPIC-101 en LPIC-102 examens af te leggen. U bent voortaan niet meer afhankelijk van dure externe bureaus voor de ontwikkeling en beheer van uw eigen server, systemen en netwerken. Zo bespaart u op termijn flink op bedrijfskosten. U leert de laatste ontwikkelingen en vakterminologie over het Linux besturingssysteem kennen en past de modernste technieken toe. Ook zal deze cursus Linux een positieve bijdrage leveren aan uw professionele ontwikkeling. Hierdoor zal u in staat zijn om uw werkzaamheden voortaan beter op te pakken. Na het volgen van deze cursus Linux bent u in staat om uw afdeling/bedrijf naar een hoger niveau te tillen. Hierdoor draagt u bij aan de professionalisering en winstgevendheid van uw organisatie. Arbeidsperspectieven Momenteel is er veel vraag naar Linux professionals. Na het volgen van deze cursus Linux bent u gespecialiseerd in Linux en UNIX en kunt u direct aan de slag voor veel werkgevers. U beschikt over specifieke kennis en vaardigheden en daarmee kunt u zich onderscheiden van de rest. Als Linux professional heeft u een streepje voor op de arbeidsmarkt. De verwachting is dat deze vraag vanuit de arbeidsmarkt de komende jaren gaat stijgen. Doordat er veel vraag is naar goed opgeleide Linux specialisten, hebben deze professionals een sterke uitgangspositie aan de onderhandelingstafel. Hierdoor zijn zij in staat om betere arbeidsvoorwaarden te eisen. Zo kunt u denken aan functies als: Linux systeembeheerder Linux netwerkbeheerder Software ontwikkelaar Allround ICT medewerker Uiteraard kunt u er ook voor kiezen om carrière te maken als freelance Linux systeembeheerder of netwerkbeheerder.

Data Science opleiding: maak de transformatie naar een datagedreven, intelligentere en succesvollere organisatie door Wist u dat uw organisatie over grote hoeveelheden data beschikt die cruciale inzichten over uw business en doelgroep bevatten? Wilt u deze data vertalen in waardevolle en bruikbare inzichten om voortaan op strategisch en tactisch niveau datagedreven beslissingen te nemen? Wilt u patronen en verbanden ontdekken in grote hoeveelheden data om daarmee in te spelen op de toekomstige behoeften en wensen van uw doelgroep (predictive analyses)? En wilt u de transformatie naar een data-driven, intelligentere en succesvollere organisatie doormaken? Aarzel dan niet langer en schrijf uzelf vandaag nog in voor de praktijkgerichte Data Science opleiding van Global Training! Vandaag de dag leven we een in een digitale maatschappij waarin bijna alle organisaties hun bestanden hebben gedigitaliseerd. Daarnaast verzamelen mensen, systemen, software en sensoren aan de lopende band data voor verschillende doeleinden. Het gaat hierbij om verzamelde, verwerkte of verrijkte data die afkomstig zijn uit verschillende bronnen zoals CRM systemen, surfgedrag op websites, analyse tools, KvK gegevens, sociale media, zoekmachines en apps. Bovendien groeit de hoeveelheid aan bruikbare data exponentieel door het steeds intensievere gebruik van het internet. Maar ook omdat steeds meer mensen steeds meer apparaten gebruiken en aan elkaar verbinden. Tegenwoordig is het doel allang niet meer om enkel data te verzamelen, maar om de verzamelde data om te zetten in exponentiële waarde voor de organisatie. Waar vroeger voornamelijk transactiegegevens werden opgeslagen, wordt nu bij wijze van spreken elke muisklik van een internetgebruiker opgeslagen. Dit betekent dat er in de toekomst steeds meer verbanden tussen data gelegd kunnen worden en steeds meer patronen in data ontdekt worden. Dus, alhoewel de toepasbaarheid, relevantie, mogelijkheden en voordelen van data science, AI (artificial intelligence), machine learning, big data en data-analyse nu al enorm zijn, zal dit in de toekomst alleen maar blijven toenemen. Data-driven beslissingen nemen en enorme concurrentievoordelen behalen Met behulp van data science, AI, big data, data-analyse en machine learning methoden en technieken kunnen organisaties nieuwe en waardevolle inzichten uit hun eigen data distilleren waarmee enorme concurrentievoordelen behaald kunnen worden. Door econometrische en kwantitatieve data-analyse modellen te gebruiken ter ondersteuning van de besluitvorming op strategisch en tactisch niveau, kunnen onzekerheden worden geminimaliseerd en cruciale beslissingen altijd worden verantwoord. Met andere woorden: data-driven beslissingen zijn cijfermatig onderbouwd en hierdoor zijn de kansen op het nemen van een verkeerde beslissingen geminimaliseerd. Deze data-driven beslissingen bieden meer zekerheid en zijn altijd te verantwoorden. De datagedreven maatschappij en de bijbehorende algoritmisering is inmiddels een vaststaand feit. Diverse nationale en internationale denktanks zijn het er allemaal over eens dat het correct inzetten van data en algoritmes hét verschil gaat maken tussen groei of krimp. Daarom zullen data science, AI, machine learning, big data en data-analyse één van de belangrijkste technische disciplines van de toekomst worden. Ook het bedrijfsleven ziet in toenemende mate de toegevoegde waarde van data science in en passen deze concepten daarom steeds vaker toe in alle facetten van de bedrijfsvoering. Door effectief gebruik te maken van data science methoden en technieken worden de voordelen al op korte termijn al zichtbaar. Zo worden Data science, AI, machine learning, data-analyse en big data voor de volgende toepassingen ingezet: Klantengedrag voorspellen (predictive analytics) Een hogere omzet en winstmarges realiseren Klantaanbiedingen personaliseren Verkoop- en marketingactiviteiten versterken Klantentevredenheid verhogen Prestaties van medewerkers verbeteren Interne procesverbeteringen doorvoeren Stimuleren van innovatieve toepassingen binnen uw organisatie Creëren van toegevoegde waarde voor uw organisatie en klanten Optimaliseren van verdienmodellen en een beter beleid Bedrijfsdoelstellingen eenvoudiger realiseren en de groei van uw organisatie stimuleren Analyses en conclusies waarderen op correctheid en nauwkeurigheid Data te complex om er direct van de profiteren De meeste organisaties beschikken over data die van voldoende kwaliteit zijn om er grote exponentiële waarde uit te halen, maar te complex om er direct van te kunnen profiteren. Zo beschikken de meeste organisaties over te weinig kennis en vaardigheden om succesvolle data science projecten op te zetten. Men weet bijvoorbeeld niet wat ze moeten doen met data die gestructureerd, semigestructureerd of ongestructureerd van aard zijn. Of op welke wijze AI succesvol kan worden ingezet om toegevoegde waarde te creëren. Ook zijn de bestaande data warehouse architecturen en infrastructuren van organisaties vaak ongeschikt voor data science, AI, machine learning, data-analyse en big data toepassingen. Hierdoor zijn de meeste organisaties niet in staat om hun eigen data te vertalen naar waardevolle en bruikbare inzichten waarmee enorme concurrentievoordelen behaald kunnen worden. De data scientist zet diverse bedrijfsdata om in nieuwe en waardevolle inzichten De data scientist kent de methoden en technieken om grote hoeveelheden data om te zetten in waardevolle en bruikbare inzichten. Zo ontdekt de data scientist patronen en verbanden in grote hoeveelheden data die de basis vormen van voorspellende analyses. Daarmee speelt de data scientist in op toekomstige gebeurtenissen en toekomstige behoeften en wensen van zijn doelgroep. Hiervoor worden onder andere data mining, machine learning en visualisatie-technieken gebruikt. Daarmee geeft de data scientist antwoorden op vragen die nooit eerder zijn gesteld. Niet voor niets is de data scientist de ingenieur van de toekomst en data science de drijvende kracht achter toekomstige innovaties. Ook gaat de data scientist daarmee een stap verder dan de BI specialist. De BI specialist hanteert namelijk traditionele technieken om beschrijvende analyses te doen en maakt daarmee inzichtelijk wat in het verleden is gebeurd. Daarnaast voorziet de data scientist het management van zijn organisatie van cruciale inzichten waardoor op zowel strategisch en tactisch niveau datagedreven beslissingen genomen kunnen worden. Deze datagedreven beslissingen zijn cijfermatig onderbouwd en kunnen daarom altijd  verantwoord worden. In essentie stelt de data scientist zijn organisatie in staat om optimaal te kunnen profiteren van zijn eigen data. Daarmee speelt de data scientist een sleutelrol in de transformatie naar een data-driven, intelligentere en succesvollere organisatie. Een professionele data scientist is daarom van grote strategische en tactische waarde voor alle organisaties. Voorbeelden van praktische data science toepassingen: De gemeente Amsterdam maakte tijdens het evenement Sail gebruik van real life sensordata om voetgangersstromen in kaart te brengen. De gemeente wist hierdoor waar de meeste bezoekers zouden samenkomen en anticipeerden daarop door alvast verkeersregelaars naar de desbetreffende locaties te sturen. Tegenwoordig worden deze data gebruikt voor andere grootschalige evenementen waarbij crowd management een belangrijke rol speelt. De gemeente Amsterdam gebruikt data science toepassingen om te voorspellen hoelang wachtrijen voor trekpleisters zijn.Vervolgens anticipeert de gemeente daaropdoor bezoekers te adviseren om later op de dag een bezoek te brengen. In de gezondheidszorg wordt data science ingezet door wereldwijd medischegegevens met elkaar te combineren om zo beter onderzoek te doen naar zeldzame ziekten. Marketeers verdiepen zich in toekomstige gedragingen en keuzes van diverse doelgroepen om nieuwe aanknopingspunten voor marketing te vinden. Denk hierbij aan het aanbieden van gepersonaliseerde acties. Politieke partijen zetten data science in om te voorspellen welke invloed beleidswijzingen hebben op hun achterban en stemgerechtigden. Startups gebruiken data science om intelligente apps te ontwikkelen. De politie gebruikt data science om criminaliteit in bepaalde stadsdelen te voorspellen en op te sporen. Als data scientist een sleutelrol in uw organisatie bemachtigen Tijdens deze intensieve en praktijkgerichte Data Science opleiding leiden we u op tot volwaardig en professioneel data scientist. Daarmee stomen we u klaar voor een sleutelpositie in uw organisatie en de toekomst. U leert aan de hand van data science methoden en technieken om grote hoeveelheden data op de juiste manier te verzamelen, bewerken, analyseren, interpreteren, concluderen en presenteren. U leert patronen en verbanden in uw eigen data te ontdekken via wiskundige modellen en zelf opgestelde algoritmes. Ook leert u tijdens deze Data Science opleiding om voorspellende analyses (predictive analyses en modelling) op te stellen. Hierdoor leert u uw eigen doelgroep beter kennen en kunt u alvast inspelen op hun toekomstige behoefte en wensen of andere toekomstige gebeurtenissen. Uiteraard leert u ook de laatste ontwikkelingen en trends van data science, AI, big data, machine learning en data-analyse kennen. Daarnaast leert u bedrijfsdata om te zetten in bruikbare en waardevolle informatie voor uw organisatie. Hiermee voorziet u het management van uw organisatie van nieuwe en complete inzichten over uw business, waardoor cruciale strategische en tactische beslissingen op een verantwoorde wijze (data-driven) genomen kunnen worden. Hiermee maakt uw organisatie de transformatie naar een datagedreven, intelligentere en succesvollere organisatie door en wordt het volgende niveau bereikt. Kortom: onze Data Science opleiding is bedoeld voor organisaties die te maken hebben met complexe data-uitdagingen en substantieel slimmer willen worden. In een kort tijdsbestek wordt u opgeleid tot een vakkundig data scientist en klaargestoomd voor een leidende positie in uw organisatie en de toekomst. Werk tijdens de Data Science cursus aan uw eigen businesscase (eigen data en project). De groep van de Data Science opleiding bestaat uit cursisten met verschillende expertises, achtergronden, functies en branches. Hierdoor leert u ook van cases die binnen andere organisaties spelen. Deze opleiding Data Science staat internationaal enorm in de belangstelling en heeft een sterke internationale focus. Deze unieke en volwaardige cursus Data Science is samengesteld door gerenommeerde big data en data science experts en bereidt u voor op de toekomst. De modules van deze Data Science opleiding zijn afgestemd op de vraag vanuit de arbeidsmarkt en is uitermate geschikt voor zakelijke en bedrijfsmatige doeleinden. Na het afronden van de Data Science opleiding beschikt u over specifieke kennis en vaardigheden om voortaan geheel zelfstandig data science projecten succesvol binnen uw organisatie te implementeren. Wat u tijdens deze opleiding Data Science leert kan uw organisatie in de praktijk miljoenen euro’s opleveren of besparen. Aarzel daarom niet langer en schrijf uzelf vandaag nog in voor deze interactieve en praktijkgerichte Data Science opleiding van Global Training! Doelgroep & voorkennis Deze complete en praktijkgerichte Data Science cursus met een uitdagende eindopdracht is een absolute aanrader voor iedereen die zich vanuit een zakelijk perspectief wil bekwamen in data science, AI, machine learning, data-analyse en big data. En zeker aan te bevelen wanneer u een heldere visie wilt ontwikkelen op de mogelijkheden van data science, een boost wilt geven aan uw carrière en daadwerkelijk successen wilt boeken. Deze data Science opleiding is uitermate geschikt voor de volgende profielen: Business intelligence (BI) consultants Business intelligence (BI) specialisten Business intelligence (BI) managers Data analisten Big data analisten Business analisten Informatie analisten Data science managers Data scientist (beginners) Businessmanagers Data warehouse developers Programmamanagers Database professionals Controllers Chief informationofficers Chief data officers Data ondernemers Beginners in statistisch onderzoek Docenten Wiskundigen Om aan deze Data Science opleiding deel te nemen is geen specifieke voorkennis vereist. Wel gaan we er vanuit dat u affiniteit met statistiek en data-alayse hebt. Ook is het een pré wanneer u ervaring hebt met programmeertalen zoals R, Matlab, Stata, SAS, Python, GAUSS, C, C++, C#, Java, SQL of vergelijkbaar. Het werk- en denkniveau van deze opleiding Data Science kan vergeleken worden met een HBO of WO studie. Lesmaterialen, software en benodigdheden Tijdens de cursus zullen opdrachten in R en Python uitgevoerd worden. Voor R zal R-Studio gebruikt worden. Voor Python zal Pythonxy gebruikt worden. Overige tooling en software die mogelijk tijdens de Data Science opleiding gebruikt worden zijn: R-base, R-packages, Anaconda python machine learning toolset, iPython, Pandas, Scikit-learn, NLTK, JuPyTeR interactive notebooks (met zowel de R als python kernel). Wij adviseren u om een eigen laptop mee te nemen. Mocht u niet over een eigen laptop beschikken, geef dit dan door aan uw opleidingsadviseur. Uw opleidingsadviseur zal voor een passende oplossing zorgen. Dit kan inhouden dat er voor u een laptop wordt gehuurd. Wat ga ik leren? De intelligentie van een organisatie laat zich niet louter vangen in data-analytics en machine learning, het data science concept gaat veel verder dan dat. Daarom leert u tijdens deze praktijkgerichte Data Science opleiding waar en hoe “data science, AI, business intelligence, datagedreven werken en de intelligente organisatie” elkaar raken. Ook leert u waarom een analytische bedrijfscultuur van groot belang is voor het slagen van data science en artificial intelligence concepten. Aangezien data science een breed vakgebied is en veel verschillende concepten, tools en technologieën bevat, ligt de focus van deze Data Science opleiding op de interactie tussen data science, AI, machine learning, big data en data-analyse. Hierbij leert u complexe datavraagstukken om te zetten in resultaten voor uw organisatie. Naast technische aspecten zoals: The Internet of Things, supervised en unsupervised machine learning, deep learning, neurale netwerken, data lakes, algoritmes, etc., maakt u ook kennis met alle andere relevante business-aspecten. Denk hierbij aan: projectmanagement, businesscases, KPI’s, risico’s en valkuilen, datakwaliteit, data governance en privacy- en ethische principes. Ook benadrukken we tijdens deze opleiding vooral de bedrijfsmatige en zakelijke toepassingen van data science. In essentie leert u het management van uw organisatie te voorzien van bruikbare en waardevolle inzichten waarmee enorme concurrentievoordelen behaald kunnen worden. U leert patronen en verbanden te ontdekken in grote hoeveelheden data om daarmee als organisatie in te spelen op toekomstige gebeurtenissen. U leert nieuwe en waardevolle inzichten uit uw eigen data te distilleren waarmee voortaan op strategisch en tactisch niveau datagedreven beslissingen genomen kunnen worden. Hiermee speelt u als data scientist een sleutelrol in het worden van een datagedreven, intelligentere en succesvollere organisatie. Tijdens deze praktijkgerichte Data Science opleiding worden de onderstaande modules op een praktijkgerichte wijze behandeld: Introductie Data Science, AI, BI en trends KPI’s, analytics en machine learning Data Science volwassenheid en AI-first Projectmanagement en governance Datavisualisatie en data story telling Succesfactoren van BI en Data Science Introductie datawarehousing en big data Datawarehouse architectuur en data lakes Het datawarehouse en ETL-processen Business Intelligence en Data Analytics Master Data (MDM) en metadata Beheer van datawarehouses en data lakes Data governance en frameworks Datakwaliteit en AI Continu verbeteren van (big) data AI, big data science en machine learning De business case voor AI en data science AI architectuur Algoritmes en machine learning technieken Data science tools Kennismaken met Python, notebooks en R Machine learning modellen ontwikkelen Privacy, ethiek en wetgeving Vaardigheden en competenties U wordt op een positieve manier ondergedompeld in het vakgebied van de data scientist en klaargestoomd voor een leidende positie in uw organisatie. Tijdens deze praktijkgerichte Data Science opleiding zullen onze docenten u stapsgewijs door het lesprogramma loodsen aan de hand van een praktisch stappenplan. Naarmate de dagen vorderen, zal steeds meer de diepte worden opgezocht. De volgende vraagstukken worden tijdens de Data Science opleiding beantwoord: Hoe zet u complexe uitdagingen van uw organisatie om in simpele datavraagstukken? Hoe gaat u verbanden en patronen signaleren in grote hoeveelheden data? Hoe gaat u hypotheses over uw business en doelgroep valideren? Hoe zet u Data Science op de kaart in uw organisatie? Hoe gaat u een AI-first strategie ontwikkelen en zorgen dat iedereen in uw organisatie daaraan meewerkt? Hoe gaat u AI-technologie inbedden in de juiste Business Intelligence processen en kaders? Welke algoritmes en methodieken voor patroonherkenning kunt u gebruiken en hoe ontwikkelt u die? Welke data science tools zijn het beste te verbinden aan uw specifieke uitdagingen en problemen? Hoe bouwt u een robuuste en toekomstbestendige data-infrastructuur? Waar moet u op letten bij de implementatie van machine learning? Welke AI-tools zijn beschikbaar en welke past het beste bij uw specifieke problemen? Hoe implementeert u succesvol een big dataoplossing en een data lake? Wat is de relatie tussen innovatie, nieuwe business modellen, machine learning en data science? Hoe gaat u om met interne politiek, draagvlak in de organisatie en acceptatie bij de gebruikers? Lesprogramma Tijdens de Data Science opleiding worden de volgende modules behandeld: 1. Introductie data science, trends, KPI’s en AI-first strategie U maakt tijdens de eerste dag van deze Data Science opleiding kennis met de kracht van datagedreven organisaties en AI. U gaat niet alleen KPI’s, big data en machine learning beter begrijpen, maar krijgt ook inzicht in de laatste trends in data science, AI en de voordelen van analytics. U leert daarnaast welke stappen u moet zetten om een AI-first strategie te implementeren binnen uw organisatie. 1.1 Introductie op het vakgebied data science en artificial intelligenceDefinities en visievorming Data science, artificial intelligence, machine learning en business intelligence Hoe verhouden deze begrippen zich tot elkaar? Vier essentiële zaken waar elke organisatie rekening mee dient te houden? Ontwikkelen visie op data science en machine learning Draagvlak creëren voor AI en datagedreven werken en AI in uw organisatie Trends in Data Science, AI en machine learning Trends en ontwikkelingen Big data Data lakes Self-service BI Deep learning Robotica Drones Zelfrijdende auto’s Fotografie als de nieuwe “universele” taal Cloud oplossingen Blockchain Toegevoegde waarde van data science in uw organisatie 1.2 KPI’s, analytics & machine learning Datafication Overvloed aan data en een groot aantal uitdagingen: wat kan en moet u er mee? Toepassingen voor AI & Big Data bedenken (creatief proces) en implementeren Businesscase: Provincie Zuid-Holland: algoritmes adviseren brugbedieners Businesscase: Social Analytics (KLM): webcare, electronic word of mouth (eWoM) Businesscase: Predictive policing en de Brandweer A’dam (winnaar Dutch BI & Data Science Award) KPI’s en 1 miljoen euro inzichten bepalen Vier belangrijkste methodieken voor bepalen KPI’s: strategie-, proces-, markt- en datagedreven Bepalen meest essentiële data science-content Onvervalste KPI’s vaststellen Identificeren 1 miljoen euro inzichten Relatie tussen KPI’s, big data en machine learning KPI’s voor uw eigen organisatie bepalen (in groepen) 1.3 Data Science volwassenheid en AI-first strategie De business case voor data science Belangrijkste onderdelen data science businesscase in relatie tot verschillende volwassenheidsniveau Businesscase opstellen op basis van KPI’s en 1 miljoen euro inzichten Draagvlak creëren onder stakeholders, betrokken creëren en budget losweken Ontwikkelen AI-first strategie Valkuilen meeste organisatie De belangrijkste onderdelen van een AI strategie Ontwikkelen AI-first strategie voor uw organisatie (onder begeleiding docent) 2. Projectmanagement, datavisualisatie en data science succes Deze dag van de Data Science opleiding start met projectmanagement, governance in data science en staat verder volledig in het teken van gebruikers, algoritmes, dashboards en rapporten. Het complete data science-proces (alle vijftien stappen) komt uitgebreid aan bod. Ook hoe u de User eXperience van data kan verbeteren door effectieve datavisualisatie technieken toe te passen. Tot slot komen de twaalf meest kritieke succesfactoren van data science en BI langs. In detail leert u meer over het volgende: 2.1 Projectmanagement en governance in data science Business intelligence als fundament Valkuilen data science: geen solide fundament Fundamenten van data science: enterprise business intelligence en analytics Projectmanagement en governance Projectmanagement business intelligence en data science Waterval tot agile scrum 10 belangrijkste projectrisico’s en valkuilen Deliverymodellen voor machine learning Waarom en hoe een BICC (business intelligence competency center) opzetten? Belangrijkste verschillen tussen BI en data science project 2.2 Processtappen en datavisualisatie BI en data science is een proces 15 stappen voor verwerking, analyse en distributie van informatie Data science en BI effectief inzetten om betere beslissingen te nemen Verschillen tussen het data science proces en BI proces Datavisualisatie en User eXperience (UX) Kennismaken met krachtige datavisualisatie technieken Data story telling en hoe informatie te versterken Rekening houden met psychologische effecten en cognitieve kaders Essentiële factoren voor effectieve big datavisualisatie Bespreking BBC-documentaire: “How to make better decisions” Praktijkopdracht: vormgeven verschillende effectieve datavisualisaties 2.3 Succesfactoren van BI en Data Science Succes bereiken met BI & Data Science: 12 meest kritieke succesfactoren om rendement te behalen op BI en Data Science Allround vision, analytics en agile werken in een continu proces verbeteren 3. Introductie DWH, doelen, alternatieven & big data architectuur Deze module van de Data Science training is volledig gewijd aan het tot stand brengen vanETL-processen en een solide data-infrastructuur. Hierbij wordt er rekening gehouden met een noodzakelijke datawarehouse omgeving toekomstbestendige opslagmethodieken (big data). Een datawarehouse kan een Data Science traject maken of breken. Waar moet u allemaal op letten? 3.1 Introductie datawarehousing en big data Hoe komt u tot een schaalbare centrale datahub die zorgt voor integratie van data, betrouwbare gegevens en één versie van de waarheid? Welke andere doelen kunt u realiseren met een datawarehouse en een data lake? Gegevens uit een diversiteit aan databronnen (uw bedrijfsprocessen) en externe data gaat u opschonen en koppelen zodat de eindgebruiker deze eenvoudig met elkaar in verband kan brengen. Steeds belangrijker wordt het om dit te combineren met alle aanwezige “niet gestructureerde” data waar een organisatie ook over beschikt. Kennis als eindpunt Transformatieslagen toepassen om (big) data op te waarderen tot actiegerichte kennis Het belang van een adequate informatiehuishouding Doelen DWH Belangrijkste doelen datawarehouse (historie-opbouw en performanceverbetering) Hoe draagt datawarehouse bij aan een hogere datakwaliteit, grotere herkenbaarheid en betere vindbaarheid van informatie Ontsluiten en combineren van gestructureerde-, ongestructureerde-en semigestructureerde data De vier kenmerken van big data De 4 V’s (volume, variety, velocity en veracity) De 4 V’s toepassen op eigen projecten De 4 V’s gekoppeld aan algoritmes, medewerkers, oplossingen en dataopslag Data lakes, virtualisatie en cloud Datawarehousing alternatieven Datawarehouse appliances, in-memory BI, data lakes, datavirtualisatie en cloud oplossingen Praktijkopdracht: welke zijn zinvol en haalbaar in uw situatie? Welke ervaringen heeft uzelf en wat kunnen anderen daarvan leren? 3.2 Datawarehouse architectuur en data lakes Het werken met een datawarehouse-architectuur is van groot belang voor agile BI en zeker ook bij het gebruik van AI. Welke gereedschappen en vaardigheden heeft u hierbij nodig? Hoe laat u die aansluiten op de algehele IT- en bedrijfsarchitectuur? U leert waarom de onderlinge samenhang de sleutel tot succes vormt. Architectuur van het DWH Belang van een goede datawarehouse-architectuur Hoe past een DWH binnen de enterprise architectuur van uw organisatie Datamodellering Vormen datamodellering (Inmon, Kimball en Linstedt (DataVault)) Overeenkomsten en voornaamste verschillen Voor- en nadelen van de verschillende methodieken Wanneer kiezen voor één methodiek en wanneer voor een mix Big data en data lakes Wat te doen met data dat niet meer past in een traditioneel datawarehouse (te grote en ongestructureerde data)? Vanuit een architectuuroogpunt rekening houden met te grote en ongestructureerde data Hoe de cloud u gaat helpen bij te grote en ongestructureerde data Specifieke eisen voor AI en big data Sensorische data Data verzamelen met sensoren Plaatsing van sensoren die zo weinig mogelijk overlast veroorzaken Sensoren en kostenbesparing Overzicht tooling Criteria en kiezen van specifieke datamodellering tools, opslagplatforms en databasesoftware 3.3 Datawarehouse en ETL-processen Het vullen van een datawarehouse vindt procesmatig plaats in drie stappen: extractie, transformatie en laden (ETL). Dit kan via de krachtige analytische taal SQL of met behulp van ETL software en/of datawarehouse automation tools. De laatste vormen een onmisbare component in een volwassen datawarehouse-architectuur. Toepassen van de datatechnieken Welke datatechnieken zijn het meest geschikt in welke stap van het ETL-proces AI binnen het ETL proces: automatisering en datakwaliteit verhogen Het ETL proces inrichten en waarop te letten Pseudonimiseren en anonimiseren Kaders privacywetgeving Data verwerken Data analyseren Data gebruiken Ontwikkelen algoritmes Methoden om data te pseudonimiseren en anonimiseren ETL en datawarehouse automation tools Beschikbare Data integratie-tools en Datawarehouse automation tools Onafhankelijke ETL Tools en Data Integratie Survey Keuze: één leverancier of best-of-breed? Methodieken voor verbetering van de datakwaliteit Overzicht tools voor verbetering datakwaliteit Belangrijkste methodieken voor verbetering datakwaliteit Slechte data wel laden in het DWH? Wat is data profiling en hoe kan AI u daarbij helpen? ELT of ETL Verschillen tussen ELT en ETL Impact grote decentrale gegevensverzamelingen (open data, big data en datalakes) op Data Science projecten? Ontsluiten van grote decentrale gegevensverzamelingen De beste keuzes maken in een hybride omgeving 4. Analytics, Master Data Management, metadata en beheer Deze module van de opleiding Data Science staat in het teken van: datawarehouse gebruik in lijn met de hogere doelen van BI Analytics, Business Intelligence tools, het beheer van een DWH, masterdata, meta data en open data. Big data en vooral AI nemen hier een steeds grotere rol in. 4.1 Business Intelligence en Data Analytics Eindgebruikers verwachten van een datawarehouse kwalitatief uitstekende gegevens die relevant zijn. Zij gebruiken Business Intelligence software om datasets op te vragen, betekenis te geven, erover te rapporteren en de datasets te analyseren. Business Intelligence software Beschikbaarheid verschillende soorten Business Intelligence software Welke BI software sluiten aan op uw datawarehouse, datalake of AI toepassing De laatste trends Laatste trends en ontwikkelingen in Business Analytics en Data Science Laatste trends en ontwikkelingen in Big Data en AI (bijvoorbeeld image processing of textmining)? Betekenis open source in dit arena Het gebruik Directe toegang tot het datawarehouse: aan te raden en noodzakelijk? Overzicht verschillende typen gebruikers Functionele behoeften en hierop inspelen Rol van self-service BI 4.2 Master Data Management (MDM) en metadata Naast schone data is een goede structuur voor masterdata en metadata uitermate belangrijk voor verdere groei in data science. Belangrijke gegevensgroepen zoals klanten, producten, locaties en medewerkers moet u goed kunnen onderhouden. Inzicht in de ontstaansgeschiedenis en bijbehorende bedrijfsregels zijn daarbij essentieel. De groei aan data is exponentieel en AI wordt steeds belangrijker binnen dit domein. Definities en masterprocessen Wat zijn masterdata en metadata? Rol van masterdata en metadata bij produceren en consumeren van kwalitatief goede en betrouwbare informatie (één versie van de waarheid) Welke processen een grote rol spelen Slimme leerlussen Master- en metadata management: puur analytisch of hebben ze ook impact op operationele systemen? Verschillende volwassenheidsniveaus van metadata Slimme leerlussen inrichten met een enterprise portal en mobiele toegang 4.3 Het beheer van het datawarehouse en data lakes en succes behalen Datawarehouses en data lakes moet u natuurlijk onderhouden en beheren. U maakt tijdens dit onderdeel van de Data Science opleiding kennis met de belangrijkste technische en functionele beheerprocessen, beheerpatronen en competenties. Met de komst van AI toepassingen binnen dit domein zijn er nieuwe competenties nodig. Beheerprocessen Welke technische en functionele beheerprocessen kunt u onderscheiden bij datawarehousing en data lakes? Welke tools kunt u hiervoor gebruiken? Business & IT Welke rol speelt het BICC in deze processen en wat is de zin (of onzin) ervan? Welke rol speelt de business en welke rol speelt IT? Projectaanpak Wat is een geschikte projectaanpak met het oog op succes- en risicofactoren? Waarom het gebruik van algoritmes het plan van aanpak wijzigen Wat zijn eigenlijk de belangrijkste succesfactoren voor een goed functionerend datawarehouse en data lake? Support en onderhoud Hoe ontwikkelt u een datawarehouse en data lake met support en onderhoud in gedachten? AI vraagt een andere manier van support en onderhoud. De vraag is hoe richt u dat succesvol in? Competenties en vaardigheden In hoeverre wijkt DWH onderhoud af van “traditioneel” onderhoud? Welke competenties en vaardigheden zijn nodig voor succesvol beheer van uw data lake en datawarehouse? 5. Data governance, datakwaliteit en continu verbeteren Data governance is onmisbaar voor organisaties die datagedreven willen werken. De totale levenscyclus van data, van ontstaan tot verwijdering, moet u dan als leerproces en feedbackloop gaan implementeren en borgen. Tijdens deze module van de opleiding Data Science leert u een robuuste Data Governance-structuur op te zetten. Wat komt daar zoal bij kijken? 5.1 Data governance De waarde van data governance: hoe kan uw organisatie waarde ontlenen aan data governance en er voordeel mee behalen? Moet Data Governance totaal anders ingericht worden als u met big data en AI aan de slag gaat? Het Data Governance framework Alle aspecten van data governance (verschillende rollen zoals data stewards en data custodians, maar ook aan de integriteit van de data, datakwaliteit en het goed toegankelijk maken van (big) data, meta- en masterdata Data Governance framework gebruiken voor uw eigen organisatie Waar moet u in dit framework vooral op letten als AI een belangrijke pijler wordt van de bedrijfsvoering binnen uw organisatie Van governance naar dataperfectie Kennismaken met de ideale route om tot dataperfectie te komen (inclusief gedegen kosten en batenanalyse) Welke stappen dient u dan te zetten, wie moet u betrekken en hoe tilt u uw eigen organisatie naar een hoger volwassenheidsniveau van datamanagement? Welke mogelijkheden biedt AI daarin? 5.2 Datakwaliteit Niemand zal het belang van goede datakwaliteit bagatelliseren, maar hoe start u hiermee en wat komt daarbij kijken als het gaat om oplossingen en succes behalen? U maakt tijdens dit onderdeel van de Data Science opleiding kennis met alle thema’s die zorgen voor uitstekende datakwaliteit. Datakwaliteit Data kan niet half juist zijn, data is goed óf fout Sleutelbegrippen Wat zijn de sleutelbegrippen rondom datakwaliteit? (compleetheid, juistheid, integriteit, metadata, gekoppelde data, geaggregeerde data, big data, etc). Welke zaken moet u in uw situatie in de gaten houden? Ongestructureerde data U leert hoe u de datakwaliteit van ongestructureerde (sensor) data kan verbeteren en welke succesverhalen er zijn. Wat kunt u hiervan leren? Hoe zorgt u ervoor dat de kwaliteit goed is en dat AI toepassingen hier succesvol gebruik van kunnen maken Oplossingen voor datakwaliteit Welke oplossingen zijn er op de markt beschikbaar om de datakwaliteit te monitoren, te analyseren, op te schonen, te markeren of af te wijzen? Zijn datakwaliteitssystemen met artificial intelligence hierin de gouden graal of zorgen ze juist voor meer problemen dan dat ze oplossen? Succesfactoren Welke valkuilen en succesfactoren spelen een grote rol? Wat zijn uw eigen ervaringen en wat valt daaruit te leren? 5.3 Continu verbeteren van (big) data Het gestructureerde proces om hogere datakwaliteit te realiseren krijgt tijdens dit onderdeel van de Data Science training vorm. U leert hoe u een continu verbeterproces op kan zetten rondom datakwaliteit. Wat zijn de best practices om data-resultaten te borgen zodat u niet steeds weer met dezelfde datarommel zit opgescheept? Kunt u met de komst van AI het proces “continu data verbeteren”, volledig overnemen en weghalen bij de organisatie? Verbetercirkels De docent geeft u praktisch inzicht in de manier waarop u de datakwaliteit kunt verbeteren onder andere door de verbetercirkel PDCA van dr. William Edwards Deming Bewustwording en cultuur Hoe zorgt u voor bewustwording bij het management? Hoe neemt u medewerkers mee? Hoe wijst u ze op het belang van de kwaliteit van gegevens en wat kan dit hen opleveren? Welke culturele aspecten spelen een rol en welke vaardigheden zijn noodzakelijk? Welke cultuur is nodig als u hier algoritmes bij inzet? Gedrag en draagvlak Hoe moet u omgaan met bepaald gedrag van medewerkers? Hoe kunt u zorgen voor een groot draagvlak? Borgen van verbeteringen U leert hoe u de PDCA-cirkel elke keer weer (dagelijks, wekelijks) doorloopt, rondmaakt en de resultaten kunt borgen 6. Ontwikkelen onderdelen van AI, machine learning en AI-architectuur Tijdens deze module van deze opleiding Data Science komt u in aanraking met analytische en voorspellende modellen die de basis vormen voor AI, machine learning en de bijbehorende architectuur. 6.1 AI, big data, data science en machine learning Tijdens deze module leert u precies wat AI inhoudt en uit welke onderdelen dit bestaat. Tevens maakt u kennis met de twee belangrijkste onderdelen van AI en data science: machine learning en statistiek. Verdiepingskader AI en begrippen Wat is AI en hoe verhoudt zich dit tot andere veelgebruikte begrippen als big data, predictive analytics, data science, tekst mining en data mining? Wat is de rol machine learning in het data science proces? Hoe verhoudt AI zich tot BI? Data science proces Waar houdt een data scientist zich mee bezig? Uit welke stappen bestaat het data science proces? Rol machine learning binnen het data science proces Praktijkopdracht: machine learning binnen uw eigen organisatie toepassen Statistische kennis Het belang van juiste statistieken Welke statistische kennis heeft u nodig in uw data science project? 6.2 De business case voor AI en data science Er is heel veel geld gemoeid met AI gerelateerde initiatieven. De totale markt wordt geschat op 1.000 triljoen euro (wereldwijd op jaarbasis). Maar ook de opbrengsten kunnen gigantisch zijn. De docent presenteert ook vele andere best practices waar u van kunt leren. Integraal denken en business case Welke relatie moet u leggen tussen algoritmes, big data, innovatie en procesverbetering? Wat zijn de belangrijkste onderdelen uit de big data business case? Hoe moet u omgaan met experimenten en proeftuinen die buiten uw gezichtsveld of verantwoordelijkheid plaatsvinden? Overtuigen van het management Op welke wijze neemt u het management bij de hand en overtuigt u ze van het nut en de noodzaak van AI? Wat voor leiderschap heeft u daarvoor nodig in uw organisatie? Stappen en valkuilen Welke stappen moet u zetten in uw big data-project Welke valkuilen en risico’s kunt u onderkennen bij het implementeren van algoritmes? 6.3 AI architectuur Hoe verhoudt AI architectuur zich tot klassieke BI en DWH architectuur? Hoe laat u de AI tools aansluiten op uw bestaande architectuur en infrastructuur. Onderwerpen die aan de orde komen zijn: Data science technologie Wat zijn belangrijkste tools die gebruikt worden? Welke impact hebben deze tools op uw(bestaande) architectuur? Hoe gaat u om met de meest voorkomende dilemma’s die u tijdens de AI-transitie tegengaat komen? Data science referentie architectuur De docent presenteert een data science referentie architectuur en neemt u mee in de meest cruciale principes die daarin naar voren komen Nieuwste ontwikkelingen en trends Denk aan cloud, Docker containers, automated machine learning, sensoren, gespecialiseerde hardware (zoals GPU’s), SPARK, Hadoop en REST APIs 7. Machine learning algoritmes: theorie en praktijk Tijdens deze module van de opleiding Data Science komt u in aanraking met de theorie en technieken van machine learning algoritmes. Onder begeleiding van de docent gaat u in een workshop zelf aan de slag met Python en R en maakt u de vertaalslag naar de praktijk. 7.1 Algoritmes en machine learning technieken Als eerste gaat de docent dieper in op de verschillende hoofdgroepen van algoritmes. De docent presenteert de toepassing, werking en voor- en nadelen. Onderwerpen die aan de orde komen zijn: Betekenis en gebruik van algoritmes Wat is een algoritme en aanverwante terminologie? Hoe worden algoritmes gebruikt door data scientists? Supervised, unsupervised learning en reinforcement learning Tijdens dit onderdeel leert u wat supervised learning, unsupervised learning en reinforcement learning zijn en in welke situatie u deze manieren van leren kan toepassen De docent geeft u inzicht in de verschillende typen algoritmes zoals classificatie, regressie, clusteren, beslisbomen, KNN, ensemble modellen en neurale netwerken Wat is deep learning U leert op welke wijze algoritmes het concept van deep learning toepassen en wat daarbij komt kijken Validatie van algoritmes Hoe meet u de performance van een gebruikt algoritme en hoe voorkomt u de belangrijkste valkuilen zoals overfitting en underfitting 7.2 Data science tools Tijdens deze module van de Data Science cursus gaat u aan de slag met diverse data science tools die in de praktijk door data scientists gebruikt worden. De docent begint met een overview van de tools die veel gebruikt worden. Open source tools voor data science Wat is het en waarom zijn de meeste data science tools open source?  U krijgt een overzicht van veel gebruikte (open source) tools zoals bijv. Python, R, SCALA, SQL, sklearn, pandas en numpy Commerciële data science tools Welke commerciële data science tools worden veel gebruikt en waar passen zij in het data science proces? Een aantal commerciële data science tools zoals Rapidminer, SAS, Dataiku en IBM Watson Studio passeren de revu 7.3 Data science tools in de praktijk, kennismaken met Python en R In deze workshop gaat u kennismaken met veelgebruikte programmeertalen zoals Python en R, maar ook met de verschillende ‘interfaces’ waar data scientists mee werken. Tijdens deze workshops zal de nadruk liggen op het werken met de taal Python, omdat dit de meest gebruikte taal door data scientists is. Maar ook gaat u kennismaken met de taal R. Introductie Hoe positioneert u Python en R positioneren? Waar komen deze talen vandaan en hoe gaat u dit gebruiken? Hoe gaat u interfacen met de cloud of andere platformen? Of gaat u een standalone tool gebruiken? Welke zijn er zoal? Notebooks Wat is een notebook en hoe werken deze? Python basics Wat zijn de basiselementen om te kunnen werken met Python? Denk bijvoorbeeld aan het gebruik van variabelen, lists, functies en help Packages zijn soort ‘plug-ins’ die u in Python (of R) kunt laden. Wat zijn veel voorkomende packages en hoe laad u deze in Python? 8. Data Science in de praktijk Tijdens deze module van de Data Science opleiding gaat u in de vorm van een workshop aan de slag met machine learning en tekst mining. Verder leert u zelf modellen te ontwikkelen, trainen, testen en valideren. 8.1 Workshop machine learning modellen ontwikkelen Aan de hand van diverse datasets gaat u alle stappen van het data science proces doorlopen. Dat gaat u doen aan de hand van Python, R en een visuele modelleeromgeving. Elke gedeelte zal uit de volgende stappen bestaan: Importeren van data Exploratory Data Analysis (EDA) Data wrangling: opschonen en bewerken van data Splitsen van de data set in trainings- en test dataset Machine learning model trainen middels meerdere algoritmes Validatie machine learning model: hoe goed presteert machine learning model Visualisatie: hoe visualiseert een data scientist de data Praktijkopdracht: met text analytics een sentiment analyse uitvoeren 9. Ethiek, privacy, vaardigheden en competenties Tijdens deze module van de Data Science opleiding gaan we in op de belangrijkste ethische principes en privacywetgeving. Tevens gaat u leren welke vaardigheden en competenties nodig zijn om van data science een succes te maken. 9.1 Privacy, ethiek en juridische kaders voor data science Data Science praktiseren zonder in te gaan op privacy en ethiek is tegenwoordig uitgesloten. De grote hoeveelheid te koppelen data stelt u voor een belangrijk vraagstuk: hoe om te gaan met privacy en data-ethiek? Kaders en frameworks Welke (juridische) kaders en frameworks zijn er op dit moment beschikbaar om ethisch te toetsen of dataplannen wel door de beugel kunnen? Wet- en regelgeving Wat zegt de relevante wet- en regelgeving over het gebruik van identiteitsgebonden data? Wat kunt u doen om in te spelen op de publieke opinie? Hoe voorkomt u imagoschade? Technieken en privacyoplossingen Welke technieken en oplossingen zijn voorhanden om persoonsdata toch te gebruiken en analyseren en tegelijk de privacy te respecteren? Data masking in combinatie met data-aggregatie Toestemming vragen aan desbetreffende personen 9.2 Vaardigheden en competenties bij data science en AI Data Science is hard op weg om een zeer professioneel vakgebied te worden. In een hoog tempo komen nieuwe kennis en technologieën beschikbaar. Hoe houdt u daar grip op? En hoe breng u een BI of data science team op een hoger plan? Statistiek, data blending, analytics en datavisualisatie behoren tot de kerncompetenties van een goede data scientist, maar ook praktijkervaring met het ontwikkelen van machine learning modellen en programmeren is altijd gewenst. Daarnaast behoren goede communicatieve, consultancy-vaardigheden, kennis van BI, privacy en data governance tot de standaardbagage van een professionele data scientist. Drie basisvaardigheden Welke drie basisvaardigheden heeft een data scientist zelf absoluut nodig? Hoe ontwikkelt u deze basisvaardigheden bij teamleden? Hoe om te gaan met een tekort aan Data Scientists? Data Science team De belangrijkste Data Science vaardigheden en soft en hard skills passeren de revue Hoe bouwt u een Data Science-team dat uw organisatie klaarstoomt voor een nieuwe fase van ontwikkeling? Welke rollen en competenties komen daarbij kijken? 10. Afsluitende opdracht en certificering Tijdens de Data Science opleiding werkt u in groepjes aan een uitdagende opdracht om te toetsen of u het geleerde ook in de praktijk kunt brengen. De opdracht levert u een week voor de laatste lesdag van deze Data Science opleiding in bij uw docent. We bespreken de resultaten van de verschillende opdrachten integraal met elkaar door. Hierdoor leert u ook van cases die binnen andere organisaties spelen. Resultaten Tijdens de Data Science opleiding werkt u in groepjes aan een uitdagende opdracht om te toetsen of u het geleerde ook in de praktijk kunt brengen. De opdracht levert u een week voor de laatste lesdag van deze Data Science opleiding in bij uw docent. We bespreken de resultaten van de verschillende opdrachten integraal met elkaar door. Hierdoor leert u ook van cases die binnen andere organisaties spelen. Na het afronden van de Data Science opleiding: Voorzie het management van uw organisatie van bruikbare en waardevolle inzichten waarmee enorme concurrentievoordelen behaald kunnen worden. Ontdek patronen in grote hoeveelheden data, doe toekomstvoorspellingen en speel daarmee als organisatie in op toekomstige gebeurtenissen. Neem voortaan op strategisch- en tactisch niveau datagedreven beslissingen die ten alle tijden verantwoorden kunnen worden. Maak de transformatie naar een data-driven, intelligentere en succesvollere organisatie door. Creëer toegevoegde waarde voor uw organisatie en klanten. Ontwikkel een beter beleid en optimaliseer uw verdienmodel. Stimuleer innovatieve toepassingen binnen uw organisatie. Bereik uw bedrijfsdoelstellingen eenvoudiger en stimuleer de groei van uw organisatie. Analyses en conclusies waarderen op correctheid en nauwkeurigheid. Arbeidsperspectieven Er is een schreeuwend tekort aan uitstekend opgeleide data scientists die artificial intelligence (AI) niet alleen vanuit de techniek benaderen, maar juist vanuit een bedrijfsmatig en menselijk perspectief. Zo voorspelt McKinsey in het rapport “Big Data: the next frontier for innovation, competition and productivity”, dat er alleen in de VS al een tekort zal bestaan van 140.000 tot 190.000 mensen met “deep analytical skills”. Hierbij gaat het met name om mensen met een achterstand op wiskunde, big data, AI, data science, statistiek en machine learning. Daarnaast blijkt uit diverse rapporten dat er in Nederland ook een groot tekort aan vakkundige data scientist bestaat. Naar verwachting zal dit in de toekomst blijven toenemen. De kans is dan ook erg groot dat u een baan zal vinden in de (internationale) wereld van data science, machine learning, big dataof data-analyse. Als data scientist kunt u aan de slag bij grote multinationals zoals Philips, Google en KPN. Maar ook bijoverheidsinstanties, de luchtvaart, banken en innovatieve Mkb’ers. Na het succesvol afronden van deze opleiding Data Science beschikt u over geavanceerde en diepgaande vaardigheden en kennis inzake data science, AI, big data, data-analyse en machine learning. U heeft de organisaties voor het uitkiezen. U zou kunnen solliciteren op een de volgende functies: Data scientist Business intelligence specialist Data analist Big data analist Business analist Informatie analist Data science manager Businessmanager Data warehouse developer Programmamanager Database professional Controller Chief information officer Chief data officer Data ondernemer Beginners in statistisch onderzoek Docent Wiskundige Uiteraard kunt u er ook voor kiezen om carrière te maken als freelance Data Scientist.

Data Analist opleiding in het kort Tijdens onze praktijkgerichte Data Analist opleiding werk je met Python of R. Dé belangrijkste programmeertalen van data analyse. Wat onze opleiding uniek maakt? Al het geleerde pas je direct toe op jouw eigen dataset! Zo leer je niet alleen, maar lever je tegelijk ook werk van topkwaliteit af. Onze data analyse specialisten begeleiden jou stap voor stap. Van basis tot meer diepgang. Ook zonder ervaring kun je instappen: wij leren je alles wat je nodig hebt. Schrijf je vandaag nog in! Data Analist opleidingStel je voor: je organisatie zit vol met data, maar niemand weet wat de cijfers nu écht betekenen. Met onze Data Analist opleiding leer jij hoe je die enorme berg informatie omzet in waardevolle inzichten. Geen onderbuikgevoel meer, maar onderbouwde keuzes op basis van feiten. En dat is precies wat steeds meer functies vragen. Van kwaliteitsmanager tot IT-consultant, van productowner tot applicatiebeheerder, van financieringsspecialist tot data analist. Data is werkelijk overal en vertelt vaak veel meer dan op het eerste gezicht zichtbaar is. In marketing ontdek je patronen in klantgedrag en begrijp je beter waarom klanten voor jou kiezen. In de zorg laat data zien waar processen slimmer en sneller kunnen. In finance gebruik je analyses om risico’s te voorspellen en kansen vroeg te signaleren. Ook in de IT is data analyse onmisbaar: je verbetert systemen en optimaliseert applicaties. En met predictive analyses ga je zelfs een stap verder: je kijkt vooruit, voorspelt trends en maakt beslissingen die écht het verschil maken. Tijdens de Data Analist opleiding van Global Training werk je met Python óf R, de belangrijkste programmeertalen voor data analyse. Je leert data verzamelen, opschonen en analyseren. En als jij je resultaten wilt presenteren, gebruik je visualisatietools zoals Power BI of libraries zoals Matplotlib en Seaborn. Zo maak je rapportages en dashboards die iedereen begrijpt. Van collega tot directie. Wat onze Data Analist opleiding uniek maakt? Het is 100% praktijkgericht en hands-on. Een stukje theorie, en dan meteen doen. Je mag zelfs je eigen dataset meenemen. Zo leer je niet alleen, maar lever je tegelijk werk van topkwaliteit af. De trainer kijkt mee, zodat je resultaten kloppen én je nieuwe skills direct in de praktijk toepast. We nemen je stap voor stap mee. Van de basis tot steeds meer diepgang. Ook zonder ervaring kun je instappen: wij leren je alles wat je nodig hebt. Dus ben jij klaar om data om te zetten in succes? Schrijf je dan vandaag nog in voor de Data Analist opleiding of download de brochure! Wat is een data analist en waarom zijn ze onmisbaar?Een data analist helpt organisaties slimmer te werken met hun gegevens. Waar managers vaak verdrinken in cijfers, rapporten en eindeloze spreadsheets, breng jij structuur en overzicht. Jij verzamelt de juiste informatie uit verschillende bronnen, legt verbanden die voor anderen verborgen blijven en vertaalt ruwe data naar inzichten die ertoe doen. Zo maak je kansen zichtbaar en voorspel je risico’s voordat ze zich voordoen. Wat doet een data analist concreet? Je bouwt dashboards die in één oogopslag laten zien hoe de organisatie ervoor staat. Je analyseert prestaties, ontdekt verbeterpunten en zet jouw bevindingen om in heldere adviezen waar direct actie op volgt. Daarmee ben jij de schakel tussen techniek en strategie: degene die cijfers tot leven brengt en beslissingen kracht geeft. Met onze Data Analist opleiding ontwikkel jij precies die vaardigheden om met data echte impact te maken. En precies dát maakt jou als data analist onmisbaar. Waarom kiezen voor een opleiding tot data analist?Een Data Analist opleiding volgen betekent dat jij uitgroeit tot de verbindende schakel binnen jouw organisatie. Jij bent straks degene die van losse cijfers duidelijke inzichten maakt. Geen vaag gegok, maar duidelijke feiten waar je écht iets mee kunt. Zo help je teams sneller en slimmer beslissen. En het mooiste? Jij wordt dé sparringpartner waar collega’s op bouwen en vertrouwen. Iemand die richting geeft en zekerheid biedt. Tegelijkertijd investeer je met een cursus Data Analist in je eigen toekomst. Data analisten zijn super gewild en dat blijft voorlopig zo. Of je nu dus wilt doorgroeien in je huidige rol of jezelf wilt omscholen tot data analist: met deze Data Analist opleiding vergroot jij je carrièremogelijkheden aanzienlijk. Wat leer jij tijdens de Data Analist opleiding?In onze opleiding Data Analist begin je rustig bij de basis en bouwen we stap voor stap op naar de écht gave technieken. Eerst leer je wat data analyse eigenlijk inhoudt en hoe je van een berg cijfers weer overzicht maakt. Daarna ga je steeds verder: patronen ontdekken, verbanden leggen en inzichten vertalen naar beslissingen waar een organisatie écht wat aan heeft. Daarna is het tijd voor actie, je duikt de praktijk in. Je gaat programmeren in Python óf R, de twee belangrijkste programmeertalen in data analyse. Geen zorgen: je hoeft geen programmeerguru te zijn om te starten. We nemen je mee in object georiënteerd programmeren (OOP), je bouwt zelfs jouw eigen user interface en leert data visualiseren. Dat kan met libraries zoals Matplotlib, Seaborn en Streamlit, óf met Power BI. Afhankelijk van wat voor jou het beste werkt. Ook behandelen we SQL, werken met API’s en leer je algoritmes en voorspellende modellen bouwen tijdens de Data Analist opleiding. Zo kun je niet alleen historische data analyseren, maar ook voorspellen wat er gaat gebeuren. Alsof je een glazen bol hebt, maar dan gebaseerd op feiten. Daarnaast krijg je een introductie in machine learning en data mining, zodat je geavanceerde analyses kunt uitvoeren en processen kunt automatiseren. Het leukste? Onze Data Analist opleiding is 100% praktijkgericht. Je werkt met jouw eigen dataset, zodat je direct resultaat ziet voor jouw organisatie. De training wordt verzorgd door ervaren data analyse trainers die dagelijks in het werkveld staan en precies weten wat er speelt. En dankzij onze kleine groepen, persoonlijke begeleiding en waardevol certificaat weet jij zeker dat je kwaliteit krijgt én dat jouw nieuwe vaardigheden direct waarde toevoegen. Artificial Intelligence (AI) in data analyse Artificial Intelligence (AI) is niet meer weg te denken uit de wereld van data analyse. Daarom duiken we tijdens de Data Analist opleiding in de vraag: hoe maak jij jouw analyses slimmer, sneller en gewoonweg beter met AI? Tijdens deze training Data Analyse ontdek je dus ook hoe je kunstmatige intelligentie inzet om automatisch patronen te herkennen, emoties in teksten te analyseren en voorspellingen te doen die je anders nooit had gezien. We gaan dus niet alleen technisch aan de slag met Python of R. Je leert ook hoe moderne tools als HuggingFace en PyCaret het analyseproces kunnen versnellen zonder in te boeten op nauwkeurigheid. Handig, want zo kun je indrukwekkende resultaten neerzetten zonder dat je alles tot in de kleinste code hoeft uit te pluizen. En natuurlijk kijken we tijdens de Data Analist opleiding verder dan de techniek. We hebben het ook over ethiek, transparantie en bias. Want AI is krachtig, maar alleen als je begrijpt waar de kansen liggen én valkuilen schuilen. Wacht niet langer en meld je vandaag nog aan voor de Data Analyse opleiding van Global Training! Voor wie is deze opleiding Data Analist geschikt?Onze Data Analist opleiding is er voor iedereen die meer uit data wil halen. Ben jij dus een starter en wil je een stevige basis leggen in data analyse? Of juist een professional die zich wil omscholen naar een toekomstbestendige rol als data analist? Jij bent hier op de juiste plek! Of dat nu is via data analyse met Python of juist data analyse met R: met onze Data Analist opleiding groei je uit tot een professional die zijn organisatie helpt om slimme en datagedreven beslissingen te nemen. Kortom, data analist zonder (voor)opleiding worden? Bij Global Training maken we dat niet alleen haalbaar, maar ook leuk en praktisch! Voorkennis en toelatingseisen van de Data Analist opleidingGoed nieuws: voor deze Data Analist opleiding heb je geen enkele voorkennis nodig. Of je nu een starter bent of jezelf wilt omscholen: iedereen kan meedoen. Jij hoeft alleen de motivatie mee te nemen, wij regelen de rest. Met onze jarenlange ervaring in het opleiden van data analisten begeleiden we je stap voor stap. Zo leer je niet alleen hoe je cijfers leest, maar vooral hoe je ze vertaalt naar inzichten die direct waarde toevoegen aan jouw werk en organisatie. Klaar om te starten? Schrijf je vandaag nog in voor de Data Analist opleiding en zet de eerste stap naar jouw nieuwe toekomst. Lesprogramma en opbouw van de Data Analist cursus Een Data Analist opleiding bij ons is allesbehalve standaard. Vergeet vaste lespakketten die in steen zijn gebeiteld. Bij ons beweegt het lesprogramma met jou mee. Enkele weken vóór de start plannen we een online meeting tussen jou en de data analyse trainer. Tijdens dit gesprek bespreken jullie samen jouw praktijksituatie, casus en leerdoelen. Op basis daarvan sluiten wij het lesprogramma 100% aan op jouw situatie. Omdat data analyse razendsnel verandert, vernieuwen we de modules bovendien continue. Zo werk je bij Global Training altijd met de nieuwste technieken, moderne tools en frisse inzichten. Deze Data Analist opleiding groeit dus mee met jou én het vakgebied. Hieronder vind je een overzicht van modules die we tijdens de opleiding Data Analyse kunnen behandelen: Introductie Data Analist opleiding Theorie Slides Excel Google Colab Inleiding tot data-analyse Data analist basis Wat is (big) data Soorten data Afbeeldingen Muziek Overige bronnen Bronnen Klant-generated Machine-generated IoT-generated IoT OLAP & OLTP Datawarehouses Data lakes Data mining Verschil tussen ELT en ETL Data analyse tools in deze cursus Jupyter Notebook Power BI Microsoft Excel Python of R SQL Excel Data gebruiken Welke stappen omvat dataverwerking CRISP-DM Structuur Datakwaliteit Data opschonen Fairness Datatypes Formats Ethiek: Wat mag binnenkomen Wat is sensitief Python programmeren voor data analyse Theorie Slides Excel Google Colab MySQL Power BI Python basics Wat is programmeren? Datatypes Berekeningen doen Functies Syntax Variabelen Control flow If-else statements Loops Data analyse: De principes rondom algoritmen en analytics De basis rondom (big) data analytics systemen Welke technieken worden veel gebruikt en in welke gevallen? Analysetechnieken: Lineaire regressie Logistische regressie Classificatie Clustering Correlatie Predictive analysis Descriptive statistics: Range Variance Standard deviation Kwantielen Max Min Mean Median Mode Python libraries voor data analyse Pandas NumPy Matplotlib Seaborn Plotly Streamlit Grote datasets inladen, opschonen en manipuleren met Python Inladen van data: Excel sheets .xlsx CSV-bestanden .csv Tekstbestanden .txt .xml .json Verbinding met een database ODBC Afbeeldingen Data cleaning: NaN waarden verwijderen Leegtes opvullen Duplicaten inspecteren en verwijderen Stukken data toevoegen en verwijderen Data wrangling Parquet Polars PySpark Chunking Geavanceerde Python vaardigheden: List comprehension Break/Pass/Continue Specifieke methodes Debugging Exception handling Try-except Veelvoorkomende errors Garbage collection Regular expressions Logging Object Oriented Programming (OOP): Classes Objects Setters Getters Initialisatie: __init__ Inheritance Polymorfisme Encapsulation File handling: Overzicht van file handling Python scripts Opvragen van: Commandoregel parameters Programma exit Tijdsfuncties Filenaam globbing Filesysteem tree walk User Interface (UI): Creëren simpele UI: Datasets te selecteren, manipuleren en wegschrijven <h3>Datavisualisatie</h3> Theorie Slides Google Colab Power BI Hoe kunnen we data zo effectief mogelijk visualiseren? Valkuilen van visualisaties Python technieken voor datavisualisatie en storytelling: Hulpmiddelen (libraries): Matplotlib Seaborn Streamlit Technieken 2D line plots 3D plots Bar plots Violin plots Raincloud plots Scatter plots Line plots Box plots Pie chart Charts Dashboards via Streamlit Histogrammen Complexe visualisaties Power BI Data importeren en verbinden Data transformeren met Power Query Relaties tussen tabellen beheren DAX measures (Data Analysis Expressions) Visualisaties maken Dashboards en rapporten bouwen Publiceren en delen van rapporten Power BI Desktop PowerMap Data analyse met SQL SQL Syntax Connectie maken met Databases Records Queries maken Tabellen maken Informatie halen uit tabellen Leren werken met MySQL Join SQL Injection Data Retrieval: SELECT-statement WHERE-clausule AND OR NOT Data Filtering en Sorteren: ORDER BY LIMIT OFFSET Aggregatiefuncties: COUNT SUM AVG MAX MIN GROUP BY GROUP HAVING Data Manipulatie: INSERT INTO UPDATE DELETE JOIN Mogelijk een andere tool, bijvoorbeeld: KNIME Qlik Tableau Machine Learning en data mining Theorie Slides Google Colab Pandas Importen en installeren DataFrames & DataSeries DataFrame maken en analyseren CSV & DataFrames JSON & DataFrames Importen en installeren Head Tail Sort Group by Loc Types of learning Supervised learning Unsupervised learning Reinforcement learning Data mining modellen: Regressie algoritmen Cluster algoritmen Classificatie algoritmen Praktijk Google Colab SQLite Programmeer opdrachten maken in SQL Implementeren van algoritmen en analytics Algoritmes en Machine Learning technieken Multiple Linear Regression (MLR) Linear Regression Logistic Regression K-nearest neighbors (KNN) K-means Clustering Support Vector Machines (SVM) Decision Trees Random Forests Predictive analyses Regressie, classificatie- en clustering Data voorbereiden voor Machine Learning Outliers herkennen Praktijk Google Colab Anaconda Machine Learning in Python met Sklearn Voorspellingen maken De persoonlijke businesscase afronden API’s voor data analyse Wat is een API (Application Programming Interface)? HTTP-methoden GET POST PUT DELETE Statuscodes 200 404 500 Requests library JSON module voor data parsing GET-verzoeken uitvoeren Data versturen met POST-verzoeken Handling van responses en fouten Try-except API-sleutels gebruiken AI in data analyse Theorie & Praktijk Google Colab Inleiding tot AI in data analyse Wat is AI en hoe verschilt het van traditionele data analyse? AI binnen het data analyseproces Overzicht binnen CRISP DM Verschil tussen Machine Learning en generatieve AI Praktische AI-toepassingen binnen data analyse Tekstanalyse (NLP) Sentimentanalyse Topic modelling Beeldherkenning in datasets Patroonherkenning in foto’s of scans AI voor voorspellende modellen Hoe AI patronen ontdekt die moeilijk met traditionele analyse te vinden zijn AutoML Automatisch modellen laten trainen en evalueren zonder diepgaande ML-kennis Tools en technieken AI-integraties in Python Scikit-learn (voor klassieke modellen) OpenAI / HuggingFace (voor taalmodellen) Voorbeeldcode (Google Colab): Sentimentanalyse met HuggingFace Transformers AutoML-model trainen met PyCaret AI binnen Excel en Power BI (kort benoemd) Praktijk Google Colab demo: Laad dataset Laat AI automatisch verbanden analyseren (via PyCaret of eenvoudige classificatie) Sentimentanalyse op klantreviews (mini-opdracht) Laten zien hoe AI feature importance bepaalt Resultaten visualiseren Discussie & Reflectie Wat zijn de voordelen en risico’s van AI in data analyse? Belang van transparantie (explainable AI) Ethiek en bias in AI modellen Lesmaterialen en tools Verwacht van onze Data Analist opleiding geen stapels droge theorie, maar lesmateriaal waar je direct iets aan hebt. Je krijgt duidelijke slides, handige online bronnen én vooral veel praktijkvoorbeelden. Bonus: je ontvangt ook het boek Python for Data Analysis van Wes McKinney. Helemaal van jou, dus een naslagwerk waar je altijd op kunt terugvallen na de Data Analist opleiding. Voor de start installeer je drie gratis tools op je laptop: Anaconda Visual Studio Code Power BI Desktop Geen zorgen als het installeren niet meteen lukt. De trainer helpt je tijdens de eerste les gewoon even op weg. Omdat we elke opleiding aanpassen aan jouw casus en leerdoelen, kunnen de lesmaterialen en gebruikte tools soms verschillen. We gebruiken namelijk alleen wat écht relevant is voor jou. Een week voor de start van je Data Analist opleiding ontvang je een handig overzicht met alle definitieve modules, materialen en tools. Let op: neem je eigen laptop mee naar de Data Analist opleiding. Dat is belangrijk omdat je werkt aan je eigen, soms privacygevoelige casus en ook huiswerkopdrachten maakt. Geen laptop? Geef dit vooraf door aan je opleidingsadviseur. Wij regelen er één voor je tegen een kleine meerprijs. Moeilijkheidsgraad van de Data Analist opleiding Benieuwd of de Data Analist opleiding bij jou past? Goed nieuws: deze opleiding is ingeschaald van basis- tot mediorniveau. Je hoeft dus geen doorgewinterde specialist te zijn om te starten. Ook als je op zoek bent naar een Data Analist opleiding hbo- en wo- denkniveau zit je hier goed, want de inhoud en begeleiding sluiten perfect aan bij dit niveau. Het bijzondere van onze opleiding tot data analist? Jij werkt niet met saaie voorbeeldopdrachten, maar met je eigen dataset en casus. Zo koppel je de theorie direct aan jouw dagelijkse praktijk. Alles wat je leert is daardoor herkenbaar, bruikbaar en vooral meteen waardevol. Onze Data Analist opleiding op hbo- en wo- denkniveau gaat daarmee een flinke stap verder dan een eerste kennismaking met data analyse. Lukt het niet om een eigen dataset mee te nemen? Geen probleem. Dan zorgen wij voor een fictieve dataset die perfect aansluit op jouw werksituatie. Zo oefen je altijd met voorbeelden waar je écht iets aan hebt.Klaar om je skills te upgraden en data om te zetten in succes? Meld je vandaag nog aan voor de Data Analist opleiding van Global Training en bouw aan je toekomst! Hoe onze klanten data analyse hebben toegepastDe afgelopen jaren hebben we heel wat praktijkgerichte Data Analist opleidingstrajecten voor onze klanten mogen verzorgen. Zo gingen organisaties zoals ProRail en Visma Verzuim na onze cursus Data Analyse écht anders met data aan de slag. In de voorbeelden hieronder zie je wat andere cursisten aan onze Data Analyse training hebben gehad. Hierdoor krijg jij meteen een goed beeld krijgt van wat er ook voor jouw werk en organisatie mogelijk is. Geen verzonnen succesverhalen, maar échte praktijkcases van organisaties die merkbaar beter zijn geworden door onze trainingen. Kortom: onze Data Analist opleiding draait om toepassen in de praktijk. ProRail Hans was Business Analist bij ProRail en zorgde er elke dag voor dat het spoor letterlijk én figuurlijk op rolletjes liep. Met zijn Power BI dashboards gaf hij managers al inzicht, maar hij wilde meer. Geen “Excel-man” meer zijn, maar de diepte in: werken met Python, ontdekken hoe machine learning voorspellingen mogelijk maakt én leren het verhaal áchter zijn data te vertellen. Tijdens de Data Analist opleiding kreeg Hans precies die kans. Hij werkte aan zijn eigen casus, verving delen van zijn Power BI model met Python scripts en bouwde zijn eerste machine learning model. Zo zag hij niet alleen wat er ís gebeurt, maar ook wat er gáát gebeuren. En dankzij de CRISPDM cyclus (van business understanding tot visualisatie) groeide zijn zelfvertrouwen én expertise stap voor stap. Het resultaat? Hans onderbouwt zijn analyses nu beter, presenteert met meer overtuiging en neemt managers mee in het complete verhaal achter de cijfers. Met machine learning voegt hij bovendien voorspellende waardes toe. Voor hem was dit dé stap om data analist te worden en klaar te zijn voor de toekomst. Visma Verzuim Pieter is Informatieanalist bij Visma Verzuim, waar slimme verzuimtools worden ontwikkeld. Al anderhalf jaar verzamelde hij trouw gebruikersfeedback via enquêtes. Een berg waardevolle data, maar alles belandde in Excel. Handig in het begin, tot de spreadsheets meer weg hadden van een doolhof. Pieter dacht: dit moet slimmer. Hij wilde niet alleen beter analyseren, maar ook sterker visualiseren. Daarnaast wilde hij dichter bij het ontwikkelteam staan om inhoudelijk mee te praten over data. Die kans kreeg hij tijdens de Data Analist opleiding. Samen met de trainer dook hij in zijn Excellijstjes en vertaalde zijn werk naar Python. Geen standaardopdrachten, maar leren vanuit zijn eigen praktijkcase. Hij leerde zijn data op professionele wijze te analyseren, verrijken en visualiseren. Daarnaast ontdekte hij stap voor stap hoe je cijfers verandert in een verhaal dat iedereen begrijpt. Het resultaat? Pieter presenteert nu met zelfvertrouwen, spreekt de taal van het ontwikkelteam en heeft een stevige basis in data analyse. En met een waardevol certificaat op zak denkt hij niet alleen mee, maar beslist hij ook écht mee op basis van data. Onze data analyse trainers Volg je de Data Analist opleiding bij Global Training, dan leer je van de besten uit het vak. Onze data analyse trainers zijn vaak wo-geschoold, beschikken over didactische vaardigheden en combineren een stevige academische basis met jarenlange werkervaring. Daarnaast spreken ze regelmatig op congressen en geven ze les op universiteiten en hogescholen. Echte experts dus! Onze trainers weten precies hoe het er in de praktijk aan toegaat. Daarom nemen ze je stap voor stap mee in de materie. Met duidelijke uitleg, herkenbare voorbeelden en slimme tips leer jij die typische valkuilen moeiteloos ontwijken. Wat jij leert, is dus niet alleen theoretisch onderbouwd, maar ook direct toepasbaar in de praktijk. Zo groei jij tijdens de opleiding uit tot een ware data analyse professional die écht het verschil maakt. Hieronder vind je enkele profielen van onze data analyse trainers. Slechts een voorproefje, want ons team bestaat uit nog veel meer ervaren data analyse experts die jou verder helpen. Trainer Mees Mees is zo’n trainer die je meteen bijblijft. Tijdens zijn studie Kunstmatige Intelligentie aan de Universiteit van Amsterdam specialiseerde hij zich in data science, data analyse en Python. Al snel werd duidelijk: dit is iemand met niet alleen talent, maar ook de drive om altijd een stap verder te gaan. Na zijn afstuderen dook Mees het bedrijfsleven in. Daar werkte hij aan uiteenlopende projecten met machine learning, AI en NLP. Ook dook hij in tools en talen als R, Excel, Matlab, C# en JavaScript. Wat hij steeds liet zien? Hoe je van ingewikkelde data praktische oplossingen maakt die écht verschil maken voor organisaties. Met die unieke combinatie van wetenschappelijke diepgang én praktijkervaring sloot Mees zich aan bij Global Training. Hier deelt hij zijn kennis en ervaring vol enthousiasme en energie aan cursisten. En onze cursisten waarderen hem om zijn heldere uitleg, eindeloze praktijkvoorbeelden en vermogen om moeilijke onderwerpen ineens glashelder te maken. Kortom: Mees is niet zomaar een trainer. Hij is een expert die je meeneemt, inspireert en helpt om zelf een sterke data analist, data scientist of Python programmeur te worden. Wil jij ook leren werken met data onder begeleiding van Mees? Schrijf je dan vandaag nog in voor onze Data Analist opleiding en zet de volgende stap in jouw carrière! Trainer Arie Arie is een trainer die alle petten al eens heeft opgehad. Data scientist, data analist, BI-specialist én developer. In zijn loopbaan werkte hij jarenlang met tools en talen zoals R, Python, Power BI, machine learning, deep learning, NLP, Docker, Azure, Kubernetes, Google Cloud, Elasticsearch (zoekmachines), statistiek, SPSS, GIT en nog veel meer. Kortom: een vakman die zijn sporen in de praktijk ruimschoots heeft verdiend. Die ervaring neemt Arie nu mee in de klas. Binnen onze Data Analist opleiding weet hij als geen ander hoe je theorie vertaalt naar de praktijk. Zijn no-nonsense aanpak, heldere uitleg en vele voorbeelden maken zelfs de lastigste onderwerpen begrijpelijk. Bovendien schreef Arie meerdere boeken over R en Python. Een echte autoriteit dus. Vandaag de dag begeleidt Arie cursisten van basis tot expert, en telkens weer blijkt: met Arie aan je zijde voelt data analyse niet ingewikkeld, maar juist inspirerend. Hij tilt de Data Analist opleiding naar een hoog niveau en zorgt dat jij er écht mee aan de slag kunt. Waarom kiezen voor Global Training?Een Data Analist opleiding volgen die écht het verschil maakt? Dan zit je bij Global Training goed! Wij combineren jarenlange ervaring met kleine groepen en persoonlijke aandacht, zodat jij het maximale uit de Data Analyse cursus haalt. Onze data analyse trainers zijn vakspecialisten uit de praktijk: ze inspireren, motiveren en maken ingewikkelde stof begrijpelijk én leuk. Daarnaast krijg je bij Global Training altijd een persoonlijke opleidingsadviseur toegewezen. Die regelt alles en fungeert als jouw vaste aanspreekpunt. Wel zo makkelijk: één contactpersoon die jou door het hele opleidingstraject begeleidt. Bovendien sluiten we het lesprogramma altijd aan op jouw praktijksituatie, zodat je alles direct kunt toepassen. En dit alles op een plek dichtbij huis, want met 45 opleidingslocaties in Nederland en België is er altijd eentje bij jou in de buurt. Het mooiste? Geen verrassingen: wij werken met all-in tarieven en focussen 100% op kwaliteit. Hieronder zetten we onze belangrijkste unique selling points voor je op een rij. Kickstart jouw Data Analist opleiding: eerst sparren met je trainer! Voordat je bij Global Training start met de Data Analist opleiding, plannen we een kort online kennismaking met jouw trainer. Even sparren en aftasten, zodat jij én wij precies weten wat je nodig hebt. Tijdens dit gesprek kijken we samen naar jouw achtergrond, praktijksituatie en leerdoelen. Wat levert dat jou op? Je leert je trainer alvast kennen (wel zo fijn) Je bespreekt jouw eigen persoonlijke businesscase Je kunt vrijuit sparren over data-analyse Je krijgt meteen slimme tips en inhoudelijk advies Zo begint jouw Data Analist training niet zomaar, maar écht afgestemd op jouw situatie. En geloof ons: dat maakt het verschil. Jij stapt straks zelfverzekerd de training Data Analyse in en haalt er het maximale uit. Data Analist opleiding met échte praktijkcases en waardevol certificaat Onze Data Analist opleiding is 100% praktijkgericht en hands-on. Natuurlijk starten we met een stuk theorie, maar al snel ga je zelf aan de slag. Niet met droge standaardoefeningen, maar met jouw eigen persoonlijke businesscase. Dat betekent dat je werkt aan een echte casus uit jouw organisatie, die direct waarde toevoegt in de praktijk. En omdat je dit doet onder begeleiding van een ervaren data analyse trainer, weet je zeker dat jouw werk inhoudelijk klopt én professioneel wordt uitgevoerd. Het zwaartepunt van de Data Analist opleiding ligt bij het succesvol opleveren van jouw persoonlijke businesscase. Slaag je? Dan verdien je ons officiële data analist certificaat. Bij Global Training krijg je dus geen certificaat van deelname, maar een écht bewijs waaruit blijkt dat je zelfstandig en professioneel data kunt analyseren. Precies dát maakt ons certificaat zoveel waardevoller. Wij kiezen voor deze praktijkgerichte en hands-on aanpak, omdat jij zo enerzijds leert en anderzijds werk afkrijgt. Zo sla je twee vliegen in één klap. En toch liever oefenen met een fictieve case? Geen probleem. Geef dit tijdens de online kennismaking door aan jouw data analyse trainer. Nazorg: ook na de Data Analyse training laten we je niet los! Bij Global Training zeggen we geen gedag zodra de laatste les voorbij is. Integendeel: na de Data Analist opleiding kun je nog een maand lang terecht bij onze trainers met jouw inhoudelijke vragen. Loop je in die periode dus tegen een lastig en complex vraagstuk aan? Geen paniek, je data analyse trainer staat klaar met advies en tips. Zo merk jij meteen dat jouw nieuwe kennis en vaardigheden niet alleen in de les werken, maar ook gewoon in de praktijk. En stel dat je na de Data Analist opleiding écht tot over je oren in de materie vastloopt? Dan kun je altijd opschalen naar consultancy. Jouw eigen trainer duikt dan volledig in jouw situatie en helpt je één-op-één de data uitdagingen oplossen. Arbeidsmarktperspectief: data analist wordenDe toekomst lacht data analisten toe! De vraag naar data analisten is namelijk groter dan ooit tevoren. Zo willen organisaties in bijna elke sector, van zorg tot finance en van overheid tot tech, datagedreven werken. Maar om écht waarde uit data te halen, hebben ze specialisten nodig die precies weten wat ze doen. Met een Data Analist opleiding van Global Training vergroot jij je carrièremogelijkheden aanzienlijk. Je kiest uit veel banen, hebt een sterke onderhandelingspositie én volop doorgroeimogelijkheden. Of je nu een leidinggevende rol wilt bemachtigen, een strategische functie ambieert of liever de diepte in gaat als specialist, de arbeidsmarkt ligt voor je open. En ook als zzp’er zijn de kansen groot. Steeds meer organisaties huren externe data analisten in om hun projecten naar een hoger niveau te tillen. Zo kun je niet alleen rekenen op een goed salaris, maar ook op een loopbaan vol afwisseling en kansen. Wat verdien je als data analist?Steeds meer organisaties zijn op zoek naar goede data analisten. Dat merk je ook in de salarissen. Die liggen in Nederland en België namelijk duidelijk boven het gemiddelde. Hieronder zie je wat dit betekent: Junior data analist (0 tot 2 jaar ervaring): start rond €3.300 bruto p/m, vaak met snelle doorgroei naar €4.000+. Medior data analist (2 tot 5 jaar ervaring): gemiddeld €4.500 bruto p/m. Senior data analist (5 tot 10 jaar ervaring): meestal €4.500 tot €5.000+ bruto p/m, met uitschieters richting €6.000 of meer. In sectoren zoals tech, finance en farmacie lopen de salarissen zelfs op tot €80.000 – €120.000 bruto per jaar. Bij Global Training zien we onze cursisten na de Data Analist opleiding vaak razendsnel doorgroeien naar beter betaalde functies. Waarom? Omdat je bij ons niet met droge standaardoefeningen werkt, maar met je eigen businesscase. Zo bewijs jij meteen dat je data écht kunt analyseren. Dat maakt indruk op werkgevers en geeft jou een streepje voor op de arbeidsmarkt. Klaar om jouw carrière (en salaris) een boost te geven? Schrijf je vandaag nog in voor de opleiding Data Analist van Global Training! Mogelijke functies na de Data Analist opleidingMet de Data Analist opleiding op zak gaan er veel deuren voor je open. Natuurlijk kun je aan de slag als data analist, maar er is nog veel meer mogelijk. Misschien werk je straks als Business Intelligence Specialist die strakke dashboards bouwt, als Customer Insights Manager die klantgedrag onderzoekt, of als Marketing Analist die campagnes slimmer maakt. Ook in finance, risk of supply chain liggen er volop kansen waar data belangrijk is. Ambitie om nog verder te groeien? Dan kun je doorstromen naar een rol als data scientist, consultant of zelfs teamleider data & analytics. En wie houdt van vrijheid: als freelance data analist (ZZP’er) zijn de kansen ook enorm.  Kortom, meer dan genoeg data analist vacatures. En dit opleidingstraject Data Analyse opent deuren én biedt jou de vrijheid om jouw loopbaan precies vorm te geven zoals jij dat wilt. Veelgestelde vragen over de Data Analist opleiding Twijfel je nog of deze Data Analist opleiding iets voor jou is? Of wil je gewoon weten hoe het praktisch geregeld is? Geen zorgen: we hebben de meest gestelde vragen alvast voor je op een rij gezet. Zo weet jij precies wat je kunt verwachten voordat je start aan dit Data Analyse opleidingstraject. Gaat de Data Analist opleiding altijd door (startgarantie)? Bij Global Training hoef jij je nooit af te vragen of de Data Analist opleiding wél doorgaat. Wij starten namelijk altijd met het idee van een groepscursus, maar stel dat dit om wat voor reden dan ook niet lukt? Geen zorgen. Jij krijgt dan van ons een kosteloze upgrade naar maatwerktraining. Het voordeel? Wij zijn bij maatwerk niet afhankelijk van andere cursisten. Jij kunt dus altijd starten, precies wanneer jij er klaar voor bent (tenzij jouw trainer dan al is ingepland). En dat maatwerk is allesbehalve standaard. Tijdens zo’n training draait alles om jou en jouw organisatie. Onze trainer komt gewoon bij jou op locatie en verzorgt een volledig gepersonaliseerd lesprogramma dat is afgestemd op jouw praktijksituatie en leerdoelen. Je hebt de trainer helemaal voor jezelf: alle tijd om vragen te stellen, extra aandacht voor lastige onderwerpen en direct advies dat meteen toepasbaar is in je werk. Geen rekening houden met anderen, maar 100% focus op jou. Hoe lang de maatwerktraining Data Analyse duurt hangt af van de groepsgrootte. Eén-op-één met de trainer? Dan rond je de Data Analist opleiding af in drie lesdagen. Niet omdat we minder behandelen, maar omdat we de materie sneller kunnen doorlopen. Met een kleine groep plannen we vier dagen, en bij een volle klas houden we het reguliere vijfdaagse lesprogramma aan. Het resultaat van een maatwerktraining? Een leerrendement dat vaak nóg hoger ligt dan bij een groepscursus Data Analyse. Hoeveel uur moet ik aan huiswerk besteden? Verwacht bij de Data Analist opleiding geen stapels saaie opdrachten, maar huiswerk dat draait om jouw persoonlijke businesscase. En het mooie: jij bepaalt zelf hoeveel tijd je hierin steekt. Tijdens de online kennismaking bespreek jij dit met je data analyse trainer. Heb je een compacte case? Dan red je het vaak met een uurtje per week. Pak je liever groot uit met een uitdagende case? Dan kan het zomaar een hele dag kosten. Gemiddeld ben je zo’n 2 uur per week kwijt. En het allerbeste? Jij hebt de regie. Zo blijft je huiswerk niet alleen flexibel en praktisch, maar ook écht relevant voor jouw werk. Is deze training Data Analist in steen gebeiteld? Zeker niet! Bij Global Training geloven we niet in standaard lespakketten. Voor de start van de Data Analist opleiding plannen we voor iedere cursist een individuele online meeting met de trainer data analyse. In die gesprekken worden de achtergronden, praktijksituaties en persoonlijke leerdoelen van alle cursisten uitgebreid doorgenomen. Op basis van al die gesprekken stellen wij het lesprogramma samen. Denk aan de modules, het lesmateriaal, software en alle andere onderdelen. Zo zorgen we ervoor dat de Data Analist opleiding altijd 100% aansluit op de praktijksituatie en leerdoelstellingen van de hele groep. Elk opleidingstraject van Global Training bevat zo een stukje maatwerk. Het resultaat? Geen Data Analist opleiding die in steen gebeiteld is, maar een leertraject dat écht met jou en de andere cursisten meebeweegt. En als er tijdens de opleiding Data Analist nog iets moet worden bijgesteld? Dan doen we dat gewoon. Zo blijft onze opleiding altijd relevant, actueel en bovenal praktijkgericht voor iedereen. Hoe lang duurt de opleiding tot data analist? De duur van de Data Analist opleiding hangt af van de groepsgrootte. Bij een volle klas van 10 cursisten duurt de opleiding 5 lesdagen. In een kleinere groep zijn dat 4 lesdagen. En volg je de training één-op-één of met slechts enkele deelnemers, dan ronden we het opleidingstraject af in 3 lesdagen. Waarom dat verschil? Heel simpel: in een kleinere groep gaat alles sneller. Er zijn minder introducties, minder opdrachten en minder persoonlijke businesscases om door te nemen. Zo doorlopen we de modules vlotter, zonder ook maar iets in te leveren op kwaliteit. Kortom: minder cursisten betekent meer persoonlijke begeleiding van de trainer én sneller resultaat. Hoe intensief is de opleiding tot data analist? De Data Analist opleiding is een intensief traject, maar absoluut goed te doen. Verwacht bij Global Training geen lange en saaie theoretische verhalen, maar precies datgene wat je in de praktijk nodig hebt. Reken dus op interactieve lesdagen waarin je direct aan de slag gaat met jouw eigen businesscase, afgestemd op jouw praktijksituatie. Je werkt bij ons met tools en technieken die in de praktijk werken. Alles wat je tijdens onze opleidingstraject Data Analist leert is daarom bruikbaar en direct relevant voor je werk. Wat zijn de kosten van de opleiding Data Analyse? De kosten van de Data Analist opleiding bedragen €2.999,- excl. btw. Daarvoor krijg je niet alleen de lessen, maar ook alles wat je nodig hebt om er het maximale uit te halen. Denk aan al het lesmateriaal, software tijdens de Data Analist opleiding (tenzij anders overeengekomen), herkansingsmogelijkheden, persoonlijke begeleiding van jouw trainer en een eigen opleidingsadviseur. En volg je de training Data Analist bij ons op locatie? Dan zorgen wij natuurlijk ook voor een lekkere lunch en tussendoortjes.  En er is meer: op de eerste lesdag van de Data Analist opleiding ontvang je van ons een goodiebag met o.a. een tas, boek (tenzij de trainer bepaalt dat een boek geen waarde toevoegt), notitieblok en pen. Handig, want je hoeft zelf dus niets mee te nemen. Op de laatste lesdag krijg je bovendien een presentatiemap en visitekaartje mee. En rond jij jouw persoonlijke businesscase succesvol af? Dan reikt de trainer jou ook ons officiële en fysieke data analist certificaat uit. Wel belangrijk: neem je eigen laptop mee naar de Data Analist opleiding. Waarom? Omdat je werkt met je eigen (vaak privacygevoelige) casus en ook thuis huiswerkopdrachten maakt. Heb je écht geen laptop beschikbaar? Geen probleem: geef dit van tevoren bij ons aan en wij regelen er één voor je tegen een kleine meerprijs, omdat wij deze extern moeten inhuren.Kortom: een all-in tarief, zonder verborgen kosten. Krijg ik een data analyse certificaat en begeleiding? Absoluut! Het verdienen van ons certificaat is meteen het zwaartepunt van de opleiding Data Analist. Je werkt namelijk aan jouw eigen businesscase, direct gekoppeld aan je praktijksituatie. Handig, want zo leer je én krijg je ondertussen ook echt werk gedaan. Tijdens de lessen én thuis werk je stap voor stap aan jouw persoonlijke businesscase. Op de laatste lesdag van de Data Analist opleiding lever jij je werk in. Krijg je een voldoende? Dan verdien je ons officiële data analist certificaat. Geen standaard deelnamebewijs, maar een écht bewijs van jouw skills. Onze trainers en je opleidingsadviseur begeleiden je stap voor stap, zodat jij met vertrouwen richting dat certificaat gaat. Zo weet jij zeker dat je het maximale rendement uit de opleiding Data Analist haalt. Wat als ik mijn persoonlijke businesscase niet met een voldoende afsluit?  Zie de persoonlijke businesscase maar als je examenopdracht. Lukt het je niet meteen om dit met een voldoende af te ronden? Geen probleem: je trainer geeft jou duidelijke feedback zodat je precies weet wat er beter kan. Daarna krijg je nog zo’n twee weken de tijd om jouw businesscase opnieuw in te leveren. Is de verbeterde versie wél voldoende? Dan krijg jij alsnog het officiële certificaat van de Data Analist opleiding thuisgestuurd. Zo houden we het flexibel: jij krijgt alle kansen om te slagen, maar je moet het wel écht laten zien. Waar kan ik de lesplanning van de Data Analist opleiding vinden? De complete planning van de Data Analist opleiding vind je hier: Inschrijven Data Analist opleiding. Zo werkt het: kies eerst het land, daarna een opleidingslocatie en vervolgens een startmoment. Er verschijnt dan direct een handig dropdown-menu met de volledige lesplanning. We houden het graag flexibel. Daarom bieden we in Nederland én België maar liefst 45 opleidingslocaties aan, met twee startmomenten per maand. Zo is er bijna altijd een optie die in jouw agenda past. Toch geen match? Neem gerust contact met ons op, dan zoeken we samen een startmoment dat wel past. Flexibiliteit staat bij ons voorop. Start direct met jouw Data Analist opleidingWil jij jezelf of organisatie dus slimmer en toekomstgerichter maken? Met de Data Analist opleiding van Global Training ontwikkel jij alle vaardigheden om die stap te zetten! Schrijf je vandaag nog in voor de Data Analist opleiding óf download de brochure van de Data Analist opleiding voor meer informatie. Dit opleidingstraject kun jij natuurlijk ook samen met collega’s volgen als maatwerktraining Data Analist, of je kan de Data Analist opleiding online volgen. Ga jij een traineeship Data Analist volgen? Mogelijk kunnen wij als opleider hier een rol in spelen. Neem in dat geval ook contact met ons op. Heb jij nog vragen voordat je de volgende stap zet? Bel ons op 085 018 51 08, stuur een mail naar info@globaltraining.nl of gebruik ons contactformulier. We denken graag met je mee. Hopelijk mogen wij jou binnenkort welkom heten bij de Data Analist opleiding van Global Training!