Opleidingen

Het Tridata traineeship Data Scientist, Data Analist en Data Engineer bestaat uit 3 onderdelen. Het volgen van het volledige programma leidt op tot een breed inzetbaar, of juist een gespecialiseerd data professional met ervaring met uiteenlopende data-gerelateerde vraagstukken. Het is tevens mogelijk om de onderdelen los te volgen of om een programma op maat in te richten gebaseerd op onderstaande onderwerpen. Het programma hieronder is gebaseerd op de programmeertaal R, maar kan ook worden gevolgd in Python. Data Engineer (14 weken) De data engineer is verantwoordelijk voor het prepareren en verrijken van data. De engineer ontwerpt, bouwt en integreert datasets in een voor de organisatie geschikte omgeving. In het traineeship leert de data engineer omgaan met verschillende grote databestanden, het koppelen en bewerken van data, en het verbeteren van de datakwaliteit door opschonen en imputeren in verschillende softwarepakketten. Introductie & Data Transformaties met R en Rstudio Introductie in R & R Studio: Basis R: wat is een R object; basis verschillende soorten objecten zoals een variabele met 1 waarde Wat noemen we een vector (kolom) Welke typen kolommen kunnen er zijn in een tabel (integer, double, string, logical, tekst, etc.) Bewerkingen op tabellen: Filteren van rijen, selecteren van kolommen, aanpassen van kolommen, toevoegen van kolommen, kolomnamen veranderen, geaggregeerde statistieken uitrekenen Overzicht van verschillende typen plots en wanneer welke te gebruiken: Inleiding ggplot2 Datamanagement met R en RStudio Geavanceerde eigenschappen van kolommen: Werken met datums in tabellen Categoriale variabelen (factoren) in tabellen Werken met tekst Basisbeginselen van Regular Expressions Zoeken en vervangen van tekst Data bestanden beheren: Inlezen van tabellen uit verschillende soorten bestanden Exporteren van tabellen Koppelen van tabellen Herschikken van data (lange & brede tabellen) Metadatamanagement Maken van codeboeken Helder en beknopt beschrijven van de data Datakwaliteit Achtergrond: welke mogelijkheden zijn er, en welke kies ik voor een toepassing? Data storage oplossingen en architectuur Representatie van data voor presentatie, opslag, analyse Datatypen voor specialistische toepassingen (bijvoorbeeld voor GIS toepassingen, netwerkanalyse, tijdreeksen) Data Presentaties & Rapportage met R en Rstudio Datavisualisatie Grafieken en exploratieve data-analyse (combinaties van typen variabelen in verschillende plots – wat maak je nu inzichtelijk met welk type plot) Additionele mogelijkheden met grafieken (facetwraps & facet grids) Aanpassen titels, vormen, kleuren & labellen punten Maken van rapporten – R Markdown: Genereren van PDF, HTML of Word documenten Dynamisch genereren van rapporten Creëren van interactieve rapporten Vereiste voorkennis en vaardigheden Data Engineer Om de module Data Engineer succesvol af te sluiten wordt van de deelnemer een bepaald kennisniveau verwacht. – Minimaal afgeronde HBO – Basiskennis van databases – Basiskennis van ICT-systemen Data Analist (20 weken) De data analist is verantwoordelijk voor het omzetten van een veelheid aan data in betekenisvolle informatie. De data analist analyseert de data aan de hand van onderzoeksvragen en hypothesen en gebruikt statistische technieken om tot een antwoord te komen. Vervolgens wordt het resultaat op een begrijpelijke manier gevisualiseerd. In het traineeship leert de data analist onderzoeksvragen en hypothesen zelfstandig formuleren en toetsen, welke technieken toe te passen, en hoe je het resultaat kunt visualiseren. Programmeren met R Inleiding R; hulp krijgen; de R community; packages. Werken met de command-line en RStudio. Rekenen met vectoren (kolommen) en data.frames (tabeldata) Lezen en schrijven van tekstbestanden Nieuwe variabelen maken Statistische plots: boxplot, cirkeldiagram, histogram Selecteren van rijen en kolommen Hercoderen en hernoemen van variabelen Koppelen en sorteren Data groeperen en aggregeren Random sampling van records (selecteren van ‘cases’ uit een gegevensbestand) Basisbegrippen statistiek & onderzoeksvragen Plaats van statistiek in het onderzoeksproces Basisbegrippen beschrijvende statistiek (meetniveaus variabelen, absolute en cumulatieve frequenties, centrum- / spreidingsmaten en grafische weergave) Basisbegrippen toetsende/verklarende statistiek (hypothese toetsen, statische significantie, statistische power, populatieverdeling, soorten steekproeven, steekproefgrootte, steekproevenverdeling, betrouwbaarheidsintervallen, z-scores, t-scores) Grafieken (staafdiagram, histogram, boxplots, scatterplot) Ontbrekende waarden (missing values) en extreme waarden (outliers) Statistische basisbegrippen voor meetkwaliteit (betrouwbaarheid, validiteit, representativiteit) Groepen vergelijken Onderzoeksvraag bij t-test Verschillende soorten t-test toegelicht One-sample t-test Dependent sample t-test Independent sample t-test Toepassen in R Interpretatie t-test Variantie-analyse Onderzoeksvraag bij univariate variantie-analyse (ANOVA) Univariate variantie-analyse (ANOVA) toegelicht Factorial ANOVA ANCOVA MANOVA Post-hoc analyse Analyse ANOVA in R Intepretatie ANOVA Regressie analyse Analyse toegelicht (Correlatie en regressie-analyse) Het verband tussen variabelen Het bereik van correlatie Verschillende soorten correlaties Causaliteit en correlatie Analyses waarmee voorspellingen gedaan kunnen worden Regressieanalyse: Het regressiemodel R squared Interpretatie regressie Logistische Regressieanalyse (bivariaat en multivariaat): Log-likelihood ratio Wald test Odds-ratio Statistiek in bredere context Interpretatie uitkomsten Keuzebepaling statische techniek Assumpties en afwijkingen van normaliteit Causaliteit Vereiste Voorkennis module data analist Om deze module succesvol af te sluiten wordt van de deelnemer een bepaald kennisniveau verwacht. – Minimaal afgeronde HBO – Basiskennis databases – Basiskennis ICT-systemen -Basiskennis wiskunde en statistiek Resultaat na afronding van de module data analist De opleiding tot data analist draagt bij tot de volgende competenties: Inzichten in statistische technieken en methoden; De keuze voor een specifieke analyse adequaat kunnen verantwoorden; Grondige kennis van de achtergrond van de behandelde statistische analyses; Analyses verantwoord kunnen toepassen op concrete onderzoeksvragen en de hieruit voortkomende resultaten zelfstandig kunnen interpreteren en rapporteren; Grondige kennis van het managen van de groeiende stroom aan (gestructureerde en ongestructureerde) gegevens en het waarborgen van de kwaliteit hiervan. Data scientist (26 weken) De Data Scientist is verantwoordelijk voor geavanceerde statistische analyses en voorspellingen. Hij of zij kan zowel met gestructureerde als ongestructureerde data werken en is verantwoordelijk voor het proactief aanbrengen van nieuwe inzichten uit de data. De data scientist is in staat om zelfstandig algoritmen te gebruiken om bepaalde uitkomsten met grote betrouwbaarheid te voorspellen. In het traineeship leert de data scientist state-of-the-art data science technieken, wanneer welke techniek toe te passen, en het zelfstandig evalueren van de techniek en de voorspelling. Inleiding data science, datavisualisatie en communicatie Waar kan statistical learning voor worden gebruikt? We maken kennis met enkele traditionele modellen voor het schatten van numerieke en categoriale variabelen. Ook zullen we ingaan op het inrichten van een data science project, en visualiseren en rapporteren van resultaten. Inleiding statistical learning, modellen en modelfouten, beoordelen van modellen Regressiemethoden en methoden voor classificatie Denken in de data waardeketen, rapporteren en visualisatie Machine Learning Machine learning modellen zijn traditioneel vooral bedoeld om schattingen te kunnen maken van individuele gebeurtenissen, zoals: in welke advertentie is de bezoeker van mijn website het meest geïnteresseerd? Met moderne methoden kunnen ML modellen echter ook gebruikt worden voor het ontdekken van verbanden tussen variabelen. Tree models, Random Forest, bagging, boosting, GBM Neurale netwerken, Support vector machines Unsupervised learning Interpretable machine learning: open de ML black box Tekst data en techniek Het product van een data science project bestaat uit de data, de resultaten, en de code die is gebruikt. Je leert technieken om dit voor elkaar te krijgen. We gaan in op het structureren, verkennen en analyseren van tekst data, en het inzetten van tekst als voorspeller. Beheer van data science scripts en code Web scraping, text extractie uit verschillende formaten Het maken van een web-api Tekstmining, informatie-extractie, tekstclassificatie en topic models. Andere datatypen en eigen onderzoek Niet alle gegevens zijn eenvoudig in tabelvorm te weer te geven. Tijdreeksen en netwerken hebben een eigen structuur waardoor specifieke analysemethoden nodig zijn. Tegelijkertijd biedt die structuur kansen, zoals forecasting (tijdreeksen), of het zoeken van belangrijke elementen (influencers) of gemeenschappen in een netwerk. Tijdreeksen: ontleden, autocorrelatie, forecasting Inleiding netwerk analyse: visualisatie, community detection, centraliteit (influencers) Inleiding werken met Big Data (Spark, Hadoop) Presentatie eigen opdracht – Presentatie eigen opdracht. Op de pagina Tridata Seminar Data Science vindt u een selectie van de praktijkopdracht die de deelneemers hebben gepresenteerd in de afgelopen vijf jaar. Vereiste voorkennis en vaardigheden module Data Scientist – Minimaal afgeronde HBO/WO opleiding – Beheersing van statistiek en data analyse op het niveau van data analist – Basiskennis ICT-systemen – Kennis van en ervaring met verschillende soorten databases – Kennis van en ervaring met data visualisatie Ervaring in het programmeren met één of meerdere computertalen zoals R, Matlab, Stata, SAS, Python, SPSS, GAUSS , C, C++, C#, Java, SQL. Tijdens de opleiding zullen opdrachten in R en Python uitgevoerd worden. Voor R zal de RStudio (www.rstudio.com) gebruikt worden, voor Python zal pythonxy (https://code.google.com/p/pythonxy/) gebruikt worden. Tridata kan eventueel voorafgaand aan de opleiding Data Science een driedaagse “crash course” R of Python verzorgen, voor diegenen die deel willen nemen aan de module Data Scientist maar nog onvoldoende thuis zijn in die taal. Resultaat na afronding van de module Data Scientist Na afloop zijn van de opleiding opleiding Data Science is de data scientist in staat om: Bedrijfsgegevens te vertalen in een data analyse probleem; Aan te geven hoe geavanceerde analysetechnieken ingezet kunnen worden om een voorsprong te creëren op concurrenten; Geschikte analytische technieken en tools toepassen om Big Data te analyseren en hieruit inzichten te destilleren; Gevonden resultaten te communiceren aan stakeholders en teamleden in door hen gekozen data visualisaties; Te werken met geavanceerde analysetechnieken; Inzichten te halen uit (Big) Data en nieuwe bedrijfskansen te ontdekken; Door ‘analytics’ onderbouwde, data-gedreven beslissingen te nemen. De data scientists werken aan een eigen onderzoek dat op de laatste dag zal worden gepresenteerd. Aangezien curisten (met feedback van de docenten) hun eigen onderzoek definieren kunt u dit onderzoek aanpassen aan de tijd die u beschikbaar heeft. Vanwege de breedte van het onderwerp werkt Tridata bij deze opleiding met drie ervaren docenten met elk hun eigen specialisatie. Kosten De kosten van het Tridata traineeship Data Scientist, Data-Analist en Data Engineer bedragen € 16250. Deze prijs is vrijgesteld van BTW (BTW-tarief 0%) en is inclusief cursusmateriaal, deelnamecertificaat, koffie/thee, lunches en boeken. Twee keer voordeel: – De opleidingskosten van Tridata zijn BTW-vrij (BTW 0%) en dat scheelt u 21% aan kosten. – De belastingdienst betaalt mee aan uw opleidingskosten. Het bedrag dat u mag aftrekken als studiekosten en andere scholingsuitgaven, is maximaal € 15000 euro. Neem voor meer informatie contact op met Tridata over de opleidingskosten. Waarom de opleidingen volgen bij Tridata? – Tridata is het enige instituut wat een door de Vereniging voor Statistiek & Operationele Research (VVS-OR) erkende opleiding statistiek aanbiedt. – Tridata is het eerste instituut in Nederland dat begonnen (2005) is met het verzorgen van kwantitatieve cursussen en opleidingen zoals Data Science opleidingen, programmeren in R en statistiek. – Het traineeship Data Scientist, Data Analist en  Data Engineer van Tridata is een multidisciplinaire opleiding die wordt gegeven door verschillende docenten met ruime ervaring op het gebied van statistiek, R programming, Python, statistical modeling en machine learning, statistical software development, tekstanalyse, big data, Tekstmining, datavisualisatie en datamanagement & cloud computing. De docenten hebben diverse wetenschappelijke artikelen gepubliceerd in boeken en tijdschriften. Ook hebben zij talloze R en Python packages geschreven en gepubliceerd. Zij beschikken over aantoonbare didactische vaardigheden.

Veel (moderne) organisaties hebben als doel om meer ‘datagedreven’ te werken. Het vermogen van organisaties om data (‘big data’) om te zetten in kennis en inzichten wordt steeds belangrijker. Organisaties zien een toenemende behoefte aan kennis en vaardigheden die nodig zijn om data om te zetten in actiegerichte inzichten. In dit kader heeft Tridata een brede opleiding voor data scientists, data analisten en data engineers, die qua structuur aansluit bij de stappen in het CRISP-DM model. CRISP-DM model methodologie In dit Cross Industry Standard Process for Data Mining wordt een onderscheid gemaakt tussen: 1) het begrijpen van de business 2) het begrijpen van de data 3) data voorbereiden 4) data modelleren 5) model-evaluatie 6) uitrol (in productie nemen) Inhoudelijk zoeken organisaties naar een opleiding die een breed scala aan data-wetenschappen en data-engineering technieken behandelt. Om in deze behoefte te voorzien, heeft Tridata een breed ontwikkelprogramma genaamd ‘Datagedreven werken’ ontwikkeld. De opleiding Datagedreven werken duurt 30 dagen (plus 1 middag), verdeeld over 6o weken en bestaat uit 4 onderdelen, die ook los te volgen zijn: Opleiding Datagedreven Data Engineer Opleiding Datagedreven Data-analyse Opleiding Datagederven Data Science Ethiek en Data Governence De module Ethiek en Data Governence is verplicht voor alle deelnemers. Voor wie is de opleiding Datagedreven werken bedoeld? De opleiding Datagedreven werken is zowel geschikt voor personen die zich bezighouden met het omzetten van data in ‘actionable insights’ als voor personen die de resultaten van en behoefte aan dergelijke actiegerichte inzichten moeten definiëren en beoordelen (tactisch en strategisch management). Het volgen van het volledige programma leidt op tot een breed inzetbaar, of juist een gespecialiseerd data professional met ervaring met uiteenlopende data-gerelateerde vraagstukken. Het is mogelijk om de onderdelen los te volgen of om een programma op maat in te richten. Het lesprogramma is gebaseerd op de programmeertaal R, maar kan ook worden gevolgd in Python. De Tridatamethode Tridata hecht waarde aan een combinatie van gegronde theorie en de praktische toepassing ervan. Elke cursusdag bestaat daarom voor ongeveer de helft uit presentaties en voor de andere helft uit hands-on opgaven, zodat deelnemers de gepresenteerde theorie meteen in de praktijk kunnen toepassen. Bovendien heeft elke deelnemer dan aan het eind van de opleiding een aantal werkende voorbeelden over een breed scala van data analyse en data science technieken. De deelnemers gaan praktisch aan de slag en worden gestimuleerd om een eigen casus in te brengen. Tools en studiemateriaal R-base, R-Studio, Python Voor deelname aan de opleiding Datagedreven werken is een eigen laptop noodzakelijk. Het voordeel van een eigen laptop is dat je dan de software en opgaven in je eigen omgeving hebt, zodat je eenvoudig thuis aan de cursus kunt werken. Naast de readers, slides en de opgaven die de docenten hebben ontwikkeld, maken zij gebruik van o.a. de volgende boeken: – Statistical Data Cleaning with Applications in R,   by ( Tridata docenten) Edwin de Jonge Mark Van Der Loo. – An Introduction to Statistical Learning, by Trevor Hastie, Robert Tibshirani, Daniela Witten, Gareth James – Discovering Statistics Using R, by Andy Field – R for Data Science, Garrett Grolemund Hadley Wickham – Python Data Science Handbook, by Jake VanderPlas – Text Mining with R: A Tidy Approach,  by Julia Silge and David Robinson – Forecasting: principles and practice, by Rob J Hyndman, George Athanasopoulos De boeken worden uitgedeeld aan de deelnemers bij aanvang van de modules. Waarom kiezen voor de Datagedreven opleiding van Tridata? Tridata is het enige instituut wat een door de Vereniging voor Statistiek & Operationele Research (VVS-OR) erkende opleiding statistiek aanbiedt. Tridata is het eerste instituut in Nederland dat begonnen (2005) is met het verzorgen van kwantitatieve cursussen en opleidingen zoals Data Science opleidingen, programmeren in R en statistiek. De opleiding Datagedreven werken van Tridata is een multidisciplinaire opleiding die wordt gegeven door verschillende docenten met ruime ervaring op het gebied van statistiek, R programming, Python, statistical modeling en machine learning, tekstanalyse, big data, Tekstmining, datavisualisatie en datamanagement & cloud computing. De docenten hebben diverse wetenschappelijke artikelen gepubliceerd in boeken en tijdschriften. De docenten hebben ook bijgedragen aan de ontwikkeling van de open source statistical software. Zij hebben R en Python packages geschreven en gepubliceerd. Cursuslocatie Europalaan 400, 5e verdieping 3526 KS Utrecht Lestijden De lestijden zijn van 9:15 uur tot 16:00 uur met uitloop tot 16:30 uur. Aantal deelnemers Gelet op het intensieve en interactieve karakter van de Opleiding Datagedreven werken worden maximaal tien deelnemers toegelaten. Certificering Deelnemers krijgen per module een deelname certificaat van Tridata. Na afloop kunnen de deelnemers eveneens deelnemen aan het INFORMS examen voor de internationaal erkende titel Certified Analytics Professional (CAP). De daaraan verbonden kosten komen voor de rekening van de deelnemer. *N.B. Voor CAP certificering is minimaal 3 jaar relevante werkervaring vereist. Kosten en inschrijving De kosten van de opleiding Datagedreven werken zijn afhankelijk van het aantal modules dat je volgt: De kosten van de gehele opleiding Datagedreven werken bedragen: € 16250. Module Data Engineer: De kosten van de module Data Engineer bedragen € 3850. Module Data Analist: De kosten van de module Data Engineer bedragen € 5500. Module Data Scientist: De kosten van de module Data Engineer bedragen € 6900. Organisaties die groepen trainees of groepen die medewerkers willen laten deelnemen aan de Opleiding Datagedreven werken kunnen contact opnemen met Tridata over kortingen en regelingen. De kosten van de opleiding Datagedreven werken zijn btw-vrij (btw-tarief 0%) en zijn inclusief boeken. Docenten Tridata docenten zijn professionele datawetenschappers met een kwantitatieve achtergrond in de wiskunde, econometrie, technische natuurkunde en psychometrie. Zij hebben diverse wetenschappelijke artikelen gepubliceerd in boeken en tijdschriften en kunnen vloeiend schakelen tussen de verschillende thema’s van statistiek, data analyse data Science, machine learning en artificial intelligence. De docenten beschikken over aantoonbare didactische vaardigheden. De opleiding Datagedreven werken wordt verzorgd door de volgende docenten. Docenten Module Data Engineer Mw. dr. K (Karin) Oudshoorn Mw. dr. S (Sofie) Berghuis Docenten Data Analist module Mw. dr. M (Merle) Zwiers Mw. dr. A. (Anouck) Kluytmans Docenten Data Science module Dr. J. (Joris) de Wind Dr. M. (Mark) van der Loo Ethiek, Data Security en Data Governence Wordt verzorgd door de top van een overheidsorganisatie en experts uit de profit sector.

Doel De SPSS cursus Intermediate is een vervolg op de SPSS cursus Basis en leert de cursist op een praktische manier werken met het statistisch analyseprogramma SPSS. Hiertoe wordt uitgebreider ingegaan op het structureren en automatiseren van werkzaamheden met de Syntax Editor en voert men (geavanceerde) bewerkingen op databestanden en variabelen uit. Daarnaast leert de cursist een verantwoorde keuze te maken uit een aantal veelgebruikte statistische mogelijkheden van SPSS en hoe de uitvoer te interpreteren. Tijdens de cursus is er gelegenheid te oefenen met eigen data. Inhoud Opfrissen basisvaardigheden (data invoeren, variabelen en labels definiëren, data importeren en exporteren) Verkennen data en omgaan met missende gegevens Verdieping werken met de Syntax Editor Bewerken van databestanden (o.a. aggregeren, koppelen) Bewerken van variabelen (hercoderen en berekenen van nieuwe variabelen), inclusief enkele meer geavanceerde functies (o.a. string- en datumfuncties) Werken met (tijdelijke) selecties en split file Uitvoeren van beschrijvende analyses (o.a. frequentieverdelingen, centrummaten, spreidingsmaten, vergelijking van gemiddelden, kruistabellen) Uitvoeren van een aantal populaire statistische toetsen in SPSS (Chi2-toets, t-toets, ANOVA correlatiematen en lineaire regressie analyse) Opsporen van (en omgaan met) uitbijters/outliers en afwijkingen van de normale verdeling bij toetsen Grafische mogelijkheden Interpretatie en presentatie van uitkomsten van analyses Doelgroep De cursus is geschikt voor statistisch analisten, databeheerders en onderzoekers die SPSS willen gaan gebruiken voor beheer en analyse van hun data, en voor academici die hun SPSS-kennis willen opfrissen. Vereiste voorkennis Cursisten zonder kennis van andere statistische pakketten en een beperkte statistische kennis worden geadviseerd om eerst de cursus SPSS basis te  volgen. Neem bij twijfel contact met ons op en wij zullen samen met u uitzoeken welke cursus het beste bij uw kennisbehoefte past. Kosten en inschrijving: De kosten van de tweedaagse cursus bedragen € 1450. De cursusprijs is vrijgesteld van BTW (BTW-tarief 0%) en is inclusief cursusmateriaal, deelnamecertificaat, koffie / thee en lunch.. In-company training Deze training kan onder voorwaarden ook in huis (bij uw organisatie) worden gegeven. In overleg kan Tridata de cursus aan de wensen van de cursisten aanpassen. Voor meer informatie kunt u contact met ons opnemen. Cursuslocatie Europalaan 400, Utrecht Docent Mw. dr. H. (Heike) Goudriaan studeerde in 2001 af in Statistiek en Meettheorie en in Sociale Psychologie aan de Rijksuniversiteit Groningen. Tot 2005 werkte ze als onderzoeker in opleiding bij het Nederlands Studiecentrum voor Criminaliteit en Rechtshandhaving, daarna enkele jaren als Universitair Docent Methoden & Technieken en Statistiek bij de afdeling Criminologie aan de Universiteit Leiden. Sinds 2008 is zij als statistisch onderzoeker verbonden aan het Centraal Bureau voor de Statistiek. Zij is verbonden aan Tridata als SPSS docent en consultant op het gebied van kwantitatieve sociaal wetenschappelijke onderzoeksmethoden en statistiek.

Doel In de cursus datamanagement en datamanipulatie in SPSS leren cursisten aan de hand van praktijkoefeningen hoe zij gegevens kunnen bewerken, manipuleren en exporteren met het statistische softwarepakket SPSS. Inhoud Introductie SPSS Verschillende soorten variabelen Aanmaken van variabelen Andere formats (Excel, ruwe data) inlezen Hercoderen van variabelen Labels aanmaken Missende waarden Selecties maken Bewerken van databestanden (o.a. aggregeren, koppelen, Add Cases, Add Variables) Bewerken van variabelen (recode en compute commando’s), incl. enkele meer geavanceerde functies (o.a. string- en datumfuncties) Maken van frequentieverdelingen en kruistabellen Wegschrijven in verschillende formats (STATA, SAS, Excel, txt) Doelgroep De cursus is geschikt voor statistisch analisten, onderzoeksmedewerkers, databeheerders en onderzoekers die SPSS willen gaan gebruiken voor beheer en analyse van hun data, en voor academici die hun SPSS-kennis willen opfrissen. In deze cursus komt statistische analyse niet aan de orde maar wordt ingegaan op de vaardigheden die nodig zijn voor het gebruiken van SPSS, zoals het inlezen van data, het bewerken van gegevens, aanmaken van variabelen en splitsen en samenvoegen van files. Er wordt in deze cursus uitgebreid geoefend. Cursisten kunnen met hun eigen data oefenen als zij daar behoefte aan hebben. Vereiste voorkennis Er wordt geen specifieke voorkennis vereist. Neem bij twijfel contact met ons op en wij zullen samen met u uitzoeken welke cursus het beste bij uw kennisbehoefte past. Locatie Alleen in-huis bij de opdrachtgever Kosten en inschrijving De kosten van de tweedaagse cursus bedragen € 1090. De cursusprijs is vrijgesteld van BTW (BTW-tarief 0%) en is inclusief cursusmateriaal, deelnamecertificaat, koffie / thee en lunch. Vervolgcursus Cursus SPSS intermediate In-company training Deze training kan in huis (bij uw organisatie) worden gegeven. In overleg past tridata de cursus  aan de  wensen van de cursisten . Voor meer informatie kunt u contact met ons opnemen. Docent Dr. F. Koster is Universitair Hoofddocent Arbeid, Organisatie en Management aan de Erasmus Universiteit Rotterdam. Daarnaast is hij als onderzoeker verbonden aan het Amsterdams Instituut voor ArbeidsStudies van de Universiteit van Amsterdam en de afdeling Economie van de Faculteit de Rechtsgeleerdheid van de Universiteit Leiden. Dr. Koster heeft ruime ervaring in het uitvoeren van empirisch onderzoek en publiceert veelvuldig in nationale en internationale tijdschriften. Dr. Koster is verbonden aan Tridata als adviseur en trainer.

Doel De hoeveelheid gegenereerde gegevens neemt dagelijks explosief toe. Niet langer komen data alleen maar voort uit de informatiesystemen van een organisatie, haar partners en klanten, er is tegenwoordig een enorme hoeveelheid bronnen die (on)gestructureerde data leveren. Data is echter nog geen informatie. In deze cursus wordt ingegaan op hoe deze data op een slimme manier gebruikt kunnen worden. We besteden aandacht aan het concept van big data en de mogelijkheden voor organisaties. Tevens worden de verschillen tussen huidige database technieken en nieuwe tools en technologieën zoals Hadoop en Spark behandeld. Cursisten krijgen een breed overzicht van moderne methoden en oefenen zelf met enkele van de belangrijkste tools en methoden. Doelgroep Analisten, marketeers, onderzoekers, en managers die hun kennis en vaardigheden over het huidige werkveld en de datarevolutie willen opfrissen. De Big Data cursus is ontwikkeld voor Big Data projectmanagers, Business Intelligence managers en -consultants, IT managers, business development managers, data analisten, business analisten, datawarehouse analisten, informatie architecten, marketing (technology) managers, marketing (intelligence) managers en innovatie managers. Na afronding van de cursus Beschikt u over allround kennis die u nodig heeft om een realistische inschatting te maken van de impact en mogelijkheden van Big Data in uw organisatie. Heeft u kennis gemaakt met verschillende toepassingen en tools voor het verzamelen, opslaan, analyseren en visualiseren van grote en (on) gestructureerde databestanden Beschikt u over de juiste handvaten om als projectmanager Big Data uw eigen Big Data projecten te ontwerpen en te leiden. Kent u de meest recente ontwikkelingen op het gebied van business intelligence en big data. Kunt u vaststellen hoe Big Data kan worden omgezet in nieuwe kansen, diensten en verdienmodellen. Bent u in staat om te bepalen welke interne en externe databronnen nodig zijn om de gevraagde informatie te kunnen vervaardigen. Heeft u inzicht in methoden voor het analyseren van Big Data. Moduleopbouw De wekelijkse opbouw van het programma stelt u in staat om deze opleiding eenvoudig te combineren met uw dagelijkse werkzaamheden. Daarbij creëert deze opbouw voor u de ruimte om vragen te stellen die tussentijds op de werkvloer naar boven zijn gekomen. Inhoud (5 dagen) Dag 1: Huidige trends in Big Data en Data Science Overzicht van de huidige trends in (big data) tools en werkwijzen. Wat is een data scientist en wanneer is data ‘big’? Data science projecten en de rollen in een data science team Inleiding R en RStudio: Inleiding R; de R community, hulp krijgen en R community Werken met RStudio; workflow en Rstudio projects Basis data typen en data manipulatie in R Dag 2: Inleiding Data Science in R en R studioMeer over data import en export Data summaries en eenvoudige visualisaties Inleiding statistische modellen met R Time series Forecasting en trendanalyse Dag 3: Data management en data cleaning De data waardeketen Datatypen, conversie, Nette data en data validatie Oefeningen met R Dag 4: Crash course modern predictive modeling methoden Overzicht Statistical Learning en modelselectie Random Forests en Gradient Boosted trees Modelkeuze en interpretatie. Oefeningen met R Dag 5: Communicatie en vertaling naar de praktijk Datavisualisatie en informatievisualisatie Automatic reporting Dashboards Oefeningen met plotly Praktijkopdracht uitwerken Kosten en inschrijving De kosten van de 5-daagse cursus bedragen € 2750. De cursusprijs is vrijgesteld van BTW (BTW-tarief 0%) en is inclusief boeken en cursusmateriaal, deelnamecertificaat, koffie / thee en luxe lunches. Scholingsvoucher aanvragen bij het UWV De scholingsvoucher heeft een waarde van maximaal € 2.500 inclusief btw. Hiermee kunt u zich laten bij- of omscholen naar een kansberoep. Dit zijn beroepen waar de kans op werk gemiddeld of hoger is. Een scholingsvoucher is een subsidie om een opleiding te volgen voor een van de kansberoepen uit dit overzicht. U vindt deze beroepen in de bijlage Kansberoepenlijst. Tridata heeft eigen cursuslocaties met pc’s waarop kan worden gewerkt. Cursisten die daar de voorkeur aan geven kunnen ook een eigen laptop meebrengen. Voordeel is dat alle software, opgaven en scripts dan op de eigen omgeving staan. In-company training Deze opleiding kan ook in-company worden gegeven. In overleg past tridata de inhoud aan uw wensen. Voor meer informatie kunt u contact met ons opnemen. Waarom de cursus volgen bij Tridata? – Tridata is het enige instituut wat een door de Vereniging voor Statistiek & Operationele Research (VVS-OR) erkende opleiding statistiek aanbiedt. – De data science opleiding van tridata is een multidisciplinaire opleiding die wordt gegeven door drie verschillende docenten met ruime ervaring op het gebied van R, statistical modeling en machine learning, statistical software development, tekstanalyse, big data, Tekstmining, datavisualisatie en datamanagement & cloud computing. De docenten hebben diverse wetenschappelijke artikelen en boeken geschreven. Dr. M. (Mark) van der Loo studeerde cum laude af in de informatische chemie aan de Katholieke Universiteit Nijmegen (een combinatie van scheikunde, wiskunde, en informatica). Na zijn promotie op een onderwerp uit de quantumfysica is hij werkzaam als statistisch onderzoeker bij het CBS met als specialiteit statistical computing and modeling, data cleaning en text processing. Over deze onderwerpen publiceert hij op conferenties en in peer reviewed journals. Mark is expert op het gebied van R, python,  en (multicore) C programming en heeft verschillende R-packages op CRAN gepubliceerd. Een van die packages wordt onder andere door Wikimedia Foundation gebruikt voor tekstanalyse van Wikipedia paginas. Mark werkt sinds 2012 als consultant en docent voor Tridata. Drs. E(Edwin) de Jonge Studeerde af in de theoretische natuurkunde aan de Katholieke Universiteit Nijmegen. Na zich enkele jaren the hebben gespecialiseerd in softwareontwikkeling is hij als onderzoeker gaan werken bij het CBS met als specialiteit statistical computing and modeling, data management en data visualisatie. Over dit laatste onderwerp publiceerde Edwin onder andere een paper voor de prestigieuze IEEE VisWeek conferentie. Edwin is expert op het gebied van verschillende programmeertalen waaronder C++, javascript, python en R. In die laatste taal ontwikkelde hij een package wat inmiddels meer dan 120.000 maal per maand wordt gedownload van de CRAN servers. Edwin werkt sinds 2012 als consultant en docent voor Tridata. Edwin en Mark zijn auteur van het boek ‘Learning R Statistical Computing with Rstudio’ (Packt publishing, 2012) en werken momenteel, aan een boek over ‘Statistical Data Cleaning with Applications in R’ (te verschijnen bij Wiley). In 2013 gaven zij een tutorial op de grootste R conferentie ter wereld (useR!2013) getiteld “an introduction to data cleaning with R”. Dr. ir. J.(Jan) van der Laan Dr. ir. J.(Jan) van der Laan studeerde af op het gebied van signaalverwerking bij de de faculteit technische natuurkunde aan de Technische Universiteit Delft. Na zijn promotie op het gebied van medical physics is hij als statistisch onderzoeker werkzaam bij het CBS. Op het CBS houdt hij zich onder andere bezig met statistische analyse en regressietechnieken, data visualisatie en het verwerken en koppelen van grote bestanden. Over deze onderwerpen publiceert hij op conferenties en peer reviewed journals. Jan is expert op het gebied van  meerdere programmeertalen waaronder C++, Javascript, D3.js en R. Hij heeft bijdragen geleverd aan meerdere R packages op CRAN. Jan werkt sinds 2015 als consultant en docent bij Tridata. Vervolgcursus: Opleiding Data Science (10 dagen)

Inleiding Tridata, Instituut voor toegepaste statistiek en data-analyse, biedt een zesdaagse cursus statistiek en data-analyse met de programmeertaal R aan, waarin een uitgebreid palet aan statistische kennis en onderzoeksvaardigheden aan bod komt. De toepasbaarheid van deze kennis en vaardigheden staat hierbij centraal. Voor zowel cursisten met basiskennis als ook meer ervaren cursisten biedt de cursus statistiek en data-analyse de unieke mogelijkheid om binnen een zeer korte periode fundamentele en zeer waardevolle onderzoeksvaardigheden eigen te maken. Daarbij leert de cursist om deze vaardigheden toe te passen in de statistische software R. Dit programma is open source en biedt vele mogelijkheden tot dataverwerking, datavisualisatie en statistische analyses. Inhoud In de cursus statistiek en data-analyse wordt ingegaan op het onderzoeksproces dat een cursist doorloopt. De cursist krijgt bruikbare handvatten aangereikt, waardoor hij/zij na deze cursus gefundeerde uitspraken kan doen. Er wordt stilgestaan bij het verschil tussen beschrijvende en verklarende statistiek en er wordt aandacht besteed aan het correct formuleren en het operationaliseren van een onderzoeksvraag. De cursist krijgt daarnaast inzicht in de wijze waarop de vertaling van de onderzoeksvraag naar analyses kan worden gemaakt. Tijdens de cursus leert de cursist zich in rap tempo het vrij beschikbare open source programma R eigen te maken, Naast de flexibiliteit die R biedt, is er in toenemende mate vraag naar onderzoekers die deze software beheersen. Eindtermen Na afronding van deze cursus: Kan de cursist het hele onderzoeksproces doorlopen, van onderzoeksvraag naar analyses tot conclusies; Heeft de cursist inzicht in statistische methoden, alsmede basale en geavanceerde analyses; Beheerst de cursist vaardigheden om verworven data te prepareren voor analyse; Is de cursist in staat de keuze voor een specifieke analyse adequaat te kunnen verantwoorden; Is de cursist in staat analyses verantwoord toe te passen op concrete onderzoeksvragen; Weet de cursist de resultaten van statistische analyses zelfstandig en adequaat te interpreteren; Kan de cursist kritisch reflecteren op onderzoeksvragen, analyses en conclusies; Heeft de cursist concrete methoden in handen voor het eigen onderzoek; Heeft de cursist voldoende kennis van R om zijn of haar data te verwerken en analyseren. Cursusinhoud In deze cursus wordt gewerkt met korte, interactieve informatieblokken, afgewisseld met praktijkopdrachten. Dag 1 – basisbegrippen en onderzoeksvragen : Wat is statistiek, wanneer en hoe kan het worden gebruikt? Daar starten we mee. Op dag 1 wordt er een start gemaakt met het onderzoeksproces en de onderzoeksvraag. We gaan op deze dag vanaf de eerste stap bekijken hoe we van een algemene vraag of interesse komt tot een onderzoeksvraag en een plan om een onderzoek op te zetten waarmee we de vraag kunnen beantwoorden. Op deze dag leren we over variabelen en meetniveaus, verschillende onderzoeksdesigns en maken we kennis met R. Dag 2 – beschrijvende statistiek en hypothesen: Op dag twee gaan we verder met de basis van de statistiek en een uitbreiding op het onderzoeksproces. We gaan verder in op descriptieve maten zoals centrum- en spreidingmaten. De verdeling van je data, normaal verdelingen en de Z verdeling. De verworven kennis passen we direct toe in R. Vervolgens pakken we door met het verschil tussen populaties en steekproeven, betrouwbaarheidsintervallen en meetfouten. Tevens gaan we in op meetkwaliteit (validiteit en betrouwbaarheid). Op dag 1 hebben we een onderzoeksvraag opgesteld. Aan de hand van de op dag 2 geleerde statistische kennis gaan we deze onderzoeksvraag omzetten tot een hypothese. Aan de hand van deze hypothese kunnen we deze gaan toetsen. Hiervoor leer je hypothesetoetsing en p-waardes. Dag 3 – data verwerking, manipulatie en start analyses: Op dag 3 gaan we verder in R. Hoe voer je data in? Tevens nemen we wat basis datamanipulatie door. Op overzichtelijke wijze leert de cursist welk statistische analyses er bestaan en welke wanneer van toepassing is. In het bijzonder zullen we de correlatie en de Chi-kwadraat toets doornemen. Dag 4 – Groepsgemiddeldes vergelijken: Vandaag staat het parametrisch en non-parametrisch toetsen van gemiddelden centraal. Het volgende zal worden besproken: Onderzoeksvraag bij t-test Verschillende soorten t-test toegelicht  One-sample t-test Dependent sample t-test Independent sample t-test Toepassen in R Interpretatie t-test Dag 5 – Variantie analyses: Op dag 5 gaan we van de t-test naar variantieanalyse. Diverse analyses uit het general linear model komen aan bod: Onderzoeksvraag bij univariate variantie-analyse (ANOVA) Univariate variantie-analyse (ANOVA) toegelicht Factorial ANOVA ANCOVA MANOVA  Post-hoc analyse Analyse ANOVA in R  Intepretatie ANOVA Dag 6: Op de laatste dag zullen we regressieanalyses doornemen. Analyse toegelicht (Correlatie en regressie-analyse) Het verband tussen variabelen Het bereik van correlatie  Verschillende soorten correlaties Causaliteit en correlatie Analyses waarmee voorspellingen gedaan kunnen worden Regressieanalyse Het regressiemodel R square Interpretatie regressie We sluiten de cursus met een overzicht van de analyses en hoe ze tot elkaar verhouden. Doelgroep De cursus toegepaste statistiek en data-analyse wordt afgestemd met informatieanalisten, data-analisten, business analisten, adviseurs en andere professionals die zich bezighouden met het vastleggen en het analyseren van informatiebehoeften binnen een organisatie. Kosten en inschrijving De kosten van de 6-daagse cursus bedragen € 2475. De cursusprijs is vrijgesteld van BTW (BTW-tarief 0%) en is inclusief cursusmateriaal, deelnamecertificaat, koffie / thee, luxe lunches en inclusief boek. Cursuslocatie Europalaan 400 | 3526 KS Utrecht Docent Dr. A. (Anouck) Kluytmans studeerde methoden en statistiek aan de Universiteit Utrecht. Gedurende haar studies deed ze ruime ervaring op met onderwijs in onderzoeksmethoden en data-analyse op bachelor-, master- en postgraduate niveau. Ook werkte ze als statistisch en toegepast onderzoeker. In haar proefschrift gebruikte ze statistische modellen, aangevuld door kwalitatieve dataverzameling, om al in een vroeg stadium in te schatten wat de potentiële meerwaarde van medisch-technologische innovaties is. Vanuit dit onderzoek adviseerde ze bovendien publiek-private samenwerkingen hoe zij deze methoden konden toepassen om investeringsbeslissingen te verantwoorden. Tijdens dit promotieonderzoek aan het Radboud umc bleef Anouck actief als docent onderzoeksmethoden en statistiek. Zij zet nu haar expertise op het gebied van onderzoek en data-analyse in om universitair onderwijs te verbeteren. Met haar aansluiting bij Tridata wil Anouck cursisten uit diverse contexten laten ervaren hoe zij zich de rol van onderzoeker en data-analist in korte tijd kunnen aanmeten en hen tools meegeven om praktische vraagstukken zelfstandig te beantwoorden Dr. S.C. (Susanna) Gerritse studeerde psychometrie aan de Universiteit van Amsterdam. Daarna was zij werkzaam als promovenda bij de Universiteit Utrecht op een statistisch-methodologisch project in samenwerking met het Centraal Bureau voor de Statistiek. Haar proefschrift behandelde het schatten van populatiegrootte, toegepast op officiële statistieken. Tevens was Dr. Gerritse verbonden aan de VU als Universitair Docent, waar zij statistiekcolleges verzorgde. Tegenwoordig werkt Dr. Gerritse als Data Scientist bij Inpaqt en is sinds 2018 verbonden aan Tridata als statistiekdocente.

Presteren op hoog niveau betekent goed kunnen omgaan met spanning. Jezelf en je lichaam kennen en weten hoe je spanning kan omzetten in een sterke prestatie is een belangrijke vaardigheid. Spanning kan zorgen voor onnodig ongemak. Je voelt je hartslag in je keel, je voelt je stem overslaan of je reageert geprikkeld op een vrij normale vraag. Door deze signalen te herkennen kun je door simpele ademhalings- en ontspanningstechnieken leren om spanning te reguleren en jezelf te zijn op ieder gewenst moment. Onderwerpen die aan bod komen: De fysiologische achtergrond van stress Herkennen van het eigen stresspatroon Persoonlijke praktische ontspanningsoefeningen Technieken om te ontspannen als het spannend wordt Rustig blijven in emotionele situaties Meer gemak en plezier in het werk Beter grenzen kunnen aangeven DOELGROEP Deze training is speciaal ontwikkeld voor professionals die tijdens hun werk stress en spanning ervaren. AANPAK Waar sommige mensen heerlijk ontspannen tijdens een yogales, worden anderen nerveus en onrustig. Ontspannen is persoonlijk en er is geen techniek die altijd, bij iedereen in iedere situatie werkt. Tijdens de training krijgen de deelnemers inzicht in verschillende vormen van ontspannen zodat ze kunnen kiezen wat bij hen past. Er is ruim aandacht voor de persoonlijke situatie en de tips & technieken worden aangepast zodat ze bruikbaar zijn in het dagelijks leven. RESULTAAT De persoonsgerichte aanpak levert direct resultaat op. Door te merken hoe het lichaam reageert op oefeningen krijgen deelnemers inzicht in een krachtige methode die ze helpt om in het dagelijks leven spanning te gebruiken.

Voor bestuurders, directeuren en managers is het belangrijk dat zij hun mensen en stakeholders kunnen inspireren. Dat een missie, visie of strategische doelstelling geen papieren tijger blijft in een bureaula, maar dat het gaat leven. De training “Inspireren kun je leren” gaat een stap verder dan andere presentatietrainingen. De training gaat in op verschillende niveaus, namelijk: het fysieke, het psychologische en de presentatietechniek. Mensen zijn veel sensitiever dan ze denken. Het publiek voelt of iets echt is of dat het een kunstje is. Daarom is het belangrijk voor leidinggevenden om een laag dieper te gaan. Deze training zorgt dat je comfortabel als “jezelf” je boodschap kunt overbrengen. Er is niets zo sterk als een echt verhaal. Ontdoe jezelf van kunstjes met de volgende onderwerpen: Hoe maak ik contact met mijn lichaam? Sterk neerzetten van waarden en overtuigingen Bewust worden van jouw kernkwaliteiten Tot rust kunnen komen in stressvolle situaties Stem en houding als bron van gezag Natuurlijk charisma versterken Contact leggen met ieder publiek Non-verbaal ruimte in durven nemen DOELGROEP Deze training is speciaal ontwikkeld voor bestuurders, directeuren en managers voor wie het belangrijk is dat zij hun visie op hun opgave sterk uit kunnen dragen. AANPAK De training is zeer interactief en gebruikt verschillende werkvormen. Zowel lijf, geest als hersenen worden aan het werk gezet. De deelnemers krijgen de kans om te oefenen met het overbrengen van hun strategische visie, waardoor zij ook echt met de inhoud kunnen oefenen. In de groep zitten gelijkgestemden die het leereffect versterken door ervaring en feedback te delen. 

Je hebt niets aan een mening als je anderen niet kunt inspireren, meenemen en overtuigen. Mensen verwarren overtuigen met lang tegen iemand praten, echter overtuigen is de kunst van meebewegen. Leer hoe je jouw communicatiestijl flexibel inzet zodat je in verschillende situaties jouw doelen en resultaten behaalt. Het uitgangspunt is dat je niet tegenover anderen staat maar juist samen met collega’s, stakeholders en klanten de juiste besluiten neemt. Tijdens de training “Impact door invloed” staan verschillende technieken centraal, waardoor deelnemers als een communicatie kameleon zich kunnen bewegen in elke (lastige) situatie. Haal het maximale uit jezelf, de ander en de situatie met de volgende onderwerpen: Strategische keuze van argumenten Luisteren en reageren Regie houden tijdens discussies Verschillende stijlen Stem en houding als bron van gezag Duidelijk communiceren De relatie met de ander versterken Succesvol omgaan met weerstand Drogredenen herkennen en pareren DOELGROEP Deze training is speciaal ontwikkeld voor professionals die invloed willen uitoefenen door hun stijlflexibiliteit te vergroten. AANPAK De training is zeer interactief en gebruikt verschillende werkvormen. Theorie en praktijk wisselen elkaar razendsnel af. Door de kleine groep is er tijdens de training veel oog voor de verschillende leerdoelen en situaties van de deelnemers. De aanpak is niet standaard, maar richt zich op de concrete context van de deelnemer. Deelnemers krijgen door directe feedback inzicht in hun persoonlijke overtuigstijl en krijgen praktische adviezen hoe zij hun vaardigheden kunnen verbreden.

Professional organizer, huishoudcoach of opruimcoach is een afwisselend, nuttig en uitdagend beroep! Wil jij ook graag professional organizer worden? Volg de Online Opleiding Professional Organizer voor Particulieren van De HuishoudCoach®, die door onze cursisten gemiddeld gewaardeerd wordt met een 9,4. In deze praktijkgerichte, inspirerende opleiding leren Els Jacobs en Hilde Kroon van De HuishoudCoach® je alles wat je moet weten om jouw toekomstige klanten op een positieve, effectieve manier naar meer ruimte en rust te begeleiden. Onze Online Opleiding tot Organizer voor Particulieren is geschikt voor jou, als je: geen of weinig ervaring als organizer hebt en graag wil leren hoe je klanten in de praktijk succesvol begeleidt al een tijdje als organizer werkt, maar het gevoel hebt dat je in methodisch of communicatief opzicht tekort schiet georganiseerd geboren bent, maar moeite hebt om alle vaardigheden die voor jou zo vanzelfsprekend zijn goed aan anderen over te dragen als (aankomende) organizer niet weet hoe je omgaat met klanten die wel willen, maar niet durven of kunnen niet weet hoe je jouw doelgroep op een vriendelijke manier kunt benaderen met jouw aanbod, zodat je met jouw kersverse organizingbedrijf een vliegende start kan maken met acquisitie. Doel van de Online Opleiding tot Professional Organizer voor Particulieren is: je inzicht te geven in de doelstellingen, uitgangspunten en dilemma’s van professional organizing je praktische werkmethoden  te leren, waarmee je samen met klanten hun chaos in huis en hoofd succesvol aanpakt je te trainen in doelgerichte communicatietechnieken, waarmee je jouw klanten helpt het beste uit zichzelf te halen zonder dat je ze overvraagt je te leren hoe je klanten op een effectieve manier motiveert, juist als ze iets spannend of lastig vinden je inzicht te geven in de particuliere markt en kennis te laten maken met beproefde marketingmethoden je op laagdrempelige wijze onontbeerlijke werkervaring als organizer te laten opdoen. De Online Opleiding tot Professional Organizer voor Particulieren bestaat uit verschillende onderdelen: 10 modules met 50+ videolessen De modules bestaan uit meerdere inleidende video's en inhoudelijke lessen, waarin Els Jacobs je alles leert om succesvol te zijn als professional organizer. Afwisselende opdrachten Elke module bevat verschillende opdrachten, die je helpen om de lesstof goed op te nemen en te verwerken.  Bijbehorende correctie- en zelfreflectietools Bij elke opdracht vind je een zelfcorrectie- of zelfreflectietool. Met een zelfcorrectietool kan je meteen controleren of jouw antwoorden op de opdracht goed zijn en met een zelfreflectietool word je via vragen en extra informatie uitgedaagd tot reflectie, zodat je jouw begrip van de lesstof verder kan verdiepen. Stage bij een proefklant Tijdens de online Opleiding tot Professional Organizer voor Particulieren loop je 7 uur stage bij een proefklant. Dankzij deze stage kan je jouw nieuwe kennis en vaardigheden direct toepassen in de praktijk en doe je jouw eerste echte werkervaring op. Op het stageverslag, dat je daarna schrijft, ontvang je persoonlijk schriftelijke feedback van Els Jacobs. Vier live online avondcolleges Tijdens deze vier live online avondcolleges worden de lastigste aspecten van het vak van professional organizer extra door Hilde Kroon belicht. Ook geeft ze je direct antwoord op al jouw vragen over de lesstof. Je hebt dus tijdens de online opleiding verschillende malen uitgebreid persoonlijk contact met de docente, en mag ook tussendoor vragen aan haar voorleggen. Online community In de besloten community in de online leeromgeving van De HuishoudCoach kan je tijdens de opleiding tips, ideeën en ervaringen met jouw mede-cursisten uitwisselen. Duur Bij een studielast van 6 uur per week kan je de opleiding binnen 5 maanden afronden, maar je krijgt na inschrijving standaard 1 jaar toegang tot de online leeromgeving, zodat je alle lessen en opdrachten in jouw eigen tempo kan volgen. Het programma bestaat uit 10 modules 1. Vakgebied professional organizing en clientèle Professional organizing in vogelvlucht Clientèle van organizers Uitstelgedrag Dwangmatig verzamelen 2. Het organizing traject De 5 stappen van het organizing traject 3. Werkmethodieken Centrale uitgangspunten Rollen en competenties van professional organizers Perspectiefverschil tussen organizers en cliënten 4. Werkmethodiek 'Opruimen' Opruimen van leef-, verkeers- en opbergruimten 5. Werkmethodiek 'Administreren' Organiseren van papieren en digitale documenten 6. Werkmethodiek 'Agenderen' Managen van taken en tijd 7. Werkmethodiek 'Huishouden' Managen van huishoudelijke taken 8. Effectief communiceren Stellen van de juiste vragen Motiveren van clienten Concretiseren van complexe opdrachten 9. Marketing Succesvol klanten werven voor je bedrijf 10. Eigen bedrijf starten (bonusmodule) Organisatorische aspecten Financiën en verzekeringen Website en social media Literatuur Tijdens de Online Opleiding tot Professional Organizer voor Particulieren werk je met de volgende literatuur: Organiseer je leven van Els Jacobs (Forte Uitgevers, 2022) Handboek Professional Organizer voor Particulieren van De HuishoudCoach (2025) Handboek Ondernemen van de Belastingdienst (2024) Digitale documenten, formulieren en checklists, die voor professional organizers onmisbaar zijn bij de beroepsuitoefening.