Opleidingen

Verbeter je vaardigheden op het gebied van JavaScript-ontwikkeling met TypeScript,  de krachtige superset van JavaScript die wordt gebruikt voor het bouwen van schaalbare, onderhoudbare applicaties van enterprise-kwaliteit. Deze praktijkgerichte cursus laat ontwikkelaars kennismaken met de belangrijkste functies van TypeScript, waaronder statische typering, interfaces, klassen, generieke typen, modules en geavanceerde technieken voor typebeheer. Deelnemers leren hoe ze overzichtelijkere, betrouwbaardere code kunnen schrijven, runtime-fouten kunnen verminderen en de onderhoudbaarheid van applicaties kunnen verbeteren. Door middel van praktische oefeningen en praktijkvoorbeelden doen cursisten de kennis en het zelfvertrouwen op om TypeScript succesvol te implementeren in moderne front-end-, back-end- en full-stack-ontwikkelomgevingen. Doelgroep JavaScript-ontwikkelaars die de codekwaliteit en onderhoudbaarheid willen verbeteren Front-end-ontwikkelaars die werken met moderne frameworks zoals React, Angular of Vue Full-stack-ontwikkelaars die op zoek zijn naar betere typveiligheid in applicaties Software-engineers die overstappen van JavaScript naar TypeScript Technische professionals die betrokken zijn bij de ontwikkeling van grootschalige webapplicaties Ontwikkelaars die geïnteresseerd zijn in het toepassen van objectgeoriënteerde programmeerprincipes in op JavaScript gebaseerde projecten Vereisten Een gedegen begrip van de basisprincipes van JavaScript Ervaring met het schrijven en debuggen van JavaScript-applicaties Bekendheid met basisbegrippen van programmeren, zoals variabelen, functies, objecten en arrays Basiskennis van HTML en de ontwikkeling van webapplicaties is een pré, maar geen vereiste Ervaring met moderne JavaScript-ontwikkeltools en -workflows is nuttig, maar niet vereist Leerdoelen TypeScript-projecten configureren: TypeScript-omgevingen opzetten, compilerinstellingen beheren en TypeScript integreren in moderne ontwikkelingsworkflows. Toepassen van sterke typering: Gebruik het typesysteem van TypeScript met primitieven, arrays, objecten en functies om betrouwbaardere en beter onderhoudbare code te schrijven. Definieer geavanceerde typen: Maak en gebruik interfaces, type-aliassen, unions en intersections om applicatiegegevens effectief te modelleren. Gebruik type-narrowing en type-guards: Implementeer narrowing-technieken en type-guards om veilig met meerdere datatypen te werken. Bouw generieke oplossingen: ontwikkel herbruikbare functies, klassen en componenten met behulp van generieke typen, met behoud van typeveiligheid. Maak gebruik van geavanceerde typefuncties: pas gemapte typen, voorwaardelijke typen en utility-typen toe om de codeontwikkeling te vereenvoudigen en te verbeteren. Implementeer objectgeoriënteerd programmeren: maak en beheer klassen met behulp van moderne TypeScript-functies, waaronder overerving en toegangsmodificatoren. Volg de best practices voor TypeScript: pas coderingsstandaarden en ontwerppatronen toe die de codekwaliteit, schaalbaarheid en onderhoudbaarheid op de lange termijn verbeteren. Cursusinhoud Dag 1 Sessie 1: Inleiding TypeScript versus JavaScript TypeScript installeren en configureren Statische typecontrole Omgaan met niet-uitzonderingsfouten TypeScript naar JavaScript compileren Expliciete typering en striktheidsopties Sessie 2: Typen Primitieve, array- en objecttypen Type-annotaties Union-typen en type-aliassen Interfaces en type-asserties Literal, null, undefined en andere ingebouwde typen Sessie 3: Type-narrowing Basisprincipes van type-narrowing Type-guards en predicaten Truthiness- en gelijkheidscontroles Membership- en instanceof-operatoren Controle van de controlestroom en toewijzingen Sessie 4: Functies Functie-, call- en construct-signaturen Generieke functies en beperkingen Optionele parameters en callbacks Functie-overloading Gebruik van this, rest-parameters en spread-syntaxis Parameter-destructuring en void-retourtypes Dag 2 Sessie 5: Meer over objecttypen Optionele en readonly-eigenschappen Indexsignaturen Typen uitbreiden en laten overlappen Type-aliassen versus interfaces Generieke objecttypen Arrays en tuple-typen Sessie 6: Typemanipulatie Basisprincipes van typemanipulatie Generics keyof en typeof Geïndexeerde toegangstypen Voorwaardelijke en gemapte typen Utility-typen Sessie 7: Klassen Klassenleden, velden en constructors Methoden, getters en setters Overerving met extends en implements Toegangsmodificatoren en statische leden Generieke klassen Werken met this en pijlfuncties Parameter-eigenschappen en klasse-expressies Abstracte klassen en klassenrelaties Sessie 8: Best practices Het gebruik van passende typedefinities Generics effectief toepassen Misbruik van het any-type vermijden Callback-typen definiëren Functie-overloads beheren Best practices en patronen voor het coderen in TypeScript FAQ Wanneer vindt de cursus plaats? Het grootste deel van de cursus bestaat uit een online cursus van een hele dag, van 's ochtends tot 's middags CET, met 8 uur per dag aaneengesloten. Neem echter contact met ons op om de definitieve gedetailleerde schema's te bevestigen. Wat is TypeScript? TypeScript is een open-source programmeertaal ontwikkeld door Microsoft die voortbouwt op JavaScript door statische typering en andere geavanceerde functies toe te voegen. Het helpt ontwikkelaars betrouwbaardere, beter onderhoudbare en schaalbare applicaties te schrijven. Waarin verschilt TypeScript van JavaScript? TypeScript is een superset van JavaScript, wat betekent dat alle geldige JavaScript-code ook geldige TypeScript-code is. TypeScript voegt functies toe zoals statische typen, interfaces, generics en foutcontrole tijdens het compileren, waardoor ontwikkelaars problemen kunnen identificeren voordat de code wordt geïmplementeerd. Wat leer ik tijdens de cursus? Je leert hoe je TypeScript-projecten configureert, sterke typering gebruikt, interfaces en type-aliassen maakt, generieke typen implementeert, complexe typen manipuleert, klassen bouwt, objectgeoriënteerde programmeerprincipes toepast en de best practices van TypeScript volgt. Bevat de cursus praktische oefeningen? Ja. De cursus bevat praktische oefeningen en codeervoorbeelden die zijn ontworpen om deelnemers te helpen TypeScript-concepten toe te passen in realistische ontwikkelingsscenario's. Leer ik geavanceerde TypeScript-functies? Ja. Naast de basisprincipes van TypeScript behandelt de cursus geavanceerde onderwerpen zoals generieke typen, gemapte typen, voorwaardelijke typen, utility-typen, type-narrowing en objectgeoriënteerd programmeren met klassen. Kan TypeScript worden gebruikt met moderne JavaScript-frameworks? Ja. TypeScript wordt veel gebruikt met populaire frameworks en bibliotheken zoals Angular, React en Vue.js, waardoor het een waardevolle vaardigheid is voor moderne webontwikkeling. Wat zijn de voordelen van het leren van TypeScript? TypeScript helpt de kwaliteit van de code te verbeteren, verhoogt de productiviteit van ontwikkelaars, vermindert runtime-fouten, vereenvoudigt het onderhoud en ondersteunt de ontwikkeling van grootschalige applicaties door middel van sterkere typeveiligheid en betere tooling. Waarom is er veel vraag naar TypeScript? Naarmate applicaties groter en complexer worden, maken organisaties steeds vaker gebruik van TypeScript om de kwaliteit van de code, de efficiëntie van ontwikkelaars en de onderhoudbaarheid van projecten te verbeteren. Dit heeft TypeScript tot een van de meest gewilde vaardigheden in de moderne softwareontwikkeling gemaakt. Belangrijkste kenmerken Cursus en materiaal in het Engels Beginners- tot gemiddeld niveau 2 dagen live virtuele training onder leiding van een instructeur (8 uur per dag) Real-time oefeningen met behulp van live codeeromgevingen Interactieve vraag-en-antwoordsessies en discussies met medecursisten Gestructureerd cursuswerkboek voor blijvend gebruik Begeleiding bij implementatie na afloop van de cursus 30+ aanbevolen studie-uren Certificaat inbegrepen

Overbrug de kloof tussen het bouwen van machine learning-modellen en het implementeren ervan in echte productieomgevingen met deze training ‘Implementatie van machine learning-modellen’. Dit praktijkgerichte programma is bedoeld voor aankomende AI- en dataprofessionals en leert je hoe je machine learning-oplossingen operationeel kunt maken met behulp van moderne implementatie-, API-, cloud- en MLOps-praktijken. U leert hoe u ML-modellen kunt verpakken en implementeren, API's voor inferentie kunt bouwen, applicaties kunt containeriseren met Docker en schaalbare implementaties op cloudplatforms kunt beheren. De cursus introduceert ook monitoring, automatisering en CI/CD-workflows om u te helpen begrijpen hoe machine learning-systemen in productieomgevingen worden onderhouden. Aan het einde van de training beschikt u over praktische ervaring met het implementeren van machine learning-applicaties die schaalbaar en betrouwbaar zijn en klaar zijn voor echte zakelijke use cases. Doelgroep Machine Learning Engineers Data Scientists AI Engineers Python-ontwikkelaars DevOps- en MLOps-professionals Software-engineers die met AI-toepassingen werken Studenten en professionals die overstappen naar functies op het gebied van AI-implementatie Vereisten Basisbegrip van machine learning-concepten Bekendheid met Python-programmeren Basiskennis van API's en webapplicaties (aanbevolen) Algemeen begrip van concepten op het gebied van cloud- of software-implementatie is een pré Leerdoelen Bouw machine learning-modellen vanaf de basis Stel AWS SageMaker Studio en Jupyter Notebook in Implementeer realtime eindpunten en beheer opschoningsprocessen Ontwikkel scripts voor batch-inferentie met behulp van Batch Transform Debug applicatieproblemen met behulp van Jupyter Notebook Implementeer MLOps-workflows op AWS met behulp van SageMaker Cursusinhoud Inleiding Wat is modelimplementatie? Soorten modelimplementatie Hoe kies je het type modelimplementatie? AWS SageMaker AWS SageMaker-equivalent op GCP en Azure Log in op uw AWS-account AWS SageMaker Studio instellen Jupyter openen in SageMaker Studio Modeltraining De lesrepository klonen Gegevens downloaden - Deel Verkennende gegevensanalyse en feature engineering Basismodel-trainingscode Model lokaal testen SageMaker-trainingstaak Hyperparameter-afstemming Resultaten analyseren SageMaker Real-time Inference Architectuur van SageMaker Real-time Inference Het inferentiescript maken Realtime eindpuntimplementatie Het model aanroepen Opschonen Inleiding tot multi-model eindpunt Multi-model eindpunt implementeren Het multi-model eindpunt aanroepen Inleiding tot serverloos Implementeren als serverloze inferentie SageMaker Batch Transform Architectuur van SageMaker Batch Transform Het inferentiescript voor Batch Transform maken Een Batch Transform-taak activeren Resultaten analyseren MLOps op SageMaker MLOps: Machine Learning Operations MLOps implementeren in de AWS-cloud met SageMaker Een MLOps-project maken met een SageMaker-sjabloon Code van het SageMaker-projectsjabloon Toepassingsfouten opsporen met Jupyter Notebook Codewijzigingen doorvoeren om CI/CD te activeren Het eindpunt testen Opschonen FAQ Is er nog ander lesmateriaal naast de video's die je in je eigen tempo kunt bekijken? Absoluut! De on-demand leerervaring gaat verder dan video's en biedt een volledig meeslepende leeromgeving, inclusief: LEREN: Interactieve herhalingsquizzen en praktijkgerichte casestudy's om concepten te versterken BEOORDELEN: Diagnostische, module- en eindtoetsen om je voortgang bij te houden OEFENEN: Praktische oefeningen met realistische simulaties en Cloud Labs INZICHTEN VERKRIJGEN: realtime analyses en rapporten die uw leervoortgang, uitdagingen en aanbevolen onderwerpen om te herhalen belichten, zodat u de belangrijkste vaardigheden onder de knie krijgt Kan ik deze cursus volgen naast mijn fulltime baan? Ja! Deze cursus is ontworpen voor maximale flexibiliteit. De cursus wordt aangeboden in een online formaat dat u in uw eigen tempo kunt volgen, waardoor u op uw eigen gemak kunt leren en uw vaardigheden kunt verbeteren, wat het gemakkelijk maakt om dit te combineren met uw fulltime baan. Wat is de implementatie van machine learning-modellen? De implementatie van machine learning-modellen is het proces waarbij getrainde ML-modellen beschikbaar worden gemaakt in productieomgevingen, zodat ze voorspellingen kunnen genereren op basis van praktijkgegevens. Is deze cursus geschikt voor beginners? Ja. Basiskennis van machine learning en Python wordt aanbevolen, maar de cursus is zo ontworpen dat cursisten stap voor stap door de implementatieconcepten worden geleid. Welke tools en technologieën ga ik leren? Je werkt mogelijk met tools en concepten zoals: REST API's Flask of FastAPI Docker Cloudimplementatieplatforms CI/CD- en MLOps-workflows Technieken voor modelmonitoring Waarom is ML-implementatie belangrijk? Implementatie is wat machine learning-modellen omzet in echte bedrijfsoplossingen. Zonder implementatie kunnen modellen niet worden gebruikt in live applicaties of productiesystemen. Krijg ik praktische oefeningen? Ja. De cursus richt zich op praktische implementatie en helpt cursisten bij het implementeren en beheren van machine learning-modellen in realistische scenario's. Voor welke functies is deze cursus nuttig? Deze cursus is waardevol voor functies zoals: Machine Learning Engineer AI Engineer MLOps Engineer Data Scientist Backend Developer voor AI-systemen Komt cloudimplementatie aan bod in de cursus? Ja. De training introduceert implementatieconcepten voor cloud- en schaalbare productieomgevingen. Belangrijkste kenmerken Cursus en materiaal in het Engels Beginners- tot gemiddeld niveau 5 uur aan on-demand video's 15 begeleide praktische oefeningen 16 automatisch beoordeelde toetsen 20 herhalingsquizzen 2 uitgebreide opdrachten 20+ uur aanbevolen studietijd 1 jaar toegang tot het leerplatform Certificaat van voltooiing inbegrepen

Moderne webapplicaties vereisen een vlekkeloze werking, en JavaScript vormt de kern van de interactieve digitale ervaringen van vandaag. De training ‘Testen van JavaScript-applicaties’ reikt je de essentiële vaardigheden aan om ervoor te zorgen dat je JavaScript-applicaties betrouwbaar, robuust en klaar voor productie zijn. In deze praktijkgerichte training verken je het volledige spectrum van JavaScript-testen – van fundamentele testprincipes tot geavanceerde automatiseringstechnieken. U leert hoe u effectieve teststrategieën ontwerpt, unit-, integratie- en end-to-end-tests implementeert en werkt met populaire JavaScript-testframeworks die in echte ontwikkelomgevingen worden gebruikt. Door middel van praktische oefeningen en realistische scenario's krijgt u het vertrouwen om bugs in een vroeg stadium op te sporen, de codekwaliteit te verbeteren en naadloze gebruikerservaringen te bieden. Of u nu een ontwikkelaar of een QA-professional bent, deze cursus helpt u de kloof te overbruggen tussen uitmuntendheid in ontwikkeling en testen in moderne JavaScript-applicaties. Doelgroep JavaScript-ontwikkelaars die de codekwaliteit willen verbeteren door middel van testen Front-end-ontwikkelaars die interactieve webapplicaties bouwen QA-engineers en softwaretesters die overstappen naar geautomatiseerd testen Full-stack-ontwikkelaars die werken met op JavaScript gebaseerde stacks (Node.js, React, enz.) DevOps-engineers die geïnteresseerd zijn in de integratie van CI/CD-testen Beginners in softwaretesten met basiskennis van JavaScript Vereisten Basisbegrip van de grondbeginselen van JavaScript Bekendheid met basisconcepten van webontwikkeling (HTML & CSS aanbevolen) Algemeen begrip van hoe webapplicaties werken (client-servermodel) Geavanceerde testervaring is niet vereist, maar eerdere ervaring met coderen of QA-concepten is nuttig Leerdoelen Begrijp de basisprincipes en verschillende soorten softwaretesten Bouw een eenvoudig JavaScript-framework door middel van codeeroefeningen Ontwikkel een duidelijk begrip van hoe frameworks functioneren Gebruik Jest-matchers en stel testconfiguraties effectief in Automatiseer basisbrowserinteracties met behulp van Puppeteer Schrijf tests vanaf nul voor een project met behulp van Jest Bekijk en analyseer testdekkingsrapporten en pas testfiltertechnieken toe Maak tests voor een project vanaf de basis met behulp van Vitest Leer hoe je API's test met Cypress Pas best practices voor JavaScript-testen toe in praktijkgerichte scenario's Cursusinhoud Grondbeginselen van softwaretesten Wat is softwaretesten? Wat is testgedreven ontwikkeling? Soorten teststrategieën (statische analyse, unit, integratie, E2E) Testframeworks en bibliotheken (JS-ecosysteem) Hoe werkt een testframework? Werken met Jest Inleiding tot Jest Matchers en configuratie Werken met asynchrone functies Snapshots Mocking deel 1: Mock-functies Mocking deel 2: Handmatige mocks en meer Unit-testproject: Jest Inleiding tot Vitest Inleiding tot Vitest (en installatie) Basis unit-tests en in-source testen Dekkingrapporten, gelijktijdige tests en filteren Mocking Unit-testproject: Vitest E2E met Puppeteer Inleiding tot Puppeteer Browserbewerkingen en basiscommando's Testen met Puppeteer en Vitest Testen met Puppeteer en Jest E2E met Cypress.io Inleiding tot Cypress Installatie en basistests Cypress-kernconcepten Netwerkverzoeken met stubs en fixtures Voorbeelden van E2E-testen Een eenvoudige app testen met Cypress API's testen met Cypress Authenticatie testen met Auth0 en Cypress Webscraping met Puppeteer React-apps testen Inleiding tot React Testing Library React Testing Library gebruiken React testen met test-utils React-componenten testen met Cypress Best practices voor testen Ontwerpen voor lean testen Informatieve testnamen Het AAA-testpatroon Openbare methoden testen Realistische invoergegevens Testdoubles kiezen Verwacht fouten in plaats van ze op te vangen Tests categoriseren FAQ Is er nog ander lesmateriaal naast de video's die je in je eigen tempo kunt bekijken? Absoluut! De on-demand leerervaring gaat verder dan video's en biedt een volledig meeslepende leeromgeving, inclusief: LEREN: Interactieve herhalingsquizzen en praktijkgerichte casestudy's om concepten te versterken BEOORDELEN: Diagnostische, module- en eindtoetsen om je voortgang bij te houden OEFENEN: Praktische oefeningen met realistische simulaties en Cloud Labs INZICHTEN VERKRIJGEN: realtime analyses en rapporten die uw leervoortgang, uitdagingen en aanbevolen onderwerpen om te herhalen belichten, zodat u de belangrijkste vaardigheden onder de knie krijgt Kan ik deze cursus volgen naast mijn fulltime baan? Ja! Deze cursus is ontworpen voor maximale flexibiliteit. De cursus wordt aangeboden in een online formaat dat u in uw eigen tempo kunt volgen, waardoor u op uw eigen gemak kunt leren en uw vaardigheden kunt verbeteren, wat het gemakkelijk maakt om dit te combineren met uw fulltime baan. Is deze cursus geschikt voor beginners op het gebied van testen? Ja. De cursus begint met basisconcepten van testen in JavaScript en gaat geleidelijk over naar geavanceerde teststrategieën en frameworks. Heb ik geavanceerde JavaScript-kennis nodig? Nee. Basiskennis van JavaScript is voldoende. Bekendheid met variabelen, functies en objecten is echter wel handig. Welke soorten testen komen aan bod? Unit-testen Integratietesten End-to-End (E2E)-testen Concepten van Test-Driven Development (TDD) Helpt dit mij in mijn carrière? Ja. Vaardigheden op het gebied van JavaScript-testen worden zeer gewaardeerd in functies zoals frontend-ontwikkelaar, QA-automatiseringsingenieur en full-stack-ontwikkelaar, waardoor je de softwarekwaliteit en je inzetbaarheid kunt verbeteren. Is dit relevant voor moderne frameworks zoals React of Node.js? Ja. De testconcepten zijn breed toepasbaar op JavaScript-ecosystemen, inclusief frameworks zoals React, Angular, Vue en op Node.js gebaseerde applicaties. Belangrijkste kenmerken Cursus en materiaal in het Engels Beginners- tot gemiddeld niveau 5 uur aan on-demand video's 9 begeleide praktische oefeningen 7 automatisch beoordeelde toetsen 60 herhalingsquizzen 1 uitgebreide opdracht Meer dan 20 uur aanbevolen studietijd 1 jaar toegang tot het leerplatform Certificaat van voltooiing inbegrepen

De cursus ‘De basis van Spring Core en MVC’ vormt je opstap naar een van de krachtigste en meest gebruikte Java-frameworks voor het bouwen van schaalbare bedrijfsapplicaties. Deze cursus laat je kennismaken met de basisbegrippen van het Spring-ecosysteem, waaronder Spring Core, Dependency Injection (DI), Inversion of Control (IoC) en de Spring MVC-architectuur. U leert hoe moderne Java-applicaties zijn gestructureerd, hoe componenten naadloos samenwerken en hoe u schone, modulaire en onderhoudbare backend-systemen bouwt. Door middel van praktijkgericht leren ontdekt u hoe Spring de ontwikkeling van applicaties vereenvoudigt, de flexibiliteit vergroot en ontwikkelaars in staat stelt robuuste webapplicaties te bouwen met behulp van het MVC-ontwerppatroon. Aan het einde van de cursus heeft u een gedegen begrip van hoe Spring enterprise-grade Java-applicaties in praktijkomgevingen aanstuurt. Doelgroep Java-ontwikkelaars die willen instappen in de ontwikkeling van bedrijfsapplicaties Software-engineers die de basisprincipes van het Spring Framework willen leren Backend-ontwikkelaars die overstappen naar Spring-gebaseerde ontwikkeling Full-stack-ontwikkelaars die werken met op Java gebaseerde webapplicaties Softwarearchitecten die een dieper inzicht willen krijgen in de structuur van Spring MVC Studenten of beginners met Java-kennis die moderne backend-frameworks willen leren Vereisten Basisbegrip van Core Java-programmering Bekendheid met concepten van objectgeoriënteerd programmeren (OOP) Basiskennis van het gebruik van een IDE (bijv. Eclipse of Spring Tool Suite) Algemeen inzicht in de werking van webapplicaties is nuttig, maar niet vereist Leerdoelen Bouw een applicatie met behulp van Aspect-Oriented Programming (AOP) Configureer een Spring-projectomgeving met behulp van Maven Ontwikkel een eenvoudige applicatie om IoC (Inversion of Control) en Dependency Injection te demonstreren Werk met XML-gebaseerde configuratie en ApplicationContext Maak applicaties met behulp van Java-gebaseerde configuratie Ontwikkel applicaties met behulp van annotatiegestuurde configuratie Pas constructor-gebaseerde dependency injection toe Pas setter-gebaseerde dependency injection toe De levenscyclus van Spring-beans begrijpen Praktische ervaring opdoen met Aware-interfaces De verschillen tussen Singleton- en Prototype-bean-scopes verkennen Handmatig een Spring-projectomgeving opzetten met behulp van JAR-bestanden Cursusinhoud Introductie tot Spring Core Inleiding tot het Spring Core Framework Voordelen van het gebruik van het Spring Core Framework Omgeving instellen voor Spring Core De Spring-omgeving instellen - Handmatig De Spring-omgeving instellen - Maven IoC/DI, Spring-configuraties Inversion of Control en Dependency Injection Op Java gebaseerde configuratie Op annotaties gebaseerde configuratie Constructor/Setter-injectie Leer constructor- en setter-injecties te implementeren Levenscyclus en patronen Bean-levenscyclus Aware-interfaces Singleton versus Prototypes-bean Aspectgeoriënteerd programmeren Implementeer de cross-cutting concerns in uw applicatie of programma. Implementeer aspectgeoriënteerd programmeren om cross-cutting concerns te vermijden Inzicht in Spring MVC Inleiding tot Spring MVC Inleiding tot app-ontwikkeling Omgeving instellen voor Spring MVC Het project aanmaken Overzicht van de projectstructuur MySQL installeren De database instellen Basisprincipes van Model View Controller Overzicht van MVC Model, View en Controller Records aanmaken en weergeven Studentenrecords weergeven Studentenrecords toevoegen Records bijwerken en verwijderen Studentenrecords bijwerken Studentenrecords verwijderen Capstone Bouw een productbeheerapplicatie voor een e-shop die medewerkers helpt bij het beheren van verschillende activiteiten FAQ Is er nog ander lesmateriaal naast de video's die je in je eigen tempo kunt bekijken? Absoluut! De on-demand leerervaring gaat verder dan video's en biedt een volledig meeslepende leeromgeving, inclusief: LEREN: Interactieve herhalingsquizzen en praktijkgerichte casestudy's om concepten te versterken BEOORDELEN: Diagnostische, module- en eindtoetsen om je voortgang bij te houden OEFENEN: Praktische oefeningen met realistische simulaties en Cloud Labs INZICHTEN VERKRIJGEN: realtime analyses en rapporten die uw leervoortgang, uitdagingen en aanbevolen onderwerpen om te herhalen belichten, zodat u de belangrijkste vaardigheden onder de knie krijgt Kan ik deze cursus volgen naast mijn fulltime baan? Ja! Deze cursus is ontworpen voor maximale flexibiliteit. De cursus wordt aangeboden in een online formaat dat u in uw eigen tempo kunt volgen, waardoor u op uw eigen gemak kunt leren en uw vaardigheden kunt verbeteren, wat het gemakkelijk maakt om dit te combineren met uw fulltime baan. Wat zijn Spring Core en Spring MVC? Spring Core vormt de basis van het Spring Framework en biedt functies zoals Dependency Injection en Inversion of Control. Spring MVC is een webmodule die wordt gebruikt om gestructureerde webapplicaties te bouwen met behulp van het Model-View-Controller-ontwerppatroon. Is deze cursus geschikt voor beginners? Ja. De cursus is ontworpen voor beginners die al basiskennis van Java hebben en de overstap willen maken naar enterprise Java-ontwikkeling. Heb ik eerdere ervaring met Spring nodig? Er is geen eerdere ervaring met Spring vereist. De cursus begint bij de basis en bouwt je kennis geleidelijk op. Wat kan ik na deze cursus? Je kunt: De architectuur en kernconcepten van Spring begrijpen Eenvoudige, op Spring gebaseerde applicaties bouwen Werken met op MVC gebaseerde webapplicatiestructuren Begrijpen hoe enterprise Java-applicaties worden ontworpen Is Spring MVC nog steeds relevant in moderne ontwikkeling? Ja. Spring MVC blijft een kernonderdeel van het Spring-ecosysteem en wordt op grote schaal gebruikt in enterprise-applicaties, vaak in combinatie met Spring Boot. Helpt dit mij in de praktijk? Ja. Spring is wereldwijd een van de meest gevraagde Java-frameworks in backend- en enterprise-ontwikkelingsfuncties. Belangrijkste kenmerken Cursus en materiaal in het Engels Beginners- tot gemiddeld niveau 4 uur aan on-demand video's 20 begeleide praktische oefeningen 11 automatisch beoordeelde toetsen 26 herhalingsquizzen 2 uitgebreide opdrachten 15+ uur aanbevolen studietijd 1 jaar toegang tot het leerplatform Certificaat van voltooiing inbegrepen

Ontwikkel een sterke analytische mindset met de basiscursus wiskunde en statistiek die is ontworpen om de belangrijkste wiskundige en statistische concepten te vereenvoudigen voor toepassing in de praktijk. Deze cursus helpt je om zelfvertrouwen op te bouwen bij het werken met data door essentiële onderwerpen onder de knie te krijgen, zoals beschrijvende statistiek, kansrekening, verdelingen en fundamentele wiskundige technieken die worden gebruikt bij analyse en datagestuurde besluitvorming. Of je je nu voorbereidt op een carrière in datawetenschap, analyse of softwareontwikkeling, deze basiscursus overbrugt de kloof tussen theorie en praktische probleemoplossing. Door middel van gestructureerd leren en praktische oefeningen ontwikkel je het vermogen om gegevens te interpreteren, patronen te herkennen en slimmere zakelijke beslissingen te ondersteunen. Aan het einde van de cursus beschik je over een solide basis in statistiek en wiskunde, die je voorbereidt op meer geavanceerde onderwerpen zoals machine learning, datawetenschap en kwantitatieve analyse. Doelgroep Beginners die een basis willen leggen in wiskunde en statistiek Aankomende datawetenschappers en data-analisten Software-engineers die overstappen naar data- of AI-functies Professionals in het bedrijfsleven en de financiële sector die met data werken Studenten of afgestudeerden die zich voorbereiden op een carrière in analytics of technologie Iedereen die zijn vaardigheden op het gebied van data-interpretatie en kwantitatief denken wil verbeteren Vereisten Er is geen geavanceerde wiskundige achtergrond vereist. Deelnemers hebben echter baat bij: Basiswiskunde op middelbare schoolniveau (algebra en rekenen) Bekendheid met alledaagse dataconcepten (grafieken, gemiddelden, percentages) Basisvaardigheden op computergebied Er is geen eerdere ervaring met statistiek, programmeren of datawetenschap vereist. Leerdoelen Begin met fundamentele concepten zoals gemiddelde, mediaan en modus, en ontdek hoe schaalvergroting en verschuivingen gegevens beïnvloeden. Krijg inzicht in regressieanalyse en het concept van Root Mean Square Error (RMSE). Ontdek hoe wiskunde en statistiek worden toegepast in datawetenschap, machine learning en business intelligence. Maak kennis met variantieanalyse (ANOVA) en de praktische toepassingen ervan. Leer de principes van hypothesetests, waaronder de T-toets en de T-verdeling. Raak vertrouwd met kansverdelingen en begrijp de basisprincipes van de stelling van Bayes. Cursusinhoud Beschrijvende statistiek Gemiddelde, mediaan, modus Gemiddelde versus mediaan Scheefheid Oefening scheefheid Oplossing scheefheid Bereik en IQR Steekproef versus populatie Variantie en standaardafwijking Effect van schaalverdeling en verschuiving Statistische momenten Verdeling Wat is een verdeling? Normale verdeling Z-scores Oefening - Normale verdeling Oplossing - Normale verdeling Kansrekening Basisprincipes en fundamentele concepten van kansrekening Regels voor optellen en vermenigvuldigen met oefeningen en oplossingen De stelling van Bayes en toegepaste voorbeelden Verwachtingswaarde met oefenopgaven Wet van de grote getallen Centrale limietstelling (theorie, intuïtie, uitdagingen en oefeningen) Binomiale en Poisson-verdelingen Praktische toepassingen van kansrekening Hypothesetests Inleiding tot hypothesetests en hun rol in datawetenschap Inzicht in hypothesen, significantieniveau en p-waarden Type I- en Type II-fouten Betrouwbaarheidsintervallen en foutmarge Schatting van steekproefomvang en statistische power Stappen voor het uitvoeren van hypothesetests Oefening en oplossing T-toets en T-verdeling Proportietests Belangrijke P–Z-waardeverhoudingen Regressie Inleiding tot regressieanalyse Lineaire regressie en correlatiecoëfficiënt Oefeningen en oplossingen over correlatie en regressie Residuen, MSE en MAE met oefenopgaven Bepalingscoëfficiënt (R²) Root Mean Square Error (RMSE) met oefeningen en oplossingen Concepten van meervoudige lineaire regressie Geavanceerde regressie en ML-algoritmen Meervoudige lineaire regressie Polynomiale en logistische regressie Beslissingsbomen en regressiebomen Random forests Overfitting en problemen met modelprestaties Strategieën voor het omgaan met ontbrekende gegevens ANOVA Basisprincipes van ANOVA en belangrijke aannames Eenzijdige ANOVA F-verdeling Tweezijdige ANOVA (som van kwadraten) F-ratio en interpretatie van resultaten FAQ Is er nog ander lesmateriaal naast de video's die je in je eigen tempo kunt bekijken? Absoluut! De on-demand leerervaring gaat verder dan video's en biedt een volledig meeslepende leeromgeving, inclusief: LEREN: Interactieve herhalingsquizzen en praktijkgerichte casestudy's om concepten te versterken BEOORDELEN: Diagnostische, module- en eindtoetsen om je voortgang bij te houden OEFENEN: Praktische oefeningen met realistische simulaties en Cloud Labs INZICHTEN VERKRIJGEN: realtime analyses en rapporten die uw leervoortgang, uitdagingen en aanbevolen onderwerpen om te herhalen belichten, zodat u de belangrijkste vaardigheden onder de knie krijgt Kan ik deze cursus volgen naast mijn fulltime baan? Ja! Deze cursus is ontworpen voor maximale flexibiliteit. De cursus wordt aangeboden in een online formaat dat u in uw eigen tempo kunt volgen, waardoor u op uw eigen gemak kunt leren en uw vaardigheden kunt verbeteren, wat het gemakkelijk maakt om dit te combineren met uw fulltime baan. Is deze cursus geschikt voor complete beginners? Ja. De cursus is speciaal ontworpen voor beginners zonder eerdere ervaring met statistiek of datawetenschap. Heb ik programmeerkennis nodig? Programmeren is niet vereist. De focus ligt op wiskundige en statistische basisprincipes. Hoe is deze cursus nuttig voor datawetenschap? De cursus legt de essentiële statistische en wiskundige basis die nodig is voor functies in datawetenschap, machine learning en analyse. Leer ik praktische toepassingen of alleen theorie? De cursus combineert theorie met praktische voorbeelden en oefeningen om je te helpen concepten toe te passen in praktijksituaties. Welke onderwerpen komen in deze cursus aan bod? Belangrijke onderwerpen zijn onder meer: Beschrijvende statistiek Basisprincipes van kansrekening Gegevensverdeling en variabiliteit Fundamentele wiskundige concepten voor analytics Is deze cursus voldoende voor geavanceerde analytics-functies? Het is een basiscursus. Deze cursus bereidt je voor op verdere studie op het gebied van data science, statistiek en machine learning. Belangrijkste kenmerken Cursus en materiaal in het Engels Beginners- tot gemiddeld niveau 3 uur aan on-demand video's 18 begeleide praktische oefeningen 4 automatisch beoordeelde toetsen 33 herhalingsquizzen 1 uitgebreide opdracht Aanbevolen studietijd: 10+ uur 1 jaar toegang tot het leerplatform Certificaat van voltooiing inbegrepen

Stap de toekomst van AI binnen met de cursus Reinforcement Learning, waarin machines leren door interactie, aanpassing en verbetering op basis van ervaring. Deze cursus laat je kennismaken met een van de krachtigste takken van machine learning die wordt toegepast in robotica, game-AI, aanbevelingssystemen en autonome besluitvorming. Je ontdekt hoe intelligente agents optimaal gedrag aanleren door middel van beloningen en straffen, je begrijpt de kernconcepten van reinforcement learning en je krijgt praktisch inzicht in hoe moderne AI-systemen worden getraind om sequentiële beslissingen te nemen in dynamische omgevingen. Aan het einde van de cursus beschik je over een sterke conceptuele basis in reinforcement learning en ben je klaar om geavanceerde AI-onderwerpen te verkennen, zoals deep reinforcement learning en het ontwerpen van intelligente agents. Doelgroep Aspirant-AI- en machine learning-ingenieurs Datawetenschappers die zich willen verdiepen in reinforcement learning Softwareontwikkelaars die geïnteresseerd zijn in intelligente systemen en automatisering Liefhebbers van robotica en game-ontwikkeling Studenten en professionals die zich verdiepen in geavanceerde AI-concepten Iedereen die nieuwsgierig is naar hoe AI leert door middel van trial and error Vereisten Basiskennis van Python-programmeren Fundamentele kennis van wiskunde (algebra, basis van kansrekening) Inleidende kennis van machine learning-concepten (nuttig maar niet vereist) Logisch denkvermogen en probleemoplossende vaardigheden Er is geen eerdere ervaring met reinforcement learning vereist. Leerdoelen Beheers de basisprincipes van multi-agent reinforcement learning (RL) Verken de drie kernparadigma's van machine learning Begrijp de balans tussen verkenning en exploitatie Leer de benaderingen van Tabular Q-learning en Deep Q-learning Train meerdere agents met behulp van RLib Krijg inzicht in Markov-ketens en besluitvormingsprocessen Cursusinhoud Inleiding tot reinforcement learning  Drie paradigma's van machine learning Succesverhalen met RL Elementen van een RL-probleem Inleiding tot Gym Je eerste RL-agent trainen met RLlib Single-Step RL: Multi-Armed Bandits  Multi-Armed Bandit-setting Afweging tussen verkenning en exploitatie Fundamentele benaderingen voor de afweging tussen verkenning en exploitatie Geavanceerde benaderingen voor de afweging tussen verkenning en exploitatie Inleiding tot contextuele bandit-problemen Een praktisch voorbeeld van een contextuele bandit Diepe contextuele bandits Verkenning met diepe contextuele bandits Een praktisch voorbeeld met diepe contextuele bandits Multi-Step Reinforcement Learning  Inleiding tot Markov-ketens Markov-beloningsproces Markov-beslissingsproces Beleidsevaluatie en iteratie Tabular Q-Learning Praktisch voorbeeld van Tabular Q-Learning Deep Q-Learning RLlib gebruiken om een Deep Q-netwerk te trainen Op beleid gebaseerde methoden RLib gebruiken om een PPO-agent te trainen Benaderingen voor real-world reinforcement learning Omgaan met schaarse beloningen en moeilijke verkenning Beloningsvorming implementeren Nadelen van beloningsvorming Geheugen gebruiken om gedeeltelijke observeerbaarheid aan te pakken Stateless Cartpole oplossen met LSTM De kloof tussen simulatie en de werkelijkheid overbruggen Inleiding tot multi-agent reinforcement learning Meerdere agents trainen met RLib Multi-agent reinforcement learning Offline reinforcement learning Conclusie en andere geavanceerde onderwerpen FAQ Is er nog ander lesmateriaal naast de video's die je in je eigen tempo kunt bekijken? Absoluut! De on-demand leerervaring gaat verder dan video's en biedt een volledig meeslepende leeromgeving, inclusief: LEREN: Interactieve herhalingsquizzen en praktijkgerichte casestudy's om concepten te versterken BEOORDELEN: Diagnostische, module- en eindtoetsen om je voortgang bij te houden OEFENEN: Praktische oefeningen met realistische simulaties en Cloud Labs INZICHTEN VERKRIJGEN: realtime analyses en rapporten die uw leervoortgang, uitdagingen en aanbevolen onderwerpen om te herhalen belichten, zodat u de belangrijkste vaardigheden onder de knie krijgt Kan ik deze cursus volgen naast mijn fulltime baan? Ja! Deze cursus is ontworpen voor maximale flexibiliteit. De cursus wordt aangeboden in een online formaat dat u in uw eigen tempo kunt volgen, waardoor u op uw eigen gemak kunt leren en uw vaardigheden kunt verbeteren, wat het gemakkelijk maakt om dit te combineren met uw fulltime baan. Is deze cursus geschikt voor beginners? Ja, de cursus begint bij de basis en introduceert geleidelijk de kernconcepten van reinforcement learning. Heb ik sterke wiskundige vaardigheden nodig? Alleen basiskennis van wiskunde is nodig. Complexe concepten worden op intuïtieve wijze uitgelegd. Leer ik in deze cursus programmeren? Er kan enige aandacht worden besteed aan programmeerconcepten (meestal op basis van Python), maar de focus ligt voornamelijk op conceptueel begrip. Waarin verschilt reinforcement learning van andere vormen van machine learning? In tegenstelling tot supervised learning richt RL zich op leren door interactie met een omgeving en feedback in de vorm van beloningen. Wat zijn praktische toepassingen van reinforcement learning? Het wordt op grote schaal gebruikt in robotica, autonome systemen, game-AI, aanbevelingssystemen en optimalisatieproblemen. Is dit voldoende om een RL-engineer te worden? Dit is een basiscursus. Het bereidt je voor op geavanceerde onderwerpen zoals Deep Reinforcement Learning en AI-systemen op productieniveau. Belangrijkste kenmerken Cursus en materiaal in het Engels Beginners- tot gevorderd niveau 9 uur aan on-demand video's 30 begeleide praktische oefeningen 8 automatisch beoordeelde toetsen 46 herhalingsquizzen 2 uitgebreide opdrachten 30+ uur aanbevolen studietijd 1 jaar toegang tot het leerplatform Certificaat van voltooiing inbegrepen

Ontdek de kracht van visuele intelligentie met de training ‘Computer Vision voor AI-professionals’ die is ontworpen om je te helpen systemen te bouwen die de wereld kunnen zien, interpreteren en begrijpen zoals mensen dat doen. Deze cursus laat je kennismaken met de kernconcepten en praktische toepassingen van computer vision — een belangrijke tak van kunstmatige intelligentie die wordt gebruikt in autonome voertuigen, medische beeldvorming, gezichtsherkenning, robotica en slimme bewaking. Je leert hoe machines beelden en video's verwerken met behulp van moderne AI-technieken zoals deep learning, convolutional neural networks (CNN's) en beeldanalysepijplijnen. Door middel van praktijkgericht leren ontdek je hoe je computervisiemodellen ontwerpt, traint en optimaliseert om problemen in de praktijk op te lossen. Aan het einde van de cursus beschik je over een stevige basis in computervisie en de vaardigheden die nodig zijn om intelligente visuele AI-oplossingen te bouwen die worden gebruikt in de meest innovatieve sectoren van vandaag. Doelgroep AI- en machine learning-professionals die zich willen specialiseren in computervisie Datawetenschappers die geïnteresseerd zijn in beeld- en videoanalyse Software-engineers die overstappen naar AI-functies Ontwikkelaars die werkzaam zijn in robotica, automatisering of IoT Professionals in de gezondheidszorg, beveiliging of auto-industrie Studenten en tech-enthousiastelingen die geavanceerde AI-toepassingen verkennen Vereisten Basiskennis van Python-programmeren Fundamenteel begrip van machine learning-concepten Bekendheid met de basisprincipes van datawetenschap (nuttig maar niet verplicht) Basiskennis van lineaire algebra, kansrekening of statistiek (aanbevolen) Er is geen eerdere ervaring met computervisie vereist.. Leerdoelen Begrijp de basisprincipes van beeldverwerking en verschillende beeldtypes Maak kleurhistogrammen en verken intensiteitstransformaties en gammacorrectie Leer de softmax-functie en de belangrijkste uitdagingen bij beeldclassificatie Verken technieken voor rand-, vorm- en hoekdetectie Pas deep learning-methoden toe voor nauwkeurige beeldherkenning Werk met YOLO en krijg een basiskennis van beeldsegmentatie Cursusinhoud Inleiding tot beeldverwerking Inleiding tot beeldverwerking Digitale beeldverwerking Soorten afbeeldingen Coördinatensystemen en RGB Andere kleurenschema's Histogram en statistiek Intensiteitstransformaties en gamma Overvloeien Convolutie Randdetectie Vlakken en verscherpen Morfologische filters Classificatie Uitdagingen bij beeldclassificatie Traditionele beeldverwerkingsworkflow Deep learning-componenten voor feedforward-netwerken Deep learning-functie en universele benadering Softmax-functie Problemen met de grootte van feedforward-netwerken Bias-variantie en overfitting Modelgeschiedenis plotten Modellen opslaan en laden CNN Uitdagingen bij feedforward-netwerken en de opkomst van CNN Convoluties voor CNN's Meerdere kanalen en outputs in CNN's CNN-dimensies - Kleur Max-pooling De CNN-componenten samenvoegen CFAR 10 CNN met TensorFlow-datasets CNN verbeteren Data-augmentatie Affiene transformaties Transfer learning Meer over transfer learning Implementatie van transfer learning Verschillende architecturen voor transfer learning De toekomst van deep learning Segmentatie en objectherkenning Segmentatie met drempelwaarden Segmentatie met clustering Segmentatie met CNN Segmentatie met U-Net Beeldsegmentatie met U-Net U-Net-model Objectlokalisatie Uitdagingen bij de classificatie van meerdere objecten YOLO FAQ Is er nog ander lesmateriaal naast de video's die je in je eigen tempo kunt bekijken? Absoluut! De on-demand leerervaring gaat verder dan video's en biedt een volledig meeslepende leeromgeving, inclusief: LEREN: Interactieve herhalingsquizzen en praktijkgerichte casestudy's om concepten te versterken BEOORDELEN: Diagnostische, module- en eindtoetsen om je voortgang bij te houden OEFENEN: Praktische oefeningen met realistische simulaties en Cloud Labs INZICHTEN VERKRIJGEN: realtime analyses en rapporten die uw leervoortgang, uitdagingen en aanbevolen onderwerpen om te herhalen belichten, zodat u de belangrijkste vaardigheden onder de knie krijgt Kan ik deze cursus volgen naast mijn fulltime baan? Ja! Deze cursus is ontworpen voor maximale flexibiliteit. De cursus wordt aangeboden in een online formaat dat u in uw eigen tempo kunt volgen, waardoor u op uw eigen gemak kunt leren en uw vaardigheden kunt verbeteren, wat het gemakkelijk maakt om dit te combineren met uw fulltime baan. Is deze cursus geschikt voor beginners? Ja, de cursus begint met basisconcepten en gaat vervolgens over op geavanceerde computer vision-technieken. Heb ik ervaring met deep learning nodig? Niet per se. Basiskennis van ML helpt je echter wel om concepten sneller te begrijpen. Welke tools of frameworks ga ik leren? Je maakt doorgaans kennis met tools zoals Python-gebaseerde bibliotheken en deep learning-frameworks zoals TensorFlow of PyTorch (afhankelijk van de cursusstructuur). Waarvoor wordt computervisie in het dagelijks leven gebruikt? Computervisie vormt de basis voor toepassingen zoals autonoom rijden, gezichtsherkenning, medische beeldvorming, industriële automatisering en objectdetectiesystemen. Ga ik echte projecten bouwen? Ja, de cursus richt zich op praktisch leren met hands-on implementatie van computervisiemodellen. Is deze cursus nuttig voor een carrière in AI? Absoluut. Computervisie is een veelgevraagde AI-specialisatie die op grote schaal wordt gebruikt in AI-systemen en industriële toepassingen in de praktijk. Belangrijkste kenmerken Cursus en materiaal in het Engels Gemiddeld - Gevorderd niveau 5 uur aan on-demand video's 22 begeleide praktische oefeningen 5 automatisch beoordeelde toetsen 13 herhalingsquizzen 3 uitgebreide opdrachten 15+ uur aanbevolen studietijd 1 jaar toegang tot het leerplatform Certificaat van voltooiing inbegrepen

Leg een stevige basis voor het voorspellen van toekomstige trends met de cursus Tijdreeksvoorspelling, die is ontworpen om je te helpen historische gegevens om te zetten in nauwkeurige voorspellingen. Deze cursus biedt een inleiding tot essentiële statistische en machine learning-technieken die worden gebruikt om tijdreeksgegevens te analyseren en patronen zoals trends, seizoensinvloeden en cycli te ontdekken. Je maakt kennis met veelgebruikte voorspellingsmodellen zoals ARIMA, exponentiële afvlakking en op regressie gebaseerde benaderingen, samen met moderne technieken om de voorspellingsnauwkeurigheid te verbeteren. De cursus belicht ook praktische toepassingen in verschillende sectoren, zoals financiën, vraagplanning en bedrijfsanalyse. Aan het einde van het programma ben je in staat om tijdreeksmodellen te bouwen, te evalueren en toe te passen om echte voorspellingsproblemen op te lossen en datagestuurde besluitvorming te ondersteunen. Doelgroep Aankomende datawetenschappers en data-analisten Bedrijfsanalisten die werken met verkoop-, financiële of operationele gegevens Software-engineers die overstappen naar functies in datawetenschap Professionals die zich bezighouden met vraagplanning of prognoses Studenten en afgestudeerden die een carrière in analytics of AI overwegen Iedereen die geïnteresseerd is in voorspellende analytics en tijdgebaseerde gegevens Vereisten Basisbegrip van statistiek en waarschijnlijkheid Bekendheid met Python of een andere programmeertaal (aanbevolen maar niet verplicht) Basiskennis van gegevensverwerking of Excel Analytische en logische denkvaardigheden Geavanceerde prognose-ervaring is niet vereist. Leerdoelen Beheers de kernconcepten van tijdreeksanalyse, inclusief de componenten en stationariteit Ontdek multivariate prognosetechnieken zoals SARIMAX- en VAR-modellen Gebruik Facebook Prophet voor snelle en nauwkeurige tijdreeksvoorspellingen Evalueer de modelprestaties met behulp van belangrijke statistieken om de nauwkeurigheid en betrouwbaarheid te meten Analyseer echte tijdreeksgegevens met behulp van de Yahoo Finance API om zinvolle financiële inzichten te verkrijgen Cursusinhoud Het concept van tijdreeksen en de componenten daarvan Het concept en de noodzaak van tijdreeksanalyse Granulariteit, frequentie en horizon in tijdreeksanalyse Gegevens extraheren met behulp van Yahoo Finance Componenten van tijdreeksen: niveau, trend, seizoensgebondenheid, cycliciteit en ruis Omgaan met ontbrekende waarden en uitschieters in tijdreeksen Additieve en multiplicatieve decompositie Omgaan met stationariteit Witte ruis Random walk Het concept van stationariteit Detecteren van en omgaan met stationariteit Statistische toets voor het detecteren van stationariteit: KPSS versus ADF-toets Granger-causaliteitstoets Detectie van afwijkingen met behulp van Isolation Forest Stationariteit en identificatie van vertraging Autocorrelatie en correlatie Granger-causaliteitstest Autocorrelatiefunctie (ACF) Partiële autocorrelatiefunctie (PACF) Identificatie van vertragingen met behulp van ACF en PACF Basismodellen voor tijdreeksen Naïeve methode Methode van het eenvoudig gemiddelde, model met voortschrijdend gemiddelde (MA) Voorspelling met het MA-model Autoregressief model (AR) Doorlopende voorspelling met AR-model Holt-Winter exponentiële afvlakking Enkelvoudige exponentiële afvlakking Dubbele exponentiële afvlakking Prestatiemeting Prestatiemaatstaven voor tijdreeksanalyse Detecteren van de prestaties van de modellen Vergelijken van de prestaties van de modellen Geavanceerde tijdreeksmodellen Autoregressief voortschrijdend gemiddelde (ARMA)-model Doorlopende voorspelling met ARMA-model Autoregressief geïntegreerd voortschrijdend gemiddelde (ARIMA)-model Doorlopende voorspelling met ARIMA Seizoensgebonden autoregressief geïntegreerd voortschrijdend gemiddelde (SARIMA)-model Doorlopende voorspelling met SARIMA Multivariate tijdreeksanalyse Het concept van endogene en exogene variabelen Inleiding tot SARIMAX: een korte theoretische achtergrond Modellering met SARIMAX Voorspellingen uitvoeren met SARIMAX Inleiding tot VAR Modellering met VAR Voorspellingen uitvoeren met VAR Tijdreeksvoorspellingen met Facebook Prophet De opkomst van Prophet Belangrijkste parameters in Prophet Modellering met Prophet Voorspellingen uitvoeren met Prophet FAQ Is er nog ander lesmateriaal naast de video's die je in je eigen tempo kunt bekijken? Absoluut! De on-demand leerervaring gaat verder dan video's en biedt een volledig meeslepende leeromgeving, inclusief: LEREN: Interactieve herhalingsquizzen en praktijkgerichte casestudy's om concepten te versterken BEOORDELEN: Diagnostische, module- en eindtoetsen om je voortgang bij te houden OEFENEN: Praktische oefeningen met realistische simulaties en Cloud Labs INZICHTEN VERKRIJGEN: realtime analyses en rapporten die uw leervoortgang, uitdagingen en aanbevolen onderwerpen om te herhalen belichten, zodat u de belangrijkste vaardigheden onder de knie krijgt Kan ik deze cursus volgen naast mijn fulltime baan? Ja! Deze cursus is ontworpen voor maximale flexibiliteit. De cursus wordt aangeboden in een online formaat dat u in uw eigen tempo kunt volgen, waardoor u op uw eigen gemak kunt leren en uw vaardigheden kunt verbeteren, wat het gemakkelijk maakt om dit te combineren met uw fulltime baan. Is deze cursus geschikt voor beginners? Ja, de cursus begint met de basisbeginselen voordat er wordt overgegaan op geavanceerde prognosemodellen. Heb ik programmeerervaring nodig? Basiskennis van programmeren (met name Python) is nuttig, maar niet vereist. In welke sectoren wordt tijdreeksvoorspelling gebruikt? Het wordt op grote schaal gebruikt in de financiële sector, de detailhandel, de toeleveringsketen, de gezondheidszorg, de energiesector en de technologiesector voor voorspellingen en planning. Leer ik praktische toepassingen? Ja, de cursus richt zich op praktische use cases voor prognoses, zoals verkoop-, vraag- en trendvoorspellingen. Welke technieken leer ik? Je verdiept je in methoden zoals ARIMA, exponentiële afvlakking en andere statistische prognosemethoden. Is dit voldoende om een prognose-expert te worden? Het biedt een sterke basis. Voor geavanceerde expertise is verdere oefening nodig met echte datasets en op machine learning gebaseerde prognosemodellen. Belangrijkste kenmerken Cursus en materiaal in het Engels Beginnersniveau 5 uur aan on-demand video's 25 praktische oefeningen 2 uitgebreide opdrachten Aanbevolen studietijd: 10+ uur 1 jaar toegang tot het leerplatform Certificaat van voltooiing inbegrepen

Leg een stevige basis voor het oplossen van problemen en efficiënt programmeren met de training ‘Gegevensstructuren en algoritmen met JavaScript’ Deze cursus helpt je de kernconcepten onder de knie te krijgen die ten grondslag liggen aan de manier waarop gegevens worden georganiseerd, verwerkt en geoptimaliseerd in praktische softwaresystemen. Je begint met fundamentele gegevensstructuren zoals arrays en gekoppelde lijsten, en gaat vervolgens verder met geavanceerde structuren zoals bomen, grafieken en hashtabellen. Daarnaast verken je essentiële algoritmen, waaronder sorteren, zoeken, recursie en dynamisch programmeren – allemaal geïmplementeerd in JavaScript. Deze cursus is ontworpen voor aspirant-ontwikkelaars en software-engineers en richt zich op het versterken van je analytisch denkvermogen en het voorbereiden van je op programmeer-sollicitatiegesprekken en praktische technische uitdagingen. Doelgroep Aankomende software-engineers en ontwikkelaars Frontend- en full-stack JavaScript-ontwikkelaars Studenten en afgestudeerden in de informatica Professionals die zich voorbereiden op technische sollicitatiegesprekken Programmeurs die hun probleemoplossingsvaardigheden willen versterken Iedereen die geïnteresseerd is in het beheersen van algoritmen met behulp van JavaScript Vereisten Basiskennis van JavaScript-programmeren Bekendheid met variabelen, lussen, functies en arrays Logisch denkvermogen en basisvaardigheden voor het oplossen van problemen Geen eerdere ervaring met gegevensstructuren of algoritmen vereist Leerdoelen Begrijp de workflow en stapsgewijze uitvoering van algoritmen Krijg een gedegen overzicht van datastructuren en de basisprincipes van algoritmen Verken JavaScript-arrays en hun praktische toepassingen Leer hoe je objecten definieert en met hun eigenschappen werkt Stel objecteigenschappen effectief in, open ze en bewerk ze Begrijp JavaScript-objecten, instantiatie en functies Werk met stacks en leer hoe je stackbewerkingen implementeert Bouw en gebruik wachtrijen, en begrijp het verschil tussen stacks en wachtrijen Leer over gekoppelde lijsten, bomen en grafiekdatastructuren, inclusief hun implementaties en toepassingen Verken geavanceerde concepten zoals het algoritme van Dijkstra, recursie, algoritme-efficiëntie (tijd- en ruimtecomplexiteit), stabiele versus in-place algoritmen en probleemoplossingstechnieken Cursusinhoud Overzicht van algoritmen en gegevensstructuren Algoritmen? Wat zijn gegevensstructuren? Waarom zou je gegevensstructuren en algoritmen leren? JavaScript-arrays Basisbewerkingen met arrays Arrays doorlopen Arrays klonen en vergroten/verkleinen Veelgebruikte array-methoden Multidimensionale arrays Veelgestelde vragen over arrays tijdens sollicitatiegesprekken JavaScript-objecten Basisinitialisatie en eigenschappen van objecten Objectmethoden, getters en setters Klassen en objecten Overerving Lineaire gegevensstructuren: stacks Wat is een stack? Een stack implementeren – op arrays gebaseerde aanpak Een stack implementeren – op knooppunten gebaseerde aanpak Undo/Redo-bewerkingen Veelvoorkomende sollicitatievragen over stacks Lineaire gegevensstructuren: wachtrijen Wat is een wachtrij? Een wachtrij implementeren – op arrays gebaseerde aanpak Een wachtrij implementeren – op knooppunten gebaseerde aanpak Gebeurtenisverzending Veelvoorkomende sollicitatievragen over wachtrijen Lineaire gegevensstructuren: gekoppelde lijsten Gelinkte lijsten Een enkelvoudig gelinkte lijst implementeren Een dubbel gelinkte lijst implementeren Veelvoorkomende sollicitatievragen over gelinkte lijsten Lineaire gegevensstructuren: hashtabellen Wat is een hashtabel? Een hashtabel implementeren Browser Local Storage implementeren Veelvoorkomende sollicitatievragen over hashtabellen Niet-lineaire gegevensstructuren: grafieken Wat is een grafiek? Een grafiek implementeren Implementatie van een prioriteitswachtrij Dijkstra-algoritme Recursie Veelvoorkomende sollicitatievragen Niet-lineaire gegevensstructuren: bomen Wat is een boom? Implementatie van een boom Implementatie van een boom Webpagina-DOM Traversaties Inleiding tot algoritmen Tijdcomplexiteit Ruimtecomplexiteit Beste, slechtste en gemiddelde geval Vergelijking van algoritme-efficiëntie Complexiteitsklassen Sorteeralgoritmen Inleiding tot sorteren Bubble, selectie, invoeg-, merge-, quick- en heap-sortering Veelvoorkomende sollicitatievragen over sorteren Zoekalgoritmen Inleiding tot zoeken Lineair zoeken Binair zoeken Boyer-Moore-algoritme KMP-algoritme Levenshtein-afstand Algoritmetechnieken Algoritmetechnieken voor het oplossen van problemen Verdeel-en-heers-algoritme Dynamisch programmeren Greedy-algoritme Backtracking-algoritme Tellen Inversieprobleem Algemeen prefixprobleem Staafzaagprobleem Max-subarray-probleem Activiteitsselectieprobleem FAQ Is er nog ander lesmateriaal naast de video's die je in je eigen tempo kunt bekijken? Absoluut! De on-demand leerervaring gaat verder dan video's en biedt een volledig meeslepende leeromgeving, inclusief: LEREN: Interactieve herhalingsquizzen en praktijkgerichte casestudy's om concepten te versterken BEOORDELEN: Diagnostische, module- en eindtoetsen om je voortgang bij te houden OEFENEN: Praktische oefeningen met realistische simulaties en Cloud Labs INZICHTEN VERKRIJGEN: realtime analyses en rapporten die uw leervoortgang, uitdagingen en aanbevolen onderwerpen om te herhalen belichten, zodat u de belangrijkste vaardigheden onder de knie krijgt Kan ik deze cursus volgen naast mijn fulltime baan? Ja! Deze cursus is ontworpen voor maximale flexibiliteit. De cursus wordt aangeboden in een online formaat dat u in uw eigen tempo kunt volgen, waardoor u op uw eigen gemak kunt leren en uw vaardigheden kunt verbeteren, wat het gemakkelijk maakt om dit te combineren met uw fulltime baan. Is deze cursus geschikt voor beginners? Ja, de cursus begint bij de basis en gaat geleidelijk over naar geavanceerde onderwerpen. Waarom DSA leren in JavaScript? JavaScript wordt veel gebruikt in webontwikkeling, waardoor het praktisch is voor frontend- en full-stack-ontwikkelaars die zich voorbereiden op sollicitatiegesprekken. Helpt dit bij sollicitatiegesprekken over coderen? Ja, de cursus is ontworpen om je probleemoplossende vaardigheden te verbeteren en je voor te bereiden op technische sollicitatiegesprekken. Ga ik echte implementaties bouwen? Ja, je implementeert kerngegevensstructuren en algoritmen helemaal zelf in JavaScript. Is dit genoeg om DSA onder de knie te krijgen? Het biedt een sterke basis. Om het echt onder de knie te krijgen, moet je blijven oefenen met codeerproblemen en uitdagingen uit de praktijk. Belangrijkste kenmerken Cursus en materiaal in het Engels Beginners- tot gemiddeld niveau 8 uur aan on-demand video's 25 praktische oefeningen 2 uitgebreide opdrachten Aanbevolen studietijd: 15+ uur 1 jaar toegang tot het leerplatform Certificaat van voltooiing inbegrepen

Leer de kunst van het bouwen van schaalbare en efficiënte backend-systemen met de cursus ‘RESTful-webservices bouwen met Java’. Deze cursus biedt je de vaardigheden om robuuste REST-API’s te ontwerpen en te ontwikkelen met Java, een kerntechnologie achter moderne web- en bedrijfsapplicaties. Je leert hoe je veilige, krachtige webservices maakt die praktische taken uitvoeren, zoals het aanmaken, ophalen, bijwerken en verwijderen van gegevens. De cursus behandelt ook essentiële concepten zoals HTTP-methoden, statuscodes, het verwerken van verzoeken en best practices voor API-ontwerp. Aan het einde van de training kun je productieklaar RESTful API's bouwen die dynamische web- en mobiele applicaties aansturen, waardoor je klaar bent voor functies in backend- en full-stack-ontwikkeling. Doelgroep Java-ontwikkelaars die zich willen specialiseren in backend- of API-ontwikkeling Software-engineers die web- of bedrijfsapplicaties bouwen Full-stack-ontwikkelaars die hun backend-vaardigheden willen versterken Studenten en pas afgestudeerden in informatica of IT Professionals die overstappen naar backend- of cloudontwikkeling Iedereen die geïnteresseerd is in het bouwen van RESTful API's met Java Vereisten Basiskennis van Java-programmeren Inzicht in concepten van objectgeoriënteerd programmeren (OOP) Bekendheid met basiswebconcepten (HTTP, client-servermodel) Logisch denkvermogen en basisvaardigheden voor het oplossen van problemen Er is geen eerdere ervaring met REST-API's vereist. Leerdoelen Maak kennis met RESTful API's en hoe ze werken Begrijp de kernprincipes en architectuur van REST Leer geavanceerde REST-functies in applicaties te implementeren Bouw robuuste en schaalbare API's met behulp van REST-best practices Leer hoe je API's na implementatie beveiligt en monitort Haal gegevens op uit databases en beheer deze met Spring Data JPA Cursusinhoud Inleiding en REST-concepten Inleiding tot REST-concepten Wat zijn webservices? SOAP versus REST Wat is REST? REST-concepten REST-best practices Inleiding tot REST-best practices Best practices voor RESTful-webservices Onze RESTful-webservice plannen Onze webservices implementeren met best practices Generieke foutafhandeling Validatie van RESTful-services Geavanceerde RESTful-functies en Swagger Inleiding tot geavanceerde RESTful-functies en Swagger Implementatie van HATEOAS HATEOAS-implementatie Implementatie van logboekregistratie Geavanceerde functies van RESTful-services Basisprincipes van de OpenAPI-specificatie Swagger-tools Genereren van Swagger-documentatie Swagger-documentatieformaat Swagger Hub Authenticatie en monitoring Inleiding tot authenticatie en monitoring Authenticatie met Spring Security API-monitoring met Spring Boot Actuator Statische filtering van RESTful-services Versiebeheer van RESTful-services JPA Inleiding tot JPA in REST Java Persistence API (JPA) Service koppelen aan JPA Onze API bijwerken om JPA te gebruiken Een blik op de Richard Maturity Mode FAQ Is er nog ander lesmateriaal naast de video's die je in je eigen tempo kunt bekijken? Absoluut! De on-demand leerervaring gaat verder dan video's en biedt een volledig meeslepende leeromgeving, inclusief: LEREN: Interactieve herhalingsquizzen en praktijkgerichte casestudy's om concepten te versterken BEOORDELEN: Diagnostische, module- en eindtoetsen om je voortgang bij te houden OEFENEN: Praktische oefeningen met realistische simulaties en Cloud Labs INZICHTEN VERKRIJGEN: realtime analyses en rapporten die uw leervoortgang, uitdagingen en aanbevolen onderwerpen om te herhalen belichten, zodat u de belangrijkste vaardigheden onder de knie krijgt Kan ik deze cursus volgen naast mijn fulltime baan? Ja! Deze cursus is ontworpen voor maximale flexibiliteit. De cursus wordt aangeboden in een online formaat dat u in uw eigen tempo kunt volgen, waardoor u op uw eigen gemak kunt leren en uw vaardigheden kunt verbeteren, wat het gemakkelijk maakt om dit te combineren met uw fulltime baan. Is deze cursus geschikt voor beginners? Ja, de cursus begint met de basisprincipes van REST en gaat geleidelijk over op praktische API-ontwikkeling. Heb ik geavanceerde Java-kennis nodig? Nee, alleen basiskennis van Java is vereist. Wat kan ik na deze cursus bouwen? Je kunt RESTful API's ontwerpen en bouwen voor web- en mobiele applicaties. Komt deze cursus ook uit op echte toepassingen? Ja, de cursus richt zich op praktisch API-ontwerp, CRUD-bewerkingen en echte backend-scenario's. Waarom zijn RESTful API's belangrijk? RESTful API's maken communicatie tussen systemen mogelijk en worden veel gebruikt in moderne web-, mobiele en cloudtoepassingen. Is dit genoeg om backend-ontwikkelaar te worden? Het biedt een sterke basis. Om klaar te zijn voor de arbeidsmarkt, moet je ook oefenen met frameworks zoals Spring Boot en echte projecten. Belangrijkste kenmerken Cursus en materiaal in het Engels Beginners- tot gemiddeld niveau 5 uur aan on-demand video's 8 begeleide praktische oefeningen 5 automatisch beoordeelde toetsen 1 praktijkgericht project 2 uitgebreide opdrachten Aanbevolen studietijd: 15+ uur 1 jaar toegang tot het leerplatform Certificaat van voltooiing inbegrepen