Opleidingen

Opleiding Functioneel Beheerder Wil jij de cruciale brug worden tussen mens, bedrijfsproces en IT? In vrijwel elke moderne organisatie zijn informatiesystemen de motor van de business. Maar wie zorgt ervoor dat deze systemen ook écht doen wat de gebruikers nodig hebben? Dat is de taak van de Functioneel Beheerder. Met deze praktijkgerichte, flexibele online opleiding transformeer je in 5 maanden tijd tot een startklare junior functioneel beheerder, zónder dat je diepgaande technische voorkennis nodig hebt.   Over de opleiding De opleiding Functioneel Beheer bereidt je grondig voor op een dynamische rol op het snijvlak van business en IT. Je leert hoe IT-systemen, bedrijfsprocessen, gebruikersvragen en data met elkaar samenhangen. Waar traditionele opleidingen vaak blijven steken in droge theorie, kiest deze opleiding voor een unieke, hands-on methode.   Wat ga je leren? Na afronding van deze opleiding beschikt de deelnemer over een ijzersterk portfolio en beheerst de volgende praktische en theoretische vaardigheden: Frameworks & Methodieken: Gedegen basiskennis van ITIL-processen (incident-, problem- en change management) en BiSL-domeinen (gebruiksbeheer en functionaliteitenbeheer). Tevens leer je functioneren binnen Agile & Scrum IT-teams. Analytisch Vermogen: Uitvoeren van gestructureerde impactanalyses bij IT-wijzigingen, risico-inschattingen maken en toepassen van Root Cause Analysis (zoals de 5x Why-methode) bij terugkerende problemen. Testing & Documentatie: Opstellen van functionele documentatie, heldere gebruikershandleidingen en het ontwerpen van testscenario's en acceptatiecriteria voor User Acceptance Testing (UAT). Tooling & Ticketing: Meldingen professioneel registreren, prioriteren en managen binnen moderne ITSM-workflows in Jira. Proces- en Ketenanalyse: Bedrijfsprocessen en informatiestromen functioneel uittekenen en analyseren om knelpunten en systeemafhankelijkheden in kaart te brengen. Voor wie is deze opleiding bedoeld? Deze opleiding is bij uitstek geschikt voor ambitieuze professionals op mbo+ tot hbo-niveau die de overstap willen maken naar de IT-sector (reskillers/zij-instromers) of professionals die intern willen doorgroeien naar een rol in informatiemanagement. Geen IT-achtergrond? Geen probleem! We starten bij de absolute basis (IT-fundamenten, cloud, security en netwerken) en bouwen het niveau stap voor stap op. Ervaring in een administratieve, zorg-, HR-, financiële of projectondersteunende rol is een pré, omdat procesmatig kunnen denken helpt om de organisatorische context sneller te begrijpen. Praktische informatie & Studieduur Totale studiebelasting: Ongeveer 300 uur (inclusief het maken van alle praktijkopdrachten en portfolio-onderdelen). Doorlooptijd: 5 maanden toegang tot het platform (gemiddeld 14 uur per week studiebelasting), volledig flexibel in te richten op eigen tempo. Taal: Nederlands. Begeleiding: Persoonlijke coaching, feedback op opdrachten en toegang tot een actieve online learning community. Eindproducten (Jouw Portfolio): Je verlaat de opleiding met tastbare bewijzen van je kunnen, waaronder een zelf opgesteld UAT-testplan, een functionele impactanalyse, een root cause-analyse en een gemodelleerde informatiestroom.   Toekomstperspectief Na het afronden van deze opleiding ben je direct inzetbaar voor veelvoorkomende functies zoals Junior Functioneel Beheerder, Applicatiebeheerder, of Informatiebeheerder binnen de zorg, overheid, het onderwijs of het bedrijfsleven—sectoren waar de vraag naar deze brugfunctionarissen momenteel enorm hoog is.

CompTIA DataX (DY0-001). The CompTIA DataAI (DY0-001) Training prepares you to combine data science and artificial intelligence techniques to solve business problems and support data-driven decision-making. This course covers key topics including mathematics, statistics, machine learning, data analysis, predictive modeling, data governance, and AI ethics. You will learn how to collect, prepare, analyze, and visualize data while applying machine learning algorithms and AI techniques to generate valuable insights. The training explores supervised and unsupervised learning, neural networks, deep learning, feature engineering, data pipelines, lifecycle management, and operational best practices. Advanced topics include natural language processing (NLP), computer vision, graph analytics, reinforcement learning, and signal processing. Ideal for data analysts, data scientists, AI practitioners, business intelligence professionals, and IT specialists, this course provides the knowledge and skills required to prepare for the CompTIA DataAI certification and succeed in modern data-driven organizations. Cursusinhoud 1. Mathematics and Statistics Build essential mathematical and statistical foundations for data science and machine learning: Descriptive and inferential statistics Probability theory and hypothesis testing Model evaluation metrics Regression and classification analysis Linear algebra and calculus Temporal and predictive modeling techniques CompTIA DataAI: Foundations of Descriptive Statistics and Probability Course: 48 Minutes Course Overview Role of Descriptive and Inferential Statistics in Data Analysis Calculating Measures of Central Tendency Knowledge Check: Using Descriptive and Inferential Statistics, and Measures of Central Tendency Computing Measures of Variability Skewness, Kurtosis, Quantiles, and Percentiles Knowledge Check: Identifying Measures of Variability and Distribution Characteristics Probability Fundamentals Conditional Probability and Bayes' Theorem Knowledge Check: Reviewing Probability Concepts and Conditional Probability Probability Distributions Visualizing PDF, PMF, and CDF Missing Data Mechanisms Knowledge Check: Identifying Probability Distributions and Functions, and Missing Data Types Course Summary CompTIA DataX (DY0-001): Inferential Statistics and Hypothesis Testing Course: 46 Minutes Course Overview Inferential Statistics Foundations Hypothesis Testing Concepts Knowledge Check: Reviewing Inferential Statistics and Hypothesis Testing Concepts P-Values and Confidence Intervals Performing and Interpreting T-Tests Knowledge Check: Performing and Interpreting P-Values, Confidence Intervals, and T-Tests Performing Chi-Squared Tests Performing ANOVA and Interpreting the F-Statistic Knowledge Check: Assessing Chi-Squared Tests and ANOVA, and Interpreting F-Statistic Results Statistics in ML Decision-Making Calculating Entropy, Gini Index, and Information Gain Knowledge Check: Applying Statistics in ML Using Entropy, Gini Index, and Information Gain Course Summary CompTIA DataX (DY0-001): Regression Metrics, Classification Metrics, and ROC/AUC Course: 1 Hour Course Overview Understanding Regression Models Regression Evaluation and Error Metrics Computing Regression Metrics Knowledge Check: Analyzing Regression Metrics Interpreting R² and Adjusted R² Residual Analysis Knowledge Check: Assessing Residual Analysis Evaluating Models Using AIC/BIC for Model Comparison Introduction to Classification Knowledge Check: Reviewing Classification Computing Classification Metrics Interpreting the Confusion Matrix and Error Types Knowledge Check: Analyzing the Confusion Matrix Interpreting ROC Curves and AUC Metrics Under Class Imbalance Knowledge Check: Exploring Metrics Under Class Imbalance Course Summary CompTIA DataX (DY0-001): Linear Algebra, Calculus, and Temporal Models Course: 1 Hour, 15 Minutes Course Overview Why Linear Algebra Matters in Machine Learning Implementing Vectors, Matrices, and Operations in Python Computing Distance Metrics: Euclidean, Manhattan, Cosine Knowledge Check: Assessing Vectors and Matrix Operations Logarithms and Log-Likelihood Partial Derivatives in Multivariate Functions Knowledge Check: Assessing Logarithms and Log-Likelihood Chain Rule for Composite Functions What Are Temporal Models? Knowledge Check: Assessing Temporal Models Implementing AR, MA, and ARIMA Survival Analysis and Causal Inference Implementing ATE, Kaplan-Meier Curves, and Confounder Handling Knowledge Check: Assessing Survival Analysis and Causal Inference Course Summary 2. Modeling, Analysis, and Outcomes Master the complete data preparation and analysis workflow: Exploratory Data Analysis (EDA) Data quality assessment and cleansing Feature engineering and enrichment Modeling readiness evaluation Business decision framing Data visualization and storytelling CompTIA DataX (DY0-001): Exploratory Data Analysis (EDA) Foundations Course: 52 Minutes Course Overview Why EDA Matters Feature Types and Visualizations Knowledge Check: Assessing Feature Types and Visualizations Conducting Univariate Analysis Conducting Bivariate Analysis Multivariate Analysis Knowledge Check: Reviewing Multivariate Analysis Pattern Detection in Data Statistical Methods for EDA Creating and Automating a Structured EDA Workflow Knowledge Check: Assessing Statistical Methods for EDA Course Summary CompTIA DataX (DY0-001): Detecting and Handling Data Issues Course: 1 Hour, 12 Minutes Course Overview Why Data Issues Matter Common Data Issues and Their Impact Diagnosing Data Signals and Issues Understanding Sparse Data Visualizing Sparse Data Patterns Knowledge Check: Assessing Common Data Issues and Data Sparsity Non-Linearity and Noise in Data Interpreting LOESS/LOWESS Plots Knowledge Check: Assessing Effects of Non-Linearity and Noise in Data Rolling Statistics and Decomposition Using Seasonal Decomposition Techniques Knowledge Check: Reviewing Rolling Statistics and Decomposition Methods Handling Granularity Mismatches in Datasets Visualizing and Managing Outliers in Data Multicollinearity in Data Knowledge Check: Assessing Data Multicollinearity and Granularity Calculating Variance Inflation Factor Develop Remediation Strategies for Data Issues Knowledge Check: Reviewing Data Remediation Strategies Course Summary CompTIA DataX (DY0-001): CompTIA DataX: Feature Engineering and Data Enrichment Course: 1 Hour, 16 Minutes Course Overview Feature Engineering Concepts Log and Power Transforms Knowledge Check: Assessing Feature Engineering Binning Techniques Encoding Methods for Categorical Data Knowledge Check: Assessing on Encoding Methods Implementing OneHotEncoding and OrdinalEncoding with sklearn Standardization and Normalization StandardScaler vs. MinMaxScaler Knowledge Check: Assessing Standardization and Normalization Comparing StandardScaler vs. MinMaxScaler Techniques for Modeling Non-Linearity Exploring Time-Series Patterns and Feature Engineering Alignment Introduction to Geospatial Features and Geocoding Concepts Using Simple Geocode APIs Efficient Preprocessing with sklearn Pipeline and ColumnTransformer Building Pipelines with sklearn Pipeline and ColumnTransformer Knowledge Check: Assessing Efficient Preprocessing Course Summary CompTIA DataX (DY0-001): Modeling Readiness and Decision Framing Course: 42 Minutes Course Overview Modeling in Analytics Lifecycle Defining Analytical Modeling Tasks Mapping Business Problems to Analytical ModelingTasks Assumptions and Constraints Baselines and Success Criteria Knowledge Check: Assessing Baselines and Success Criteria Modeling Risks Evaluation Goals for Models Validation Strategies Knowledge Check: Reviewing Evaluation Goals Defining the Decision Brief Boundary Course Summary CompTIA DataX (DY0-001): Data Visualization, Communication, and Outcomes Course: 48 Minutes Course Overview Why Data Insights Fail Without Clear Communication Choosing the Right Data Types and Charts Chart Smart: Mastering Data Visualization Implementing Cohesive Multi-Chart Analytical Views Navigate Uncertainty in Data Visualizations: Spotting and Avoiding Misleads Knowledge Check: Assessing Data Uncertainty and Visualizations Designing Accessible Visualizations Structuring Insights for Clear Communication Sequencing an Effective Data Story Designing Effective Dashboard Layouts Designing Insightful and Interactive Dashboards with Plotly Knowledge Check: Reviewing Accessible Visualization and Structuring Insights Course Summary 3. Machine Learning Develop practical machine learning expertise: Supervised learning algorithms Loss functions and optimization Tree-based and ensemble methods Neural networks and deep learning fundamentals Unsupervised learning techniques Dimensionality reduction and clustering CompTIA DataAI (DY0-001): Applied Supervised Learning - Core Algorithms and Model Selection Course: 1 Hour, 4 Minutes Course Overview Identifying Supervised Learning Concepts Linear Regression Techniques Implementing Multiple Linear Regression Using sklearn Logistic Regression Principles Training Logistic Regression on Binary Dataset Knowledge Check: Reviewing Logistic Regression K-Nearest Neighbors (KNN) Performing KNN Classification with Varying K Knowledge Check: Reviewing K-Nearest Neighbors (KNN) Naive Bayes Algorithm Implementing GaussianNB Using sklearn Knowledge Check: Reviewing Naïve Bayes Association Rule Metrics Identifying Association Rule Concepts Support Vector Machines (SVM) Supervised Learning Algorithm Selection Knowledge Check: Reviewing Support Vector Machines (SVM) Course Summary CompTIA DataAI: Machine Learning Mechanics - Loss, Generalization, and Model Optimization Course: 1 Hour, 5 Minutes Course Overview Machine Learning Workflow Loss Functions in Model Training Calculating Loss Functions Using sklearn Knowledge Check: Reviewing Loss Functions The Bias-Variance Tradeoff Model Regularization Techniques Applying L1, L2, and Elastic Net Regularization Knowledge Check: Assessing Regularization Techniques Cross-Validation for Model Performance Performing K-Fold, Stratified, and Time Series CV Cross-Validation Knowledge Check: Reviewing Cross-Validation Hyperparameter Tuning for Model Performance Performing Hyperparameter Tuning Using sklearn Data Leakage and Its Impact on Models Knowledge Check: Reviewing Hyperparameter Tuning Course Summary CompTIA DataAI (DY0-001): Tree-Based Methods and Ensemble Learning Course: 54 Minutes Course Overview Decision Tree Essentials Optimization of Decision Trees Knowledge Check: Reviewing Tree Essentials and Optimization Training a DecisionTreeClassifier Bagging and Random Forests Knowledge Check: Assessing Bagging and Random Forests Boosting Methods Training a GradientBoostingClassifier Hyperparameter Tuning for Ensembles Knowledge Check: Assessing Boosting Techniques and Hyperparameter Tuning Interpretability for Tree Ensembles Comparison of Tree-Based Models Knowledge Check: Reviewing Interpretability and Model Comparison Course Summary CompTIA DataAI (DY0-001): Deep Learning Essentials Course: 49 Minutes Course Overview Introduction to Deep Learning Concepts Artificial Neuron Mechanics Artificial Neural Network (ANN) Architecture and Data Flow Knowledge Check: Reviewing Artificial Neural Network Mechanics and Architecture Activation Functions and Non-Linearity Loss Functions and Optimization Basics Backpropagation and Gradient Flow Overfitting and Underfitting in Deep Networks Knowledge Check: Reviewing Activation Functions, Loss Functions, Overfitting, and Underfitting Regularization Techniques to Reduce Overfitting Normalization Techniques in Deep Learning Implementing a Simple ANN for Classification Comparison of Deep Learning Frameworks Knowledge Check: Reviewing Regularization Techniques, Normalization, and Deep Learning Frameworks Course Summary CompTIA DataAI (DY0-001): Unsupervised Learning and Dimensionality Reduction Course: 1 Hour, 6 Minutes Course Overview Unsupervised Learning Concepts Clustering Methods Overview Knowledge Check: Reviewing Unsupervised Learning and Clustering Fundamentals K-Means Clustering Implementing K-Means Clustering and Cluster Selection Knowledge Check: Reviewing K-Means Clustering Concepts and Application Hierarchical Clustering (Agglomerative) Implementing and Interpreting Dendrograms with SciPy Knowledge Check: Assessing the Use of Hierarchical Clustering and Dendrograms Density-Based Clustering (DBSCAN) Selecting the Right Unsupervised Technique Dimensionality Reduction Overview Knowledge Check: Identifying DBSCAN, Technique Selection, and Dimensionality Reduction Principal Component Analysis (PCA) Concepts Implementing Principal Component Analysis (PCA) and Visualization Singular Value Decomposition (SVD) Unsupervised Evaluation Metrics and Practical Interpretation Knowledge Check: Reviewing Principal Component Analysis Concepts and Application Course Summary 4. Operations and Processes Learn operational and engineering best practices: Business context and KPI frameworks Compliance and governance Data ingestion and pipeline design Data wrangling and labeling Lifecycle frameworks and version control Engineering and deployment best practices CompTIA DataAI (DY0-001): Business Functions, Compliance, and KPI Foundations Course: 53 Minutes Course Overview Identifying the Right Analytics Approach Understanding KPIs and Metrics Leading vs. Lagging Indicators Knowledge Check: Assessing KPIs and Leading/Lagging Indicators Data Governance in Data Science GDPR and Compliance Essentials Knowledge Check: Assessing Data Governance, GDPR, and Compliance Essentials Functional and Non-Functional Requirements Business vs. Analytical Problems and Risks Translating Business Questions into Model Design Business Requirements Documentation (BRD) Creating a Lightweight BRD for a Data Science Project Knowledge Check: Reviewing System Requirements, Business/Analytical Problems, and the BDR Course Summary CompTIA DataAI (DY0-001): Data Types, Data Ingestion, and Pipelines Course: 1 Hour, 2 Minutes Course Overview Understanding Data Wrangling and Cleaning Identifying Data Quality Issues: Spot, Classify, Act Techniques for Data Cleaning Knowledge Check: Assessing Your Understanding of Data Wrangling and Cleaning Merges and Joins Using Merge and Join Operations in Python Selecting the Right Imputation Strategy1 Predicting Missing Values Using Machine Learning Knowledge Check: Reviewing the Use of Merges and Joins Handling Inconsistent Granularity Ground Truth Labeling for Supervised Learning Knowledge Check: Assessing Your Understanding of Granularity and Ground Truth Labeling Pipelines for Scalable Labeling Documenting Data Quality and Transformations Knowledge Check: Reviewing Scalable Labeling and Documenting Data Qualit Course Summary CompTIA DataAI (DY0-001): Data Wrangling, Cleaning, and Ground Truth Labeling Course: 1 Hour, 2 Minutes Course Overview Understanding Data Wrangling and Cleaning Identifying Data Quality Issues: Spot, Classify, Act Techniques for Data Cleaning Knowledge Check: Assessing Your Understanding of Data Wrangling and Cleaning Merges and Joins Using Merge and Join Operations in Python Selecting the Right Imputation Strategy Predicting Missing Values Using Machine Learning Knowledge Check: Reviewing the Use of Merges and Joins Handling Inconsistent Granularity Ground Truth Labeling for Supervised Learning Knowledge Check: Assessing Your Understanding of Granularity and Ground Truth Labeling Pipelines for Scalable Labeling Documenting Data Quality and Transformations Knowledge Check: Reviewing Scalable Labeling and Documenting Data Quality Course Summary CompTIA DataAI (DY0-001): Lifecycle, Version Control, and Engineering Best Practices Course: 1 Hour, 5 Minutes Course Overview Data Science Lifecycle Frameworks Mapping Lifecycle Phases to Deliverables Knowledge Check: Reviewing the Data Science Lifecycle Framework Lifecycle Artifacts Identification Version Control Concepts and Benefits Using Git for Data Science Projects Clean Coding Practices Knowledge Check: Understanding Version Control Concepts and Clean Coding Practices Spotting Code Quality Issue The Importance of Testing Writing Unit Testing in Python for Data Functions Experiment Tracking and Reproducibility Knowledge Check: Reviewing Testing, Experiment Tracking, and Reproducibility Dependency Management and Container Basics Project Structure and Integration with CI Knowledge Check: Assessing Dependency Management, Container Basics, and Integration with CI Course Summary CompTIA DataAI (DY0-001):MLOps, CI/CD, Containerization, and Deployment Environments Course: 57 Minutes Course Overview DevOps vs. MLOps Overview MLOps in Data Science Workflows Knowledge Check: Assessing MLOps in Data Science Workflows Model Validation Concepts CI/CD for ML Systems Model Formats and API Serving Patterns Knowledge Check: Reviewing Model Validation, CI/CD, and Model Formats Containerization Basics Dockerfile and Image Building Orchestration with Kubernetes Knowledge Check: Reviewing Containerization and Orchestration with Kubernetes Deployment Environments Matching Deployment Environment to Use Case Monitoring and Validation Building the ML Deployment Architecture Knowledge Check: Reviewing Deployment Environments and Metrics Course Summary 5. Specialized Applications of Data Science Explore advanced AI and data science applications: Optimization techniques Natural Language Processing (NLP) Tokenization and embeddings Computer vision fundamentals Graph analysis Reinforcement learning Signal processing techniques CompTIA DataAI (DY0-001): Optimization for Data Science Course: 38 Minutes Course Overview Anatomy of an Optimization Problem Gradient Descent: The Optimization Engine Implementing Gradient Descent Algorithms Constraints as Geometry in Optimization Analyzing Optimization Tuning Challenge Knowledge Check: Reviewing Fundamentals and Gradient Descent Course Summary CompTIA DataAI (DY0-001): Natural Language Processing (NLP) Techniques Course: 59 Minutes Course Overview Introduction to Natural Language Processing Exploring NLP Challenges Text Preprocessing and Normalization Knowledge Check: Reviewing Fundamentals and Techniques of Text Preprocessing Feature Extraction and Text Vectorization Implementing Text Preprocessing and Feature Extraction Word Embeddings and Semantic Analysis Visualizing Word Embeddings Knowledge Check: Assessing Feature Extraction, Vectorization, and Word Embedding Concepts Sentiment Analysis and Text Classification Topic Modeling and Document Classification Knowledge Check: Implementing Sentiment Analysis and Topic Modelling Course Summary CompTIA DataAI (DY0-001): Computer Vision Techniques & Applications Course: 37 Minutes Course Overview Fundamentals of Computer Vision Optical Character Recognition (OCR) Knowledge Check: Identifying Computer Vision and OCR Concepts Applying OCR to Extract Text from Images Why Data Augmentation Matters in Computer Vision Exploring Practical Data Augmentation for Computer Vision Knowledge Check: Implementing Data Augmentation Techniques Convolutional Neural Network (CNN) Object Detection and Tracking Fundamentals Comparing Classification, Detection, and Segmentation Knowledge Check: Reviewing Convolutional Neural Network (CNN) and Object Tracking Course Summary CompTIA DataAI (DY0-001): Graph Analytics, Reinforcement Learning, and Detection Techniques Course: 55 Minutes Course Overview Graph Analytics Fundamentals Mapping Graph Concepts Performing Graph Analytics Knowledge Check: Identifying Graph Analytics Concepts Fundamentals of Reinforcement Learning Reinforcement Learning Algorithms Fraud Detection Techniques and Challenges Knowledge Check: Reviewing Reinforcement Learning and Fraud Detection Applying Anomaly Detection Methods Signal Processing Knowledge Check: Understanding Anomaly Detection and Signal Processing Integration of Graphs, RL, and Detection Techniques Algorithm Selection Principles Applying Algorithm Selection to Real‑World Scenarios Knowledge Check: Assessing Detection Techniques and Algorithm Selection Course Summary Specificaties Taal: Engels Kwalificaties van de Instructeur: Gecertificeerd Cursusformaat en Lengte: Lesvideo's met ondertiteling, interactieve elementen en opdrachten en testen Lesduur: 21:45 uur Voortgangsbewaking: Ja Toegang tot Materiaal: 365 dagen Technische Vereisten: Computer of mobiel apparaat, Stabiele internetverbindingen Webbrowserzoals Chrome, Firefox, Safari of Edge. Support of Ondersteuning: Helpdesk en online kennisbank 24/7 Certificering: Certificaat van deelname in PDF formaat Prijs en Kosten: Cursusprijs zonder extra kosten Annuleringsbeleid en Geld-Terug-Garantie: Wij beoordelen dit per situatie Award Winning E-learning: Ja Tip! Zorg voor een rustige leeromgeving, tijd en motivatie, audioapparatuur zoals een koptelefoon of luidsprekers voor audio, accountinformatie zoals inloggegevens voor toegang tot het e-learning platform.

AI en Copilot spelen een steeds grotere rol binnen Power BI. Binnen enkele seconden visuals, analyses en DAX laten genereren klinkt geweldig, maar hoe zorg je ervoor dat de output ook écht goed is? Wanneer kun je Copilot vertrouwen en hoe haal je er daadwerkelijk waarde uit binnen je dagelijkse BI-werkzaamheden? In deze training leer je stap voor stap hoe je Copilot slim inzet binnen Power BI. Je ontdekt hoe Copilot werkt met data, rapporten en DAX, hoe je betere prompts schrijft en waar de belangrijkste valkuilen zitten. Daarbij ga je vooral veel praktisch oefenen, zodat je het geleerde direct kunt toepassen in je eigen werk. In één dag leer je: Wat Copilot binnen Power BI precies is en hoe het werkt Hoe je Copilot gebruikt voor het ontwikkelen van rapportages, analyses en DAX Hoe je goede prompts schrijft voor de juiste resultaten Waar de valkuilen en beperkingen van AI binnen Power BI liggen Programma Je gaat een hele dag praktisch aan de slag. Je ontdekt stap voor stap hoe Copilot in Power BI werkt. We oefenen veel en gebruiken herkenbare voorbeelden. Zo weet je zeker dat je de stof direct kunt gebruiken. Wat is Copilot in Power BI? We starten met de basis. Wat is Copilot precies? Hoe werkt het binnen Power BI en Microsoft Fabric? Daarnaast kijken we waar Copilot echt waarde toevoegt en waar je juist kritisch moet blijven kijken naar de output. Setup, licenties en voorwaarden Voordat je met Copilot kunt werken moet de basis goed staan. We behandelen de benodigde licenties, tenant settings en instellingen binnen Power BI. Ook kijken we naar het belang van goed ingerichte datasets en semantic models. Werken met Copilot in Power BI Desktop Nu gaan we echt aan de slag. Je leert hoe je Copilot gebruikt om visuals, rapporten en inzichten te genereren met natural language. Daarbij ontdek je wat goed werkt in de praktijk en waar de beperkingen liggen. Prompting: juiste vraag = juiste output De outputkwaliteit van Copilot hangt sterk af van de prompts die je schrijft. Je leert hoe je betere vragen stelt voor analyses, visuals en DAX. Kleine verschillen in je prompt kunnen namelijk grote impact hebben op het resultaat. Copilot en DAX Copilot kan helpen bij het schrijven, verbeteren en uitleggen van DAX-measures. We laten zien hoe Copilot omgaat met berekeningen, filter context en aggregaties. Natuurlijk leer je ook waarom controle op de output belangrijk blijft. Data-analyse en inzichten met AI Je ontdekt hoe CoPilot helpt bij het analyseren van datasets en het vinden van trends, afwijkingen en inzichten. We oefenen met het stellen van slimme vragen aan je data. Daarbij kijken we ook kritisch naar de betrouwbaarheid van de antwoorden. Valkuilen, risico’s en betrouwbaarheid AI is krachtig, maar zeker niet foutloos. Daarom besteden we aandacht aan hallucineren, verkeerde interpretaties en andere risico’s. Je leert hoe je AI-output controleert en verantwoord gebruikt binnen Power BI. Praktisch werken met Copilot en best practices Tijdens verschillende oefeningen ga je zelf actief aan de slag met Copilot. Je gebruikt datasets, bouwt visuals, genereert DAX en analyseert data. Daarnaast delen we praktische tips en best practices om Copilot slim in te zetten binnen je dagelijkse BI-werkzaamheden. De training zit verder vol praktische tips, voorbeelden en eyeopeners. Ook als je al ervaring hebt met Power BI en Copilot zul je ongetwijfeld nieuwe mogelijkheden leren die Copilot toevoegt aan je manier van werken. Na afloop ontvang je een certificaat en kun je direct zelf aan de slag met Copilot in Power BI! Voor deze training is basiskennis en enige ervaring met Power BI belangrijk. Denk hierbij aan kennis van datamodellen, visualisaties, Power Query en basis DAX. Heb je deze kennis nog niet, volg dan eerst onze Power BI Fundamentals Level 1 en Level 2 trainingen. Data en locaties Je kunt deze cursus volgen op onze verschillende locaties in Utrecht, Amstelveen, Rotterdam en Eindhoven. De cursus is ook incompany te boeken op jullie eigen locatie en op maat gemaakt voor het team. Bekijk hier de mogelijkheden. Kosten Het inschrijfgeld bedraagt € 595 per persoon (exclusief 21% BTW). Het inschrijfgeld is inclusief koffie/thee, een uitgebreide lunch, gebruik van onze cursuslaptops en alle overige cursusmaterialen. Voor wie Deze training is voor iedereen die al basiservaring heeft in Power BI en graag wil weten hoe Copilot je kan helpen om sneller en slimmer te werken. Je leert hoe AI je dagelijkse werkzaamheden kan ondersteunen en versnellen. Omdat de output van AI altijd gecontroleerd moet worden heb je wel voorkennis nodig van Power BI op het niveau van onze Power BI Fundamentals trainingen (Level 1 en 2).

The AWS Certified Security – Specialty (SCS-C02) Training prepares experienced cloud professionals to secure AWS environments and successfully pass the AWS Security Specialty certification exam. This course covers essential AWS security topics including identity and access management (IAM), authentication, authorization, encryption, secrets management, compliance, logging, auditing, threat detection, and incident response. Participants will learn how to protect sensitive data, monitor security events, identify potential threats, and implement mitigation strategies using AWS security services. The training also explores governance, account management, and cloud security principles based on the CIA triad. Designed for security engineers, security architects, and cloud architects, this course provides the advanced security skills needed to protect modern AWS workloads and strengthen organizational cloud security. CertKit content: • E-learning courses: AWS Security Specialty (SCS-C02): Incident Response & Forensics Course: 1 Hour, 20 Minutes Course Overview AWS Incident Response Plan Building AWS Logging for Forensic Readiness AWS Incident Response Fundamentals Containment Automation with EventBridge and Lambda Multi-Source Log Correlation with Athena Forensic Artifact Preservation from EC2 and EBS Recovery and Post-Incident Review Simulated Forensic Investigations Remediation Automation with AWS Lambda and Step Functions Best Practices for AWS Incident Response Course Summary AWS Security Specialty (SCS-C02): Security Logging & Monitoring Course: 1 Hour, 14 Minutes Course Overview Compliance Frameworks in AWS Cross-Account Access Fundamentals Data Sharing Challenges and Security Requirements Permission Boundary Implementation Amazon S3 Data Security for Cross-Account Access Federation Enablement with IAM Identity Center Automated Evidence Gathering with AWS Audit Manager Running Compliance Audit Simulations Cross-Account Access Monitoring and Auditing Running Multi-Account Security Audit Simulations Cross-Account Monitoring Design with CloudWatch and EventBridge Troubleshoot Missing Logs with Trails, Data Events, and Delivery Failures Course Summary AWS Security Specialty (SCS-C02): Advanced Logging & Analysis Course: 1 Hour, 19 Minutes Course Overview Centralized Logging Strategies in AWS Configuring Organization-Wide CloudTrail Advanced CloudWatch Logs Insights Queries Security Log Normalization and Correlation Automated Log Pipeline Building Security Log Retention and Immutability Implementing AWS Log Integration with External Analytics Platforms Best Practices for AWS Security Logging and Analysis CloudTrail Lake Organization Event Data Stores and SQL Joins Missing Log Troubleshooting for Trails, Data Events, and Delivery Issues Course Summary AWS Security Specialty (SCS-C02): Network Security Controls Course: 1 Hour, 29 Minutes Course Overview Fundamentals of AWS Network Security VPC Security Design with Security Groups and NACLs Implementing Security Groups for Tiered Architectures Configuring Network ACLs for Subnet Segmentation AWS Network Firewall Deployment for Centralized Traffic Filtering Application Protection with AWS WAF Configuring AWS WAF for Application Security DDoS Protection with AWS Shield Advanced Best Practices for AWS Network Security Security Architecture Patterns for the Topic Course Summary AWS Security Specialty (SCS-C02): Security Automation & Pipeline Integrity Course: 1 Hour, 6 Minutes Course Overview Event-Driven Security Workflow Design CI/CD Pipelines Security in AWS Automation of Remediation with AWS Lambda Implementing Multi-Step Workflows with Step Functions Artifact Signing for Deployment Integrity Implementing Routine Security Task Automation with Systems Manager Automation Integration with AWS Security Hub Complex Incident Automation Scenario Course Summary AWS Security Specialty (SCS-C02): Network Monitoring & Threat Detection Course: 1 Hour, 4 Minutes Course Overview Advanced GuardDuty Use Cases Configuring GuardDuty for Centralized Management Correlate Findings in AWS Security Hub Automation of Threat Remediation with EventBridge and Lambda Forensic Data Collection and Preservation Implementing AWS Security Findings Integration with SIEM Tools Incident Simulation and Playbook Execution Best Practices for Continuous Security Operations Course Summary AWS Security Specialty (SCS-C02): Hybrid Connectivity & Private Access Security Course: 45 Minutes Course Overview Direct Connect Link Security with MACsec Implementing Site-to-Site VPN and Transit Gateway Security Configuring PrivateLink Services with Resource Policies Configuring Centralized Private Access with VPC Endpoints Hybrid Connectivity and Private Access Scenario Transit Gateway Security Patterns and Route-Table Isolation Course Summary AWS Security Specialty (SCS-C02): Database & Analytics Service Security Course: 1 Hour, 8 Minutes Course Overview Configuring Secure VPC for RDS and Aurora Implementing Encryption for Amazon RDS and Aurora Implementing IAM Database Authentication for RDS and Aurora Implementing Network Isolation and Security Groups Configuring DynamoDB Security Controls Implementing Security for Amazon Redshift Data Warehouses Sensitive Data Protection in Analytics Pipelines Database and Analytics Security Measures Course Summary AWS Security Specialty (SCS-C02): Securing Storage Services Course: 1 Hour, 5 Minutes Course Overview Security Principles for AWS Storage Securing Amazon S3 Buckets Encrypting Data in Amazon S Amazon EBS Volume Security Encrypting EBS Volumes and Snapshots Securing Amazon EFS Access AWS Backup for Data Protection Storage Security Audits Course Summary AWS Security Specialty (SCS-C02): Edge & Application Security Course: 58 Minutes Course Overview The Application and API Threat Landscape Implementing API Security with Amazon API Gateway Application Protection with AWS WAF Implementing WAF Rules for Common Attacks DDoS Protection with AWS Shield Managing Secrets and Configurations Securely Multi-Tier API Application Security Course Summary AWS Security Specialty (SCS-C02): IAM Foundations & Access Management Course: 1 Hour, 12 Minutes Course Overview IAM Fundamentals and Best Practices Creating and Managing IAM Users and Groups Role-Based and Attribute-Based Access Control Design Configuring IAM Roles for Cross-Account Access Implementing Multi-Factor Authentication IAM Authentication Issue Troubleshooting Using AWS STS for Temporary Credentials Analyzing IAM Policies with the Policy Simulator Best Practices for AWS IAM Security Course Summary AWS Security Specialty (SCS-C02): Cross-Account & Federation Course: 53 Minutes Course Overview Identity Federation Configuring AWS IAM Identity Center Azure AD Integration for SAML Federation Okta Integration for OIDC Federation Automating SCIM Provisioning Enforcing MFA for Federated Users Troubleshooting Federation and SSO Issues Multi-Account Federation Scenario Course Summary AWS Security Specialty (SCS-C02): Privilege Management & Access Analysis Course: 56 Minutes Course Overview Principles of Privilege Management in AWS Creating and Enforcing Least-Privilege IAM Policies Implementing Permissions Boundaries for Managed Accounts Enforcing Organization-Wide Access Controls with SCPs ABAC Usage for Dynamic Permissions Temporary Elevated Privileges and Approval Workflows Auditing Permissions with IAM Access Analyzer Access Control Audit Simulation Course Summary AWS Security Specialty (SCS-C02): Data Protection & Key Management Course: 1 Hour, 16 Minutes Course Overview Encryption in Transit and at Rest Key Hierarchy and Access Policy Design External Key Material Importing and Management Encryption Key Management with AWS KMS Data Retention Policy Design Application-Level Encryption Strategies AWS CloudHSM Integration for Dedicated Key Storage Vault Lock Implementation in AWS Backup Real-World Encryption AWS Architecture Scenario Best Practices for Data Lifecycle Security Course Summary AWS Security Specialty (SCS-C02): Serverless Security Course: 58 Minutes Course Overview Security Principles for Serverless Architectures Configuring Least-Privilege Lambda Execution Roles Implementing API Gateway Security with Cognito Authorizers Implementing AWS WAF Integration with API Gateway Implementing Secrets Management for Serverless Functions Lambda Code Signing Enablement Serverless Application Hardening Course Summary AWS Security Specialty (SCS-C02): Container and Orchestrator Security Course: 47 Minutes Course Overview Implementing Security for Container Images in Amazon ECR Configuring IAM Roles for ECS Tasks and EKS Pods Kubernetes RBAC and Security Context Implementation Implementing AWS WAF with Kubernetes Ingress Implementing Runtime Monitoring with CloudWatch Container Insights Containerized Application Hardening Scenario Course Summary AWS Security Specialty 2025: Disaster Recovery and Resilience Planning Course: 1 Hour, 15 Minutes Course Overview AWS Disaster Recovery Models Effective AWS Readiness Drills Implementing AWS Backup for Recovery Readines AWS Elastic Disaster Recovery Validating Automated Remediation with Systems Manager Full-Scale AWS Security Drill Scenario Testing and Automating Disaster Recovery Multi-Region DR Simulation Course Summary AWS Security Specialty (SCS-C02): Workload Isolation and Exposure Reduction Course: 45 Minutes Course Overview Implementing Network Segmentation for Isolation Egress Filtering Implementation with VPC Endpoints Using Private DNS for Endpoint Traffic Control Isolating Workloads in Dedicated Accounts Workload Isolation Scenario Course Summary AWS Security Specialty (SCS-C02): Detection Engineering and Tuning Findings Course: 50 Minutes Course Overview Designing Effective Detection Rules in AWS Configuring GuardDuty Findings Tuning Configuring Custom Security Hub Insights Adjusting AWS Config Rules for Precision Detection Tuning Scenario Authoritative Log-Source Inventory and Gap Analysis Course Summary AWS Security Specialty (SCS-C02): Governance, Risk, & Compliance Course: 1 Hour, 20 Minutes Sections DurationStatusActions Course Overview AWS GRC Foundations Multi-Account Strategy Design Implementing Multi-Account Governance with AWS Organizations Implementing AWS Organizations and Delegated Administration Guardrails and AWS Control Tower Implementing Guardrails with AWS Control Tower Secure Deployment Strategy Implementation AWS with Enterprise GRC Platform Integration Secure CloudFormation Template Deployment Governance Scenario: Onboarding a New Business Unit Course Summary AWS Security Specialty (SCS-C02): SaaS & Third‑Party Integration Security Course: 47 Minutes Course Overview Using API Keys and Credentials for SaaS Access Implementing PrivateLink to Restrict SaaS Network Access Cross-Account IAM Roles for Vendor Access Integration Activity Monitoring and Alerting SaaS Integration Security Cross-Account Monitoring Design with CloudWatch and EventBridge Course Summary MeasureUp Exam simulation Hone your testing skills with MeasureUp Exam Simulation, an advanced tool that gives you a realistic exam experience. Practice with accurately modelled questions that mimic actual exams, allowing you to get used to the structure and pressure. With MeasureUp, you not only prepare for your exam, you also increase your chances of success. 120+ questions Tips, Tricks & Links Take advantage of our comprehensive collection of tips, tricks and links designed specifically to support your preparation for certification exams. These resources offer valuable insights and proven strategies to make your studies more effective. Enhance your learning experience and approach your exams with confidence!

Algemene omschrijving Na aanschaf van een Accelerating Sales Pipelines with AI in Dynamics 365 (AB-210) examenvoucher is deze maximaal één jaar geldig. Het AB-210 examen - Accelerating Sales Pipelines with AI in Dynamics 365 is gericht op professionals die hun kennis van AI-functionaliteiten binnen Microsoft Dynamics 365 Sales aan willen tonen. In het Accelerating Sales Pipelines with AI in Dynamics 365 (AB-210) examen wordt jouw expertise getoetst in het configureren, implementeren en optimaliseren van AI-oplossingen die organisaties ondersteunen bij het versnellen van verkoopprocessen en het verbeteren van klantrelaties. Verder ligt in het AB-210 examen - Accelerating Sales Pipelines with AI in Dynamics 365 de nadruk op het toepassen van AI-functionaliteiten binnen Dynamics 365 Sales, waaronder Microsoft Copilot, verkoopinzichten, leadbeheer en opportunity management. Daarnaast wordt jouw kennis getoetst van het analyseren van verkoopgegevens, het optimaliseren van sales pipelines en het ondersteunen van besluitvorming met behulp van AI-functionaliteiten. Het AB-210 examen - Accelerating Sales Pipelines with AI in Dynamics 365 is zeer geschikt voor professionals die hun expertise in AI-ondersteunde verkoopprocessen willen bevestigen en hun organisatie willen ondersteunen bij het efficiënter beheren van klantrelaties en verkoopkansen. Doelgroep Het AB-210 examen - Accelerating Sales Pipelines with AI in Dynamics 365 is bedoeld voor professionals die hun kennis willen toetsen van AI-functionaliteiten binnen Microsoft Dynamics 365 en betrokken zijn bij verkoopprocessen, klantbeheer en verkoopoptimalisatie. Het AB-210 examen - Accelerating Sales Pipelines with AI in Dynamics 365 is met name geschikt voor de volgende mensen: Dynamics 365-consultants. Sales consultants. CRM-specialisten. Functioneel beheerders. AI-consultants. Solution consultants. Zakelijke professionals die betrokken zijn bij verkoopprocessen. Professionals die met Microsoft Dynamics 365 Sales werken. Certificering Als jij slaagt voor het AB-210 examen - Accelerating Sales Pipelines with AI in Dynamics 365, dan zul je de AB-210 certificering Microsoft Certified: Dynamics 365 Sales AI Consultant Associate ontvangen. Hiermee kun je aantonen dat jij beschikt over kennis van AI-functionaliteiten binnen Microsoft Dynamics 365 Sales en dat jij in staat bent om verkoopprocessen te optimaliseren met behulp van kunstmatige intelligentie (AI). Examenvoorbereiding Voordat je het AB-210 examen - Accelerating Sales Pipelines with AI in Dynamics 365 aflegt, raden wij aan dat jij beschikt over basiskennis van Microsoft Dynamics 365 Sales, CRM-processen en AI-functionaliteiten binnen bedrijfsapplicaties. Om je voor te bereiden op het Accelerating Sales Pipelines with AI in Dynamics 365 (AB-210) examen, kun je via Microsoft Learn het AB-210 cursusmateriaal doornemen, de AB-210 studiegids lezen en oefenen met een sandbox-omgeving. Daarnaast kun jij je op het AB-210 examen voorbereiden door praktijkervaring op te doen met Microsoft Dynamics 365 Sales, Microsoft Copilot en AI-functionaliteiten binnen verkoopprocessen. Examenonderwerpen In het AB-210 examen - Accelerating Sales Pipelines with AI in Dynamics 365 worden de volgende onderwerpen getoetst: Domein 1: Dynamics 365 Sales kernfuncties voor AI configureren (15-20%) Verkoop configureren. De productcatalogus maken en beheren. Domein 2: AI-gestuurde verkoop optimaliseren (20-25%) Een AI-first-verkoopstrategie ontwerpen. Voorbereiden op het implementeren van agents. AI-functies voor intelligentie en inzichten configureren. Domein 3: Leads kwalificeren en prioriteren met behulp van AI (15-20%) Leads genereren en onderhouden. Leadkwalificatie automatiseren met behulp van de verkoopkwalificatieagent. Domein 4: Deals ontwikkelen met behulp van intelligent verkoopkansonderzoek (25-30%) Kansenbeheer optimaliseren. Deals automatiseren door gebruik te maken van de Verkoopafsluitingsagent. Informatie verzamelen over verkoopdeals met behulp van de Sales Research Agent. Domein 5: Verkoop uitbreiden en verbeteren (10-15%) Ondersteunende apps en services configureren. De voetafdruk van de verkoop uitbreiden met behulp van Microsoft Power Platform. Examenopzet Het Accelerating Sales Pipelines with AI in Dynamics 365 (AB-210) examen bestaat uit meerkeuzevragen, praktijksituaties en scenariogebaseerde vragen waarin jouw expertise in AI-functionaliteiten binnen Dynamics 365 Sales wordt getoetst. Je krijgt 120 minuten de tijd (of 30 minuten extra tijd op aanvraag als Engels niet jouw moedertaal is) om het AB-210 examen af te leggen. Slaagcriteria Om te slagen dien je ten minste een score van 700 of hoger (op een schaal van 1000) te hebben behaald. Het AB-210 examen - Accelerating Sales Pipelines with AI in Dynamics 365 is alleen in het Engels af te leggen.

Algemene omschrijving The Data Visualization Specialist E-Learning is entirely in English. As a Dutch IT training provider, we offer the information on this page in Dutch. At the bottom of the page, you will find a brief summary in English. The topics within the Data Visualization Specialist E-Learning package itself are described in English. Na aanschaf van de Data Visualization Specialist E-Learning, is deze maximaal één jaar toegankelijk. De Data Visualization Specialist E-Learning biedt uitgebreid studiemateriaal waarmee je zelfstandig kennis kunt opdoen van data-analyse, datavisualisatie en business intelligence (BI). Door de Data Visualization Specialist E-Learning door te nemen, zul je leren hoe complexe datasets vertaald kunnen worden naar duidelijke grafieken, dashboards en rapportages die organisaties helpen bij het nemen van goed onderbouwde beslissingen. Daarbij zul je praktische inzichten opdoen in hulpmiddelen als Microsoft Excel, SQL en Tableau, waarmee je data kunt analyseren, structureren en visualiseren. Verder zul je met de Data Visualization Specialist E-Learning leren over de fundamentele principes op het gebied van data literacy, data science (datawetenschap) en datavisualisatie. Je leert hoe statistiek en goede ontwerpprincipes bijdragen aan effectieve datavisualisaties en hoe verschillende analysetechnieken organisaties kunnen ondersteunen bij het interpreteren van gegevens. Dankzij de opbouw van theorie, praktijkgerichte labopdrachten, oefeningen en mentorondersteuning in de Data Visualization Specialist E-Learning, zul je waardevolle inzichten opdoen waarmee je data om kunt zetten in bruikbare inzichten voor belanghebbenden en besluitvormers. De Data Visualization Specialist E-Learning, met meer dan 95 uur aan online cursusmateriaal, is onderverdeeld in de volgende leertrajecten: Data Science Foundations. Principles of Data Literacy. Exploring and Visualizing Data in Excel. Databases with SQL. Tableau. Doelgroep De Data Visualization Specialist E-Learning is bedoeld voor professionals die willen leren hoe zij data kunnen analyseren, interpreteren en visualiseren om hun organisatie beter te ondersteunen bij besluitvorming. Daarnaast biedt deze Data Visualization Specialist zelfstudie een uitstekende basis voor professionals die meer inzicht willen krijgen in business intelligence (BI). De Data Visualization Specialist E-Learning is met name geschikt voor de volgende mensen: Data-analisten. Business intelligence (BI)-specialisten. Dataspecialisten. Rapportage- en dashboardontwikkelaars. ICT-professionals. Bedrijfsanalisten. Financieel analisten. Marktonderzoekers. Professionals die met rapportages en data werken. Iedereen die praktische kennis op wil doen van datavisualisatie. Wat is inbegrepen? De Data Visualization Specialist E-Learning bevat uitgebreid Engelstalig cursusmateriaal waarmee je in jouw eigen tempo kunt leren over data-analyse, datavisualisatie en business intelligence (BI). Daarbij bestaat de Data Visualization Specialist zelfstudie uit meerdere leertrajecten waarin je praktische inzichten op zult doen van data literacy, SQL, Microsoft Excel, Tableau en data science (datawetenschap). Daarnaast krijg je toegang tot mentorondersteuning, oefeningen en praktijkgerichte labopdrachten binnen specifieke leertrajecten. Hier is een overzicht van de inhoud van de Data Visualization Specialist E-Learning: Cursusmateriaal voor Data Science Foundations. In het eerste leertraject ontdek je de basis van het opschonen, analyseren en visualiseren van data met behulp van Python-bibliotheken, zoals pandas en seaborn. Cursusmateriaal voor Principles of Data Literacy. In het tweede leertraject leer je over fundamentele principes op het gebied van data, statistiek, analyse en effectieve datavisualisatie. Cursusmateriaal voor Exploring and Visualizing Data in Excel. In het derde leertraject leer je hoe jij data kunt analyseren en visualiseren met Microsoft Excel, waaronder grafieken, draaitabellen en geavanceerde visualisaties. Cursusmateriaal voor Databases with SQL. In het vierde leertraject leer je de basis van SQL en hoe jij gegevens kunt organiseren, analyseren en gebruiken voor beter onderbouwde zakelijke beslissingen. Cursusmateriaal voor Tableau. In het vijfde leertraject leer je hoe jij data kunt voorbereiden, combineren en visualiseren met Tableau om tijdsgetrouwe inzichten te presenteren. Praktische labopdrachten voor het eerste, tweede, derde en vierde leertraject. Het eerste leertraject Data Science Foundations bestaat uit 22 uur aan labopdrachten. Het tweede leertraject Principles of Data Literacy bestaat uit 3 uur aan labopdrachten. Het derde leertraject Exploring and Visualizing Data in Excel bestaat uit 4 uur aan labopdrachten. Het vierde leertraject Databases with SQL bestaat uit 6 uur aan labopdrachten. Online begeleiding van een mentor binnen alle leertrajecten. Als je behoefte hebt aan ondersteuning tijdens het leren, dan kun je een Engelstalige mentor om hulp vragen. Praktische oefeningen en kennistoetsen binnen alle leertrajecten. De praktische oefeningen en kennistoetsen helpen jou om de behandelde onderwerpen beter te begrijpen en jouw voortgang gedurende de Data Visualization Specialist E-Learning te controleren. Na aanschaf van de Data Visualization Specialist E-Learning, is deze maximaal één jaar toegankelijk. Voorkennis Je hebt geen specifieke voorkennis nodig om te beginnen met de Data Visualization Specialist E-Learning. Om de onderwerpen goed te begrijpen, raden wij aan dat jij beschikt over basiskennis van ICT, gegevensverwerking en/of Microsoft Excel. Onderwerpen Track 1: Data Science Foundations Data Science is one of the most in-demand skillsets across many job roles. This Aspire Journey will teach you the basics of cleaning, analyzing, and visualizing data. You will learn industry-standard libraries in Python, including pandas and seaborn. Along the way, you will create real-world projects to practice and demonstrate your analytics skills. Track 2: Principles of Data Literacy This no-code Learning Journey introduces the foundational how’s and why’s of data. How do statistics help us make conclusions from data? Why is good design critical for communicating data stories through data viz? What are the different kinds of analysis we can perform on a dataset? This Journey will help you feel empowered to answer these questions (and more!) and work with data with confidence. Track 3: Exploring and Visualizing Data in Excel In this track, the focus will be on analyzing and visualizing data using Excel. Excel provides robust tools for exploring and visualizing data. Users can create various charts like bar, line, pie, and scatter plots, along with more advanced options like heatmaps, box plots, and geospatial visualizations. Furthermore, PivotTables and PivotCharts enable interactive data summarization and analysis Track 4: Databases with SQL In this track, the focus will be on learning the basics of Structured Query Language, or SQL, to organize and work with tabular data. Used in data science, analytics, and engineering, SQL makes it easy to work with data and make more informed strategies, operations, and business decisions. It’s a helpful skill for anyone who works with data. Track 5: Tableau In this track, the focus will be on working with and visualizing data using Tableau. From data preparation to consumption, Tableau Desktop gives you everything you need to be successful in delivering real-time insights. Simply connect to data from anywhere, then combine and clean with clicks — not code. English Summary After purchasing the Data Visualization Specialist E-Learning, it will be available for up to one year. The Data Visualization Specialist E-Learning provides extensive course materials to help you develop practical knowledge of data analysis, data visualisation and business intelligence. Throughout multiple learning tracks, you will gain insight into data science, data literacy, statistics, SQL, Microsoft Excel and Tableau. In addition, you will learn how to clean, analyse and visualise data by using Python libraries such as pandas and seaborn, while developing practical skills in dashboards, charts, PivotTables and advanced data visualisations. The Data Visualization Specialist E-Learning includes the tracks Data Science Foundations, Principles of Data Literacy, Exploring and Visualizing Data in Excel, Databases with SQL, and Tableau. Practical labs are included in the Data Science Foundations, Principles of Data Literacy, Exploring and Visualizing Data in Excel, and Databases with SQL tracks. The Data Science Foundations track includes 22 hours of labs, while Principles of Data Literacy includes 3 hours, Exploring and Visualizing Data in Excel includes 4 hours, and Databases with SQL includes 6 hours of labs. You also receive guidance from an English-speaking mentor throughout all learning tracks whenever support is needed. In addition, all learning tracks include assessments to help you better understand the covered topics and monitor your learning progress throughout the Data Visualization Specialist E-Learning.

Voor meer inhoudelijke informatie betreffende het trainingsprogramma, zie de volgende link: https://westhaghe.com/training/claude/ Onze Claude Training is een uitgebreide dagtraining die je meenee... Deel 1 — Claude AI: de basis - Introductie: wat is Claude en wie is Anthropic? - Hoe verschilt Claude van ChatGPT, Microsoft Copilot en Gemini? - Wanneer kies je voor Claude? - Prompts schrijven voor Claude: context, rol, taak en gewenste output - Claude gebruiken voor teksten, e-mails, rapportages en samenvattingen - Documenten analyseren, vergelijken en structureren met Claude - Claude als sparringpartner bij denkwerk en besluitvorming - Claude Artifacts: van idee naar document, tool, visualisatie of prototype - Veelgemaakte fouten bij prompts en hoe je ze voorkomt Deel 2 — Claude CoWork: van prompten naar delegeren - Wat is Claude CoWork en hoe werkt agentisch AI? - Van losse vragen naar het geven van een doel aan Claude - Praktijkvoorbeelden: rapportages voorbereiden, documenten vergelijken, contentplanningen maken en onderzoeksresultaten samenvatten - Werken met lokale bestanden, mappen en documenten via Claude CoWork - Menselijke controle en eindverantwoordelijkheid bij agentisch werken - Wanneer gebruik je Claude CoWork en wanneer niet? Deel 3 — Claude Code: AI voor websites en technische teams - Wat is Claude Code en voor wie is het relevant? - Hoe werkt AI in een c...

Leer OKRs professioneel toepassen als OKR Leader. In twee dagen ontwikkel je focus, alignment en eigenaarschap met praktische voorbereiding op C-OKRL certificering.De OKR Leader training van Prowareness helpt leiders, coaches en teams om strategie te vertalen naar meetbare resultaten. In twee dagen leer je OKRs professioneel ontwerpen, faciliteren en verankeren in de bestaande agile cadans. Je werkt met praktijkcases, waardegesprekken en leiderschapsstijlen die autonomie en alignment versterken. De training sluit aan op C-OKRL certificering en is geschikt voor Scrum Masters, Product Owners, Agile Coaches, teamleiders, projectmanagers, HR-professionals, management en directie. Je leert hoe je ambitieuze doelen veilig bespreekbaar maakt, voortgang zichtbaar houdt en teams helpt sturen op impact. Objectives Na afloop van de training kun je: Strategie vertalen naar heldere Objectives en meetbare Key Results. OKR-sessies en waardegesprekken professioneel faciliteren. Teams helpen om focus, alignment en eigenaarschap te versterken. OKRs integreren in een bestaande agile cadans. Verschillende leiderschapsstijlen herkennen en toepassen. Voortgang zichtbaar maken en bespreekbaar houden. Autonomie stimuleren zonder grip op resultaten te verliezen. Je voorbereiden op C-OKRL certificering. Student profile Deze training is geschikt voor iedereen die met OKRs werkt of daarmee wil starten. De training past goed bij Scrum Masters, Product Owners, Agile Coaches, teamleiders, Release Train Engineers, projectmanagers, HR-professionals, managers en directieleden. Je haalt veel waarde uit deze training als je strategie tastbaar wilt maken, teams wilt helpen focussen op impact en OKRs duurzaam wilt integreren in de manier van werken. Ook als je al ervaring hebt met agile werken en resultaatgericht sturen, helpt deze training je om OKRs professioneler te begeleiden. Education Er zijn geen formele vooropleidingseisen. Basiskennis van agile werken, teamontwikkeling of strategische doelstellingen is handig, maar niet verplicht. De training is geschikt voor professionals op hbo- of wo-denkniveau die betrokken zijn bij teamontwikkeling, leiderschap, strategie, performance management of organisatieverandering.

Vitale Reset leert hoe je echte rust herkent, mentale spanning begrijpt en rust duurzaam verankert in je dagelijks leven. Het doel is niet tijdelijk ontspannen, maar leven vanuit een stabiel en... Je bekijkt nu de online cursus ‘Vitale Reset’ van Hobp. Goed om te weten: als je deze online cursus boekt, dan krijg je van Hobp tevens 1 jaar onbeperkt leren cadeau, via het leerplatform van Hobp. Dat betekent dat je – naast deze cursus – een jaar lang alle andere online cursussen kosteloos kunt volgen. Het leerplatform van Hobp is op elk moment beschikbaar via telefoon, tablet of laptop én na afronding van een cursus ontvang je een persoonlijk certificaat. Wil je meer weten over Hobp en welke (leer)mogelijkheden wij bieden voor jou of je bedrijf? Scroll dan naar beneden naar onze 'opleidersinformatie' of bekijk ons leerplatform via https://leren.hobp.nl. Deze training (of dit cursuspakket) maakt deel uit van het duurzaamheidsplatform van Hobp. Dit is een platform dat medewerkers helpt om gezond, gelukkig en bekwaam aan het werk te blijven én bedrijven ondersteunt met een toegankelijke oplossing voor duurzame inzetbaarheid. Het platform biedt o.a. persoonlijk inzicht met de scan (DIX) van TNO, stimuleert bewustwording en bevat 600+ online tools en interventies om duurzame inzetbaarheid te vergroten. Meer weten? Ga dan naar www.hobp.nl. Veel mensen functioneren langdurig op wilskracht zonder echt te herstellen. In deze cursus leer je hoe echte rust ontstaat, waarom mentale spanning blijft terugkomen en hoe je rust duurzaam kunt beschermen in je dagelijks leven. Niet zweverig of theoretisch, maar praktisch, inzichtgevend en direct toepasbaar. De cursus ‘Vitale Reset’ bestaat uit waardevolle informatie, reflectieopdrachten, praktijkgerichte oefeningen, toetsvragen en downloadbare opdrachtkaarten. In deze e-learning leer je over de volgende zaken: Wat echte rust is: Begrijpen waarom rust geen mentale keuze is, maar een fysiologische staat van veiligheid. Herstel herkennen: Leren signaleren wanneer je lichaam daadwerkelijk ontspant en herstel toelaat. Mentale spanning begrijpen: Ontdekken waarom onrust blijft terugkomen en waar energie structureel weglekt. Van reageren naar begrijpen: Inzicht krijgen in patronen, verwachtingen en automatische stressreacties. Rust behouden in het dagelijks leven: Leren hoe gedrag, communicatie en omgeving invloed hebben op je zenuwstelsel. De Realisatiecirkel: Werken met jezelf, anderen en je omgeving om rust duurzaam te verankeren. Omgeving en herstel: Ontwerpen van een omgeving die veiligheid, herstel en stabiliteit ondersteunt. Micro-veranderingen toepassen: Kleine, haalbare aanpassingen gebruiken die langdurig verschil maken.

Omschrijving: Omschrijving: De manier waarop we werken verandert. Taken worden opnieuw verdeeld, samenwerking krijgt andere vormen en besluitvorming verloopt niet meer uitsluitend tussen mensen. Dat gebeurt niet morgen, maar nu. Dat maakt leiderschap rondom AI-adoptie zo actueel én complex. In deze vierdaagse Masterclass starten we daarom anders. Je begint met een korte workshop in een ‘Vibe Coding’ setting. Zo krijg je gevoel bij de snelheid en schaal van de AI-digitaliseringsgolf. Je hoeft niet te programmeren maar krijgt wel een gevoel wat er gebeurt wanneer Gen AI meedraait in werkprocessen. Daarna verkennen we hoe heldere kaders innovatie mogelijk maken, hoe waarden en ethiek hun plek krijgen in beleid en hoe leiderschapsinterventies adoptie versnellen. Met een mix van strategie, praktijkvoorbeelden, interactie en simulaties vertaal je AI van abstract idee naar concreet, bestuurbaar plan. Zo ontwikkel je de vaardigheden en inzichten om AI-adoptie te leiden met visie, vertrouwen en meetbaar resultaat. Na de masterclass: - Ben je je bewust van de snelheid en impact van de laatste AI tools - Begrijp je hoe Governance kansen benut en risico’s beheerst. - Kan je waarden vertalen naar concrete Governance-maatregelen - Herken je hoe overtuigingen en taboes cultuur beïnvloeden. - Kan je leiderschapsvaardigheden ontwikkelen voor mens en AI-teams. - Kan je een concreet interventieplan voor AI-adoptie ontwerpen. Doelgroep: Het programma is bedoeld voor bestuurders, programmamanagers, innovatiemanagers, teamleiders en projectleiders die richting willen geven aan AI-adoptie, maar zoeken naar balans tussen innovatie en beheersing. Je wilt begrijpen hoe Governance helpt bij besluitvorming, hoe waarden en ethiek vertaald worden naar beleid en hoe cultuur en gedrag het succes van AI bepalen. Vooropleiding: - HBO+ werk- en denkniveau - 4+ jaar werkervaring - Geen master diploma nodig