Pre Master

Heb je een relevante achtergrond en voldoende kennis van statistiek en wiskunde, maar kom je niet direct in aanmerking voor de masteropleiding Data Science in Business and Entrepreneurship? Dan is de pre-master (30 EC) een goed alternatief om je voor te bereiden op de master. De pre-master is ook beschikbaar voor HBO-afgestudeerden. Het pre-masterprogramma omvat de volgende vakken:

Programming – 6 ECTS

- Een introductie voor studenten die onbekend zijn met programmeren. Je leert de basisvaardigheden van dit vak en het uitvoeren van scripts met behulp van Python 3. Je kunt zelfstandig eenvoudige programmeerproblemen oplossen en deze bouwen in Python. De meeste van de aangeleerde principes kunnen ook worden toegepast op andere computertalen die in data science worden gebruikt (zoals 'R').

Data-structures and Algorithms – 6 ECTS

- Je leert de basisvaardigheden die nodig zijn om efficiënte algoritmen en gegevensstructuren te ontwerpen en hun complexiteit te analyseren.

Introduction to Machine Learning – 6 ECTS

- Behandelt basisonderwerpen in data mining en machine learning, vanaf het ontwerpen van een goede data-driven studiecampagne tot het experimenteren met ML-algoritmen. Je gaat aan de slag met de basis van een onderzoeksontwerp en het formuleren en testen van een hypothese.

Foundations of Databases – 6 ECTS

- Introduceert de basis van databasesystemen en richt zich op het relationele algebra-model. Het analyseren, ontwerpen en implementeren van databasesystemen komt uitvoerig aan bod en je leert semi-gestructureerde gegevens te begrijpen.

Statistics for Data Scientists – 6 ECTS

- Behandelt op systematische wijze de basis van statistische inferentie en testen, en biedt een inleiding in statistische modellering. De eerste helft van het vak richt zich op de grondslagen van statistische inferentie, zoals steekproefprocedures, kansrekening en willekeurige variabelen. Je maakt kennis met de statistische programmeertaal R die tijdens de hele cursus wordt gebruikt om te laten zien hoe theoretische concepten in de praktijk kunnen worden toegepast. In de tweede helft behandelen we de schatting en toetsing van populatiekenmerken op basis van steekproefgegevens. Vervolgens geven we een inleiding in statistische modellering aan de hand van colleges over gegeneraliseerde lineaire regressiemodellen en gaan we beknopt in op de Bayesiaanse benadering van statistiek. Tijdens de colleges en in uitdagende huiswerkopdrachten worden echte datavoorbeelden gebruikt. Dit vak bereidt je voor op andere keuzevakken in machine learning, data mining en visualisatie.

Link naar de pre-master: Ga naar de beschrijvingen van de vakken