Studieopbouw
De master Data Science in Business and Entrepreneurship richt zich op de tools en vaardigheden die je nodig hebt om data te analyseren die door bedrijven vandaag de dag wordt gebruikt. Je leert om deze data om te zetten in belangrijke inzichten. Je ontwikkelt vaardigheden en doet ervaring op die je tot een veelzijdig opgeleide data scientist maken. Je leert door te doen en maakt gebruik van echte bedrijfsgegevens en case-studies gebaseerd op datagedreven vraagstukken. Deze joint degree omvat 120 studiepunten (EC) die als volgt over de vakken en de masterscriptie zijn verdeeld:
- 10 verplichte vakken (60 EC)
- 5 keuzevakken (30 EC)
- Een masterscriptie (30 EC)
De semesters in het eerste jaar bevatten 5 vakken van elk 6 EC. Het tweede jaar bevat 5 vakken van elk 6 EC en de masterscriptie van 30 EC.
Verplichte vakken
In het eerste jaar volg je 7 kernvakken (5 in het eerste semester en 2 in het tweede):
Semester 1.1
- Data Entrepreneurship in Action
- Data Mining
- Data Engineering
- Strategy and Business Models
- Social Network Analysis for Data Scientists
Semester 1.2
- Data Consultancy in Action
- Interactive and Explainable AI Design
In het tweede jaar volg je drie kernvakken en schrijf je je masterscriptie:
Semester 2.1
- Data Entrepreneurship in Action
- Intellectual Property and Privacy
- De masterscriptie
Semester 2.2
- Data Ethics and Entrepreneurship
- De masterscriptie
In Action-vakken
Een reeks 'In Action'-vakken vormt een uniek aspect van het programma. Samen met je team leer je door te doen. Je past data science technieken toe om zakelijke of maatschappelijke waarde te creëren uit data voor bedrijven en organisaties. Je adviseert bijvoorbeeld stadsgemeenten over de impact van culturele evenementen met behulp van de parkeerdata van ParkNow. Of je voorspelt de kosten en duur van een zaak voor de juridische adviesorganisatie DAS. Je kunt het WNF helpen illegale ontbossing in ontwikkelingslanden te voorkomen, of de kredietverstrekking door fintech scale-up Floryn aan het MKB verbeteren. De grote betrokkenheid van deze en andere organisaties bij het curriculum is essentieel en van grote toegevoegde waarde voor het programma.
Keuzevakken
Naast de verplichte vakken en de masterscriptie doe je 5 keuzevakken van in totaal 30 EC. Het is de bedoeling dat je een van onderstaande specialisaties kiest. Om in aanmerking te komen voor een bepaalde specialisatie, kies je ten minste 3 van de betreffende vakken, inclusief het kernvak (hieronder als eerste vermeld en vetgedrukt). Het verdient sterke aanbeveling om je scriptie te schrijven in lijn met je specialisatie.
- Data Engineer; Advanced Data Architectures, Cybersecurity, Real-Time Process Mining, Data-Driven Food Value Chain en Data Forensics.
- Data Scientist; Deep learning, Prescriptive Algorithms, Real-Time Process Mining, Causal Interference for Business Development en Natural Language Processing.
- Data Entrepreneur/Consultant; Data-Driven Service Innovation, Data Visualization, Decision Support Systems, Entrepreneurial Finance en Natural Language Processing.
- Data-Driven Researcher; Research in Action/Onderzoeksstage, Prescriptive Algorithms, Decision Support Systems, Causal Interference for Business Development en Natural Language Processing.
Een uitgebreide beschrijving van de vakken en de verplichte literatuur vind je in onze studiegids: Ga naar de beschrijvingen van de vakken.
Kennis en vaardigheden
Naast de kennis die je hebt opgedaan op het gebied van data-engineering, data-analyse, besluitvorming, bedrijfsontwikkeling en recht en ethiek, word je expliciet getraind in een aantal essentiële professionele vaardigheden, zoals:
- Creatief denken, communiceren, presenteren, onderhandelen, debatteren, interviewen en pitchen. In de In Action-vakken oefen je deze vaardigheden aan de hand van echte bedrijfscases.
- Door in gesprek te gaan met de belanghebbenden van een bedrijf, leer je de probleemstelling handen en voeten te geven. Ook leer je om methoden toe te passen die aansluiten bij het probleem en niet andersom.
- Je leert waarde te creëren voor het bedrijf en de praktische aspecten van data science in een bedrijf beter te begrijpen.
- Vanaf dag 1 leer je programmeren en data science technieken toe te passen. Meer dan een jaar besteed je aan het opdoen van praktijkervaring, wat door toekomstige werkgevers zeer gewaardeerd wordt. Je kunt je voorstellen dat deze vliegende start van je carrière is een stuk moeilijker is na afronding van een master die slechts 1 jaar duurt.
- Naast de professionele competenties die je ontwikkelt, werk je ook aan je academische vaardigheden. Je leert om wetenschappelijke artikelen op te zoeken en te begrijpen. Ook kun je zelf onderzoek doen naar de wetenschappelijke kerndisciplines die in het masterprogramma aan bod komen.
De masterscriptie
In het tweede jaar schrijf je je masterscriptie (30 EC) in het kader van je afstudeerproject bij een externe organisatie (net als 95% van je studiegenoten doet). De betrokkenheid van onze partnerorganisaties is een van de elementen die de master Data Science in Business and Entrepreneurship zo aantrekkelijk maakt. Je scriptie schrijf je binnen een van de 4 hierboven genoemde vakgebieden en moet bovendien zakelijke of maatschappelijke impact hebben. Voorbeelden van scripties die onze studenten in het verleden hebben geschreven zijn onder andere:
- Het voorspellen van een verandering in een gegevensstroom ('concept drift') en Machine Learning-modellen dienovereenkomstig en dynamisch aanpassen voor Mobiquity (Data-engineering).
- Het berekenen van het verwachte balbezit in het voetbal met behulp van een componentiële benadering, in samenwerking met de KNVB (Data-analyse).
- Het ondersteunen van borstkankerbehandeling met behulp van deep learning-algoritmen voor het Catharina Ziekenhuis (Data-analyse).
- Het in kaart brengen van potentiële targets voor overnames door klanten in de private equity markt, samen met de Bain Management Consultancy groep (Data-driven bedrijfsontwikkeling).