Data begrijpen vóór je modelleert: statistiek en analyse als fundament onder elke klassieke AI-toepassing.
Een model is zo goed als de analyse eronder. Wie verdelingen, uitschieters en steekproeven niet doorziet, bouwt modellen op drijfzand — en trekt conclusies die niet kloppen.
Dit vak maakt je kritisch: je leert modeluitkomsten beoordelen, correlatie van causaliteit onderscheiden en herkennen wanneer cijfers méér lijken te zeggen dan ze doen.
Je analyseert data uit je eigen organisatie en leert conclusies trekken die de toets van kritiek doorstaan.
Een HR-analist onderzoekt of het verzuim écht stijgt — of dat de samenstelling van het personeelsbestand verandert.
Een marketeer verkent welke klantgroepen vertrekken en formuleert toetsbare hypotheses over waarom.
Een productowner beoordeelt of het gemeten verschil tussen twee varianten betekenisvol is of toeval.
Je volgt dit vak zoals de hele opleiding: om de week les op vrijdag en zaterdag, met een studielast van 15–20 uur per week, waarvan 10–15 uur zelfstudie. Het onderwijs is een mix van klassikale lessen, praktijkleren, blended learning en werkgroepen of leerteams — gegeven door docenten die het vak zelf dagelijks uitoefenen.
Elk thema sluit je af met een beroepsproduct of een technische oplossing over een reële situatie binnen jouw eigen werk, waarover je een assessment voert met de docent. Zo groeit je portfolio met echt werk — en profiteert je werkgever direct mee.
Na dit vak voer je zelfstandig een data-analyse uit met conclusies die je statistisch kunt onderbouwen.
Mail of bel de opleiding — we denken graag met je mee.