Voorspellen met machine learning: van ruwe data naar een gevalideerd, uitlegbaar model.
Voorspellende modellen sturen beslissingen: wie krijgt een aanbod, waar gaat het onderhoud heen, hoeveel wordt er besteld. De kracht zit in de juiste vraag, sterke features en eerlijke evaluatie.
Uitlegbaarheid is geen luxe maar voorwaarde: een model waarvan niemand snapt waarom het iets voorspelt, wordt niet gebruikt — of erger, verkeerd gebruikt.
Je bouwt een voorspellend model op data uit je eigen organisatie — en maakt het uitlegbaar voor gebruikers.
Een HR-analist voorspelt vertrekrisico en laat zien wélke factoren het verschil maken.
Een inkoper voorspelt de vraag per productgroep en verlaagt voorraad zonder nee-verkoop.
Een acceptant krijgt bij elke score de drie belangrijkste redenen — en kan gemotiveerd afwijken.
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 lever je een gevalideerd, uitlegbaar ML-model op eigen data op, klaar voor gebruik.
Mail of bel de opleiding — we denken graag met je mee.