Big Data Methoden

URL study guide

https://studiegids.vu.nl/en/courses/2025-2026/E_BK2_BDM

Course Objective

ACADEMISCHE VAARDIGHEDEN Na het succesvol afronden van deze cursus heeft de student:de kennis om exploratieve datagestuurde technieken toe te passen.kennis van supervised en unsupervised classificatie methoden.kennis van nonhiërarchische en hiërarchische clusteranalyses.een goed begrip van cluster analyse technieken, en kennis van de beperkingen.kennis van euclidische, cosine, en manhattan afstandsmaten in cluster analyses.ONDERZOEKSVAARDIGHEDEN Na het succesvol afronden van deze cursus heeft de student:kennis van voorbereiden van de datakennis van welke classificatiemethode het beste kan worden gebruikt gezien de vraagstelling en de datakennis van het toepassen van classificatiemethodende kennis om afstanden te berekenen voor clusteranalysede kennis om clusters te interpreterende vaardigheden om op een georganiseerde en efficiënte manier R code te schrijvende vaardigheden om een rudimentaire tekst analyse uit te voerenkennis van verschillende soorten gegevens die in de bedrijfskunde toegankelijk zijn en waarvoor deze gebruikt kunnen wordenDE OVERBRUGGEN VAN THEORIE EN PRAKTIJK
- KENNIS Na het succesvol afronden van deze cursus heeft de student:De vaardigheden om uit te leggen, contrasteren en vergelijken hoe datagestuurde besluitvorming zich verhoudt tot (verschillende) bedrijfsdisciplinesHET BRUGGEN VAN THEORIE EN PRAKTIJK
- TOEPASSING Na het succesvol afronden van deze cursus heeft de student:de vaardigheden om empirisch onderbouwde oplossingen voor te stellen voor reële bedrijfsproblemen door de geleerde methoden toe te passende kennis om vast te stellen wanneer classificatiemethoden op ongepaste wijze zijn gebruikt voor een praktisch classificatieprobleemde kennis om te ontdekken wanneer resultaten verkeerd zijn geïnterpreteerdde kennis om classificatiemethoden nuttig toe te passen bij het oplossen van bedrijfsproblemenUW HORIZON VERBREDEN Na het succesvol afronden van deze cursus heeft de student:de kennis van hoe deze classificatiemethoden verband houden met de samenlevingde kennis om maatschappelijke en ethische implicaties van keuzes op het gebied van data analyse afleiden

Course Content

Het maken van datagestuurde beslissingen in de bedrijfskunde vereist het kunnen analyseren van gegevens en het trekken van adequate conclusies die deze beslissingen zullen ondersteunen. Het trekken van de juiste conclusies uit de gegevens vereist op zijn beurt inzicht in de juiste statistische methoden om de gestelde vraag te beantwoorden met het soort gegevens dat beschikbaar is. Aangezien veel onderzoeksvragen in bedrijfsproblemen draaien om het groeperen van observaties, b.v. het groeperen van consumenten op basis van hun onlinegedrag, productmandjes op basis van hun inhoud, het groeperen van bedrijven op basis van hun productassortiment. Deze vragen kunnen worden beantwoord met behulp van classificatiemethoden. Supervised machine learning, tekstanalyse en clusteranalyse zijn allemaal bedoeld om observaties te groeperen op basis van hun overeenkomsten, maar ze verschillen wat betreft de manier waarop deze overeenkomsten worden gedefinieerd. Naast het groeperen van waarnemingen zijn classificatiemethoden uiterst nuttig voor voorspellingen. Studenten zullen leren hoe ze data kunnen opschonen, classificeren en gebruiken voor voorspelling in een breed scala aan data zakelijke data-applicaties met behulp van het open-source programma R. Bovendien zullen studenten worden getraind om vaardigheden te ontwikkelen in het voorbewerken van data, in efficiënt samenwerken aan hetzelfde project, en het schrijven van georganiseerde code. Naast het correct begrijpen en interpreteren van de classificatiemethoden om echte bedrijfsproblemen op te lossen, zijn deze capaciteiten van cruciaal belang voor bedrijven.

Teaching Methods

Hoorcolleges (30 uur voorbereiding/zelfstudie, 24 uur aanwezig, niet verplicht) Werkgroepen (50 uur werken aan opdrachten, 24 uur aanwezig, niet verplicht)

Method of Assessment

Programmeeropdrachten – Teambeoordeling Schriftelijk eindrapport – Individuele beoordeling

Target Audience

Dit is een tweedejaars keuzevak op BA-niveau gericht op kwantitatief georiënteerde studenten in de opleidingen “Bedrijfskunde” en “International Business Administration”.

Entry Requirements

“Bedrijfswiskunde” en “Bedrijfsstatistiek” (verplichte vakken uit het eerste jaar).