Algemene informatie
| Vakcode | E_IBK3_BIA |
|---|---|
| Studiepunten | 6 EC |
| Periode | P4 |
| Vakniveau | 300 |
| Onderwijstaal | Engels |
| Faculteit | School of Business and Economics |
| Vakcoördinator | dr. E. Elshan |
| Examinator | dr. E. Elshan |
| Docenten |
dr. M.G.A. Plomp dr. E. Elshan |
|
Onderdeel van opleiding(en)
Premaster
Gebruik pijltjestoetsen om door de lijst te navigeren, Enter om te selecteren, en Escape om te sluiten.
|
|
Praktische informatie
Voor dit vak moet je zelf intekenen. De inteken- en afmeldtermijnen staan op VU.nl
| Onderwijsvorm | Responsiecollege, Instructiecollege, Werkcollege, Hoorcollege |
|---|
Doelgroepen
Dit vak is ook toegankelijk als:
Doel vak
Leerdoelen
Aan het einde van deze cursus hebben studenten fundamentele vaardigheden ontwikkeld om effectief business intelligence- en analytics (BI&A)-activiteiten te analyseren, ontwerpen en beheren, waarbij ze digitale tools gebruiken om inzichten te verkrijgen en een concurrentievoordeel te creëren in de steeds veranderende, datagedreven zakelijke omgeving.
THEORIE EN PRAKTIJK VERBINDEN
Kennis:Toont theoretische en empirische kennis over relevante gebieden binnen business intelligence en analytics.
Na succesvolle afronding van deze cursus kunnen studenten:
- Huidige BI&A-praktijken, ontwikkelingen en uitdagingen uitleggen.
- Relevante theorieën begrijpen die ten grondslag liggen aan business intelligence vanuit informatiesysteem-, economie-, datawetenschap- en besluitvormingsperspectieven.
Toepassing: Oplossingen kunnen voorstellen voor reële zakelijke problemen door relevante BI&A-theorieën toe te passen en methodologieën.
Na succesvolle afronding van deze cursus kunnen studenten:
- BI&A-theorieën toepassen op praktische zakelijke uitdagingen en besluitvormingsscenario's.
- Dataminingprojecten uitvoeren met behulp van machine learning-technieken om data te analyseren en bruikbare zakelijke inzichten te genereren.
- De impact van BI&A en machine learning op traditionele bedrijfspraktijken en de creatie van innovatieve, datagedreven bedrijfsmodellen uitleggen.
Inhoud vak
Het vermogen om enorme hoeveelheden data te verwerken en om te zetten in bruikbare inzichten is een cruciaal concurrentievoordeel in het huidige bedrijfslandschap. Deze cursus voorziet studenten van de kennis en vaardigheden om het potentieel van business intelligence- en analytics (BI&A)-oplossingen te ontsluiten.
De cursus hanteert primair een managementperspectief en legt de nadruk op zowel theoretische fundamenten als praktische toepassing. Studenten doen praktijkervaring op met toonaangevende BI&A- en machine learning-technologieën en verkennen hun functionaliteiten en mogelijkheden door middel van begeleide tutorials, praktijkgerichte oefeningen en een uitgebreid data mining-project. Experts uit het bedrijfsleven en de consultancy zullen actief deelnemen en praktische inzichten, actuele uitdagingen en professionele ervaringen delen via gastcolleges en bedrijfsbezoeken.
Belangrijke onderwerpen zijn onder andere:
- Big Data
- Data Science
- Business Intelligence
- Data Mining en Machine Learning
- Datagedreven besluitvorming en innovatie
Aanvullende informatie onderwijsvormen
Colleges:
- Contacturen: 2 uur per week
- Aanwezigheid: Sterk aanbevolen
- Details: De colleges behandelen theoretische kaders, praktische voorbeelden en gastsprekers uit het bedrijfsleven om academische kennis te verbinden met toepassingen in de praktijk.
Tutorials/Workshops:
- Contacturen: Individuele consultaties van 20 minuten binnen een vast tijdsbestek van 2 uur per week (op afspraak)
- Aanwezigheid: Verplicht (minimaal twee sessies vereist)
- Details: De individuele consultaties zijn bedoeld om studenten te ondersteunen bij hun data mining-projecten, door middel van gerichte begeleiding en feedback op maat.
Groepsproject:
- Contacturen: Flexibel, geïntegreerd met tutorials/workshops
- Aanwezigheid: Verplicht voor geplande presentaties en projectinzendingen
- Details: Groepswerk wordt gefaciliteerd door middel van gestructureerde consultaties, collegiale beoordelingen en feedbacksessies om afstemming met projectdoelstellingen en leerresultaten te waarborgen.
Toetsvorm
De beoordeling is zowel individueel als in groepsverband:
Groepsbeoordeling: Praktisch project op het gebied van data mining en machine learning, gericht op een reëel bedrijfsprobleem.
Individuele beoordeling: Schriftelijk examen ter evaluatie van theoretisch begrip en praktische toepassing van kennis.
Herkansingsmogelijkheden: Studenten kunnen een mondeling herkansingsexamen afleggen over dezelfde inhoud als het schriftelijk examen.
Literatuur
Deze cursus is gebaseerd op artikelen. De literatuurlijst staat vermeld in de online cursushandleiding.Toelichting Canvas
Het gebruik van Canvas is verplicht. Alle updates met betrekking tot de cursusinhoud, roosters, inschrijvingen voor masterclasses en beoordeling worden via Canvas gecommuniceerd.Aanbevolen voorkennis
Kennis van de grondbeginselen van de statistiek.
Aanbevolen voorkennis: Elementaire cursus over (Management) Informatiesystemen (bijvoorbeeld: Laudon, K.C. & Laudon, J.P. (2016). Essentials of MIS (12e editie).
BK: 2.1 Management van Informatiesystemen en Technologie
IBA: 2.1 Bedrijfsinformatiesystemen