Master of Informatics - Applied Data Science (MoI)

Veel gaver dan gedacht
Nico van Kesteren volgde de mastermodule Machine Learning. Voordat Nico hieraan begon dacht dat hij al aardig wat te weten over dit onderwerp. ‘Niets bleek minder waar. Er is een wereld voor mij opengegaan. Dit vakgebied leek mij zeker interessant, maar het is nog veel gaver dan ik dacht.’ 

Nico legt uit dat hij leerde om de context beter te begrijpen, hoe machine learning conceptueel in elkaar steekt en wat nodig is om zaken werkend te maken en te verbeteren. ‘In het derde college ging het over neurale netwerken. Geweldig om dat nu ook te kunnen! Je hebt wel affiniteit met programmeren nodig om deze module succesvol af te kunnen ronden’.
De werkgever van Nico, verzekeraar ONVZ, wil zich ontwikkelen in de richting van Data en Machine Learning. Reden voor Nico om in 2019 de toegepast wetenschappelijke opleiding Master of Informatics – Applied Data Science (MSc) te gaan volgen, waar de mastermodule Machine Learning onderdeel van is. Op dit moment is Nico de enige binnen de organisatie met deze kennis van Machine Learning en gaat het voortouw nemen in deze ontwikkelingen.

Magisch
Ook Nils van Os- van Helmond, werkzaam bij ABN- AMRO Bank, nam deel aan deze module. Nils legt uit dat men, door de wijze waarop in de media over Machine Learning wordt bericht, haast zou kunnen denken dat het iets magisch is. ‘In deze module kreeg ik het gevoel dat we bij de tovenaar achter de gordijntjes mochten kijken. Alle trucs werden ons uitgelegd’.

Hoewel het leren van een nieuwe programmeertaal volgens Nils veel tijd kost en soms heel frustrerend kan zijn, gaf het hem ook extra veel voldoening toen hij uiteindelijk iets in mocht leveren waar hij echt trots op is. ‘De docent is goed in staat de soms ingewikkelde lesstof heel begrijpelijk uit te leggen. De sterke focus op de praktische toepassing van de materie spreekt me ook heel erg aan’. Nils zegt over de docent dat hij inhoudelijk heel sterk is en gebruikmaakt van relevante en beeldende voorbeelden uit de praktijk. ‘Het was hard werken maar ik heb wel leren “toveren”!’  

Gids in de jungle

Docent Raoul Grouls over zijn mastermodule: ‘Machine Learning groeit enorm hard. Het wordt vaak het nieuwe goud genoemd en heel veel mensen willen wel “iets” met AI. Wat ik echter veel zie is dat mensen wel bezig zijn met code, maar eigenlijk niet begrijpen waarom ze bepaalde keuzes maken.’

Raoul legt uit dat er wat dat betreft ook veel samenkomt: programmeren, wiskunde, statistiek, maar ook psychologisch en zakelijk inzicht waarom bepaalde dingen gedaan worden. Die heb je echt allemaal nodig, en je zult ze creatief moeten combineren om echt goed te worden. 

‘Er zijn dan in het begin zoveel opties dat het voor studenten soms als een jungle voelt. Ik beschouw mijn rol dan als die van een gids, die de studenten leert spoorzoeken. Geen code blind kopiëren, maar zelfstandig onderzoek doen naar een model en onderbouwen waarom je bepaalde keuzes maakt. Wat dat betreft vond ik het heel mooi om te zien hoe studenten zich hebben ontwikkeld, om echt te zien dat het inzicht groeit en dat ze vervolgens zelfstandig op onderzoek uit durven gaan’.

Arjen Davids (26 jaar) startte in september 2019 met de opleiding Master of Informatics – Applied Data Science. Arjen werkt (sinds 5 jaar) als dataspecialist bij het Mulier Instituut. Dit bedrijf draagt met sportonderzoek bij aan goed onderbouwd beleid, gericht op de bevordering van sport, sportief bewegen en versterking van de sportsector in Nederland. 

Naar Masterniveau (MsC) 

Arjen vertelt: “Ik heb altijd al affiniteit gehad met IT. Na mijn HBO-opleiding Sport, Gezondheid en Management, en een paar jaar werkervaring bij het Mulier Instituut wilde ik me verder verdiepen en verbreden in data. Hogeschool Utrecht startte in 2019 met deze opleiding in deeltijd, waarbij ik werk- en studie met elkaar kon combineren. Ideaal. Ik breng door middel van de Master of Informatics (MSc) mijn kennis op het gebied van data naar masterniveau”.

Data Mining & Exploration

Arjen is aan zijn laatste mastermodule begonnen en volgt de onderzoekleerlijn. 

In één van de modules, Data Mining & Exploration, wordt geleerd om te programmeren in R. In deze mastermodule worden verschillende onderwerpen met betrekking tot data behandeld: verzamelen, laden, koppelen, samenvoegen tot een dataframe, sorteren, analyseren en visualiseren. In ieder college wordt een hoofdstuk uit het digitale boek toegelicht. Ieder hoofdstuk bevat een script: bestaande stukken code. De handleidingen worden aangeleverd en er is veel te vinden op internet. Het programmeren bestaat uit kopiëren van codes, die aanpassen en aanvullen. Maar ook zelf codes schrijven. Het resultaat is een visualisatie van eigen data.

Deelnemers brengen een casus in vanuit de eigen organisatie. De eindopdracht bestaat uit het beantwoorden van een onderzoeksvraag middels (open) data die wordt geanalyseerd in de programmeertaal R, met als resultaat een omgeving waarin de resultaten zijn gevisualiseerd. Arjen onderzocht het aantal sportaccommodaties op stedelijkheidsniveau binnen gemeentes.

Zijn conclusie was dat uit deze eerste analyse geen zichtbaar verschil bestaat in het aantal hockey-, tennis- en voetbalaccommodaties in gemeenten in relatie tot de stedelijkheid en WOZ-waarde (WOZ = Waardering Onroerende Goederen, ofwel huizenprijzen).  

Python en R

In de opleiding Master of Informatics – Applied Data Science wordt naast R ook geleerd om in Python te programmeren. Arjen vindt het zeer zinvol om tenminste 2 talen aangeboden te krijgen tijdens de studie. “Al was het maar om te leren welke mogelijkheden beiden bieden en te kunnen beoordelen wanneer welke taal toe te passen. Ik weet nu ook welke extra mogelijkheden R biedt t.o.v. SPSS, waar ik tot nu mee werk.”

Samenwerking

Deze module wordt gegeven door Marc Teunis. Marc is werkzaam bij Hogeschool Utrecht, zowel bij het Institute for Life Sciences en Chemistry als bij het Lectoraat Innovative testing in Life Sciences & Chemistry. Marc is bioloog en doet momenteel onderzoek naar de bruikbaarheid van machine learning en deep learning voor het voorspellen van veranderingen in fysiologie en van toxicologische eigenschappen van stoffen. Ondanks dat dit een ander vakgebied is dan waar IT-professionals mee bezig zijn, zijn de principes overeenkomstig en zorgt kruisbestuiving voor een impuls. Een mooi voorbeeld van samenwerking tussen verschillende instituten binnen Hogeschool Utrecht. 

Er is regelmatige terugkoppeling met de docent “Marc weet veel over R en legt goed en duidelijk uit. Hij is goed bereikbaar en reageert snel. Ik heb veel geleerd tijdens deze module”, zegt Arjen.