Wat deze persoon kan
De houder van dit certificaat heeft in een afsluitend examen aangetoond over de volgende kennis en vaardigheden te beschikken op het gebied van programmeren met Python, data analyse, machine learning en business intelligence.
Python-fundamenten beheersen
Kan variabelen en datatypes correct toepassen, eigen functies schrijven en hergebruiken, en overziet welke mogelijkheden Python als programmeertaal biedt.
Interactieve scripts bouwen
Kan interactie met een gebruiker programmeren: input uitvragen, valideren en verwerken tot een passende uitkomst.
Repetitief werk automatiseren
Kan loops en conditionele logica inzetten om terugkerende handelingen te automatiseren en handmatig werk te vervangen door herhaalbare code.
Libraries importeren en inzetten
Kan externe libraries installeren en importeren om functionaliteit uit te breiden, en weet waar de juiste documentatie te vinden is.
Werken in een Jupyter Notebook
Kan een analyse opbouwen en documenteren in een (Jupyter)Notebook, waarbij code, uitkomsten en toelichting samen één reproduceerbaar geheel vormen.
Data importeren en analyseren met pandas
Kan datasets inlezen, opschonen, filteren, samenvoegen en aggregeren met de pandas library en daaruit onderbouwde inzichten halen.
Data visualiseren met Matplotlib en Seaborn
Kan passende grafiektypen kiezen en heldere, leesbare visualisaties maken met Matplotlib en Seaborn om bevindingen te onderbouwen.
Machine learning-vormen onderscheiden
Begrijpt het verschil tussen supervised, unsupervised en reinforcement learning en kan bepalen welke aanpak bij welk vraagstuk past.
Begrijpen hoe modellen leren
Begrijpt hoe machine learning modellen leren van data, hoe train- en testsets worden ingezet en hoe over- en underfitting ontstaan.
Regressie toepassen
Kan regressiemodellen opzetten om numerieke uitkomsten te voorspellen, de resultaten interpreteren en de modelprestatie beoordelen.
Classificatie toepassen
Kan classificatiemodellen inzetten om observaties in categorieën te voorspellen en de kwaliteit ervan evalueren aan de hand van geschikte maatstaven.
Data clusteren
Kan met clustertechnieken groepen en patronen ontdekken in ongelabelde data en de gevonden segmenten inhoudelijk interpreteren.
De Power BI-omgeving beheersen
Kent de Power BI Desktop- en Service-omgeving, weet hoe de onderdelen samenhangen en kan zelfstandig een weg vinden binnen het platform.
Data ontsluiten uit meerdere bronnen
Kan data importeren uit uiteenlopende bronnen zoals Excel, databases en online services, en deze bronnen betrouwbaar verbinden.
Data transformeren met Power Query Editor
Kan ruwe data opschonen en omvormen met de Power Query Editor tot een consistente, analyse-klare dataset met herhaalbare stappen.
Een datamodel opbouwen
Kan tabellen met relaties tot een werkend datamodel samenbrengen en berekende velden toevoegen als basis voor betrouwbare rapportage.
Interactieve visualisaties maken
Kan visuals, filters en slicers combineren tot interactieve rapportpagina's waarin gebruikers zelf kunnen doorklikken en inzoomen.
Rapporten en dashboards delen
Kan rapporten en dashboards publiceren en delen met collega's en stakeholders, en weet zelfstandig oplossingen te vinden wanneer iets vastloopt.
Examen afgelegd en behaald
De houder heeft de bovenstaande competenties aantoonbaar gemaakt in een afsluitend examen.
Afsluitend examen Data Analytics Professional
Erdinc Burnik heeft het examen behorend bij dit opleidingstraject volledig afgerond en met een voldoende resultaat afgesloten. Het examen toetst zowel de theoretische kennis als de praktische toepassing van Python, data analyse, machine learning en Power BI.
Gevolgde onderdelen
Dit certificaat is behaald na het succesvol afronden van drie hands-on cursussen, samen 7 opleidingsdagen, en het daarop volgende examen.
Programmeren met Python
Basiselementen van Python op dag 1 en data analyse in Python op dag 2, inclusief Jupyter Notebooks, pandas en Matplotlib.
Data Analyse en Data Science
De fundamenten van machine learning, met hands-on toepassing van regressie, classificatie en clustering.
Power BI
Van databronnen en Power Query tot datamodellering, interactieve visualisaties en het delen van dashboards.