Postacademische Opleiding Data Science, Business Analytics & AI

Het toonaangevende programma voor data scientists
studenten aan het praten met elkaar

De eenjarige post-master opleiding Data Science, Business Analytics & AI is het toonaangevende programma voor Data Scientists die tot de top in hun veld willen behoren. In deze data science opleiding word je in één jaar opgeleid tot een expert op het gebied van het inzetten van geavanceerde (data-)analysemethoden, het halen van inzichten uit Big Data, en het toepassen van kunstmatige intelligentie voor bedrijfs- en organisatievraagstukken. Hands-on werken met state-of-the-art software en het aansluiten bij je eigen werkveld staat binnen de opleiding centraal. Na afloop ben je in staat bedrijfskansen te identificeren voor de inzet van data science, zelfstandig een data science project uit te voeren en zorg te dragen voor adoptie van data science oplossingen.

Persoonlijk advies

Wil je weten in hoeverre de opleiding aansluit bij jouw achtergrond?

Inschrijven

Schrijf je hier in voor collegejaar 2024-2025

Wat is een data scientist?

Een data scientist is een specialist in het ontsluiten van inzichten uit grote hoeveelheden gegevens. Met behulp van geavanceerde technieken uit de statistiek en kunstmatige intelligentie maak je voorspel- en optimalisatiemodellen. Daarmee help je organisaties inzicht te krijgen in de toekomst en op basis van die inzichten optimale besluiten te nemen.

Doelgroep

De opleiding Data Science, Business Analytics & AI is bedoeld voor professionals die inzichten willen halen uit data en die geavanceerde analysemethoden willen inzetten in hun werkomgeving. Deze postinitiële opleiding richt zich zowel op analisten die zelf aan de slag willen met de technieken als op managers en leidinggevenden die een data science team willen aansturen. De opleiding staat open voor deelnemers met diverse achtergronden, te denken valt onder andere aan bedrijfskundigen, IT'ers, econom(etrist)en, accountants, bestuurskundigen en bedrijfseconomen.

Lommerrijk aan het water

Data Science, Business Analytics & AI

Waarom kiezen voor deze Data Science & AI opleiding?

Na deelname aan deze data science opleiding ben je in staat om:

  • Kansen te identificeren voor het leveren van toegevoegde waarde met data science en kunstmatige intelligentie in je eigen werkomgeving;
  • Relevante analytische onderzoeksvragen te formuleren aan de hand van een (bedrijfs)vraagstuk en eventuele daarbij benodigde aannames te begrijpen;
  • Effectief om te gaan met de verwerving en verwerking van (big) data ten behoeve van het oplossen van analytische onderzoeksvragen;
  • Vast te stellen welke analysemethode(n) geschikt is/zijn om de onderzoeksvragen te beantwoorden met inachtneming van de beschikbare data;
  • Zelf kwantitatieve modellen op te stellen en (data-)analyses uit te voeren, gebruikmakend van state-of-the-art software programma’s;
  • De kwaliteit en betekenis van verkregen resultaten te beoordelen, in context te plaatsen en effectief te communiceren.

Tijdens de opleiding leer je te werken met state-of-the-art software, waaronder R en Python.

Deelnemers die de opleiding succesvol afronden ontvangen een certificaat van de Erasmus Universiteit Rotterdam. Na afloop kun je eveneens deelnemen aan het INFORMS examen voor de internationaal erkende titel Certified Analytics Professional (CAP)*.

*N.B. Voor CAP certificering is minimaal 3 jaar relevante werkervaring vereist.

Handig om te weten

De opleiding wordt aangeboden in twee varianten:

  • Klassikaal programma 
  • Online programma (deelname aan het college via een livestream, zoals in een hybride vergadering)
StartDe opleiding gaat op 6 september 2024 weer van start. 
Op 30 augustus starten we met een openings- en kennismakingscollege. 
Eindejuni 2025
Aantal bijeenkomsten  36
Groepsgroottemax 30 voor het klassikale programma
Collegedagvrijdags van 9:30 - 16:30 uur
Zelfstudie8-12 uur zelfstudie per week
Collegegeld

Klassikaal programma € 19.500,-* (dit bedrag is incl. cursusmateriaal, lunches, koffie/thee en parkeerkaarten) 

Online programma: € 17.500,-* (dit bedrag is incl. cursusmateriaal en responsiecolleges) 

LocatieLommerrijk Rotterdam

De voertaal van het programma is hoofdzakelijk Nederlands. Binnen enkele onderdelen kan echter wel gebruik gemaakt worden van Engelstalig lesmateriaal en enkele colleges kunnen in het Engels verzorgd worden. 

Inschrijven

Toelatingseisen

Om deel te nemen aan deze data science opleiding dien je te beschikken over een afgeronde academische opleiding op master niveau. Kandidaten met een HBO bachelor in een technische discipline (bijvoorbeeld bedrijfskunde, techniek of informatica) kunnen ook in aanmerking komen.

Daarnaast dien je affiniteit te hebben met kwantitatieve onderzoeksmethoden (in ieder geval voorkennis van elementaire wiskundige begrippen als kansverdeling, een functie, een variabele, een vector en een matrix). Kandidaten kunnen worden uitgenodigd voor een intakegesprek om de aansluiting op de opleiding te bespreken.

Waarom kiezen voor deze opleiding aan de Erasmus Universiteit?

De colleges worden verzorgd door topwetenschappers en ervaren praktijkdocenten op het gebied van data science, business analytics, econometrie en computer science. De docenten hebben niet alleen veel wetenschappelijke ervaring en kennis van state of the art technieken, maar zijn ook actief als consultants/adviseurs en ontwikkelen zelf analytics software. Zo weet je zeker dat alle kennis die je krijgt aangereikt tijdens de opleiding ook echt praktisch inzetbaar is.

Deze deeltijd data science opleiding duurt een jaar en heeft daarmee een heel ander karakter dan een korte data science cursus of korte data science training. Zo is er veel meer ruimte voor diepgang en ben je in staat om de vaardigheden echt te laten beklijven.

Hands-on colleges 
Gedurende de hele opleiding ligt de nadruk op een hands-on benadering. Hoewel de theorie ruimschoots aan bod komt, is het belangrijkste doel om deelnemers in staat te stellen de business analytics methoden en technieken in de praktijk te gebruiken. 

Tijdens de interactieve collegedagen wordt ieder onderdeel/methode eerst theoretisch behandeld en ga je daarna direct aan de slag om de technieken zelf toe te passen. Je maakt daarbij gebruik van specialistische software om de analyses uit te voeren. Dit gebeurt in blokken van circa 20-30 minuten. Bevindingen worden klassikaal besproken en bediscussieerd. Er zijn veel mogelijkheden om te werken met een eigen vraagstuk en dataset.

Toepassing in de praktijk staat steeds centraal. Elke module wordt afgerond met een inleveropdracht. Het curriculum bevat onderdelen op het gebied van statistiek, computer science, management science en privacyrecht.

Online programma
De opleiding wordt hybride aangeboden. Dat wil zeggen dat je ook digitaal kunt participeren in de colleges. Het online programma is geheel gelijkwaardig aan het klassikale programma en biedt dezelfde mogelijkheid tot het klassikaal stellen van vragen, het samenwerken in groepjes en het overleggen met medestudenten.

Responsiecolleges
Naast de reguliere colleges zijn er voor wie dat wil ook wekelijks digitale responsiecolleges op inloop. Hierbij kun je vragen stellen en wordt er extra begeleiding geboden.

Lees meer over de inhoud per module in de opleidingsbrochure

Studenten in Erasmus Paviljoen

Rooster 2024-2025

Het collegejaar 2024-2025 start op 30 augustus met een openingscollege van 14:00 - 18:00 uur. De collegedagen starten vervolgens op 6 september 2024. Hieronder staan de thema’s welke per blok aan de orde komen. De genoemde collegedagen zijn voor het collegejaar 2024-2025 (data onder voorbehoud).

 ModulesCollegedagen
OpeningscollegeIntroduction to Data Science & Business Analytics30/8
Blok 1-Statistics for Data Science
-Programming & Visualization for Business Analytics
6/9, 13/9, 20/9, 27/9, 4/10, 11/10 en 18/10.
Blok 2-Predictive Modeling: Forecasting
-Artificial Intelligence: Machine learning for Business Analytics
8/11, 15/11, 22/11, 29/11, 6/12, 13/12 en 20/12.
Blok 3-Predictive Modeling: Simulation
-(Big) Data Retrieval & Text Mining
10/1, 17/1, 24/1, 31/1, 7/2, 14/2 en 21/2.
Blok 4-Prescriptive Analytics: Optimization
-Distributed Computing and Deep Learning
7/3, 14/3, 21/3, 28/3, 4/4, 11/4 en 25/4.
Blok 5-Digital Leadership: Competing in the Digital Age
-Privacy & Data Governance
-Making Impact with Data Science
-Project Data Science & Business Analytics
9/5, 16/5, 23/5, 6/6, 13/6, 20/6 en 27/6

Docenten

Hieronder een selectie van docenten die aan deze opleiding zijn verbonden:

Prof.dr. Dennis Fok

Professor of Econometrics and Data Science

Module: Statistics for Data Science
Module: Statistics for Data Science

Dennis Fok is gespecialiseerd in het ontwerpen van modellen om beslissingen van consumenten te beschrijven, te verklaren en te voorspellen. In zijn onderzoek werkt hij regelmatig samen met bedrijven. Zijn technische interesses zijn onder andere het modelleren van verschillen in het gedrag van consumenten, marketing econometrie, machine learning en Bayesiaanse statistiek.

Het onderzoek van Dennis is gepubliceerd in verscheidene academische tijdschriften. Hij heeft vele studenten econometrie begeleid bij hun master scriptie onderzoek voor vele verschillende organisaties.

drs. Alex van Vorstenbosch

Docent

Module: Programming and Visualization for Business Analytics & Generative AI
Foto docent Alex van Vorstenbosch
Module: Programming and Visualization for Business Analytics & Generative AI

Na een studie Sterrenkunde met een focus op Astronomy and Data Science, welke hij cum laude voltooide, heeft Alex zijn passie voor data verder ontwikkeld bij de NZa als Data Scientist. Momenteel verdiept hij zich in combinatie met zijn NZa werkzaamheden in de complexe wereld van de gezondheidseconomie door middel van zijn PhD-onderzoek aan de Universiteit van Tilburg. Met een unieke combinatie van sterrenkundige, economische en datawetenschappelijke expertise, zet Alex zich in om innovatieve oplossingen te vinden op het kruispunt van zorg en economie. Zijn achtergrond biedt een fris en uniek perspectief op de uitdagingen in de moderne gezondheidseconomie.

Foto docent Alex van Vorstenbosch

dr. Wilco van den Heuvel

Associate Professor

Module: Prescriptive Analytics: Optimization
Wilco van den Heuvel
Module: Prescriptive Analytics: Optimization

Wilco van den Heuvel is an associate professor at the Econometric Institute of the Erasmus School of Economics. His main research interests are in production planning, in particular in extensions of the economic lot-sizing model, where the focus of the research is on developing efficient algorithms.

Wilco van den Heuvel

Prof. Ting Li

Professor of Digital Business

Module: Competing in the Digital Age
Professor Ting Li
Module: Competing in the Digital Age

Ting Li is the Professor of Digital Business at the Rotterdam School of Management (RSM), Erasmus University. She is the founding member and the Academic Director of Digital Business Practice of the Erasmus Centre for Data Analytics. Ting’s work focuses on the opportunities and challenges of the digital economy. She is an expert in digital strategy, ecommerce, digital advertising, social media analytics, mobile marketing, business analytics, data privacy, AI and decision making, and pricing and revenue management. She has been a Visiting Professor at MIT Sloan School of Management, The Wharton School of Business, Boston University, Temple University, Arizona State University, City University of Hong Kong, and Tsinghua University. In 2017, she was named by Poets & Quants as one of the Top 40 Professors Under 40 Worldwide.

Ting’s most recent work focuses on investigating (1) the design, evaluation, and economic value of digital technologies; (2) big data and data-driven decision making; and (3) the consequences of human-machine collaboration (algorithmic bias, explainable AI, ethics of AI). Theoretically, she proposes new perspectives to understand why and how firms develop digital and data capabilities, which impacts competition and policy; and how new information (technologies) impact consumer behavior and decision making. Methodologically, she applies inter-disciplinary approaches combining large-scale randomized field experiments, lab experiment, survey, eye-tracking, agent-based simulation, and machine learning techniques such as text mining and deep learning to investigate the impact of emerging technologies and data on individuals, organizations, markets, and networks. Her work has been published in leading scientific journals and recognized with best paper awards and nominations and best dissertation awards. Her interdisciplinary research has been sponsored by multiple grants from the Dutch National Science Foundation (NWO) and multinational companies.

Ting Li develops close collaborations with industry partners. Her work introduces methods, models, and principles to help organizations to manage informational challenges, build data and digital capabilities in order to compete in digital environment. She has consulted and worked in various capacities with Shell, Nike, Porsche Holding, Coolblue, China Unicom, Wehkamp, LLVision, VIVAT, AllSafe, InnerCircle, HelloPrint, KPMG, PwC, Accenture, Tweakers, Shop2Market, Dutch Railways, RET, amongst others. Ting’s teaching expertise is in the areas of digital strategy, digital transformation, data-driven decision making, social and mobile analytics, and competing in the age of AI. She teaches in various MBA/EMBA programs and Executive Education programs in Europe and China. Prior to joining academic, Ting worked for General Electric and IBM in the area of e-business in supply chains, web services, and grid computing. She obtained her Ph.D. in Management Science at the Erasmus University and MSc in Computational Science at the University of Amsterdam.

Professor Ting Li

Prof.dr.ir. Rommert Dekker

Professor Quantitative Logistics, Operations Research and IT

Module: Predictive Modelling: Simulation
Module: Predictive Modelling: Simulation

Rommert Dekker is in het bijzonder expert op het gebied van Maritieme en Container logistiek, Groene logistiek (CO2 emissie berekeningen), Groen Supply Chain Ontwerp, Retour Logistiek (hergebruik en recycling van gebruikte goederen), Onderhoudsoptimalisatie en Logistiek, Voorraadbeheer, Reservedelenbeheer, Transportoptimalisatie (robuuste trein- en vaarschema's), Gezondheidsoptimalisatie (vaccinatie optimalisatie, capaciteitsberekeningen). Projecten binnen dit onderzoeksveld heeft hij uitgevoerd voor Vopak, Shell Int., Fokker Services, ECT Container Terminal, Henkel, Maersk Line, Shell Pernis Refinery, SBM Offshore, Van Uden  Transport, Philips Medical en Philips Consumer Electronics

Mark Boitelle

Docent

Module: Making Impact with Data Science
Profielfoto van docent Mark Boitelle
Module: Making Impact with Data Science

Mark Boitelle is een ervaren bedrijfspsycholoog en datascientist met ruim 20 jaar consultancy-ervaring in grote organisaties. Zijn focus ligt op effectieve beïnvloeding van menselijke beslissingen en gedrag met data. Als docent van "Making Impact with Data Science" helpt Mark studenten data in te zetten voor verandering bij strategisch essentiële vraagstukken.

Profielfoto van docent Mark Boitelle

dr. Koen Bel

Data Scientist

Module: Programming and Visualization for Business Analytics & Project Data Science & Business Analytics
Portretfoto van Koen Bel
Module: Programming and Visualization for Business Analytics & Project Data Science & Business Analytics

Koen Bel is in Rotterdam gepromoveerd op het gebied van theoretische econometrie. Hij brengt deze specialistische kennis graag op een bruikbare en begrijpelijke manier in de praktijk. Speciale interesse gaat uit naar econometrische analyse voor HR-, marketing- en voorspellingsdoeleinden. Deze interesse is terug te vinden in zijn promotieonderzoek over extensieve relaties in keuzeprocessen.

Portretfoto van Koen Bel

Dr. Kristiaan Glorie

Programmadirecteur

Module: Project Data Science & Business Analytics
Portretfoto van Kristiaan Glorie
Module: Project Data Science & Business Analytics

Kristiaan Glorie is directeur van Erasmus Q-Intelligence en programmadirecteur van de opleiding Data Science, Business Analytics & AI. Hij adviseert bedrijven over de toepassing en inzet van advanced analytics en kunstmatige intelligentie op diverse gebieden zoals demand forecasting, voorraadbeheersing en procesoptimalisatie. Hij doceert de module Predictive Modelling: Simulation en het Project Data Science & Business Analytics. Daarnaast geeft hij les binnen diverse andere post-academische opleidingen. Kristiaan heeft een achtergrond in de econometrie (cum laude) en is gepromoveerd in Operations Research. Hij heeft gewerkt met een variëteit aan cliënten in de publieke en private sector, waaronder gerenommeerde partijen als Koninklijke Gazelle, het Erasmus Medisch Centrum, de Belastingdienst en Knab bank.

Portretfoto van Kristiaan Glorie

Prof.dr. Philip Hans B.F. Franses

Professor Applied Econometrics

Module: Predictive Modelling: Forecasting
Module: Predictive Modelling: Forecasting

Philip Hans Franses was van 2006 tot 2019 de Decaan van de Erasmus School of Economics. 

Zijn onderzoek betreft de ontwikkeling en toepassing van econometrische methoden die relevant zijn voor vraagstukken in de marketing, finance en macro-economie.

dr. Michel van de Velde

Associate Professor of Statistics

Module: AI: Machine learning for Business Analytics
Module: AI: Machine learning for Business Analytics

Michel van de Velden is an associate Professor of Statistics at the Econometric Institute of the Erasmus University Rotterdam.  His main research interests are dimension reduction and cluster analysis methods, with a strong focus on data visualization. 

Alumni aan het woord

"Leergierige voornemens voor 2021: denk eens aan weer studeren met een “modern” thema data science en business analytics. Zelf zei ik 2 jaar terug YES daar wil ik meer van weten. Een jaar hard werken en uitgedaagd worden. Voor mij was het een mooi en inspirerend jaar!"

Kitty Heijenrath, controller

"De leergang biedt met haar bevlogen en toegankelijke docenten een brede en hands-on opleiding. Ik kijk met veel plezier terug op de inspirerende vrijdagen op Erasmus. De opgedane kennis en vaardigheden gebruik ik vrijwel dagelijks in mijn werk."                           

Jeff Mulder, data scientist en oprichter Insinto

Kosten en bijzonderheden

-Klassikaal programma € 19.500,- (dit bedrag is incl. cursusmateriaal, lunches, koffie/thee en parkeerkaarten) 

-Online programma: € 17.500,- (dit bedrag is incl. cursusmateriaal en responsiecolleges) 

Het is mogelijk om vrijstelling te krijgen voor modules. Deze vrijstelling wordt verrekend met het collegegeld. Verzoeken om vrijstelling worden per deelnemer bekeken door de opleidingsdirectie.

Cursisten worden geacht in bezit te zijn van een laptop (met installatierechten) waarop zij analyse programma’s kunnen draaien.

Contact

Voor nadere informatie omtrent de opleiding kun je je richten tot de programmadirecteur dr. Kristiaan M. Glorie via het emailadres opleiding-eqi@ese.eur.nl.

Kijk ook eens naar deze opleidingen:

  • Effectief werken met ChatGPT

    Wil jij leren hoe je met ChatGPT véél meer kunt halen uit tekstuele data? Ben je geïnteresseerd in hoe je efficienter kunt programmeren met ChatGPT?
    Screenshot of ChatGPT
  • Leer programmeren met R

    Heb je altijd al willen leren programmeren en wil je nu op een toegankelijke manier kennis maken met de programmeertaal R. Dan is deze Masterclass voor jou!
    Studenten kijken naar een laptopscherm
  • Leer Programmeren met Python

    Heb je altijd al willen leren programmeren? En wil je nu op een toegankelijke manier kennis maken met Python? Dan is deze masterclass iets voor jou!
    studenten achter een laptop aan het werk

Vergelijk @count opleiding

  • @title

    • Tijdsduur: @duration
Vergelijk opleidingen