Kenniscentrum

Webinar
pdf
10 beginnersfouten in het data-landschap (waar Testen het verschil kan maken)
KNVI
13-07-2021
In de presentatie van vandaag gaat Armando Dörsek (1971) in op het Testen van data-georiënteerde omgevingen. Met toetsen en testen maken we al decennia lang kwaliteit meetbaar. We zijn hiermee bekend vanuit de applicatieve wereld, maar hoe doen we dat in een data-georiënteerde omgeving? Welke problemen zien we keer op keer terugkomen bij onze pogingen daartoe?
Bekijk het document
Trefwoorden: Bijeenkomst
Webinar
Kritisch denken van informatie - Webinar 11 mei 2021 - deel 1
KNVI
03-06-2021
In deze workshop kritisch denken presenteren Petra Adema en Theo Theunissen twee perspectieven. Het eerste perspectief levert een bijdrage aan hoe je theoretische en empirische wetenschap kunt toetsen en valideren. Het tweede perspectief leert je kritisch reflecteren op je professioneel handelen met als onderwerp het begrip informatie. Zij onderbouwen de perspectieven met kernbegrippen in een historische en systematische context. Aan het einde van deze workshop… - Heb je begrip van belangrijkste concepten - Weet je hoe je kritisch op methoden kunt zijn - Theoretisch, van termen naar theorie. Empirisch, van probleem naar oplossing. Overeenkomsten, verschillen en samenhang: Overeenkomst in (gebrek aan) solide uitgangspunten zoals bijv. assumpties. Verschillen in redeneerschema’s. Samenhang: theorie gebruiken bij probleem oplossen - Weet je hoe je kritisch kunt zijn op je eigen professioneel handelen en dat van anderen. Assessment van resultaten. Introspectie en reflectie op totstandkoming van resultaten. - Kun je deze takeaways goed gebruiken. Validiteit van theoretisch en empirisch onderzoek toetsen. Continu verbeteren van jezelf en anderen: lifelong learning.
Bekijk het document
Webinar
Kritisch denken van informatie - Webinar 11 mei 2021 - deel 2
KNVI
03-06-2021
In deze workshop kritisch denken presenteren Petra Adema en Theo Theunissen twee perspectieven. Het eerste perspectief levert een bijdrage aan hoe je theoretische en empirische wetenschap kunt toetsen en valideren. Het tweede perspectief leert je kritisch reflecteren op je professioneel handelen met als onderwerp het begrip informatie. Zij onderbouwen de perspectieven met kernbegrippen in een historische en systematische context. Aan het einde van deze workshop… - Heb je begrip van belangrijkste concepten - Weet je hoe je kritisch op methoden kunt zijn - Theoretisch, van termen naar theorie. Empirisch, van probleem naar oplossing. Overeenkomsten, verschillen en samenhang: Overeenkomst in (gebrek aan) solide uitgangspunten zoals bijv. assumpties. Verschillen in redeneerschema’s. Samenhang: theorie gebruiken bij probleem oplossen - Weet je hoe je kritisch kunt zijn op je eigen professioneel handelen en dat van anderen. Assessment van resultaten. Introspectie en reflectie op totstandkoming van resultaten. - Kun je deze takeaways goed gebruiken. Validiteit van theoretisch en empirisch onderzoek toetsen. Continu verbeteren van jezelf en anderen: lifelong learning.
Bekijk het document
Webinar
pdf
Datakwaliteit in de praktijk
KNVI
27-05-2021
De laatste jaren wordt in steeds meer organisaties data – en informatie-gestuurd gewerkt. In dit kader zijn de verwachtingen rondom de toepassingsmogelijkheden van big data hoog gespannen. Het benutten van de potenties van big data brengt een aantal uitdagingen met zich mee. Naast de privacy en ethische uitdagingen is datakwaliteit ook een belangrijke uitdaging. Voor een adequate duiding van de resultaten van (big) data-analyses is inzicht in de kwaliteit van de data van cruciaal belang. Het ontbreken van dit inzicht kan leiden tot verwarring en verkeerde conclusies. In de presentatie gaan we in op hoe je dit inzicht kan verkrijgen en hoe je de datakwaliteit in kaart en op orde brengt.
Bekijk het document
Trefwoorden: Bijeenkomst
Webinar
MLOps - Machine Learning in productie
KNVI
21-05-2021
Machine Learning wordt steeds vaker ingezet om voorspellingen te genereren. De specialistische algoritmes die hiertoe dienen worden gebouwd door data scientists en getraind op grote hoeveelheden data. De AI-opleidingen zijn populairder dan ooit. Maar hoe neem je de stap van een machine Learning model dat een voorspelling maakt in een notebook van een data scientist, tot een volwaardig software-product? Er komt behoorlijk wat bij kijken om een model in productie te nemen.
Bekijk het document
Trefwoorden: Bijeenkomst