Werkvormen
- Software Ontwikkeling: Ontwikkelen software t.b.v. verwerking van grote hoeveelheden data. Werkwijze: hoorcollege (instructie) en hands-on praktijk (begeleid en zelfstandig).
- Data Science: Analyseren van grote hoeveelheden data. Werkwijze: hoorcollege (instructie) en hands-on praktijk (begeleid en zelfstandig).
- Onderzoek: Software modules ontwerpen t.b.v. analyse onderzoeksdata. Werkwijze: project (in teamverband) regelmatige rapportage aan projectleider (docent) via 'scrums' en 'sprints'.
Voor inhoudelijke informatie:
Philip de Groot
E philip.degroot@han.nl
Inschrijven? Goed om te weten!
- Bij minoren die starten in september vindt, ná de inschrijfperiode in de maand maart, een loting plaats in april áls er op dat moment meer inschrijvingen zijn dan beschikbare plaatsen.
- Bij minoren die starten in februari vindt, ná de inschrijfperiode in de maand oktober, een loting plaats in november áls er op dat moment meer inschrijvingen zijn dan beschikbare plaatsen.
Bij de minoren waar nog plaats is, geldt daarna tot aan de sluiting van de inschrijfperiode:
zodra een minor vol is, wordt deze gesloten, vol = vol.
Daarnaast geldt dat als het aantal aanmeldingen na vier weken ruim onder de norm ligt; deze minor mogelijk wordt teruggetrokken. Dus heb je interesse, meld je direct aan.
Schrijf je op tijd in!
Let op:
Voor HAN studenten geldt dat zij zich, in geval van uitloten of geen doorgang van de eerste keuze NA de periode van besluitvorming (deze duurt een volledige maand), kunnen herinschrijven. Dit kan alleen op de dan nog beschikbare minoren die plaatsen vrij hebben.
Ook dan geldt: zodra een minor vol is, wordt deze gesloten.
Data speelt een steeds grotere rol in vrijwel elk vakgebied. Wie grote hoeveelheden informatie kan begrijpen, structureren en vertalen naar slimme toepassingen, beschikt over een vaardigheid die in de toekomst alleen maar belangrijker wordt. In de minor Applied Data Science leer je hoe je dat doet: praktisch, creatief en altijd gekoppeld aan echte vraagstukken uit onderzoek en technologie. Je leert data-strategieën en -methoden (zoals machine learning) op hun merites te beoordelen en toe te passen ter versterking van de data analyse. Je gaat in teamverband een robuuste software tool en/of pipeline ontwikkelen ten behoeve van een onderzoeksproject waarin veel data moeten worden verwerkt, bewaard, en geanalyseerd.
Twee instaproutes: passend voor elke achtergrond
De minor start met een keuze tussen twee modules, zodat iedereen op het juiste niveau kan instromen.
Leren programmeren met AI (voor studenten zonder programmeerervaring, zoals BML, Finance & Control, Bouwkunde, of Communication and Multimedia Design)
Deze module is speciaal ontwikkeld om studenten uit opleidingen als Biologie en Medisch Laboratoriumonderzoek (BML) de kans te geven volwaardig mee te draaien in data-projecten. Je krijgt een toegankelijke introductie in Python en ontdekt hoe je AI inzet om:
- code te laten genereren en verbeteren
- programmeeropdrachten sneller en slimmer op te lossen
- met vertrouwen deel te nemen aan de technische onderdelen van de minor
Hierdoor is programmeerervaring geen drempel meer: motivatie en interesse zijn genoeg.
Verdiepende Machine Learning-module (voor studenten mét programmeerervaring)
Studenten die al kunnen programmeren krijgen een uitdagende verdieping. Je werkt met moderne ML-technieken en actuele toepassingen, waaronder:
- geavanceerde modellen en algoritmen
- het gebruik en begrijpen van Large Language Modellen ( LLM’s)
- het toepassen van ML in realistische data-scenario’s
Zo krijgt iedereen een startpunt dat past bij zijn of haar niveau.
Na de instapmodule werk je verder aan vaardigheden die in elk data-gedreven vakgebied waardevol zijn:
· data verzamelen, structureren en analyseren
· moderne analysemethoden en machine learning toepassen
· in teamverband software ontwikkelen volgens professionele werkmethoden
· tools bouwen die data inzichtelijk en bruikbaar maken
· interfaces ontwerpen die gebruikers helpen bij interpretatie
· oplossingen ontwikkelen die eenvoudig overdraagbaar zijn tussen systemen
· resultaten presenteren via demo, poster en een individueel gesprek
· reflecteren op je professionele ontwikkeling
Soort minor
· Dit is een verbredende minor. In een verbredende minor ontwikkel je je beroepscompetenties in een andere/bredere context.
· Dit is een verdiepende minor. In een verdiepende minor specialiseer je je verder binnen je eigen beroep(profiel).
· Deze minor is een blokminor. De minor wordt 1 keer per jaar als een blok in het eerste semester aangeboden.
Voor wie?
Iedereen die graag meer wil leren over het analyseren van grote hoeveelheden data kan deelnemen. Programmeerervaring is niet vereist; wél is het belangrijk dat je interesse hebt in programmeren en gemotiveerd bent om deze vaardigheden tijdens de minor verder te ontwikkelen.
Voorwaarden voor deelname
· Voor bachelor studenten die interesse hebben in het leren omgaan (interpreteren, analyseren en verwerken) van grote hoeveelheden data.
· Jouw precieze achtergrond is minder belangrijk, maar denk bijvoorbeeld aan Bioinformatica, ICT, Biologie en Medisch Laboratoriumonderzoek, Life Science, maar ook Bouwkunde, Verpleegkunde, Communicatie, Financiën, enzovoorts (dus niet alleen de harde beta-opleidingen).
· Tegelijk moet je affiniteit hebben voor het werken met de computer.
· De toelatingseisen zijn: propedeuse afgerond, 2e jaar gevolgd en >2/3 afgerond en interesse/ervaring in het geautomatiseerd verzamelen en verwerken van grote hoeveelheden data.
· We hebben altijd studenten met verschillende achtergronden die in projectteams van elkaar leren en goed kunnen samenwerken.
Een minimum aantal van 8 studenten en een maximum van 24 studenten wordt gehanteerd.
Competenties
Beroepstaken (al deze taken zijn volledig vervlochten in de tweede fase van de minor) BTI1 opzetten en beheren van een infrastructuur BTI2 ontwerpen en ontwikkelen van software BTI3 integreren en visualiseren van (biologische) gegevens BTI4 uitvoeren van natuurwetenschappelijk onderzoek
COMPETENTIES C1, II vraag verhelderen; C2, II ontwikkelen van software; C3, II data beheren; C4, II analyseren van data; C5, I voorspellen en modelleren; C6, II eigen systeem beheren; C7, II rapporteren en presenteren; C8, II Planmatig en Projectmatig werken; C9, II samenwerken in een team; C12, III Sturen professionele ontwikkeling.
Toetsing
M_iTBC-M-BI-Po Poster en Live Demo Applicatie (Po) groep M_iTBC-M-BI-E Evaluatie Eindopdracht (E) individueel
Eindcijfer = (Po+E)/2
Rooster
semester 1 start in de week van 1 september, de lessen beginnen op de maandag van die week.
week 1-4: 4 dagen theorie (=8 lesuren p/d aanwezig)
Week 5-8: 2 dagen theorie (=8 lesuren p/d aanwezig) 2 dagen project (=8 lesuren p/d aanwezig)
week 9-19: 4 dagen project (=8 lesuren p/d aanwezig)
Week 20: 2 dagen (=8 lesuren toetsing)
Er wordt vanuit gegaan dat studenten van maandag t/m vrijdag beschikbaar zijn.
HAN students can enrol via Alluris.
non-HAN students need to first make an acount with www.kiesopmaat.nl
In case you have not got a Kiesopmaat.nl account, click on the button below.
In case you already have an account, click on the button below to log in.

