Artesis Plantijn Hogeschool Antwerpen
Industrie en Omgeving
Big-Dataverwerking 335058/2799/2223/1/55
Studiegids

Big-Dataverwerking 3

35058/2799/2223/1/55
Academiejaar 2022-23
Komt voor in:
  • Bachelor in het energiemanagement, trajectschijf 3
Dit is een enkelvoudig opleidingsonderdeel.
Studieomvang: 3 studiepunten
Co-titularis(sen): Peeters Michaël
Onderwijstalen: Nederlands
Kalender: Semester 1
Dit opleidingsonderdeel wordt gequoteerd op 20 (tot op een geheel getal).
Mogelijke grensdata voor leerkrediet: 15.10.2022 (1ste semester)
Tweede examenkans: wel mogelijk.
Tolereerbaarheid: Dit opleidingsonderdeel komt in aanmerking voor tolerantie onder de voorwaarden van de opleiding waarvoor je bent ingeschreven.
Totale studietijd: 78,00 uren

Volgtijdelijkheid

eerder ingeschreven voor Big-Dataverwerking 1 OF eerder ingeschreven voor Big Data verwerking A OF eerder ingeschreven voor Energiebeheer A.

Korte omschrijving

Tijdens de sessie gaat de student verschillende modellen trainen en datasets verwerken.
Hieraan gekoppeld zit steeds een opdracht die in te dienen is.
Als eindproef wordt zelfstandig een model gemaakt en inzicht beschreven in de werking van het model op een kritische reflecterende manier.

OLR-Leerdoelen (lijst)

01. CONCEPTUELE ANALYSE
De student kan Python en scratch basisinstructies toepassen om een werkend programma te bekomen.
De student kan basisinstructies toepassen om bestandsindelingen in te lezen en te wijzigen.
02. CONCEPTKEUZE
De student kan eenvoudige programma's maken om het verwerken van grote databestanden te automatiseren.
De student kan eenvoudige Machine learning toepassen in een scratch omgeving.
03. ONTWERP
De student kan voldoende veiligheden inbouwen in zijn programma en een verkeerdelijk gebruik van zijn programma voorkomen.
De student kan aan de hand van de aangeleerde Python/scratch-technieken data selecteren uit een databank en hieruit grafieken maken en aanpassen.
De student kan aan de hand van de aangeleerde Python/scratch-technieken een eenvoudig model trainen en toepassen op een dataset
06. VERBETERING
De student kan een (eenvoudig) probleem volledig analyseren en een gestructureerd programma schrijven in python/scratch om tot een geautomatiseerde oplossing te komen voor het probleem.

Leerinhoud

• Machine learning
• Artificial intelligence
• Pandas / sckitlearn



De student leert op een interactieve manier om te gaan met grote sets meetdata. Deze worden verwerkt tot inzichten maar ook verder verwerkt om automatische beslissingen mee te nemen.
De student verwerft een inzicht in hoe machine learning technieken werken en hoe modellen worden getraind zonder diepgaande wiskundige kennis nodig te hebben.
Zowel Python als excel als scratch worden gebruikt om de lessen te ondersteunen.




Studiematerialen (tekst): Verplicht

  •  Documenten worden via PDF ter beschikking gesteld tijdens de sessies

Onderwijsorganisatie

Werkvormen
Hoor- en/of werkcolleges26,00 uren
Werktijd buiten de contacturen52,00 uren

Toetsing (lijst)

Evaluatie(s) voor de eerste examenkans
MomentVorm%Opmerking
AcademiejaarVaardigheidstoets permanent tijdens de lesweken (Permanente evaluatie)100,00De student wordt beoordeeld op basis van de ingediende rapporten en werken.
Evaluatie(s) voor de tweede examenkans
MomentVorm%Opmerking
Tweede examenperiodeVaardigheidstoets in de examenreeks100,0050% Opdracht en uiterste datum van inleveren wordt opgegeven via Digitap eind juni. 50% Mondelinge verdediging opdracht

Toetsing (tekst)

De student moet beschikken over een eigen laptop (specificaties zie onthaalbrochure Info studenten campus ELL).
Indien de student gevraagd wordt om examen af te leggen via de eigen laptop zal er een monitoringprogramma (fraude bewaking) tijdens het examen geactiveerd moeten worden via de link: http://examonitoring.ap.be alvorens het examen kan starten.