Vous avez déjà un compte client ORSYS
Se connecter
Vous êtes nouveau chez ORSYS
Créer un compte
Vous ne souhaitez pas créer de compte
Poursuivre sans me connecter

Opleiding : Certificeringscursus big data en AI-modellen bouwen en implementeren

Vaardighedenblok voor RNCP kwalificatie 40573

Praktijkcursus - 27d - 189u00 - Ref. ZBG
Prijs : 5910 € V.B.

Certificeringscursus big data en AI-modellen bouwen en implementeren

Vaardighedenblok voor RNCP kwalificatie 40573


Nieuwe opleiding

Deze cursus vormt het vierde vaardighedenblok van de door de staat erkende kwalificatie niveau 7 (Bac +5) " Expert in IT en informatiesystemen".


INTER
INTRA
OP MAAT

Praktijkcursus ter plaatse of via klasverband op afstand
Beschikbaar in het Engels op aanvraag

Ref. ZBG
  27d - 189u00
5910 € V.B.

Downloaden in pdf-formaat

Deze cursus delen via mail




Deze cursus vormt het vierde vaardighedenblok van de door de staat erkende kwalificatie niveau 7 (Bac +5) " Expert in IT en informatiesystemen".


Pedagogische doelstellingen
Aan het einde van de training is de deelnemer in staat om:
Inzicht in statistische basisinstrumenten en hoe deze te berekenen
De technische vaardigheden verwerven die nodig zijn om complexe, ongestructureerde en enorme gegevensstromen te beheren
Statistische parameters gebruiken om een reeks gegevens te begrijpen
Selecties en rankings maken op basis van grote hoeveelheden gegevens om trends te identificeren
Een toepassing implementeren met MongoDB
Inzicht in de concepten van Machine Learning en de ontwikkeling naar Deep Learning (diepe neurale netwerken)
De methodologieën voor het opzetten van neurale netwerken en de sterke punten en beperkingen van deze tools onder de knie krijgen
Tools voor datamining identificeren en gebruiken

Doelgroep
Iedereen die Big Data en AI-modellen wil bouwen en implementeren.

Voorafgaande vereisten
Être titulaire d’un diplôme ou titre de niveau 6 (équiv. Bac + 3/4) en spécialité informatique ou justifiant d’une expérience professionnelle équivalente.
Être titulaire d’un diplôme ou titre de niveau 7 (équiv. Bac + 5) en spécialité scientifique ou justifiant d’une expérience professionnelle équivalente.

Certificatie
Elk blok vaardigheden wordt gevalideerd door een schriftelijk examen in de vorm van een casestudy. Vaardighedenblok "Bouwen en implementeren van big data en AI-modellen", van de beroepscertificering "Expert in IT en informatiesystemen", uitgegeven door 3W ACADEMY. Ingeschreven in het nationale register van beroepscertificaten, onder nummer 40573, bij besluit van de directeur-generaal van France Compétences van 30/04/2025.

Opleidingsprogramma

1
Beschrijvende statistiek, inleiding

  • Definitie.
  • Wiskundige formalisering.
  • Statistische verwerking van eendimensionale gegevens.
  • Willekeurige variabelen.
  • Twee-dimensionale beschrijvende statistiek: contingentietabellen.
  • Casestudie: gegevens van deelnemers gebruiken.

2
Big Data, methoden en praktische oplossingen voor gegevensanalyse

  • De concepten en uitdagingen van Big Data begrijpen.
  • Big data technologieën.
  • Gestructureerde en ongestructureerde gegevens beheren.
  • Big data analysetechnieken en -methoden.
  • Datavisualisatie en concrete gebruikscases.

3
Statistische modellering, de essentie

  • Herinnering aan de grondbeginselen van beschrijvende statistiek.
  • Statistische analyse en modellering.
  • Positie en dispersieparameter.
  • Tests en betrouwbaarheidsintervallen.
  • Overzicht van hulpmiddelen.

4
Gegevensanalyse met Python

  • Inleiding tot modelleren.
  • Modelevaluatieprocedures.
  • Algoritmen onder toezicht.
  • Algoritmen zonder toezicht.
  • Componentenanalyse.
  • Tekstgegevensanalyse.

5
MongoDB, aan de slag en ontwikkeling

  • Inleiding tot MongoDB.
  • Verbinding maken met MongoDB en het gebruiken.
  • Modelleren en indexeren.
  • Driver management.
  • Inleiding tot replicatie en sharding.
  • Prestatiebeheer en diagnostiek.
  • MongoDB uitbreiding.

6
Machinaal leren, methoden en oplossingen

  • Inleiding tot machinaal leren.
  • Modelevaluatieprocedures.
  • Voorspellende modellen, de frequentistische benadering.
  • Bayesiaanse modellen en leren.
  • Machine Learning in productie.

7
Deep Learning en neurale netwerken: de basis

  • Inleiding tot AI, machinaal leren en diep leren.
  • Fundamentele concepten van een neuraal netwerk.
  • Algemene tools voor Machine Learning en Deep Learning.
  • Convolutionele neurale netwerken (CNN).
  • Terugkerende neurale netwerken (RNN).
  • Generatiemodellen: VAE en GAN.
  • Diep versterkingsleren.

8
Data mining in de praktijk

  • Het Data Mining-project.
  • Technieken voor datamining.
  • Statistische hulpmiddelen.
  • Visualisatie van gegevens.
  • Analyse van kwalitatieve en tekstuele gegevens.
DEELNEMERS
Iedereen die Big Data en AI-modellen wil bouwen en implementeren.

VOORAFGAANDE VEREISTEN
Être titulaire d’un diplôme ou titre de niveau 6 (équiv. Bac + 3/4) en spécialité informatique ou justifiant d’une expérience professionnelle équivalente.
Être titulaire d’un diplôme ou titre de niveau 7 (équiv. Bac + 5) en spécialité scientifique ou justifiant d’une expérience professionnelle équivalente.

VAARDIGHEDEN VAN DE CURSUSLEIDER
De deskundigen die de cursus leiden zijn specialisten op het betreffende vakgebied. Zij werden geselecteerd door onze pedagogische teams zowel om hun vakkennis als hun pedagogische vaardigheden voor elke cursus die zij geven. Zij hebben minstens vijf tot tien jaar ervaring in hun vakgebied en oefenen of oefenden verantwoordelijke bedrijfsfuncties uit.

BEOORDELINGSMODALITEITEN
De cursusleider beoordeelt de pedagogische vooruitgang van de deelnemer gedurende de gehele cursus aan de hand van meerkeuzevragen, praktijksituaties, praktische opdrachten, …
De deelnemer legt ook van tevoren en naderhand een test af ter bevestiging van de verworven kennis.

PEDAGOGISCHE EN TECHNISCHE MIDDELEN
• De gebruikte pedagogische middelen en cursusmethoden zijn voornamelijk: audiovisuele hulpmiddelen, documentatie en cursusmateriaal, praktische oefeningen en correcties van de oefeningen voor praktijkstages, casestudies of reële voorbeelden voor de seminars.
• Na afloop van de stages of seminars verstrekt ORSYS de deelnemers een evaluatievragenlijst over de cursus die vervolgens door onze pedagogische teams wordt geanalyseerd.
• Na afloop van de cursus wordt een presentielijst per halve dag verstrekt, evenals een verklaring van de afronding van de cursus indien de stagiair alle sessies heeft bijgewoond.

TOEGANGSMODALITEITEN EN TERMIJNEN
De inschrijving dient 24 uur voor aanvang van de cursus plaatsgevonden te hebben.

TOEGANKELIJKHEID VOOR MINDERVALIDEN
Is voor u speciale toegankelijkheid vereist? Neem contact op met mevr. FOSSE, contactpersoon voor mindervaliden, via het adres psh-accueil@ORSYS.fr om uw verzoek en de haalbaarheid daarvan zo goed mogelijk te bestuderen.
Data en plaats
Selecteer uw locatie of kies voor de les op afstand en kies vervolgens uw datum.
Klas op afstand

Laatste plaatsen
Garantiedatum ter plaatse of op afstand
Gegarandeerde sessie

KLAS OP AFSTAND
2026 : 28 sep., 7 dec.

PARIS LA DÉFENSE
2026 : 15 juni, 28 sep., 7 dec.