Data science voor alfa en gamma

Big Data zijn niet meer uit het onderwijs weg te denken. Om studenten te trainen in het verzamelen en analyseren van data, ontwikkelden Tilburg University en de Open Universiteit de MOOC ‘Data science voor alfa en gamma’.

Instelling

Tilburg University en de Open Universiteit

Doel en doelgroep

Big data spelen een steeds belangrijker rol in onderzoek. Daarom is het belangrijk dat ook studenten zonder programmeerkennis leren omgaan met extreem grote databestanden. In de MOOC ‘Data science voor alfa en gamma’ leren studenten hoe ze via data analytics en datamining inzicht krijgen in grote databestanden. De MOOC richt zich niet alleen op het verzamelen en analyseren van data, maar leert studenten ook hoe ze verbanden en conclusies kunnen presenteren.

Resultaten

De MOOC ‘Data science voor alfa en gamma’ omvat een breed scala van open leermaterialen, zoals een introductie in de vorm van zes videolezingen, video-testimonials van data-scientists uit de praktijk en hands-on opdrachten gebaseerd op Orange en WEKA. Voor de MOOC  is gebruik gemaakt van een combinatie van een Canvas-omgeving met YouTube video’s en iPython Notebooks. Het ondersteunende materiaal is beschikbaar via GitHub, zodat docenten naar eigen inzicht delen van de module kunnen overnemen.

Ontwikkelde materialen

• Blended Learning Portal Data Science for Alfa and Gamma

6 video lectures ter introductie van data science:
- Video Lecture 1 – Introduction to Data Science
- Video Lecture 2 – Representing Data
- Video Lecture 3 – Working with Text Data – Part 1
- Video Lecture 4 – Best Practices and Common Pitfalls
- Video Lecture 5 – Working with Text Data – Part 2
- Video Lecture 6 – Mining Massive Data

Op github vind je de powerpointslides voor docenten die zijn gekoppeld aan de onderstaande uitlegvideo's over het gebruik van datamining omgevingen Orange en WEKA. Ook vind je er de Jupyter Notebook voor hands-on oefeningen.

Deze introductievideo legt de basis van WEKA in ongeveer 23 minuten uit.
De introductie WEKA video’s hieronder geven een goed overzicht over de software en de basics of data mining.

1. Introduction
2. Exploring the Explorer
3. Comparing Classifiers
4. Building a Classifier
5. Using a Filter
6. Visualising your Data
7. Be a Classifier
8. Training and Testing
9. Repeated Training and Testing
10. Baseline Accuracy
11. Cross-Validation
12. Cross-Validation Results
13. Decision Trees and Rules
14. Generating Decision Rules
15. Using Probabilities
16. Decision Trees
17. Pruning Decision Trees
18. Nearest Neighbor
19. Classification Boundaries
20. Linear Regression
21. Classification by Regression
22. Logistic Regression
23. Support Vector Machines
24. Ensemble Learning

Hieronder vind je 19 tutorial video's voor data mining met Orange.

1. Welcome to Orange
2. Data Workflows
3. Widgets and Channels
4. Loading your Data
5. Hierarchical Clustering
6. Making Predictions
7. Model Evaluation and Scoring
8. Add-ons
9. Principal Component Analysis
10. Feature Scoring and Ranking
11. k-Means
12. k-Means Explained
13. Silhouette
14. Image Analytics – Clustering
15. Image Analytics – Classification
16. Text Preprocessing
17. Text Clustering
18. Text Classification
19. How to Import Text Documents

Pointers naar vrij beschikbaar materiaal om basisvaardigheden Python op te doen.
- Download Python. Python documentatie. Python tutorial.
- The Coder’s Apprentice by Pieter Spronck (Dutch version) is a gentle introduction to Python.

Tips

• Een MOOC valt of staat met een gedegen integratie in het eigen onderwijs: MOOC, face-to-face onderwijs en programmeeromgeving moeten een logische drie-eenheid vormen.
• Maak vooraf een goede afweging bij de keuze voor een commercieel of niet-commercieel platform, en kijk daarbij vooral ook kritisch naar de kosten. 

Contactpersoon voor vragen

Marie Postma-Nilsenová:  marie.postma@uvt.nl

Stimuleringsregeling open en online onderwijs

Dit project heeft in 2015 deelgenomen aan de stimuleringsregeling open en online onderwijs.