Toelichting van de opleiding
Deze opleiding is in 2022 gestart. Daarom ontbreekt een aantal cijfers.
Opbouw
Hoe is de opleiding opgebouwd?Ons onderwijs
Bij onze opleidingen voelt iedereen zich welkom en hoort iedereen erbij. Studenten en docenten kennen elkaar en weten elkaar te vinden. De docenten doen er alles aan om je te begeleiden bij je studie op een manier die bij jou past. Dit vraagt van jou betrokkenheid en een actieve inzet. Samen maken we het onderwijs.
Hierbij besteden we onder andere aandacht aan je:
- kennisbasis van het beroep
- handelen in de beroepspraktijk
- eigen professionele identiteit
- persoonlijke ontwikkeling
Al deze elementen komen steeds aan bod tijdens de opleiding. Studenten (en medewerkers) hebben invloed op de manier waarop dit gebeurt in medezeggenschapsraden.
Bij de start van je studie ligt de nadruk op het ontwikkelen van kennis en vaardigheden, maar direct komt ook de praktijk aan bod. Je leert reële beroepsvraagstukken aan te pakken, in samenwerking met medestudenten, docenten, professionals uit de praktijk en praktijkgerichte onderzoekers. Eerst krijg je veel begeleiding van je docent, later neem je steeds meer het heft in eigen handen. Tijdens je studie leer je jezelf steeds beter kennen en ontdek je wat jouw unieke kwaliteiten zijn als beroepsbeoefenaar.
Het eerste jaar
In jaar 1 maak je kennis met het vakgebied Data Science & Artificial Intelligence. Binnen de studio (ons projectonderwijs) ontwikkel je technische, ethische, juridische en professionele vaardigheden. Je werkt ideeën uit voor een opdrachtgever en experimenteert met technieken. Er worden passende workshops aangeboden waar op dat moment behoefte aan is. Je houdt je eigen ontwikkeling in de gaten en je wordt bijgestaan door een coach. Daarnaast volg je kernvakken zoals programmeren en (discrete) wiskunde.
Alle periodes kennen eenzelfde opbouw, maar elk kwartaal heeft de studio een ander thema. Deze thema’s sluiten aan bij de onderzoeksthema’s van het kenniscentrum Creating 010. De vier studiothema’s zijn:
Periode 1: So social
Wat is precies de impact van ons social media- & klikgedrag? In periode 1 ga je jouw digitale persoonlijkheid in kaart brengen op basis van data.
Periode 2: De slimme stad
Camera’s, sensoren – steden worden steeds slimmer. De gemeente Rotterdam zet innovaties in om de stad veiliger, duurzamer en efficiënter te maken. Help jij mee om Rotterdam nog slimmer te maken?
Periode 3: Haven van de toekomst
Drones, container tracking, voorspellen van de meest optimale containerroute en magazijnen die hun voorraden automatisch (realtime) bijwerken. De toekomst van de haven is hybride. Gedurende deze periode leer je om data te manipuleren en hoe je een eenvoudige database automatisch kunt vullen.
Periode 4: De digitale dokter. Who cares?
In deze periode ga je samenwerken met studenten van andere disciplines. Care robots, zelfdiagnose via apps en elektronisch patiëntendossiers, het zijn allemaal voorbeelden van de inzet van Artificial Intelligence. AI is in de gezondheidszorg de afgelopen jaren sterk toegenomen.
Na het eerste jaar
Je staat aan het begin van een bijzonder tweede jaar van de opleiding Applied Data Science & AI, want na een inspirerend eerste semester ga je een halfjaar op stage. We bieden je uiteraard een programma waarmee jij jezelf hierop voor kunt bereiden. Je hebt in jaar 1 kennisgemaakt met het vakgebied met verschillende thema’s binnen de data driven societies en de basis is gelegd voor de expertisegebieden data- engineering, data science en AI. Je bent je ook bewuster geworden van het effect van technologie op ons als mens en maatschappij en hebt je professionele vaardigheden verbeterd om de fascinerende wereld van data komend jaar verder te verkennen.
Om ‘klaar’ te zijn voor de stage in semester 2 oriënteer jij je dit eerste semester bij potentiële werkgevers verder in de wereld van machinelearning, data science en AI. Je staat vast te popelen om het werkveld te verkennen en je weet inmiddels dat zij staan te springen om jouw expertise in te zetten. Je ontdekt waar de behoefte in de markt ligt en in welk domein of type organisatie jij zou willen werken, passend bij jouw motivatie en digitale persoonlijkheid. Hopelijk wakkert die kennismaking met het werkveld je nieuwsgierigheid naar alle facetten van het vakgebied nog meer aan. Daarom experimenteer je in het tweede jaar vooral ook met verschillende datamodellen, want door de verkenning op de werkvloer aan het begin van het tweede studiejaar weet je des beter waar de vraag ligt.
Je zult merken dat niet alles in één keer lukt en ook dat niet ieder model de beste oplossing is, daarom ga je dit semester veel experimenteren. Fouten maken hoort erbij! Dat het vakgebied nog continu verandert, maakt jouw ontwikkelreis ook niet altijd gemakkelijk, want binnen dit vakgebied liggen telkens weer verschillende ethische dilemma’s op de loer. De verdieping in responsible technology ontwikkelt daarom met jou mee vanuit onze open en vertrouwde leeromgeving. Tegen het einde van semester 1 ben je klaar voor de echte meesterproef, de stage waar je de experimenten daadwerkelijk kan gaan toepassen.
*Omdat de opleiding nieuw is, is het programma van jaar 3 en 4 nog niet precies bekend. Zodra de informatie beschikbaar is, vind je die hier.
Keuze en begeleiding
Keuze
Tijdens je opleiding kun je kiezen uit zo'n driehonderd (hogeschoolbrede) keuzevakken. Dit biedt de kans om over de grenzen van je eigen opleiding heen te kijken en om invulling te geven aan je specifieke leerbehoeften. Afhankelijk van je opleiding kun je zelf een stageplek uitzoeken. Via een minor in de hoofdfase van je studie kies je een bepaald profiel waarmee je jezelf kunt onderscheiden. Ook de afstudeeropdracht die je kiest, geeft een persoonlijke inkleuring aan je opleiding.
Begeleiding
Iedere student is uniek en heeft zijn eigen ideeën over wat hij in zijn studie wil bereiken. In onze begeleiding maken we je bewust van je capaciteiten, kansen en uitdagingen. Soms blijkt tijdens of al vóór de opleiding dat je moeite hebt met een bepaald vak. Dan is het nuttig je kennis hiervan bij te spijkeren. Als student krijg je een coach (docent) die je begeleidt en de studievoortgang in de gaten houdt. Ook kun je een peercoach krijgen: een ouderejaarsstudent die een jongerejaars begeleidt.
Studeren met een functiebeperking
Heb je een functiebeperking en heb je daarvoor aanpassingen of voorzieningen nodig, dan bieden we daarvoor verschillende mogelijkheden.
Stage lopen
In het tweede jaar staat 'ervaren' centraal. Daarom loop je tijdens de tweede helft van het tweede jaar al stage in de beroepspraktijk. Dat doe je bij een (internationale) organisatie in Nederland, maar het is ook mogelijk stage te lopen in het buitenland.
Minors
In de laatste fase van je opleiding verdiep je je door middel van een minor (specialisatie) in je vakgebied of verbreed je je kennis in een door jou gewenste richting. Je kunt een minor kiezen van de opleiding Applied Data Science & Artificial Intelligence, maar het is - in overleg met de opleiding - ook mogelijk een minor te kiezen die door een andere opleiding wordt aangeboden.
De opleiding Applied Data Science & AI is nieuw. Het minoraanbod is daarom op dit moment nog niet bekend.
Student van andere hogeschool?
Ben je student bij een andere hogeschool en wil je een minor bij Hogeschool Rotterdam volgen? Bekijk je mogelijkheden op Kiesopmaat.nl. De minors van Hogeschool Rotterdam duren een half jaar (september - februari) en leveren 30 EC (studiepunten) op.
Afstuderen
In het vierde jaar bereid je je voor op het werken in de beroepspraktijk door het kiezen van een passende afstudeeropdracht.
Internationale mogelijkheden
Het vakgebied kent een internationaal werkveld. Tijdens de opleiding maak je kennis met internationale gastdocenten, teams, opdrachtgevers en organisaties. De boeken en andere literatuur zijn grotendeels in het Engels. In het tweede jaar kun je ook stage lopen in het buitenland.
Vakken
Een indicatie van de vakken die je kunt verwachtenOnderwijsperiode 1
- Studio 1 - Kennismaken met data
- Discrete wiskunde 1
- Programmeren 1
- Lineaire Algebra
Onderwijsperiode 2
- Studio 2 Data Engineering
- Discrete wiskunde 2
- Programmeren 2
- Statistiek
Onderwijsperiode 3
- Studio 3 - Data Science
- Statistiek 2
- Programmeren 3
- Keuzevak
Onderwijsperiode 4
- Studio 4 - Machine Learning
- Calculus en Programmeren 4
- Keuzevak
Onderwijsperiode 1
- Advanced studio: Experimentele data oplossingen
- Advanced STEM: verdiepende wiskunde & programmeren
- Keuzeonderwijs
Onderwijsperiode 2
- Advanced studio: Experimentele data oplossingen
- Advanced STEM: verdiepende wiskunde & programmeren
- Keuzeonderwijs
Onderwijsperiode 3
- Stage
Onderwijsperiode 4
- Stage
Onderwijsperiode 1
- Advanced studio - Deep learning
- Keuzeonderwijs
Onderwijsperiode 2
- Advanced studio - Deep learning
- Keuzeonderwijs
Onderwijsperiode 3
- Interdisciplinair project
Onderwijsperiode 4
- Interdisciplinair project
Onderwijsvorm
Hoe is het onderwijs ingericht?- Praktijk
- Theorie
- Keuzeruimte
- Begeleiding
- Praktijk
- Theorie
- Keuzeruimte
- Begeleiding
- Praktijk
- Theorie
- Keuzeruimte
- Begeleiding
Na je studie
Wat kun je doen na de opleiding?Na je afstuderen
Gefeliciteerd! Je hebt je Bachelor of Science (BSc) gehaald. Deze titel mag je achter je naam voeren. Je kunt er ook voor kiezen de titel Ingenieur (ing.) vóór je naam te zetten.
Ook ontvang je bij je diploma een diplomasupplement met een DS-label. Met dit Engelstalige document kun je de waarde van je diploma eenvoudiger aantonen in het buitenland bij de toelating tot een vervolgstudie of bij het vinden van een baan.
Heb je het Honoursprogramma gevolgd? Dan krijg je ook een honours degree, waarmee je je doorzettingsvermogen en extra kennis kunt aantonen.
Beroepsbeeld
De vraag op de arbeidsmarkt naar data- en AI-specialisten is ongekend groot. Na het afronden van de opleiding kun je bijvoorbeeld aan de slag gaan in een van de volgende beroepsrollen:
Data scientists passen technieken uit diverse disciplines in verschillende combinaties toe. Ze helpen om de data zo te vormen en te presenteren dat ook niet-experts ermee kunnen werken. Data scientists hebben o.a. kennis van programmeren, data acquisitie en governance, data-privacy en -security, machine learning en analyse. Daarnaast beschikken zij over presentatieskills en kunnen professioneel communiceren (o.a. storytelling). Data scientists hebben wiskundige kennis van o.a. kansrekening, statistiek en lineaire algebra. Zij hebben bij de toepassing van technieken oog voor maatschappelijke en ethische impact. Binnen de opleiding noemen we dat responsible technology.
Data engineers zijn als het ware de ‘loodgieters’ van de data. Data engineers halen de gegevens op, zorgen ervoor dat de dataset schoon en werkbaar is en alle fouten eruit zijn. Data engineers voegen bij elkaar horende gegevens samen, maar bewaken ook wie er toegang heeft tot bepaalde data. De taak van een data engineer is dus vooral het voorbereiden en beschikbaar maken van data voor analytisch of operationeel gebruik. Deze engineers zijn verantwoordelijk voor het bouwen van data ‘pipelines’ om informatie uit verschillende dataopslagsystemen samen te brengen. Data engineers zien erop toe dat de gegevens voldoen aan de wet- en regelgeving (compliance) en kunnen worden gebruikt binnen de gestelde ethische grenzen. Data engineers werken nauw samen met data scientists, verbeteren de transparantie van data en stellen organisaties in staat om betrouwbaardere zakelijke beslissingen te nemen.
Artificial Intelligence (AI) engineers zijn verantwoordelijk voor het ontwerpen, programmeren en trainen van complexe netwerken van algoritmen die onderdeel uitmaken van AI-systemen. AI engineers ‘zoeken’ binnen hun organisatie naar (nieuwe) mogelijkheden door toepassing van AI. Het vereist goede communicatieve vaardigheden om het nut van de AI-modellen uit te leggen en te presenteren aan mensen binnen de organisatie, inclusief belanghebbenden en productmanagers.
Machine learning (Ml) engineers bevinden zich op het snijvlak van software engineering en data science. Zij gebruiken onder andere data-tools en programmeer-frameworks om ruwe data uit zogenaamde data ‘pipelines’ te verzamelen. Ml- engineers zorgen dat de data terechtkomen in de modellen die de data scientists hebben ontwikkeld. De ontwikkelde (theoretische) modellen moeten in een echt dataproduct kunnen worden gebruikt. Ook bij het verwerken van grote hoeveelheden data (real-time) moet dit nog werken.
Ml-engineers ontwikkelen software voor het ‘besturen’ van computers en robots. De algoritmen, ontwikkeld door Ml-engineers, stellen een machine in staat om patronen te herkennen en ‘zelflerend’ opdrachten uit te voeren. Dit heet ook wel reinforcement learning.