Programma en vakken Data Science and Society
Een uitgebalanceerde mix van theorie en praktische vaardigheden vormen de basis voor het programma. Uitgangspunt van de opleiding is: leren door te doen. Je specialiseert je aan de hand van een van de vier tracks: Business, Governance, Media of Health.
Programmastructuur
Het eenjarige programma bestaat uit 60 EC verdeeld over vier blokken, waarvan:
- 4 kernvakken (24 EC)
- 2 Research skills modules (6 EC)
- 2 inhoudelijke keuzevakken gerelateerd aan één van de volgende tracks: Business, Governance, Media of Health (12 EC)
- Masterthesis / Data Science in Action (18 EC)
Het programma heeft twee startmomenten: eind augustus en eind januari.
Inhoud van het programma
Kernvakken
Je volgt de volgende kernvakken:
- Data Mining for Business and Governance (6 EC)
- Data Science Regulation & Law (2 x 3 EC)
- Machine Learning (6 EC)
- Statistics and Methodology (6 EC)
Research skills modules
Je kiest twee van de volgende research skills modules:
|
|
Keuzevakken
Je kiest twee inhoudelijke keuzevakken uit het aanbod dat aansluit bij jouw track:
Business
|
|
* Voor deze twee keuzevakken zal mogelijk een maximum aantal studenten gelden. Daardoor kan niet worden gegarandeerd dat je deze vakken zult kunnen volgen.
Governance
|
|
Media
|
|
Health
|
|
Masterthesis / Data Science in Action
Masterthesis / Data Science in Action
Je sluit het programma af met een Masterthesis, waarin je alle relevante aspecten van data science toepast op een ‘real life’ situatie. Voor de thesis kies je een onderwerp uit een cluster van onderwerpen gerelateerd aan de door jou gevolgde track en je vooropleiding. Je hebt ook de mogelijkheid om een specifiek thesisonderwerp te "pitchen" of te baseren op data en onderzoeksdoelen van een externe partner.
Voorbeelden van eerdere thesisonderwerpen per track:
Business
- Examining the effect of the macroeconomy on financial portfolios with the use of machine and deep learning models
- Predicting Dutch patent validations using machine learning
- Predicting market movements for Bitcoin and Nasdaq-100 using Reddit sentiment
- A deep learning approach to the influence of vocal behaviour on the decision-making process in the entrepreneurial context
- Predicting the online customers' purchase intention comparing machine and deep learning models
- Applying cost-sensitive machine learning models to loan default prediction
- Predicting early retirement intentions of mature workers using machine learning and deep learning algorithms
- Predicting hotel booking cancellations using the XGBoost algorithm
Governance
- School dropout prediction in Malawi using household panel data: a machine learning approach
- Predicting Twitter users’ stance on climate change based on local demographic features in the US
- Optimization of cellular automata based models to predict urban densification in the Netherlands
- An application of machine learning models to predict the Covid-19 vaccine coverage of sub-national areas in Flanders using socio-demographic variables
- Where not to park your bike: a comparison of grid thematic mapping and kernel density estimation hotspot analysis in predicting future bicycle thefts.
- Predicting nitrogen concentrations using machine learning techniques
- Detect biometric fraud on portrait images using deep convolution neural network
- Using entity-action-target relationships to classify conspiratorial YouTube Videos
Health
- Predicting deterioration in a Tilburg hospital population with machine learning algorithms
- Detecting heart failure at an early stage to reduce the high mortality rate using various machine learning algorithms
- Improving classification in trauma patients using unsupervised deep learning techniques
- Comparison of convolutional neural network and vision transformer models for breast cancer classification in mammography
- Predicting Montgomery-Åsberg Depression Rating-Scale scores and levels of depressed patients on the basis of motor activity times series data using long short-term memory neural networks
- Detection of Parkinson’s disease from drawings using image preprocessing techniques and machine learning algorithms
- Effects of feedback and role on mother-child brain-to-brain synchrony: an EEG hyperscanning study
- Classification of COVID-19 based on audio signals using reconstructed phase space and deep learning
Media
- Adding simplicity to translation: using compressed texts as a pivot for neural machine translation between sign and spoken language
- EEG functional connectivity during robot-assisted (second) language learning in children
- Automated detection of media bias by language use in English news articles
- Data augmentation for classifying hate speech Tweets using a generative adversarial network
- The looks on their listening faces: predicting investment based on investor’s facial expression in a startup funding pitch
Bekijk een proefcollege
In onze onderwijscatalogus vind je de uitgebreide beschrijving van de vakken en boeken die je nodig hebt.
Let op: programma's kunnen soms nog wat wijzigen. Zoek daarom bij de start van je opleiding het actuele programma op in OSIRIS Student.
Wil je meer weten over deze masteropleiding?
Kom kennismaken op een van onze voorlichtingsevenementen
Data Science and Society in het kort
- De opleiding biedt een gebalanceerde mix van theorie en praktijk en is gericht op studenten zonder (veel) voorkennis van programmeren en machine learning.
- Je wordt toegelaten tot een track die aansluit bij de domeinkennis die je in je vooropleiding hebt ontwikkeld, zodat je na afstuderen een coherent arbeidsmarktprofiel hebt.
- Je maakt kennis met de data science methodologie en met de wet- en regelgeving die relevant is voor data science en data scientists. Je leert data analytics technieken en wordt getraind om inzichten te verkrijgen uit grote en complexe datasets. Daarnaast leer je hoe je die inzichten vertaalt in bruikbare oplossingen en aanbevelingen binnen jouw vakgebied.
Geïnteresseerd in de MSc Data Science and Society?
Check je toelaatbaarheid en de deadlines voor aanmelden