`

Big data

9 november 2022 – 8 maart 2023

Deze opleiding is breed opgevat en behandelt de belangrijkste aspecten van vergaring, beheer, analyse en presentatie van data. Zo krijg je een totaalinzicht dat je beter in staat zal stellen om jouw Big Data efficiënt aan te wenden ten voordele van jouw onderneming.
De aangeleerde technische inzichten worden aangevuld met een degelijk basisinzicht in de juridische uitdagingen rond Big Data projecten zoals privacy en gegevensbescherming, intellectuele eigendomsrechten, open data en andere relevante topics.


Big Data kunnen worden omschreven als gegevenscollecties die niet efficiënt met traditionele gegevensbeheer en gegevensverwerkingstechnieken kunnen worden behandeld. Bepalende factoren daarbij zijn de grotere datavolumes, de grotere snelheden waarmee de data worden aangeboden en de grotere variëteit aan dataformaten en de kwaliteit van de data. De tendens naar Big Data wordt gevoed door de almaar groeiende beschikbaarheid van digitale informatie uit nieuwsbronnen, multimedia, sensors, ... en gaat gepaard met nieuwe uitdagingen om deze data efficiënt te kunnen verzamelen, opslaan, beheren, analyseren en presenteren.

Het inzetten van geavanceerde technologieën die specifiek zijn afgestemd op het verwerken van zeer grote hoeveelheden data, kan bedrijven helpen om beter tegemoet te komen aan de steeds groter wordende informatienoden die vaak vereist zijn om gegevensanalyse nog beter te kunnen onderbouwen. Een beter inzicht in de beschikbare data en een optimale exploitatie ervan levert de beste garantie om met meer kennis van zaken belangrijke beslissingen te onderbouwen en daar dan ook een concurrentieel voordeel mee te behalen.



U krijgt inzicht in de problematiek die gepaard gaat met Big Data en in de beschikbare ICT-oplossingen die momenteel voorhanden zijn. Er wordt aangetoond hoe de aangereikte oplossingen werken, wat hun beperkingen en voordelen zijn en waar en wanneer ze het beste kunnen worden ingezet.
Voor de lessen wordt bewust gekozen voor een sterke academische aanpak waarbij de hoofdaccenten liggen op het verwerven van kennis in de breedte zonder daarbij productgebonden te zijn. Daarnaast wordt ruim aandacht besteed aan visualisatieaspecten bij big data en het omgaan met tekstuele data.
De opleiding is dusdanig opgevat dat deze toegankelijk is voor iedereen die ietwat vertrouwd is met informatica. Er wordt gewerkt rond hoorcolleges die handelen rond vier thema's: gegevensbeheer, gegevensanalyse, gebruiksaspecten en juridische aspecten.



U ontvangt een getuigschrift, indien u deelneemt aan de volledige opleiding) en slaagt voor het bijbehorende examen (19 april 2023 om 17u30).




Wetenschappelijk Coördinator

  • Prof. dr. Guy De Tré, Vakgroep Telecommunicatie en Informatieverwerking, Universiteit Gent

Lesgevers

  • Michael Brands, Consona.ai
  • Antoon Bronselaer, Vakgroep Telecommunicatie en Informatieverwerking, Universiteit Gent
  • Pieter Colpaert, Vakgroep Elektronica en Informatiesystemen, Universiteit Gent
  • Thomas Demeester, Vakgroep Informatietechnologie, Universiteit Gent
  • Dieter De Witte, Vakgroep Elektronica en Informatiesystemen, Universiteit Gent
  • Guy De Tré, Vakgroep Telecommunicatie en Informatieverwerking, Universiteit Gent
  • Jan Fostier, Vakgroep Informatietechnologie, Universiteit Gent
  • Simon Geiregat, Vakgroep Metajuridica, Privaat- en Ondernemingsrecht, Universiteit Gent
  • Filip Pattyn, Vakgroep Telecommunicatie en Informatieverwerking, Universiteit Gent
  • Ruben Roex, Vakgroep Metajuridica, Privaat- en Ondernemingsrecht, Universiteit Gent
  • Katrien Verbert, Departement Computerwetenschappen, KU Leuven
  • Simon Verschaeve, Vakgroep Metajuridica, Privaat- en Ondernemingsrecht, Universiteit Gent
  • Bruno Volckaert, Vakgroep Informatietechnologie, Universiteit Gent


Modules


Inleiding en NoSQL

In de introductie wordt aandacht besteed aan de oorsprong van de term Big Data. Aspecten zoals de interpretatie, het belang, de problematiek en de kritiek op Big Data worden besproken.
Daarna komen de verschillende vormen en karakteristieken (Volume, Variety, Velocity en Veracity) van Big Data aan bod. Er wordt gekeken naar de tekortkomingen en beperkingen van traditionele databanksystemen en er wordt dieper ingegaan op mogelijke oplossingen. Vervolgens worden de belangrijkste NoSQL databankoplossingen ('Not only' SQL) gesitueerd en bestudeerd. Zowel key/value stores, documentdatabanken, column stores als graafdatabanken worden daarbij behandeld.

Lesgever: Guy De Tré
Datum: 9 november 2022


Datakwaliteit

In deze les wordt een overzicht gegeven van de verschillende technieken waarmee men datakwaliteit kan meten. Er wordt vervolgens uitgelegd hoe de meetresultaten van de verschillende technieken geïnterpreteerd moeten worden en hoe ze verder kunnen worden gebruikt in bijvoorbeeld rapportering en strategische analyses. Nadien worden ook enkele technieken uitgelegd voor de verbetering van kwaliteit. Alle methoden worden toegelicht aan de hand van cases uit de praktijk.

Lesgever: Antoon Bronselaer
Datum: 16 november 2022


Linked Data

Wat komt er na Big Data, als we gegevens niet meer in één plek bij elkaar kunnen brengen omwille van praktische, legale of andere redenen? In deze les bekijken we Linked Data, een ander manier om met gegevens om te gaan waarin data inherent verspreid zit over een netwerk. We behandelen technologieën uit het semantisch web met het oog op het machine-leesbaar maken van data en informatie. We bestuderen de noodzaak van semantiek om die data aan elkaar te koppelen. Daarnaast komen ook de principes van Open Data aan bod, met als doel het uniform beschikbaar stellen van data via het web.

Lesgevers: Pieter Colpaert en Dieter De Witte
Datum: 23 november 2022


Information retrieval en document classificatie

Eerst wordt er een inleiding gegeven op 'Information Retrieval' (IR), de technologie die toelaat om grote digitale collecties van ongestructureerde teksten efficiënt te doorzoeken. De bedoeling is eerder om een overzicht te geven van de basisconcepten zoals indexering en retrieval modellen, dan om hier heel technisch op in te gaan. Nadien worden de mogelijkheden bekeken om in dergelijke collecties structuur aan te brengen door de documenten op specifieke manieren te gaan groeperen. Er worden enkele basisconcepten aangebracht rond machinaal leren in het algemeen, en rond classificatie en clustering. Vervolgens worden een paar belangrijke algoritmen besproken, en toegelicht via enkele applicaties.

Lesgever: Thomas Demeester
Datum: 30 november 2022




Het MapReduce programmeermodel

MapReduce is een generiek raamwerk dat bijzonder geschikt is om op eenvoudige wijze analyses uit te voeren op enorme hoeveelheden data, gebruik makend van een parallel computersysteem. De basisconcepten rond 'Mappers' en 'Reducers' komen aan bod, alsook enkele veelgebruikte ontwerppatronen. Deze laatste worden gestaafd aan de hand van eenvoudig te begrijpen voorbeelden. De Hadoop-implementatie van MapReduce wordt besproken, alsook het verwante Hadoop Distributed File System (HDFS). De doelstelling is dat deelnemers na deze sessie in staat zijn Hadoop MapReduce toe te passen op eigen problemen.

Lesgever: Jan Fostier
Datum: 7 december 2022


Gedistribueerde gegevensverwerking

Voor de efficiënte verwerking van Big Data is men grotendeels naar volledig gedistribueerde vormen van gegevensverwerking overgestapt. Tijdens deze lesavond wordt u wegwijs gemaakt in enkele van de belangrijkste architecturen voor gedistribueerde gegevensverwerking (stream-gebaseerde dataverwerking, Lambda architectuur, Kappa architectuur, Microservices architectuur, Zeta architectuur, etc.). De opbouw en werking van deze architecturen worden besproken, hoe deze geheel of gedeeltelijk mappen op bestaande technologieën / implementaties (Apache Storm, Apache Samza, Apache Spark, Apache Kafka, etc.) en wat hun belangrijkste voor- en nadelen zijn. Dit geheel wordt aangevuld met voorbeelden van gedistribueerde architecturen die technologiereuzen zoals LinkedIn, Netflix, etc. geadopteerd hebben om hen om te laten gaan met de enorme hoeveelheid data die ze dagelijks moeten verwerken.

Lesgever: Bruno Volckaert
Datum: 14 december 2022


Deep learning

Kunstmatige neurale netwerken zijn in staat om het menselijk leerproces na te bootsen door het veranderen van de sterkte van gesimuleerde neurale verbindingen, een eigenschap die ervoor zorgt dat deze netwerken uiterst effectief zijn in het automatisch terugvinden van patronen in grote hoeveelheden data (deep learning). Dit heeft onlangs geleid tot een aantal doorbraken op het vlak van taalverwerking en audiovisuele analyse. Voortbouwend op een aantal basisconcepten uit het domein van machinaal leren, wordt er in deze les bijzondere aandacht besteed aan het gebruik van meerlagige neurale netwerken, alsook aan de technieken die de inzet van deze netwerkarchitecturen praktisch haalbaar hebben gemaakt. Vervolgens wordt er stilgestaan bij verschillende toepassingen op het vlak van taalverwerking en audiovisuele analyse, illustrerend hoe meerlagige neurale netwerken kunnen aangewend worden om kennis te extraheren uit grote hoeveelheden ruizige data. Tot slot wordt er eveneens een overzicht gegeven van toekomstige uitdagingen op het vlak van onderzoek en ontwikkeling in het domein van deep learning.

Lesgever: Thomas Demeester
Datum: 21 december 2022


In deze module wordt Big Data benaderd vanuit het standpunt van de gebruiker. Daarbij lichten we twee belangrijke toepassingsdomeinen nader toe, nl. businesstoepassingen en biomedische toepassingen en staan we stil bij de nieuwste technologie om Big data te visualiseren en tekstuele data semantisch te interpreteren en te verwerken.

Biomedische data-analyse

In deze lessen wordt uitgelegd en gedemonstreerd hoe biomedische Big Data aan elkaar kunnen worden gelinkt en doorzocht. De gepresenteerde aanpak illustreert tevens hoe Big Data kunnen worden aangewend om te komen tot beter doordachte, data-gedreven beslissingen, wat op zijn beurt bijdraagt tot betere inzichten en versneld biomedisch onderzoek. In de les wordt aandacht besteed aan de gevolgde aanpak, de mogelijke valkuilen en aandachtspunten voor de ontwikkelaar en gebruiker.

Lesgever: Filip Pattyn
Datum: 18 januari 2023


Visualisatie

Een uitgelezen manier om mensen te helpen om Big Data te exploreren en te begrijpen, is het visualiseren van de data: we zijn immers vaak erg goed in staat om patronen, tendensen, uitschieters, ... te begrijpen met behulp van visualisaties. Mede aan de hand van een groot aantal concrete voorbeelden wordt uiteengezet hoe een goede interactieve visualisatie kan worden opgebouwd, wat de typische misvattingen zijn, hoe visualisaties kunnen misbruikt worden, ... Er wordt ook een overzicht gepresenteerd van een aantal typische technieken en hulpmiddelen voor interactieve informatie-visualisatie.

Lesgever: Katrien Verbert
Datum: 25 januari 2023


Tekst en natuurlijke taal

Algemeen wordt aangenomen dat 80% van alle beschikbare informatie vervat zit in tekstuele documenten. Tekstuele data adequaat semantisch kunnen interpreteren en koppelen aan elkaar is één van de vereisten en tegelijkertijd grote uitdaging voor veel Big Data projecten. In deze les wordt uitgelegd hoe tekstuele data semantisch kan worden geanalyseerd en beheerd met een NoSQL databankbeheersysteem. Daarnaast wordt gedemonstreerd hoe deze data efficiënt kunnen worden doorzocht via interactieve 'dashboard'-toepassingen. Bovendien worden enkele reële casussen besproken.

Lesgever: Michael Brands
Data: 1 en 8 februari 2023




U wordt wegwijs gemaakt in de juridische uitdagingen rond Big Data projecten zoals privacy en gegevensbescherming, intellectuele eigendomsrechten, open data en andere relevante topics. Aan de hand van voorbeelden worden een aantal veel voorkomende juridische problemen uit de praktijk en hun mogelijke aanpak nader toegelicht. U krijgt tevens een aantal tools en checklists aangereikt omtrent het op een juridisch correcte manier aanvatten en uitvoeren van Big Data projecten.


Lesgevers: Guy De Tré, Simon Geiregat, Ruben Roex en Simon Verschaeve
Data: 15 februari, 1 en 8 maart 2023


Praktisch


Betaling geschiedt na ontvangst van de factuur. Alle facturen zijn contant betaalbaar dertig dagen na dagtekening. Alle vermelde bedragen zijn vrij van BTW.

Voor iedere module kan er afzonderlijk ingeschreven worden.

Module 1
Gegevensbeheer


€ 660

Module 2
Gegevensanalyse


€ 495

Module 3
Gebruikersaspecten


€ 660

Module 4
Juridische aspecten


€ 495

Volledige opleiding

€ 2.079

Korting

  • Indien minstens één deelnemer van een bedrijf inschrijft voor de volledige opleiding wordt voor alle bijkomende gelijktijdige inschrijvingen van hetzelfde bedrijf, per module of volledig pakket, een korting van 20% verleend. Facturatie geschiedt dan d.m.v. een gezamenlijke factuur.
  • Personeelsleden van de UGent genieten bijzondere voorwaarden. mail ons voor meer informatie.

Kortingen zijn niet cumuleerbaar.

Annulering

Raadpleeg onze annulatievoorwaarden op www.ugain.ugent.be/annulatievoorwaarden.

KMO-portefeuille

Universiteit Gent aanvaardt betalingen via de KMO-portefeuille,
gebruik authorisatiecode DV.O103 194.

Meer info vindt u op www.kmo-portefeuille.be

Vlaams Opleidingsverlof

In aanvraag.


Persoonlijke gegevens

M ♂        V ♀

Naam* verplicht
Voornaam*  
E-mail cursist*  
Facturatie op privé- of bedrijfsadres?*  

Privé-gegevens

Straat en nummer
Postcode
Gemeente
Land*
Telefoon

Bedrijfsgegevens

Onderneming
Functie
Email administratie (indien van toepassing)
BTW-nummer
Straat en nummer
Postcode
Gemeente
Land*
Telefoon
Lid Agoria

Inschrijving

Ik schrijf me in voor de de cursus Big Data:

Module 1: Gegevensbeheer
Module 2: Gegevensanalyse
Module 3: Gebruikersaspecten
Module 4: Juridische aspecten

Alle Modules

Info


Ik wens blijvend geïnformeerd te worden over toekomstige opleidingen van het UGAIN.

Op welke manier heeft u kennis genomen van deze opleiding?

Via de UGAIN folder

Via de UGAIN e-mailing

Via een advertentie in (tijdschrift invullen aub):

Anders, met name via (ander infokanaal invullen aub):


Annulatievoorwaarden

Ik heb kennis genomen van de annulatievoorwaarden en ik verklaar mij hiermee akkoord.*





Zodra u op 'verzenden' heeft geklikt én alle verplichte velden zijn ingevuld, ontvangt u altijd een mail ter bevestiging van uw inschrijving.

Indien u deze mail niet heeft ontvangen, gelieve contact op te nemen met de webmaster, steven.deneef@ugent.be


De lessen worden on campus gegeven van 17u30 tot 21u, in 2 delen, gescheiden door een broodjesmaaltijd. Deze vinden plaats aan de Universiteit Gent, UGent Academie voor Ingenieurs, Technologiepark 60, 9052 Zwijnaarde.

Data onder voorbehoud van wijzigingen om onvoorziene omstandigheden.



Bijkomende inlichtingen

Universiteit Gent
UGent Academie voor Ingenieurs
Secretariaat
Els Van Lierde
Technologiepark 60
9052 Zwijnaarde
Tel.: +32 9 264 55 82
ugain@UGent.be


Deze opleiding kan in de doctoraatsopleiding opgenomen worden, op voorwaarde dat de doctorandus beschikt over een goedgekeurde aanvraag tot erkenning, een 'application for recognition' hier te downloaden.

Wie over een goedgekeurde 'application' beschikt, kan deze opleiding meerekenen als 'specialist course'.
Meer info vindt u op de website van de doctoral schools.



U kunt de folder hier downloaden.