Data science starten in productieomgevingen

Over de cursus Data science starten in productieomgevingen

Door effectief gebruik te maken van data is er een flinke winst te behalen op het gebied van productie en kwaliteit. De beschikbare data bewerkingstechnologieën, waaronder algoritmes en diverse software tools, zorgen ervoor dat deze data gedreven aanpak in handbereik is gekomen voor alle bedrijven. Een voorwaarde om succesvol te zijn in dergelijke trajecten is het opstellen van kwaliteitsdata (Quality Data) oftewel in vakjargon, de tidy data sets.

In de 3-daagse praktische cursus Data science krijg je het inzicht en leer je de technieken om deze tidy data sets zelfstandig vorm te geven. De cursus richt zich op bedrijven die actief zijn in de industrie en die de productieomgeving willen verbeteren op het gebied van output, kwaliteit of onderhoud.

Dit levert de cursus je op

Tijdens deze cursus leer je waarom tidy datasets het startpunt zijn voor analyses in data science. Ook leer jij hoe je vanuit jouw specifieke productieproces kunt komen tot tidy datasets vanuit ruwe data (b.v. sensoren, MES, SCADA, ERP, SAP). Je leert de open-source Python software omgeving in te zetten om je hierbij te helpen. Al tijdens de cursus kun je in jouw eigen werkomgeving met de materie aan de slag. Let op: dit is geen cursus data analyse.

Aan het einde van deze cursus beschik je over de volgende vaardigheden en inzichten:

• Je kunt aangeven wat er nodig is om jouw productieproces te analyseren met data science
• Je krijgt inzicht in hoe te komen van ruwe data naar kwaliteitsdata (tidy data sets)
• Je krijgt inzicht in het combineren van de diverse data bronnen (kwaliteit, instellingen, sensoren)
• Je kunt scripts in Python lezen en aanpassen

Voor wie is deze cursus bedoeld?

Deze cursus is voor iedereen die data gedreven projecten gaat opzetten en uitvoeren. Je bent verantwoordelijk voor het vormgeven van de juiste tidy data set(s). Denk hierbij aan professionals werkzaam als: data engineer, data scientist, production engineer of quality engineer. De projecten richten zich op het verbeteren van productie, onderhoud en productkwaliteit met behulp van data analyse, waaronder moderne data science technieken. Enige ervaring in programmeren is wenselijk, deelnemers behoeven geen voorkennis te hebben van Python. Je wil groeien in het programmeren in Python, of wilt weten wie of wat daarvoor nodig is.

Lesmateriaal

Bij de cursus ontvang je een syllabus. Verder maak je gebruik van de (open-source) software Python, de standaard in data science. Ook verkrijg je Python script voorbeelden voor het verzamelen en ordenen van ruwe data en suggesties voor verdere online verdieping in de materie.

Dag 1

• Waar lopen bedrijven tegen aan wanneer men wilt weten waar kwaliteitsvariatie / productie-instabiliteit vandaan komt?
• Wat zijn tidy datasets en waarom heb je deze nodig?
• Wat kun je leren uit (analyse van) tidy datasets?
• Hoe bereik je tidy datasets en welke controles heb je daarbij nodig?
• Uitreiking opdrachten ter voorbereiding van dag 2 (tijdsindicatie: 8 uur)

Dag 2

• Lezen en aanpassen van Python scripts voor het maken van tidy datasets
• Voorbeelden van scripts met verschillende functies en hoe deze in te zetten in de eigen omgeving
• Uitreiking opdrachten ter voorbereiding van dag 3 (tijdsindicatie: minimaal 8 uur)

Dag 3

• Bespreken van problemen bij het maken van eigen scripts
• Strategieën voor het maken van tidy datasets voor (delen van) het eigen productieproces