Maickel (overleg | bijdragen)
k Text replacement - "|Professor=" to "|professor="
Maickel (overleg | bijdragen)
Geen bewerkingssamenvatting
 
(29 tussenliggende versies door 2 gebruikers niet weergegeven)
Regel 2: Regel 2:
|parent=Research Groups
|parent=Research Groups
|category type=Research Group
|category type=Research Group
|hide title=true
}}
}}
{{Heading
{{Heading
|background color=#e4ecf3
|background color=#e4ecf3
|image=Data science.jpg
|heading=Data Science
|heading=Data Science
|research group=RG 00012
|research group=Data Science
|nameEn=Data Science
|lead=Praktijkgericht onderzoek naar het creëren van dataproducten
|lead=Praktijkgericht onderzoek naar het creëren van dataproducten
|leadEn=Practical research into the creation of data products
|lead en=Practical research into the creation of data products
|summary=Het lectoraat Data Science doet praktijkgericht onderzoek naar het creëren van dataproducten. Ze richt zich met name op producten die belangrijk zijn in een deltagebied zoals Zeeland, bijvoorbeeld voor kustbescherming, veiligheid, toerisme, voedsel, industrie, energie en logistiek. Het lectoraat werkt samen met ondernemers, overheden en andere lectoraten en kenniscentra, zodat de dataproducten kunnen worden gecombineerd met kennis uit deze domeinen.
|summary=Het lectoraat Data Science doet praktijkgericht onderzoek naar het creëren van dataproducten, waaronder AI-toepassingen. De focus ligt hierbij op de impact ervan in een deltagebied zoals Zeeland. Belangrijke contexten daarin zijn bijvoorbeeld kustbescherming, veiligheid, toerisme, voedsel, industrie, energie en logistiek.
Met dataproducten kunnen gebruikers sneller, efficiënter, effectiever en nauwkeuriger beslissingen nemen. Disciplines zoals wiskunde, statistiek, software-engineering en machine learning komen samen in Data Science.  
 
Het lectoraat werkt samen met ondernemers, overheden en andere lectoraten en kenniscentra, zodat de dataproducten aansluiten op kennis en behoeften uit deze domeinen.
 
Met dataproducten kunnen gebruikers sneller, efficiënter, effectiever en nauwkeuriger beslissingen nemen. In het onderliggende proces (Data Science) komen daarvoor disciplines zoals wiskunde, statistiek, software-engineering en machine learning samen.


Business understanding
Verantwoord gebruik van data


Aan elk dataproduct ligt een onderzoeksproces ten grondslag. In de eerste, cruciale stap (business understanding) wordt onderzocht wat de vraag precies is.
Aan elk dataproduct ligt een onderzoeksproces ten grondslag. Wat is precies het probleem en de bijbehorende vraag? Kan een dataproduct hierbij deel van de oplossing zijn? Waar is die data? Op welke manier moet die data opgeschoond en voorbewerkt worden? Pas dan volgt de stap naar zo’n dataproduct. Soms voldoet een interactieve visualisatie. In andere gevallen is een voorspellend model gewenst en tegenwoordig kan AI tekst, programmacode, beeld en geluid en zelfs in combinatie genereren. Het speerpunt van lectoraat Data Science is om dit verantwoord te doen. Daarom staan het herkennen en mitigeren van vooringenomenheid (bias) in data, creëren van uitlegbare dataproducten en hierover op een transparante manier over communiceren, hoog in het vaandel.
Daarna wordt ruwe data verzameld en geschikt gemaakt voor de rest van het proces. Een mogelijke vervolgstap is om de data te visualiseren of op een andere manier te communiceren. Vervolgens kunnen de data verder worden gemodelleerd aan de hand van machine learning. Dit omvat verschillende technieken zoals clusteren, voorspellen, classificeren en anomalieën detecteren. Uiteindelijk leidt dit tot een dataproduct.  


Mischa Beckers is lector Data Science. Hij sprak op 16 november 2017 zijn lectorale rede uit: ‘Do believe the hype’.
Mischa Beckers is lector Data Science. Hij sprak op 16 november 2017 zijn lectorale rede uit: ‘Do believe the hype’.
|summary_en=The Data Science chair carries out practice-based research into the creation of data products. It focuses particularly on products that are important in a delta area such as Zeeland, for example for coastal protection, safety, tourism, food, industry, energy and logistics. The lectorate works together with entrepreneurs, governments and other lectorates and knowledge centres so that data products can be combined with knowledge from these domains. 
|summary en=The Data Science research group conducts practice-oriented research into the creation of data products, including AI applications. The focus here is on their impact in a delta region such as Zeeland. Key contexts include, for example, coastal protection, safety, tourism, food, industry, energy and logistics.
With data products, users can take faster, more efficient, more effective and more accurate decisions. Disciplines such as mathematics, statistics, software engineering and machine learning come together in Data Science.  


Business understanding
The research group collaborates with businesses, public authorities and other research groups and knowledge centres to ensure that the data products align with the knowledge and needs of these sectors.
Every data product is based on a research process. In the first, crucial step (business understanding), the question is investigated.
 
After that, raw data is collected and made suitable for the rest of the process. A possible next step is to visualise the data or communicate it in another way. The data can then be further modelled using machine learning. This includes various techniques such as clustering, predicting, classifying and detecting anomalies. Ultimately, this leads to a data product.  
Data products enable users to make decisions more quickly, efficiently, effectively and accurately. The underlying process (Data Science) brings together disciplines such as mathematics, statistics, software engineering and machine learning.
 
Responsible use of data
 
Every data product is underpinned by a research process. What exactly is the problem and the associated question? Can a data product be part of the solution? Where is that data? How should that data be cleaned and pre-processed? Only then does the step towards such a data product follow. Sometimes an interactive visualisation is sufficient. In other cases, a predictive model is required, and nowadays AI can generate text, programme code, images and sound, even in combination. The Data Science research group’s priority is to do this responsibly. That is why identifying and mitigating bias in data, creating explainable data products and communicating about this in a transparent manner are of paramount importance.


Mischa Beckers is a lecturer in Data Science. He delivered his lectoral address on 16 November 2017: 'Do believe the hype'.
Mischa Beckers is a lecturer in Data Science. He delivered his lectoral address on 16 November 2017: 'Do believe the hype'.
}}
{{Research Group Detail
|objective=Praktijkgericht onderzoek naar het creëren van dataproducten
|objective=Praktijkgericht onderzoek naar het creëren van dataproducten
|objective_en=Practice-based research into the creation of data products
|objective en=Practice-based research into the creation of data products
|mission=Een essentiële speler zijn bij het sneller, efficiënter, effectiever nemen van beslissingen in een duurzame, dynamische delta.
|mission=Een essentiële speler zijn bij het sneller, efficiënter, effectiever nemen van beslissingen in een duurzame, dynamische delta.
|mission_en=Being an essential player in making faster, more efficient, more effective decisions in a sustainable dynamic delta.
|mission en=Being an essential player in making faster, more efficient, more effective decisions in a sustainable dynamic delta.
|image=Data science.jpg
|professor=Mischa Beckers
|professor=User:Beck0003
|contact=Mischa Beckers
|contact=User:Beck0003
|theme=Vitaliteit,Energie,Water,Voeding
|theme=Vitaliteit,Energie,Water,Voeding
|project=PR 00290,PR 00207,PR 00211,PR 00338
}}
 
{{Add item
|title={{int:Researchers}}
|group=Data Science
|type=Person
|formatter=Image card portrait
}}
 
{{Create item
|title={{int:Projects}}
|search=true
|group=Data Science
|type=Project
|exclude=Archive
|formatter=Media
}}
}}

Huidige versie van 23 mrt 2026 16:44




Missie:
Een essentiële speler zijn bij het sneller, efficiënter, effectiever nemen van beslissingen in een duurzame, dynamische delta.
Doel:
Praktijkgericht onderzoek naar het creëren van dataproducten
Onderzoeker:
Mischa Beckers
Contact:
Mischa Beckers



Onderzoekers

Bente Sinke

Bente Sinke

Evelot Westerink-Duijzer

Evelot Westerink-Duijzer

Gert Jacobusse

Gert Jacobusse

Jolene Cijsouw

Jolene Cijsouw

Mischa Beckers

Mischa Beckers

William Hazel

William Hazel


Projecten

Circulair onderhoud in de maintenance- en procesindustrie
In dit project werken publieke en private partners samen onder leiding van het (Nederlandse) Kennis en innovatiecentrum Maintenance Procesindustrie (KicMPi) en de Belgian Maintenance Association (BEMAS). Doel is om de materiaal-voetafdruk van de procesindustrie in Zuid-Nederland en Vlaanderen te verkleinen en tegelijkertijd economisch voordeel te behalen.

project

01/04/2019 - 01/04/2022
Met hybride kracht meer aardappel
Het doel van dit project is het ontwikkelen van nieuwe aardappelrassen door versneld goede genetica in aardappelplanten te ontdekken. Dit maakt dat er nieuwe generaties aardappelrassen op de markt komen die droogtebestendig en zouttolerant zijn en met weinig (kunst)mest (N) toekunnen. De overkoepelende doelstelling is dat door het uitvoeren van dit project er snel een start kan worden gemaakt met het breed verduurzamen van de aardappelteelt. Daardoor blijft de aardappel in de toekomst beschikbaar als basisvoedsel voor een groeiende wereldbevolking.

project

01/07/2021 - 31/12/2023
Onderhoud aan Zeelandbrug
De HZ-lectoraten Assetmanagement en Data Science werken samen met de provincie Zeeland, Istimewa Elektro, en World Class Maintenance aan een proeftuin van Fieldlab CAMINO rondom de Zeelandbrug. Doel van het project is om het onderhoud aan de brug slimmer en efficiënter te plannen met als stip op de horizon 100 procent voorspelbaar onderhoud.

project

01/01/2020
Riobase
Een goed werkend riool is van levensbelang, maar hoe zorg je er als kleine gemeente voor dat het beheer niet onnodig veel moeite en geld kost? De lectoraten Data Science en Assetmanagement hebben samen met Zeeuwse rioolbeheerders een beslissingsondersteunend systeem ontworpen: Riobase. Hiermee kunnen zij op basis van risico’s en data hun rioolstelsels beheren. Dit zorgt voor een uniforme manier van rioolbeheer, scheelt onnodig werk en de middelen worden effectiever ingezet. Het project Riobase is mede mogelijk gemaakt door een RAAK-subsidie van Regieorgaan SIA.

project

01/05/2020 - 05/07/2023
Smart Meter data analysis
The Dutch association for managing the electricity network (Netbetheer Nederland, NBNL) would like to analyze data about failures, or malfunctioning in “smart meters”, to gain insights that help them to better and more efficiently carry out their tasks. Tasks have been described by NBNL in a so-called value profile.

project

25/01/2019 - 30/06/2019