Tijdens het Data Science-project analyseren studenten een data set van een bedrijf en ontwikkelen ze een machine-learning / AI model om op basis van deze data set voorspellingen te doen.
✅ Belangrijkste kenmerken van de challenge
Kennisinstelling: Hogeschool Inholland
Opleiding: Applied Mathematics
Locatie opleiding: Amsterdam
Startdatum module: 9 november 2026
Einddatum module: 22 januari 2027
Deadline voor werving: 9 oktober 2026
Studiejaar studenten: jaar 4
Aantal studenten per team: 5 studenten
Tijdsinvestering door studenten: 2 dagen per week
Duur opdracht (in weken): 10 weken
Tijdsinvestering door ondernemer (gemiddeld aantal uur per week): De dagelijkse begeleiding van de studentgroepen ligt bij Inholland. Van ondernemers wordt verwacht dat zij ongeveer 1 uur per week beschikbaar zijn voor het beantwoorden van vragen van studenten. Daarnaast vragen wij ondernemers aan het eind van het project te adviseren over de beoordeling van de studenten.
Deliverables: rapport en code
Taal opleiding: Engels
Matching fee: gratis
📑 Module informatie
Titel: Project Data Science
Bedrijven verzamelen enorme hoeveelheden data. In deze data schuilt een schat aan informatie die zowel de bedrijfsvoering als de levenskwaliteit kan verbeteren. Het blootleggen van deze informatie is echter als het zoeken naar de spreekwoordelijke speld in de hooiberg. Tijdens het Data Science-project analyseren studenten een data set van een bedrijf en ontwikkelen ze een machine-learning / AI model om op basis van deze data set voorspellingen te doen.
Elementen van de opdracht:
--> De opdrachtgever heeft een opdracht en bijbehorende data.
--> De studenten vertalen het probleem van de opdrachtgever naar een Data Science vraagstuk.
--> Het vraagstuk vereist Machine Learning en/of geavanceerde data analyse methoden. Dit betekent dat het verder gaat dan data aggregeren en/of beschrijvende statistieken tonen op een dashboard. Vaak maken de studenten een voorspellend model.
-->De keuze voor een geschikte Machine Learning of Data Analyse methode wordt door de studenten gemaakt. De opdrachtgever kan wel eisen stellen aan de (programmeer)omgeving waarin het model wordt opgeleverd of waarop het moet aansluiten.
--> Eventueel kan de opdrachtgever vragen een eenvoudige interface/dashboard te maken om de resultaten te tonen.
📑 Challenge voorbeelden
Voor een concertorganisator voorspellen hoeveel bezoekers er naar een concert komen
Voor een waterschap voorspellen wat de waterkwaliteit op een bepaalde dag gaat zijn
Voor een gemeente voorspellen hoeveel energie een nieuwe wijk zal gebruiken
Voor een machinebouwer missende data door uitgevallen sensoren aanvullen
📑 Criteria Bedrijf/challenge:
De opdrachtgever heeft een opdracht en bijbehorende data. Vereisten:
De dataset moet voor aanvang van het project beschikbaar zijn.
Het liefst komt de data uit meerdere bronnen, maar dit is geen vereiste. De studenten kunnen de data ook combineren met externe publieke data.
De studenten moeten gedurende het project op hun eigen laptop met de data mogen werken. Eventueel kan een NDA getekend worden.
De data hoeft niet heel groot te zijn, maar wel groot genoeg om interessante analyses op te doen. Dit betekent meestal minimaal 1000 rijen.
Het formaat van de data maakt niet uit, zolang het digitaal is.
Bij voorkeur is de data set nog niet helemaal klaar voor analyse: de studenten moeten data integreren, opschonen en/of voorbewerken.
🗓 Planning
- Start- en einddatum challenge: 9 november 2026 t/m 22 januari 2027
Verplichte momenten opdrachtgever (bv kick-off, eindpresentaties), online of offline, concrete data en tijdstippen voor zover mogelijk: eindpresentatie eind januari, exacte datum nader te bepalen
...