Sorry! The information you are looking for is only available in Dutch.
Deze opleiding is opgeslagen in Mijn Studiekeuze.
Er is iets fout gegaan bij het uitvoeren van het verzoek.
Er is iets fout gegaan bij het uitvoeren van het verzoek.

Los grote problemen op met big data

Als je kiest voor de bachelor Econometrie en Data Science, krijg je eerst een brede en stevige basis in wiskunde, programmeren en data science. Vervolgens word je verder getraind in informatica, econometrie, machine learning en statistiek. Dit zijn belangrijke tools in onze op data gerichte samenleving om bijvoorbeeld financiële en economische gegevens te analyseren en te begrijpen, en voorspellingen te doen voor dergelijke gegevens.

Hoe kunnen machine learning methoden bijvoorbeeld worden ontworpen die ervoor zorgen dat alle klanten in de financiele sector eerlijke toegang hebben tot financiele diensten, ongeacht hun achtergrond? Dankzij super snelle computers beschikt the Federal Reserve Bank of St. Louis over een grote dataset met honderden macro-economische variabelen. Welke valkuilen zijn er bij het analyseren van zulke grote datasets en hoe kunnen deze vermeden worden?

Je gaat naar colleges die theoretische concepten behandelen, je doet groepsopdrachten, je analyseert case studies en je doet praktijkervaring op bij verschillende bedrijven. Je docenten zijn experts op het gebied van hun vakgebieden, doen onderzoek, en sommigen bekleden ook posities in het bedrijfsleven wanneer ze niet aan de universiteit lesgeven. Deze dubbele betrokkenheid zorgt ervoor dat het programma zowel relevant als up-to-date blijft.

Econometrie en Data Science is vier jaar op rij beoordeeld als een "topopleiding" door de Keuzegids Universiteiten. Kraket, onze actieve studievereniging, voegt een leuke sociale kant toe aan je programma, organiseert carrière-evenementen, nodigt vertegenwoordigers uit van grote bedrijven zoals KLM uit, en organiseert zelfs uitstapjes naar bedrijven in het buitenland!

Ben je benieuwd naar de verschillen tussen de bacheloropleidingen Econometrics and Data Science, Econometrics and Operations Research en Business Analytics? Bekijk dan dit vergelijkingsschema!

De startdatum van deze opleiding is 1 september.

Het eerste jaar

In je eerste jaar krijg je een brede introductie in data science. Je werkt aan je methodologische vaardigheden in data-analyse, lineaire algebra, waarschijnlijkheid en statistiek. Je krijgt een introductie in macro-economie en finance en maakt een begin in programmeren. Je leert ook belangrijke academische vaardigheden, zoals wetenschappelijk schrijven en hoe je bronnen citeert. Bijna alle eerstejaarsvakken voor data science zijn hetzelfde als bij operations research, dus mocht je ontdekken dat je operations research interessanter vindt, dan kun je nog altijd veranderen van traject.

Vakken

  • SAM Programme EOR
  • Analysis I
  • Introduction to Data Science
  • Introduction to Programming
  • Linear Algebra
  • Data Analysis 1
  • Macroeconomics I
  • Analysis II
  • Statistics
  • Finance I
  • Academic Skills: Probability and Inference

Raadpleeg de studiegids voor meer informatie.

Het tweede jaar

In het tweede jaar verfijn je je methodologische vaardigheden op het gebied van econometrie, computer science en statistiek. Zo leer je hoe je een database opzet en structureert en hoe je algoritmes creëert en ermee werkt. Je werkt met statistische modellen voor multivariate data en bestudeert ook de ethische dilemma’s die gepaard gaan met het gebruik van data. Je werkt in groepjes aan cases en bedenkt praktische oplossingen met de geleerde data-analysetechnieken. Ook leer je omgaan met feedback als je de resultaten van je project rapporteert en presenteert.

Vakken

  • Data Structures and Algorithms
  • Econometrics I
  • Numerical Methods
  • Database Fundamentals and Applications
  • Data Science Practical
  • Multivariate Statistics
  • Econometrics II
  • Ethics
  • Data Science Methods
  • Data Science Project

Raadpleeg de studiegids voor meer informatie.

Het derde jaar

In het derde jaar verruim je je horizon door binnen of buiten de faculteit een minor te volgen. Of je gaat in het buitenland studeren bij een van de partneruniversiteiten van de VU. In de tweede helft van het jaar volg je diepgaande vakken over machine learning en multivariate econometrie. En je schrijft je bachelorscriptie over een onderwerp dat je interesseert. Bijvoorbeeld: als een bank omvalt, wat is dan het risico voor de andere banken in hetzelfde financiële systeem?

Vakken

  • Thesis Econometrics and Data Science
  • Econometrics III
  • Machine Learning for Econometrics and Data Science

Raadpleeg de studiegids voor meer informatie.

  • 1ste jaar

    Het eerste jaar

    In je eerste jaar krijg je een brede introductie in data science. Je werkt aan je methodologische vaardigheden in data-analyse, lineaire algebra, waarschijnlijkheid en statistiek. Je krijgt een introductie in macro-economie en finance en maakt een begin in programmeren. Je leert ook belangrijke academische vaardigheden, zoals wetenschappelijk schrijven en hoe je bronnen citeert. Bijna alle eerstejaarsvakken voor data science zijn hetzelfde als bij operations research, dus mocht je ontdekken dat je operations research interessanter vindt, dan kun je nog altijd veranderen van traject.

    Vakken

    • SAM Programme EOR
    • Analysis I
    • Introduction to Data Science
    • Introduction to Programming
    • Linear Algebra
    • Data Analysis 1
    • Macroeconomics I
    • Analysis II
    • Statistics
    • Finance I
    • Academic Skills: Probability and Inference

    Raadpleeg de studiegids voor meer informatie.

  • 2de jaar

    Het tweede jaar

    In het tweede jaar verfijn je je methodologische vaardigheden op het gebied van econometrie, computer science en statistiek. Zo leer je hoe je een database opzet en structureert en hoe je algoritmes creëert en ermee werkt. Je werkt met statistische modellen voor multivariate data en bestudeert ook de ethische dilemma’s die gepaard gaan met het gebruik van data. Je werkt in groepjes aan cases en bedenkt praktische oplossingen met de geleerde data-analysetechnieken. Ook leer je omgaan met feedback als je de resultaten van je project rapporteert en presenteert.

    Vakken

    • Data Structures and Algorithms
    • Econometrics I
    • Numerical Methods
    • Database Fundamentals and Applications
    • Data Science Practical
    • Multivariate Statistics
    • Econometrics II
    • Ethics
    • Data Science Methods
    • Data Science Project

    Raadpleeg de studiegids voor meer informatie.

  • 3de jaar

    Het derde jaar

    In het derde jaar verruim je je horizon door binnen of buiten de faculteit een minor te volgen. Of je gaat in het buitenland studeren bij een van de partneruniversiteiten van de VU. In de tweede helft van het jaar volg je diepgaande vakken over machine learning en multivariate econometrie. En je schrijft je bachelorscriptie over een onderwerp dat je interesseert. Bijvoorbeeld: als een bank omvalt, wat is dan het risico voor de andere banken in hetzelfde financiële systeem?

    Vakken

    • Thesis Econometrics and Data Science
    • Econometrics III
    • Machine Learning for Econometrics and Data Science

    Raadpleeg de studiegids voor meer informatie.

Verander je toekomst met de studie Econometrics and Data Science

Verander je toekomst met de studie Econometrics and Data Science

Na de bacheloropleiding kun je je specialiseren door een masteropleiding te volgen. Als afgestudeerd econometrist of data scientist kun je aan de slag als data analist, statisticus, trader, consultant of data scientist bij grote bedrijven die werken met data-analyse, forecasting of datagedreven besluitprocessen, zoals banken, consultancy firma’s, online retailers en tech-bedrijven.

Ontdek je toekomstperspectief
Studente voor kantoorpanden op Zuidas

Direct naar

Onderzoek Research and Impact Support Portal Universiteitsbibliotheek Persvoorlichting VU

Studie

Onderwijs Studiegids Canvas Studentenbalie

Uitgelicht

Doneer aan het VUfonds VU Magazine Ad Valvas

Over de VU

Over ons Contact en route Werken bij de VU Faculteiten Diensten
Privacy Disclaimer Veiligheid Webcolofon Cookies Webarchief

Copyright © 2024 - Vrije Universiteit Amsterdam