Ik word gelukkig van mijn tijd ook maatschappelijk relevant te laten opbrengen.
Het is voor mij ook een fijne uitdaging om complexe materie en dingen in zeer duidelijk framework uit te leggen. Altijd nieuwsgierig waar de student juist tegen aan loopt om dan ook effectief te kunnen helpen waar nodig.

Meerdere studenten Hogeschool en Universiteit kunnen helpen door het grote plaatje te kunnen tonen, hun studiemethode te verfijnen of detailoefeningen op te lossen.

Jonas is afgestudeerd als Ingenieur in de Chemische Technologie en Materiaalkunde. Bovendien heeft hij al meer dan 5 jaar ervaring met het geven van individuele bijlessen. Hij helpt leerlingen uit het middelbaar onderwijs graag verder bij wiskunde en wetenschappen, en studenten hoger onderwijs bij vakken als statistiek.

Mijn motivatie om bijlesleerkracht te worden, is sterk beïnvloed door mijn eigen ervaringen als student. Ik heb uit de eerste hand gezien hoe waardevol persoonlijke begeleiding kan zijn, vooral als bepaalde vakken of onderwerpen als moeilijk worden ervaren. De behoefte die ik zag bij enkele van mijn vriendinnen heeft mij doen beseffen hoe belangrijk het is om studenten de juiste hulpmiddelen en ondersteuning te bieden om hun academische doelen te bereiken. Het geven van bijles aan mijn vriendinnen bood mij de mogelijkheid om een positieve impact te hebben op het leven van studenten, hen te motiveren en te inspireren om het beste uit zichzelf te halen. Deze ervaring heeft mijn vastberadenheid versterkt om bijles te geven en anderen te ondersteunen in hun leerproces.

Tijdens mijn masteropleiding Fundamentele Wiskunde heb ik wel wat statistische vakken gevolgd. Deze statistiek werd dan ook nog eens herhaald tijdens mijn biologieopleiding.

Ik geef graag bijles, omdat ik het belangrijk vind om jongeren te ondersteunen in hun leerproces. Zelf heb ik op bepaalde momenten ook extra hulp nodig gehad, maar bijles was toen niet altijd toegankelijk voor mij. Daarom wil ik nu mee het verschil maken voor anderen. Ik heb drie jaar lang met jongeren gewerkt en hoewel ik dat momenteel niet meer doe, zie ik bijles geven als een mooie manier om die connectie opnieuw op te bouwen — en tegelijk iets waardevols te betekenen voor wie het nodig heeft.

Ik ben in 2014 afgestudeerd als master handelsingenieur (major productie- en logistiek & minor finance). In 2019 heb ik vervolgens een doctoraat in de Toegepaste Economische Wetenschappen behaald aan de KU Leuven. In het doctoraat heb ik vooral met technieken uit het operationeel onderzoek gewerkt (geheeltallige (lineaire) programmering, heuristieken, simulatie). Vervolgens heb ik gewerkt als onderzoeker aan de Koninklijke Militaire School op een project rond het ontwikkelen van machine learning modellen voor de analyse van data in sociale media (Twitter).

Momenteel geef ik als gastdocent aan KU Leuven de vakken Operations Research in de Bachelor Business Engineering (Brussel) en (Inleiding tot) Kwantitatieve Beleidsmethoden in de Master Management (Leuven). In het vak Operations Research behandelen we geheeltallige lineaire programmering, dynamische programmering, complexiteitstheorie en wachtrijmodellen. In de vakken (Inleiding tot) Kwantitatieve Beleidsmethoden behandelen we beschrijvende statistiek, betrouwbaarheidsintervallen, hypothesetoetsen, beslissen onder onzekerheid, lineaire regressie, logistische regressie, tijdreeksen en lineaire optimalisatie. We passen ook alle geziene technieken toe in Excel. Ik ondersteun in mijn vrije tijd graag studenten en volwassenen bij wiskunde, statistiek en Excel.

Statistiek:
- Beschrijvende statistiek (boxplots, histogrammen, spreidingsdiagrammen, ...)
- Hypothesetoetsen (t-toets gemiddelde(s), z-toets proportie(s), Chikwadraattoets onafhankelijkheid, Chikwadraattoets varianties, Wilcoxon-toetsen)
- Betrouwbaarheidsintervallen
- Variantieanalyse (ANOVA) en Kruskal-Wallis-toets
- Lineaire regressie
- Logistische regressie
- Tijdreeksanalyse (regression-based models, autoregressive models, moving-average models, Holt-Winters model)

Toepassing van de technieken in Excel, RStudio en Matlab

Kansrekenen:
- Voorwaardelijke kansen en regel van Bayes
- Stochastische variabelen (kansmassafunctie en kansdichtheidsfunctie, cumulatieve verdelingsfunctie, verwachtingswaarde, variantie, covariantie en correlatie, ...)
- Kansverdelingen (uniform, binomiaal, Poisson, negatief-binomiaal, hypergeometrisch; exponentieel, Erlang, normaal, lognormaal)