Wetenschap en de wetenschappelijke methode is aan het veranderen. Toegenomen digitalisatie en goedkope dataopslag laten wetenschappers toe om alsmaar meer data te vergaren, welke ingezet kan worden voor innovatieve doeleinden. De ongekende beschikbaarheid van data heeft de wetenschappelijke interesse naar het toepassen van datagedreven methodes voor machinaal leren aangewakkerd binnen de draadloze netwerkgemeenschap. Onderzoekers passen dergelijke methodes toe in problemen waar traditionele ingenieursmethodes (zoals conventionele signaalverwerkingstechnieken) moeilijk aangepast kunnen worden om enorme datasets te verwerken, om te leren uit data, om problemen zonder een rigoureus wiskundig model te modelleren of om zwaktes in algoritmes op te vangen. Dit proefschrift maakt datagedreven onderzoeksmethodes toegankelijk voor de draadloze netwerkgemeenschap door het structureren van dit opkomende interdisciplinair onderzoeksdomein welke omspant draadloze netwerken, machinaal leren, kansberekening, experimenteel gedreven onderzoek en andere onderzoeksdisciplines. Door een synthese voor te stellen van dit domein, maakt dit proefschrift dergelijke datagedreven onderzoeksmethodes toegankelijk voor de draadloze netwerkgemeenschap. Dit stelt draadloze netwerkonderzoekers in staat om voorspellende oplossingen te creëren. Wij presenteren een generieke methodologie om datawetenschap toe te passen in draadloze netwerken, een uitgebreid overzicht van de state of the art, innovatieve datagedreven oplossingen, open uitdagingen en toekomstige onderzoekspistes.