Machine Learning

Technologie van de toekomst

Onze rollen en specialismen.

De maatschap Machine Learning stelt zich als doel om opdrachtgevers te ondersteunen bij het ontwikkelen en implementeren van Machine Learning innovaties op het gebied van het automatiseren van keuzeprocessen in de bedrijfsvoering.

Een uitdaging waar grotere organisaties vaak mee te maken hebben is het toespitsen van de dienstverlening op de persoonlijke behoeften van klanten. Het vergt veel menselijke capaciteit om per klant de hoeveelheid beschikbare informatie te analyseren en daar op te acteren. Machine Learning lost dit probleem op door de verwerking en interpretatie van grote hoeveelheden klantinformatie te automatiseren. Dit leidt tot bruikbare inzichten op klant niveau. Met behulp van deze geautomatiseerde inzichten kan de dienstverlening worden toegespitst op de behoeften van de klant.

Daarnaast kan Machine Learning ook helpen bij het optimaliseren van bedrijfsprocessen waarbij het niet om klantdata gaat. Algoritmes bieden oplossingen voor het geautomatiseerd interpreteren van beelden, sensordata en/of andere gegevens waarin patronen en regelmatigheden te herkennen zijn. Op deze manier is het mogelijk om taken die cognitieve capaciteit vereisen schaalbaarder te maken door middel van slimme automatisering.

maatschap-rollen

De rollen

Machine Learning Engineer
Machine Learning Solutions Architect
Data Scientist
Data Engineer
Analytics Translator
Data Architect
Data Consultant

De technieken

Onze maten beheersen alle aspecten van de machine learning lifecycle, van het doen van analyses en het bouwen van modellen tot het implementeren van de bedrijfsprocessen en de infrastructuur om machine learning oplossingen naar productie te brengen.

maatschap-voordelen

De voordelen

De maatschap biedt onze specialisten een volwassen platform om te schakelen met vakgenoten en mede-ondernemers. Wij zijn binnen en buiten The Future Group het expertisecentrum en aanspreekpunt voor alles wat met machine learning en kunstmatige intelligentie te maken heeft.

Facial Recognition goes Mainstream
Privacy binnen Machine Learning

Dick Fens van 20face, een Nederlandse scale-up en spin-off van de Universiteit Twente gespecialiseerd in privacy-proof gezichtsherkenningssoftware, verteld in dit webinar meer over gezichtsherkenning en de regels rondom privacy.

Statistics on steroids
De essentie van Machine Learning

Machine Learning/AI is in deze tijd niet meer weg te denken. Het is de laatste tijd dan ook een veel besproken onderwerp in de media. Maar wat is het nou eigenlijk en wat brengt het ons? Wat zijn de risico’s van Machine Learning/AI en wat zijn de mogelijkheden? Hoe kun jij dit toepassen?

Wie maakt de meeste impact? ML of BI?

Twee maten uit de maatschap ML en twee uit de maatschap BIDWH gingen met elkaar in gesprek over de kansen en uitdagingen van ML en BI. Aan de hand van vier stellingen wordt het gesprek gevoerd en het gesprek wordt afgerond met de hoofdvraag: Wie maakt de meeste impact? De volgende stellingen werden besproken:

  1. Tools vs programmeertaal
  2. Datawarehouse vs datalake
  3. Vrienden of vijanden
  4. Wie maakt de meeste impact?

Machine Learning

Welke klanten hebben we in deze maatschap?

Expertises

De kennis van deze maatschap

Machine learning is een onderzoeks- en applicatieveld van algoritmes die met behulp van patronen of kenmerken in de data gegronde voorspellingen maakt. Deze voorspellingen worden meestal gemaakt  aan de hand van statistsche modellen, waarbij de geleerde waarschijnlijkheden de data zo goed mogelijk generaliseren en representeren. Twee van de meest succesvolle model strategieën vandaag de dag zijn deep learning en reinforcement learning.

Deep Learning is een vorm van modelleren waarbij van een gelaagde, modulaire modelarchitectuur gebruik gemaakt wordt. Deze lagen zorgen er voor dat deep learning modellen in de praktijk veel efficiënter verschillende soorten inputdata kunnen representeren dan de klassieke machine learning algoritmes, en dan ook veel toegepast worden voor ongestructureerde vormen inputdata zoals tekst (Natural Language Processing), geluid (Audio Signal Processing), en beelden (Computer Vision).

Reinforcement learning is een vorm van modelleren waarbij – in plaats van statische representaties – strategieën worden geleerd door agents die in een omgeving acteren. Dit maakt reinforcement learning bij uitstek geschikt voor taken waarbij de slimme oplossing robuust gedrag moet vertonen.

End-to-end machine learning oplossingen bestaan uit data aanvoer, procesautomatisering, het definiëren van de bandbreedte en business rules waarbinnen de machine learning modellen mogen opereren, de machine learning modellen zelf, en de monitoring en operationalisatie van de modellen om ervoor te zorgen dat organisaties maximaal rendement halen uit hun data.

Om de meeste waarde uit de machine learning lifecycle te halen is het noodzakelijk de lifecycle te managen. Dit gaat vaak verder dan de vaardigheden van data scientists, omdat hier ook product en project-management vaardigheden voor nodig zijn. Onze Data Science en Data Engineering Managers hebben deze vaardigheden opgebouwd door een combinatie van hands-on ervaring met machine learning en het doen van projecten in talrijke organisaties en situaties.

Bruikbare machine learning producten hebben goede kwaliteit data en machine learning specifieke infrastructuur nodig. Hiervoor zijn een breed scala aan open source en commerciële oplossingen beschikbaar, die echter installatie, integratie en onderhoud vergen. Daarvoor worden best practices uit software engineering en data engineering toegepast in een discipline die tegenwoordig steeds vaker ML Ops (Machine Learning Operations) wordt genoemd.

Hieronder verstaan we alle aspecten van de machine learning lifecycle die het operationaliseren van machine learning modellen ondersteunen, zoals het gedistribueerd trainen van machine learning modellen, het bouwen van data aanvoer pipelines, het monitoren van machine learning producten, en het deployen van machine learning modellen.

Een voorwaarde voor het opleveren van succesvolle data en machine learning oplossingen is de integratie met het bestaande IT landschap van de organisatie. Dit vergt naast change management voor het aanpassen van bedrijfsprocessen ook een herdenken van de bestaande architectuur, zodat deze klaar gemaakt kan worden voor de vormen van automatisering die mogelijk gemaakt worden met machine learning .

Dit gebeurt door architecten die de machine learning oplossingen helpen ontwerpen, en deze weten in te passen in het bestaande landschap, zodat de organisatie de toegevoegde waarde van machine learning kan toepassen op zoveel mogelijk plekken zonder dat voor elke slimme oplossing nieuwe infrastructuur gebouwd dient te worden.

Het helpen identificeren van de mogelijkheden die machine learning kan bieden voor een organisatie, en wat vervolgens de stappen zijn om die waarde create te realiseren, zowel technisch als organisatorisch.

De ondernemers van deze maatschap

Ontmoet de mensen achter de maatschap

Marco van Hurne

Raymond Hoogendoorn

Sjoerd Braaksma

Robert van Steenselen

Peter van Cappelle

Remco Bulten

Dinne Bosman

Mark Hendrickx

Wil jij je ook aansluiten bij een maatschap als machine learning?

Zoek jij maximale ondersteuning en wil je samen ondernemen en werken aan uitdagende opdrachten, sluit je dan aan bij The Future Group.