Tech in 2 minuten: Wat is Machine Learning?

Wat is Machine Learning?

Met machine learning leer je de computer om complexe patronen te herkennen in de data, dit wordt omgezet in een voorspelmodel. Daarmee kan je als Data Scientist vervolgens een voorspelling kan maken.

Wat kun je met Machine Learning?

Machine learning kent ontzettend veel mogelijkheden. Een handige toepassing van machine learning is het voorspellen welke klanten bij een bedrijf weg gaan. Zo kan je bijvoorbeeld voorspellen welke klanten hun verzekering of abonnement opzeggen, zodat je die klanten gerichter kan benaderen.

Waar bestaat Machine Learning uit?

Machine Learning doe je door te programmeren. Bij Cegeka doen we dat in de programmeertaal python. Daarin preparen we de data en maken we het model. Dat model heet ook wel een algoritme.

Hoe werkt Machine Learning?

Door de computer veel data voor te schotelen, train je de computer om patronen te herkennen. Vervolgens test je als Data Scientist dit algoritme op nieuwe data, om er zeker van te zijn dat de voorspellingen betrouwbaar zijn.

Wat levert Machine Learning een bedrijf op?

Het zorgt voor waardevolle inzichten in complexe situaties. Bij de Provincie Drenthe heb ik dit toegepast om te voorspellen op welke daken zonnepanelen worden gelegd. Dit is waardevolle informatie om bij te sturen in de energietransitie. Concreet betekent dit dat de Provincie Drenthe weet of de energiedoelstelling gehaald wordt, en waar bijsturen het meest kansrijk is.

Hoe onderscheidt Machine Learning zich van de concurrentie?

Veel organisaties zijn inmiddels bezig om datagedreven te worden. Het helpt al ontzettend om data te visualiseren, zodat je ziet wat er gebeurt en gebeurd is. Met machine learning stap je naar een volgend volwassenheidsniveau. Door te voorspellen kan je problemen voor zijn en direct actie nemen. Bijvoorbeeld door precies op tijd onderhoud te plegen aan een machine, om stilvallen van een productielijn te voorkomen.

Wat zijn de voordelen van Machine Learning?

Bedrijven hebben steeds meer data. Denk aan de klassieke CRM-systemen, en tegelijkertijd ook steeds vaker data uit apps en sensoren. Machine learning verzilvert de waarde van al die data. Daarmee beweeg je als organisatie van sturen op onderbuikgevoel naar die waardevolle combinatie met een onderbouwing op basis van data.

Zijn er ook nadelen?

Een voorspelling op zichzelf is nuttig, maar kan een black box zijn. Het is vaak ook maar een getal. Wat zegt dat dan en waarom kan je die voorspelling vertrouwen? Daarom zijn een aantal maatregelen erg belangrijk. Ten eerste is het essentieel om samen te werken met mensen met domeinkennis. Zo zorg je voor de juiste data in het model, en waarborg je goede interpretatie. Daarnaast geeft de techniek ook veel mogelijkheden om een model uit te leggen. Dat kan door het visualiseren van een beslisboom of het kenbaar maken van de belangrijkste variabelen.

Op die manier zorg je als Data Scientist voor een voorspelmodel dat de gebruiker kan vertrouwen en dus ook wil gebruiken. Ik ben er van overtuigd dat dit voor veel organisaties een waardevolle innovatie gaat worden.