Vin_en_Mo1200.jpg

01-04-2016

Machine Learning

Vorig jaar is Next2Company gestart met Machine Learning (ML) om nieuw rendement te creëren voor haar klanten. Vaak krijgen we de vraag hoe ML werkt, waarom het nu populair is en hoe ML kan helpen in het creëren van nieuw rendement.

Machine Learning laat zich het beste uitleggen met een voorbeeld. Hieronder staan twee schilderijen met de naam van de schilder.

3d0298f7-5371-4840-b1fd-7ead9df3d95e.png

Nu volgen er twee schilderijen zonder schilder. Wie heeft ze geschilderd?

bd5ec33c-a13d-4861-8b3c-992436e93e98.png

We durven met zekerheid te zeggen dat het lukt om de schilderijen aan de juiste schilder te linken. Je hersenen doen hier hetzelfde als Machine Learning doet. Eerst kijk je naar de kenmerken van de schilders:
Van Gogh: dikke penseelstrepen, diepe kleuren, krachtig
Monet: fijne penseelstrepen, zachte kleuren, als een droom
Deze eigenschappen gebruik je om de twee onbekende schilderijen te linken aan een schilder. Maak je een fout, dan leer je hiervan en stel je de kenmerken bij.

ML doet hetzelfde. Met een trainingsset leert het kenmerken (features) uit grote hoeveelheden data te linken aan output (labels). Vervolgens wordt het ML-model toegepast op de set die we willen voorspellen, de testset. Op basis van het geleerde maakt ML een voorspelling. Foute voorspellingen gebruikt het ML-model om toekomstige voorspelling te verbeteren.

Waarom is het nu populair?

Machine Learning wordt al langer gebruikt door grote technologiebedrijven. Denk aan gepersonaliseerde advertenties of aanbevelingen op Netflix. Tegenwoordig is ML toegankelijk voor iedereen. Mede door de snelle ontwikkeling in hardware. Vroeger was kamervullende apparatuur nodig voor ML, tegenwoordig is een internetverbinding voldoende. Complete ML-oplossingen zijn in de cloud beschikbaar met onbeperkte processorkracht, zoals Azure ML-studio van Microsoft. Ook de hoeveelheid data groeit snel, onbeperkte opslagcapaciteit en de toename van online content, IoT en Social Media zorgen hiervoor. De beschikbare data groeit zo snel dat beslissingen op basis van deze data niet meer te maken zijn met het menselijk brein.

Hoe kan ML gebruikt worden om nieuw rendement te creëren?

Al lange tijd wordt interne data door bedrijven gebruikt om erachter te komen wat er is gebeurd. Vervolgens wordt er vaak achterhaald waarom dit gebeurd is. Op basis van deze observaties uit het verleden worden beslissingen gemaakt en bedrijfsprocessen ingericht.
Veel interessanter en vernieuwender wordt het wanneer je niet alleen naar het verleden kijkt, maar ook een accurate voorspelling hebt van wat er gaat gebeuren. Door naast interne data gebruik te maken van externe data zoals weers- en CBS-data, wordt de voorspelling nog nauwkeuriger. Met deze voorspellingen maakt Machine Learning intelligente acties en nieuwe businessmodellen mogelijk.

Om daadwerkelijk tot nieuw rendement te komen met Machine learning is het drieluik van Leiderschap, Integraliteit en Techniek belangrijk. Hier vertellen we graag meer over.

Neem daarvoor contact met ons op.


Bekijk hoe Microsoft onlangs een nieuwe, niet bestaande Rembrandt componeerde.