1 juli 2019 Innovatie
Door Edmund Sedney
1 juli 2019 Innovatie

Machine Learning Voorspellingen doen aan de hand van data

Big Data en Machine Learning zijn termen die met elkaar verbonden zijn. Het hebben van Big Data (simpelweg: grote hoeveelheden data en bestanden) is niet heel erg spannend, het gaat erom wat je er allemaal mee doet.

Waar hebben we het precies over?

Hoe meer data je als bedrijf kunt analyseren, hoe meer toepassingen je er mee kunt uitvoeren. Zo zijn er bedrijven die consumentengedrag voorspellen of aan de hand van data precies weten welke werknemer de grootste kans heeft om ontslag te nemen. Dit noemen we Machine Learning. Machine Learning is een wetenschappelijke discipline waarbij binnen Big Data patronen worden ontdekt. Door gebruik te maken van Machine Learning wordt het gemakkelijker om te leren van historische gegevens en om op basis van deze gegevens voorspellingen te doen.

Door veel data uit het verleden te analyseren kunnen er voorspellende algoritmes gebouwd worden. Denk bijvoorbeeld aan beursvoorspellingen, iets wat al lang gedaan wordt. Men vindt het tegenwoordig steeds zinvoller om steeds meer variabelen te zoeken die ogenschijnlijk niet veel met de beurs te maken hebben. Denk aan files en de weersomstandigheden. Alle data van deze variabelen worden met elkaar gecombineerd om zo op zoek te gaan naar een link met de stand van de beurs.

Het mooie aan Machine Learning is dat de algoritmes die ze uitvoeren steeds slimmer worden. Computer algoritmes worden gebruikt om zelf te leren van de data waarmee ze worden ‘gevoed’. Op die manier worden de algoritmes telkens verbeterd. Machine Learning kent verschillende leermethodes: gecontroleerd leren, ongecontroleerd leren, semi gecontroleerd leren, ondersteund leren, transductieleren en Deep learning.

En wat is Deep Learning dan?

Deep Learning is de meest gebruikte leervorm van Machine Learning. Deze vorm wordt gebruikt als de input voor het begrijpen van ‘de wereld’. Het leert op basis van verschillende voorbeelden hoe een bepaalde invoer variabele, bepalend kan zijn voor de uitvoer. Ook kan het bijvoorbeeld vormen herkennen. Na een leerfase kan het algoritme zelfstandig bij een bepaalde invoer de juiste uitvoer produceren. Een bekend voorbeeld van Deep Learning is het tag systeem van Facebook. Zodra je een foto online zet, krijg je van Facebook suggesties wie je zou kunnen taggen. Facebook herkent namelijk je vrienden op de foto’s dankzij Deep Learning en classificeert je foto’s automatisch. En de tekst op een afbeelding automatisch laten vertalen op je telefoon via Google Translate is ook een voorbeeld van een knap staaltje Deep Learning.

Hoe ga jij je data inzetten?

Wil je meer weten over Machine Learning? We helpen je graag! Onze consultants zijn experts op het gebied van data en de toepassing van analytische technologie. Op deze manier creëren zij oplossingen om uit data meerwaarde voor onze klanten te halen. En dat is het uitgangspunt bij alles wat we bij Incore Solutions doen

 

Wil je meer informatie? Neem dan vrijblijvend contact met ons op!

Edmund Sedney Managing Director