Chat with us, powered by LiveChat
| ☏ +31 343 529 000 |

Blog: Machine Learning voor niet-techneuten

Blog: Machine Learning voor niet-techneuten

In de wereld van techniek en innovatie wordt er te pas en te onpas gebruik gemaakt van de begrippen ‘smart’, ‘Deep Learning’, ‘Machine Learning’ en ‘Artificial Intelligence (AI)’. Als je nog niet in je smart city een smart home met smart koelkast en TV hebt en niet met je smart watch naar je smart workspace gaat, hoor je er niet bij. Niet te vergeten waar het allemaal mee begon… de smart phone. Maar was deze wel echt ‘smart’? En wat is nou de magic van Machine Learning? En hoe kun je dit koppelen aan daadwerkelijke waarde voor producten en bedrijven? Om deze vragen te kunnen beantwoorden hoef je geen wiskunde geek te zijn… deze blog legt Machine Learning uit voor de niet-techneut!

Wat is machine learning?

Om het begrip ‘Machinaal Leren’ uit te leggen is het van belang om het in perspectief te plaatsen met andere termen die momenteel veel gebruikt worden in de wereld van Data Analytics.

  • Artificial Intelligence (AI) of Kunstmatige Intelligentie (KI) – AI is een breed begrip dat alle systemen omschrijft die de menselijke intelligentie imiteren. Het zijn systemen die kunnen leren, redeneren en de natuurlijke taal begrijpen, kortom net als de cognitieve vermogens en vaardigheden van de mens.
  • Machine learning – Een onderdeel van Artifical Intelligence is Machine learning dat gaat over het toepassen van wiskundige modellen die leren van data en slimmer worden naarmate meer data verwerkt wordt. Dit is een imitatie van het lerende systeem van de mens: als een mens meer meegemaakt heeft, leert hij hiervan en past zijn gedrag aan.
  • Neural Networks & Deep learning- Een Machine Learning model dat vaak terugkomt zijn de Neural networks. Dit is een (zelf)lerend algoritme en dat is gebaseerd op het functioneren van het menselijk brein (vandaar de ‘neural’!). Op zijn beurt is Deep Learning een complexe vorm van een Neural Network. In een volgende blog worden deze krachtige modellen uitgelegd!

Je bent zelf smart!

Zoals hierboven beschreven, is Machine Learning een wiskundig model dat systemen met menselijke intelligentie imiteert. We gaan daarom terug naar het leren van de mens zelf. Wanneer de mens geboren wordt, is het eigenlijk nog een relatief dom ‘systeem’. Bijvoorbeeld, een kleuter kan nog niet fietsen wanneer hij dit nog nooit gedaan heeft.

Wanneer de kleuter voor de eerste keer op de fiets zit, zal hij omvallen. Het lichaam zal dit signaleren en beseffen: “Dit vallen doet pijn, dit moet ik anders doen”. Wanneer een kleuter nogmaals een poging waagt, zal hij (waarschijnlijk) de andere kant op vallen doordat hij teveel corrigeert. Het lichaam zal deze val wederom signaleren en de volgende poging anders inzetten. Naarmate de kleuter vaker fietst, zal hij het fietsen fine-tunen en niet meer omvallen; hij gaat smart om met deze nieuwe vorm van verplaatsen!

Hoe werkt een Machine Learning model?

Het lerende principe van de mens geldt ook voor de lerende modellen die nu worden toegepast in de smart computersystemen. Het opzetten van deze lerende modellen bestaat in feite uit twee grote stappen:

  1. Training – De modellen starten als een dom en leeg systeem. Je wilt dit algoritme nog niet in productie zetten, want het kan nog niets (kleuters zijn immers ook niet gelijk renners in de Tour de France). Het systeem zal eerst moeten worden getraind. Dit wordt gedaan door het ingeven van data, de training-set. Het resultaat wordt vervolgens geëvalueerd aan de hand van vooraf ingestelde voorkeuren. Het model wordt afhankelijk van de afwijking in de evaluatie geoptimaliseerd.

Tijdens het trainen test je ook of je model niet te accuraat is en gaat overfitten: het model past zichzelf dan aan aan de ruis in de data, terwijl dat geen belangrijke informatie is.

  1. Predicting – Na een tijd trainen is de afwijking van het model voldoende klein: het model is klaar voor het voorspellen van nieuwe input data. De hoeveelheid data die nodig is om een model te trainen is afhankelijk van het model dat je gebruikt. Het model kan nu een accurate predictie doen van nieuwe input data; het model is smart gemaakt!

Wat is smart?

En om terug te komen bij de hype rondom ‘smart’… Hopelijk kun je aan de hand van deze blog voor jezelf bepalen of je smart devices daadwerkelijk smart zijn!

In volgende blogs zal worden uitgewerkt hoe Machine Learning van meerwaarde kan zijn in bedrijfscontext.

Over Ymke de Jong, Data Scientist, BPAnalytics

Deze serie blogs wordt geschreven door Ymke de Jong, data scientiste bij BPAnalytics. BPAnalytics focust zich op het adviseren, ontwikkelen en exploiteren van data analytics vraagstukken in de business. De insteek van BPAnalytics differentieert zich in de vertaalslag van de technische taal naar de business user.