Machine Learning is een wetenschappelijke discipline waarbij patronen in Big Data ontdekt worden. Vervolgens vormen ze de basis voor een voorspellend algoritme (wiskundig model). Door periodiek nieuwe data aan het algoritme toe te voegen blijft het model ‘’leren’’, ofwel nieuwe patronen ontdekken. Dit resulteert in specifiekere patronen die nauwkeuriger voorspellen.
Wat is het verband tussen Machine Learning en Big Data?
Machine Learning en Big Data zijn onlosmakelijk met elkaar verbonden. Big Data zijn niets anders dan een groot databestand, vertelt hoogleraar neurale netwerken Bert Kappen aan het Radboudumc. “Big Data is op zich niet zo spannend. Wat je ermee kunt doen, dat maakt het spannend.” Denk aan het voorspellen van consumentengedrag, de beurskoers of het realiseren van een besparing. Dit is slechts een kleine greep uit de ontelbare toepassingen. “Door heel veel data te analyseren vind je patronen in het databestand, waarmee bijvoorbeeld op basis van bepaalde variabelen consumentengedrag voorspeld kan worden. Je weet van te voren niet welke variabelen dit zijn, deze vind je pas na een machinale data-analyse.”
Waar draait Machine Learning om?
Machine Learning draait om het herkennen van patronen in data. “Je neemt data uit het verleden. Daar bouw je in het heden een model om heen, zodat je voor de toekomst voorspellingen kunt doen. Eigenlijk maak je met zo’n model een natuurgetrouwe samenvatting van het verleden”, aldus Kappen. Het succes van de Machine Learning aanpak is de combinatie van zeer geavanceerde algoritmes, grote hoeveelheden data en snelle computers.
Wat zijn praktische toepassingen?
De zeer geavanceerde algoritmes zijn praktisch toepasbaar en worden bijvoorbeeld gebruikt door webwinkels als Amazon en Bol.com. Deze webshops verzamelen Big Data door consumentengedrag vast te leggen met als doel: het nauwkeuriger voorspellen van klantgedrag.
“In principe weet je van te voren niet waar je naar op zoek bent. Stel nou dat op basis van de verzamelde data blijkt dat er een relatie is tussen het kopen van lingerie en het drinken van Nespresso koffie, dan is de kans groot dat de aanbieder hier in het vervolg gebruik van zal maken.” Machine Learning is echter een toevoeging op de kennis die reeds bij een bedrijf aanwezig is en kan niet zonder de essentiële bedrijfsinformatie. De synergie tussen beide elementen zorgt voor nieuwe inzichten waar een bedrijf, in dit specifieke voorbeeld, een verkoopkans en winst uit kan behalen.
In welke sectoren komt Machine Learning van pas?
Het aantal mogelijkheden en toepassingen van Machine Learning is oneindig. Denk aan fraudedetectie, machineonderhoud; het voorspellen van predictive maintenance, of domotica en gepersonaliseerde apps; slimme nieuwe software die zich aan de gebruiker aanpast. “In veel sectoren is Machine Learning zinvol. bijvoorbeeld de energiesector waar het draait om vraag en aanbod. Om het energie-aanbod te bepalen, moet de vraag bekend zijn.
Op basis van data uit het verleden kan een voorspellend algoritme gebouwd worden, waarmee een aanbieder de prijs nauwkeuriger af kan stemmen op de vraag en het aanbod.” Kappen raakt op dreef als hij allerlei mogelijke toepassingen benoemt. “Wat te denken van het voorspellen van de beurs? Een recente trend is om variabelen die ogenschijnlijk geen invloed op de beurs hebben, zoals weersomstandigheden en files, allemaal wel in een dataset combineren en op zoek naar de relatie met de beursstand.”
No comments!
There are no comments yet, but you can be first to comment this article.