Ons mensenbrein is een soort supercomputer, maar toch kunnen we niet alle gegevens verwerken op een manier zoals een computer dat kan. In dit kennisartikel vertellen we je wat machine learning precies is en in welke gevallen het ons kan helpen.
Machine learning is een vorm van kunstmatige intelligentie (AI) waarmee je systemen kunt bouwen waarmee computers kunnen leren van verwerkte data. In de software ontwikkeling gaat machine learning vooral om de ontwikkeling van algoritmes en de begeleidende software waarmee de computers zelfstandig kunnen leren en zichzelf verbeteren. De computers hoeven dus niet zelf geprogrammeerd te worden. De software verbetert zichzelf naarmate de taken vaker worden uitgevoerd. Daarbij gebruikt het algoritme een formule waarop het data analyseert - en zichzelf aanleert ervan te leren.
De drie belangrijkste manieren waarop machine learning wordt toegepast (in de vorm van algoritmes), zijn: supervised, unsupervised en semi-supervised learning.
De manier waarop data worden verwerkt om van te leren of om voorspellingen mee te maken, vormt het verschil tussen supervised learning en unsupervised learning. Semi-supervised zit er dus tussenin. Vooral supervised machine learning wordt nu nog het meest gebruikt. Hierbij ‘leert’ een datawetenschapper het algoritme welke conclusies het moet trekken. Het algoritme wordt getraind door een dataset die al labels heeft en een vooraf gedefinieerde output.
Bij unsupervised machine learning is er dus geen tussenpersoon meer nodig. Het algoritme leert zelf hoe het de complexe processen en patronen moet identificeren. De data hebben dus geen labels en geen gedefinieerde output. Hierbij zoekt het algoritme dus zelf naar overeenkomsten en patronen in de data en plakt zelf een label aan de groepen met dezelfde kenmerken.
Bij semi-supervised machine learning krijgt het algoritme maar een klein aantal labels mee en bepaalt het de rest zelf. Er is dus maar een klein stukje ‘aangeleerd’, zodat het algoritme de rest zelf kan bepalen op basis van wat er al gelabeld was.
Kunstmatige intelligentie is de overkoepelende term voor systemen die menselijke intelligentie nabootsen, buiten het menselijke brein om. Machine learning is dus een vorm van kunstmatige intelligentie. Ook deep learning valt onder de noemer kunstmatige intelligentie. Vaak worden machine learning en deep learning met elkaar verward, terwijl deep learning eigenlijk weer een vorm is van machine learning.
Deep learning wordt specifiek gebruikt voor beeldherkenning (gezichtsherkenning), spraakherkenning (Google Home, Siri) en vertalingen, zoals Google Translate. Om dit te kunnen worden zogenaamde ‘Deep Neural Networks’ getraind. Door meerdere toepassingen van deep learning te combineren, ontstaan er nog meer mogelijkheden.
Met machine learning kunnen we voorspellen, ontdekken en detecteren. Dat kun je natuurlijk op allerlei manieren inzetten. Zeker nu we door toenemende digitalisering steeds meer data tot onze beschikking hebben, ontstaan er veel mogelijkheden om hiervan te leren. Hieronder volgen voorbeelden van hoe machine learning momenteel al in veel bedrijven, zorginstellingen of voor particulieren wordt gebruikt.
Voorspellen:
Detecteren:
Ontdekken:
Bij CODE14 kunnen we algoritmes bouwen en trainen om een machine learning systeem op te zetten. Zo kunnen we jou helpen jouw klanten beter te helpen of om een slimme oplossing voor een uitdaging te vinden. We zijn benieuwd naar jouw vraag en kijken ernaar uit met je mee te denken.
Slimmer werken, sneller werken of uitdagender werk bieden? Lees in onze whitepaper meer ins & outs over de Smart Grow formule en bepaal welke oplossing jouw business gaat laten acceleren!