Hoe Machine Learning organisaties slimmer maakt

Machine Learning is een vorm van kunstmatige intelligentie waarbij een computeralgoritme patronen leert herkennen in grote datasets. Naarmate de algoritmes meer data verwerken, worden ze steeds slimmer. De computer kan zo business rules toepassen, zonder dat een mens die expliciet moet programmeren. Op deze manier ontstaan er computers die beter zijn in het nemen van bepaalde beslissingen dan wanneer een mens deze had geprogrammeerd.

 

 

Door de toename van de rekenkracht, de enorme hoeveelheden beschikbare data en de potentie ervan, is de belangstelling voor Machine Learning de laatste tijd sterk toegenomen. Het concept bestaat echter al lang.

In 1959 introduceerde Arthur Samuel de term Machine Learning. Hij was een van de eerste programmeurs bij IBM en maakte een zelflerend damprogramma waarmee hij zijn tijd ver vooruit was. Tot in de jaren 70 bleef Samuel met het programma bezig. Hij ontwikkelde verschillende Machine Learning-technieken die op de dag van vandaag gebruikt worden.

 

Betere voorspellingen, betere beslissingen

Door de komst van ‘internet-of-things’ en de toegankelijkheid van grote rekenkracht in de Cloud is het gebruik van Machine Learning steeds toegankelijker voor type organisaties. Hierdoor zie je toepassingen van de technologie binnen allerlei sectoren en bij organisaties van groot tot klein. Het geeft organisaties meer inzicht in complexe datasets zodat ze betere voorspellingen kunnen doen en op basis daarvan de juiste beslissingen kunnen nemen. De voordelen zijn evident: betere dienstverlening, een kortere time-to-market en meer efficiëntie.

 

In principe kan Machine Learning voor allerlei verschillende dingen gebruikt worden: analyse en voorspellingen, die helpen met het nemen van beslissingen tot algoritmes die op zichzelf al een dienst of product zijn. Denk hier bijvoorbeeld aan een spamfilter, een chatbot of routeplanner die files omzeilt.

 

Enkele voorbeelden uit de praktijk

  • Banken en andere financiële instellingen gebruiken Machine Learning om beurskoersen te voorspellen. Zo kunnen ze risico’s vermijden en tijdig inspelen op ontwikkelingen.
  • Social Media platforms als Facebook of Instagram gebruiken Machine Learning om je tijdlijn te verbeteren, zodat ze je berichten laten zien die relevant voor je zijn.
  • In de zorg wordt op grote schaal Machine Learning toegepast om betere diagnoses te kunnen stellen. Daarbij worden op grote schaal scans van patiënten vergeleken om op basis daarvan patronen te kunnen vaststellen over het ontstaan en het verloop van bepaalde ziekten.

 


Scrum Master in de praktijkInteresse?

Wil je meer weten over de vele mogelijkheden van Machine Learning? In onze 3 daagse opleiding Big Data Strategie & Data Science vertellen we je er graag meer over. Neem contact op voor meer informatie.