WAT IS MACHINE LEARNING?

Machine Learning is de technologie die zich richt op het voorspellen van de toekomst. Op basis van artificiële intelligentie en met behulp van de haast onbeperkte rekenkracht van de cloud, kunnen enorme hoeveelheden data geanalyseerd worden om patronen en verbanden te ontdekken. Daarmee ontstaat een model dat kan worden ingezet voor het voorspellen van de toekomst.
Bij Machine Learning worden verschillende algoritmes ingezet. Hierbij wordt onderscheid gemaakt tussen gestructureerde input (excel sheets, meteo gegevens, beurskoersen, registers, etc) en ongestructureerde input (beeld, geluid, etc). In het geval van gestructureerde data, wordt met name gewerkt met regressie enerzijds of beslisbomen anderzijds. Waar bij regressie waarden in een diagram worden verwerkt om verbanden en trends te zoeken, werkt een beslisboom met een vragenpad dat wordt doorlopen om tot een voorspelling te komen.

ENKELE VOORBEELDEN

Deze technologie komt overal om ons heen steeds meer beschikbaar. Bijvoorbeeld in Facebook die niet het laatste nieuws op je tijdlijn toont, maar voorspelt wat jij relevant vindt. Of in Netflix en Spotify waar Machine Learning wordt gebruikt om films en muziek aan te bevelen waarvan zij verwachten dat het je smaak is. Maar ook alle advertenties die je op het internet ziet, zijn daar gekomen met Machine Learning. Want tijdens het laden van een website, wordt op de achtergrond in enkele tienden van een seconde een veiling gehouden waar bedrijven op basis van cookiegegevens voorspellen of jij hun advertentie zal bekijken of zelfs zal doorklikken.

DE VERTAALSLAG NAAR DE OPLEIDERSBRANCHE: HOE PAK JE DAT AAN?

Samen met een Nederlandse hogeschool hebben wij een model ontwikkeld om vooraf aan een opleiding te kunnen voorspellen welke studenten de opleiding succesvol zullen afronden en welke voor het einde van de opleiding zullen uitvallen. Hiervoor is gebruik gemaakt van een dataset over een periode van vijf jaar. Vier jaar hiervan zijn gebruikt om het model in de cloud te trainen. Nadat het model gereed was, is het vijfde jaar gebruikt om te bepalen hoe betrouwbaar het model was. Oftewel: door het model zonder data over het vijfde jaar een voorspelling te laten doen, konden we bepalen in welke gevallen het juist en onjuist werd voorspeld. Met een nauwkeurigheid van 89% wist het model in het overgrote deel van de gevallen vooraf een juiste inschatting te maken.

De echte vraag is natuurlijk wat je met een dergelijke voorspelling doet. Zou je op basis van deze voorspelling vooraf studenten gaan weigeren, dan ontstaat er een ethisch dilemma over gelijke kansen in de maatschappij. Beter lijkt om op basis van dit model te bepalen welke studenten boven- en ondergemiddelde begeleiding krijgen om zo ervoor te zorgen dat alsnog zoveel mogelijk studenten hun opleiding succesvol weten af te ronden.

AAN DE SLAG!

Wil je meer weten over Machine Learning of heb je een idee dat je graag zou willen uitproberen? Neem contact op met Abecon.