Artificial Intelligence (AI)

Machine Learning


Machine learning (ML) is artificial intelligence welke is gebaseerd op het creëren van algoritmen die gegevens kunnen verwerken en zelfstandig kunnen leren. De gehele aanpak is gebaseerd op het feit dat het efficiënter is om een ​​computer te leren leren, in plaats van hem te programmeren om alle vereiste taken uit te voeren die deel uitmaken van een groter doel.

Er zijn talloze toepassingen voor machine learning en het is gemakkelijk om een ​​paar voorbeelden te vinden die steeds populairder worden. De eerste is de opkomst van de virtuele assistent, zoals Google Assistent of Apple Siri. Deze systemen maken gebruik van leeralgoritmen om de resultaten van verzoeken van individuele gebruikers te verfijnen of te personaliseren. Naarmate het systeem meer leert over de gewoonten van de gebruiker, kan het beter omgaan met verzoeken die dubbelzinnigheid bevatten.

Een andere populaire toepassing is gezichtsherkenning, waarbij een stilstaand beeld kan worden gebruikt als invoer in een systeem dat de afgebeelde personen identificeert. Social-mediadiensten zoals Facebook zijn in staat om foto's te analyseren en vrienden op een foto te herkennen. Soortgelijke algoritmen worden bijvoorbeeld gebruikt om mensen te zoeken en voor te stellen die u mogelijk kent.

Heeft u een eigen voorstel of toepassing waarvoor wij iets voor u kunnen betekenen?

Deep Learning


Deep learning (DL) zijn algoritmen van machine learning dat neurale netwerken gebruikt om problemen op te lossen. Een neuraal netwerk is een raamwerk van verschillende machine learning-algoritmen met als doel het oplossen van nader te definiëren zaken. Een deep learning-systeem is in wezen een zeer groot neuraal netwerk dat wordt getraind met behulp van een zeer grote hoeveelheid data/gegevens.

Er zijn verschillende soorten deep learning-architecturen en het is gebruikelijk om gebruik te maken van een recurrent neuraal netwerk (RNN) of een convolutioneel neuraal netwerk (CNN). Het woord 'deep' verwijst naar het aantal lagen of transformatiepunten dat in het raamwerk is opgenomen. Naarmate de input deze lagen doorloopt, wordt deze abstracter gemaakt en eindigt deze in de uitvoerlaag. Het is in dit stadium dat een voorspelling wordt gedaan op basis van de oorspronkelijke input.

Deep learning wordt momenteel veelal gebruikt in complexe taken. Een bekend voorbeeld is Google Translate, dat geschreven tekst in meer dan 100 talen kan vertalen. Vooruitblikkend zal deep learning technologieën worden toegepast in topsectoren als bijvoorbeeld: de IT-sector, financiële sector, energiesector,
handelssector, agrarische sector en gezondheidssector.

Heeft u een eigen voorstel of algoritmen waarvoor wij iets voor u kunnen betekenen?

Data Science


Data science (DS) omvat verscheidene data disciplines. Meestal verwijst dit naar zaken die te maken hebben met het werken met big data. Het primaire hoofddoel hiervan is om deze data te structureren en bruikbaar te maken om er mee aan de slag te gaan.

Daarbij is het verkrijgen van inzicht een proces dat uit meerdere stadia bestaat. Veelal zal dit verzamelen en verwerken van grote hoeveelheden data/gegevens omvatten.

Als het structureren van data/gegevens is voltooid, is het ook volledig bruikbaar om voorspellende analyses uit te voeren met behulp van tools zoals machine learning-algoritmen, deep learning-algoritmen en de neurale netwerken.

Heeft u een eigen voorstel of data waarvoor wij iets voor u kunnen betekenen?