Machine learning maakt gebruik van geavanceerde algoritmen om te “leren” van immense hoeveelheden big data. Hoe meer data toegankelijk zijn voor algoritmen, hoe meer ze kunnen leren. Machine learning technologie leert computers hoe ze taken moeten uitvoeren door te leren van data, in plaats van dat ze er expliciet voor worden geprogrammeerd.
Machine learning maakt gebruik van geavanceerde algoritmen om te "leren" van immense hoeveelheden big data. Hoe meer data toegankelijk zijn voor algoritmen, hoe meer ze kunnen leren. Het dagelijks leven kent talloze voorbeelden van machine learning. Denk bijvoorbeeld aan productaanbevelingen op Amazon, gezichtsherkenning op Facebook en de suggesties voor de snelste route op Google Maps.
Neurale netwerken, ook wel kunstmatige neurale netwerken genoemd, vormen een type machine learning dat enigszins is gebaseerd op de functie van neuronen in het menselijk brein. Het zijn computerprogramma's die meerdere lagen nodes (of neuronen) gebruiken die parallel aan elkaar werken om dingen te leren, patronen te herkennen en beslissingen te nemen op een mensachtige manier.
Deep learning is een "diep" neuraal netwerk dat vele lagen neuronen en een gigantisch volume aan data omvat. Dit geavanceerde type machine learning kan complexe, niet-lineaire problemen oplossen en is verantwoordelijk voor doorbraken op het gebied van AI, zoals natural language processing (NLP), persoonlijke digitale assistenten en zelfrijdende auto's.
Supervised learning-algoritmen worden getraind met data die de juiste antwoorden bevatten. Ze bouwen modellen die de data stapsgewijs naar de juiste antwoorden leiden, en gebruiken deze modellen vervolgens voor verdere verwerking. Unsupervised algoritmen leren van data zonder dat de juiste antwoorden worden gegeven. Ze gebruiken grote, diverse datasets om zichzelf te verbeteren.
Wat is Machine Learning en in wat voor situaties kun je deze intelligente technologie inzetten?
Ontdek de vijf belangrijkste kenmerken van leiders in machine learning Deze 'snel lerende' leiders gebruiken technologie om de prestaties aanzienlijk te verbeteren in het hele bedrijf, van HR en finance tot marketing en logistiek.
Met machine learning software kunnen organisaties snellere besluitvormingen nemen doordat deze geautomatiseerd worden. Kunstmatige intelligentie kan daarnaast realtime input verwerken, zodat uw teams efficiënter kunnen werken en on the fly aanpassingen kunnen doorvoeren. Dit leidt tot betere resulaten en rijkere inzichten.
Machine learning algoritmen kunnen prioriteren en het besluitvormingsproces automatiseren. Ze kunnen u ook attenderen op kansen en slimme acties die meteen moeten worden ondernomen, zodat u de beste resultaten behaalt.
Kunstmatige intelligentie gaat niet alleen over historische data. Het kan ook realtime input verwerken, zodat u on the fly aanpassingen kunt doen. Denk bijvoorbeeld aan auto's die automatisch stoppen voordat ze een ander voertuig naderen.
Een "algoritmisch bedrijf" past geavanceerde machine learning algoritmen toe om zo een hoge mate van automatisering te bereiken. Als deze stap eenmaal is gezet, wordt de weg vrijgemaakt voor innovatieve nieuwe businessmodellen, producten en diensten.
Machine learning kan grote, complexe en in beweging zijnde data analyseren, en inzichten ontdekken (ook voorspellende inzichten) die ver buiten het menselijke vermogen gaan. Vervolgens zet het op basis van die inzichten relevante acties in gang.
Met slimme bedrijfsprocessen die worden ondersteund door machine learning kunt u de efficiency enorm verbeteren. Zo kunt u nauwkeurig plannen en voorspellen, taken automatiseren, kosten verlagen en zelfs menselijke fouten voorkomen.
Met machine learning kunt u de bedrijfsresultaten boosten. Zo speelt u met gerichte acties slim in op nieuwe kansen, en voorspelt u de resultaten van een beslissing voordat deze is genomen.
Veel verschillende branches en vakgebieden, vooral die waarin grote hoeveelheden data worden verzameld, zijn klaar voor machine learning. De sectoren manufacturing, finance en de gezondheidszorg lopen daarin voorop. Lees hier voorbeelden:
Producerende bedrijven verzamelen enorme hoeveelheden data afkomstig van fabriekssensoren en het Internet of Things. Dat biedt volop mogelijkheden voor machine learning. Zo maakt de sector gebruik van algoritmen die beelden herkennen of afwijkingen detecteren. Andere algoritmen worden bijvoorbeeld gebruikt
voor predictive maintenance, het doen van vraagvoorspellingen en ontwerpen van nieuwe diensten.
Dankzij de hoge datavolumes en historische records zijn er weinig branches zó geschikt voor machine learning als finance. Algoritmen worden gebruikt voor het handelen in aandelen, goedkeuren van leningen, opsporen van fraude, beoordelen van risico's en accepteren van verzekeringen. En ze worden zelfs gebruikt voor "robo-advies" aan klanten en het afstemmen van portfolio's op gebruikersdoelen.
Machine learning algoritmen kunnen meer data verwerken en meer patronen ontdekken dan welk team van onderzoekers of artsen dan ook. Van analyses van medische beelden en vroegtijdige kankerbestrijding tot medicijnontwikkeling en door robots geassisteerde operaties; de mogelijkheden van machine learning in de gezondheidszorg zijn eindeloos.
We hebben een wereldwijd netwerk opgebouwd met topuniversiteiten zoals MIT, Stanford, NYU en de Universiteit van Amsterdam om de toekomst van machine learning te onderzoeken en de technologie voor bedrijven te verbeteren. Dankzij deze krachtenbundeling kunnen we ons concentreren op een grote diversiteit aan onderzoeksonderwerpen en branches. En kunnen we de nieuwste trends op het gebied van machine learning goed bijhouden, en daarop inspelen met innovatieve uitbreidingen van onze SAP oplossingen.
Verken gratis cursussen over machine learning van openSAP die u in uw eigen tempo kunt volgen. Geschikt voor iedereen: van beginners tot ontwikkelaars.
Bent u benieuwd hoe u machine learning kunt toepassingen binnen uw organisatie? In deze openSAP onlinecursus over machine learning wordt u door de stappen geleid, van het bepalen van use cases tot het maken van een prototype.
Doe mee met experts van de EU en SAP om te leren over de maatschappelijke en ethische implicaties van AI en hoe u daarmee kunt omgaan. Deze cursus is geschikt voor iedereen met belangstelling voor AI.
Met Google TensorFlow krijgt u een praktische inleiding in deep learning. Deze online cursus is gemaakt voor data-analisten en ontwikkelaars, met de focus op het bouwen van modellen voor ondernemingsproblemen.
Machine learning-modellen worden gevoed door data. En met de nieuwe inzichten die uit de data voortkomen, worden de modellen continu verbeterd.
RPA biedt veel kansen voor organisaties. In combinatie met machine learning (ML) ontstaan echter pas echt interessante kansen. Daarom in dit blog de vraag: zijn RPA en machine learning een gouden duo?
Detailhandelaren verkennen manieren om de klantervaring te verbeteren op alle contactpunten, waaronder marketing, het koopproces en service na aankoop. Ontdek de strategieën en AI-tools die ze gebruiken.
Loop niet achter in de markt en meld je aan voor de Know How newsletter: dé nieuwsbrief over innovatie en technologische ontwikkelingen met klantverhalen, e-books, blogs en meer.
