Naar inhoud gaan
Chat met ons
Chat met mij Chat offline
Chat met een medewerker van SAP voor live hulp.
Contact
Commentaar, vragen of feedback? Stuur ons een e-mail.

Wat is Machine Learning?

Meer weten over de laatste innovaties en trends?
Registreer je dan voor de Know How nieuwsbrief

Wat is de definitie van machine learning?

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. 

Een introductie in machine learning

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.

Wat is een neuraal netwerk?

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.

Wat is deep learning?

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 vs. unsupervised learning

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.

De principes van machine learning en best practices voor bedrijven

Machine Learning simpel uitgelegd

Wat is Machine Learning en in wat voor situaties kun je deze intelligente technologie inzetten?

5 lessen in machine learning van de snel lerende leiders

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.

Wat zijn de voordelen van machine learning in de zakelijke context?

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.

Snellere besluitvorming

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.

Aanpassingsvermogen

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.

Algoritmisch bedrijf

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.

Rijkere inzichten

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.

Efficiency

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.

Betere resultaten

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.

Use cases van machine learning

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:

Manufacturing

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.

Finance

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.

Gezondheidszorg

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.

Onderzoek naar machine learning

SAP werkt samen met topuniversiteiten om het gebruik van machine learning voor bedrijven naar een hoger niveau te tillen.

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.

Training over machine learning

Verken gratis cursussen over machine learning van openSAP die u in uw eigen tempo kunt volgen. Geschikt voor iedereen: van beginners tot ontwikkelaars.

Enterprise machine learning in een notendop

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.

Betrouwbare en ethische AI creëren

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. 

Deep learning voor ondernemingen met TensorFlow

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.

Terug naar boven