Wat is Machine Learning?

Organisaties kunnen niet meer achter blijven in het gebruik van intelligente technologie. Machine Learning is niet alleen interessant binnen manufacturing. Wat is nu precies Machine Learning, is het hetzelfde als Kunstmatige Intelligentie? En hoe gebruik je deze technologie in je organisatie? Lees het in dit SAP blog.

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. Het 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. Denk bijvoorbeeld aan productaanbevelingen op Amazon, gezichtsherkenning op Facebook en de suggesties voor de snelste route op Google Maps.

What is Machine Learning from SAP Leonardo?

Click the button below to load the content from YouTube.

Always allow YouTube

What is Machine Learning from SAP Leonardo?

Is Artificial Intelligence hetzelfde als Machine Learning?

Nee, beide termen worden vaak samen genoemd, maar het is niet hetzelfde als Artificial Intelligence. Machine Learning valt altijd onder AI, maar andersom is dat niet het geval. Kunstmatige Intelligentie (AI) is de brede term voor het nabootsen van menselijk vermogen. Machine learning is een specifieke onderdeel van AI die een machine traint om zelf te leren.

Lees ook het blog ‘Wat is Artificial Intelligence nu precies?’.

Wat voor types Machine Learning zijn er?

1. Neuraal netwerk

Neurale netwerken, ook wel kunstmatige neurale netwerken genoemd, vormen een type 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.

2. Deep learning

Deep learning is een “diep” neuraal netwerk dat vele lagen neuronen en een gigantisch volume aan data omvat. Dit geavanceerde type 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.

3. 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.

Ontdek meer over over verschillende types van Machine Learning.

Wat zijn de voordelen van Machine Learning voor organisaties?

1. Snellere besluitvorming

Algoritmen kunnen prioriteren en het besluitvormingsproces automatiseren. Ze kunnen je attenderen op kansen en slimme acties die meteen moeten worden ondernomen, zodat je de beste resultaten behaalt.

2. Aanpassingsvermogen

Kunstmatige intelligentie gaat niet alleen over historische data. Het kan ook realtime input verwerken, zodat je on the fly aanpassingen kunt doen. Denk bijvoorbeeld aan auto’s die automatisch stoppen voordat ze een ander voertuig naderen. Lees ook het blog over RPA (robotics) en Machine Learning.

3. 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.

4. 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.

5. Efficiency

Met slimme bedrijfsprocessen die worden ondersteund door machine learning kun je de efficiency enorm verbeteren. Zo kun je nauwkeurig plannen en voorspellen, taken automatiseren, kosten verlagen en zelfs menselijke fouten voorkomen.

6. Betere resultaten

Je kunt bedrijfsresultaten boosten. Zo speel je met gerichte acties slim in op nieuwe kansen, en voorspel je de resultaten van een beslissing voordat deze is genomen.

In welke sectoren wordt Machine Learning al veel ingezet?

Veel verschillende branches en vakgebieden, vooral die waarin grote hoeveelheden data worden verzameld, zijn klaar voor machine learning. Onderstaande sectoren lopen daarbij voorop:

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 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 binnen de gezondheidszorg zijn eindeloos.

Wil je meer weten over andere intelligente technologieën? Kijk dan verder op de SAP Intelligent Technologies pagina.

Lees ook verder op de SAP Machine Learning pagina.

Wat is Machine Learning? | Definitie en betekenis