● Notebooks
● Auto ML
● Drag & Drop systeem genaamd Designer
Machine learning is een vorm van artificial intelligence (kunstmatige intelligentie) waar, door middel van software en computer code, een computer historische data gebruikt om voorspellingen te doen over de toekomst. Met deze complexe computer codes, ook wel algoritmes genoemd, worden modellen gemaakt. Deze machine learning modellen maken gebruik van algoritmes om patronen of relaties in de data te vinden, hiermee kan een model vervolgens waardes voorspelling op basis van nieuwe data.
Azure Machine Learning is Microsofts antwoord op de stijgende vraag naar Machine Learning as a Service oplossingen. Met Azure Machine Learning biedt Microsoft een cloud omgeving binnen het Azure platform waarmee data science projecten uitgevoerd en beheerd kunnen worden. De machine learning diensten sluiten naadloos aan bij de andere cloud computing diensten die Microsoft via het Azure platform aanbiedt. Azure Machine Learning geeft je de mogelijkheid om modellen te ontwikkelen op basis van open source machine learning tools zoals Pytoch, TensorFlow, scikit-learn en vele andere resources.
Een belangrijke ontwikkeling van de afgelopen jaren op het gebied van data science is de opkomst van Auto ML. Deze ontwikkeling automatiseert delen van het data science ontwikkelproces die voorheen vaak repetitief en tijdrovend waren. De meest moderne Auto ML oplossingen kunnen met goed gestructureerde data zelfs bijna het hele ontwikkelproces uitvoeren. Echter is data in de meeste gevallen niet zo gestructureerd en is hier nog altijd voorbereidend werk nodig. Big data moet getraind worden voordat het in een model gebruikt kan worden. Waar Auto ML echt grote waarde toevoegt is bij het trainen en testen van verschillende modellen. Voorheen moest de data scientist na het opschonen en structureren van big data bepalen welke modellen getraind moeten worden en de data hier voor testen. Het proces van verschillende modellen trainen en testen is een tijdrovende taak en kost vaak veel rekenkracht van de computer, mede daarom wordt er vaak gekozen om maar een beperkte selectie aan algoritmes te trainen en testen. Auto ML stelt de data scientist in staat om een veel grotere selectie aan algoritmes te trainen en testen op schaalbare cloud computers. Op deze manier hoeft de data scientist niet elk algoritme zelf trainen en testen. Met Auto ML geeft de data scientist zelf aan welke algoritmes getest en getraind dienen te worden en welke op welke error metric en/of statistieken resultaten vergeleken moeten worden. Je kunt het vergelijken met fietsen. Voorheen reed een data scientist rond op een stadsfiets zonder versnellingen, maar met de ontwikkeling van Auto ML krijgt een data scientist een elektrische fiets met trapondersteuning. Er wordt nog steeds zelf gefietst, maar er is ondersteuning van technologie die data scientists sneller op de plaats van bestemming brengt.
Bij Rockfeather zijn wij ons ook bewust van de voordelen die Azure Machine Learning biedt ten opzichte van de conventionele data science tools. Het gebruik van Azure Machine Learning stelt ons in staat om beter en sneller resultaat te leveren aan onze klanten op het gebied van data science. Een van de projecten waar wij bij Rockfeather effectief gebruik hebben gemaakt van Azure Machine Learning is het voorspellen van verkoopaantallen voor één van onze klanten. Deze voorspellingen, of forecasting zoals het officieel heet, is een tak van data science waarbij historische data gebruikt wordt om voorspellingen te doen over de toekomst. Goede voorspellingen zijn voor deze klant belangrijk omdat het kosten en verspilling bespaart. De uitdaging bij dit project was dat er een groot assortiment van verschillende producten was en dat voor al deze producten dus verkoopaantallen voorspeld moesten worden. Het handmatig trainen en testen van modellen voor een groot assortiment kost veel tijd en daarom hebben wij Auto ML toegepast in deze situatie. Door de schaalbaarheid van rekenkracht die Azure Machine Learning bied, kunnen wij per product een selectie van verschillende algoritmes trainen en testen om zo het meest effectieve algoritme voor ieder product te vinden. Deze modellen worden allemaal in Azure Machine Learning bewaard en kunnen na het trainen gebruikt worden om daadwerkelijk voorspellingen te doen over toekomstige verkoopaantallen.
In dit interview spreekt Jonathan Aardema met prof. Eric Postma (hoogleraar Cognitive Science and Artificial Intelligence aan de Universiteit van Tilburg) over het waarom, hoe en wat van artificial intelligence applicaties. Wat zien we in de praktijk en wat zegt de wetenschap erover?
Het Gartner Magic Quadrant for Business Intelligence is een analistenrapport waar we elk jaar naar uitkijken. Zowel de diepte als de reikwijdte van dit onderzoek maken het de moeite waard om te lezen. Maar niet veel mensen nemen de tijd om echt in de details van het rapport te graven.
Het verminderen van klantverloop (customer churn) is één van de topprioriteiten van bedrijven. Nu hoor ik je denken: wat hebben data science en machine learning hiermee te maken? In deze blog vertellen we je hoe je klantverloop kunt verminderen met behulp van data science.