MACHINE LEARNING. Een egocentrische presentatie door een data scientist van Axians. Michel van Gelder Data Scientist bij Axians

Maat: px
Weergave met pagina beginnen:

Download "MACHINE LEARNING. Een egocentrische presentatie door een data scientist van Axians. Michel van Gelder Data Scientist bij Axians"

Transcriptie

1 MACHINE LEARNING Een egocentrische presentatie door een data scientist van Axians Michel van Gelder Data Scientist bij Axians 1

2 MICHEL VAN GELDER Data Scientist Axians 2

3 A day in the life of.. 3

4 MACHINE LEARNING DEFINITIE Big Data Data Science Machine Learning Wiskundige Optimalisatie AI 4

5 MACHINE LEARNING DEFINITIE Eigenschap I Groepering objecten Eigenschap II Eigenschap N Machine Learning Algoritmes [patroonherkenning] Te voorspellen UNSUPERVISED SUPERVISED Voorspellend model 5

6 MACHINE LEARNING SLECHTE START Doe eens wat leuks met data If-then-else statements Samenraapsels van veel data uit veel bronnen met veel formats Er alleen voor staan Geen domeinkennis die gedeeld wordt met mij Geen interesse in mijn vakgebied Dit is zo logisch, dit had ik zelf ook wel kunnen bedenken Data Science hoort revolutionair te zijn 6

7 MACHINE LEARNING LESSONS LEARNED Simpel beginnen met visualisaties Je wilt niet gelijk het beste model maken Data is nooit in een keer goed/zoals gewenst Het is niet één project Het project levert meestal meer op dan het resultaat (op zichzelf) 7

8 MACHINE LEARNING PROCES Je wilt van links naar rechts evolueren Wanneer vonden waar storingen plaats? Analyse storingen, combineren met sensordata, machine data, onderhoud etc. Maken voorspelmodel obv patroonherkenning Wiskundige Optimalisatie Je moet links beginnen om rechts uit te komen Het is een avontuur dat je samen aangaat: Data Scientist Domein Expert 8

9 MACHINE LEARNING OPLOSSINGEN Patroonherkenning is de basis van Machine Learning Op basis van historie iets voorspellen/classificeren Heel veel verschillende soorten problemen mee op te lossen Forecasting Recommender System Tekst + Image Clustering Optimisation Oulier Detection Network Analysis Reinforcement Learning 9

10 MACHINE LEARNING OPLOSSINGEN Forecasting (Regression) Clustering Classification Outlier Detection Network Analysis Text + Image Recommender System Reinforcement Learning Optimisation 10

11 MACHINE LEARNING OPLOSSINGEN Forecasting (Regression) Clustering Classification Outlier Detection Network Analysis Text + Image Recommender System Reinforcement Learning Optimisation 11

12 MACHINE LEARNING OPLOSSINGEN Forecasting (Regression) Clustering Classification Outlier Detection Network Analysis Text + Image Recommender System Reinforcement Learning Optimisation 12

13 MACHINE LEARNING OPLOSSINGEN Forecasting (Regression) Clustering Classification Outlier Detection Network Analysis Text + Image Recommender System Reinforcement Learning Optimisation 13

14 MACHINE LEARNING OPLOSSINGEN Forecasting (Regression) Clustering Classification Outlier Detection Network Analysis Text + Image Recommender System Reinforcement Learning Optimisation 14

15 MACHINE LEARNING OPLOSSINGEN Structureren Data exploratie Modelling Optimalisatie Image/ text Outlier detection Network Recommender Reinforcement Classification analysis Analysis learning system Wiskundig model Visualisatie Clustering Feature engineering 15

16 Alles is gebaseerd op patroonherkenning 16

17 MACHINE LEARNING ITERATIEVE AANPAK 17

18 MACHINE LEARNING RESULTAAT Een concrete applicatie Een oplossing voor het probleem Richting aan toekomstvisie Een meer data-driven werkwijze Iteratieve verbeteringen Als het goed is: extra geld en/of verbetering van de kwaliteit van je diensten 18

19 MACHINE LEARNING PREDICTIVE MAINTENANCE WHAT WE DID SUIKER UNIE Hoe beter het snijdsel, hoe lager de energiekosten. Snijmolen Assistent Operator Feedback Iteratief verbeteren oplossing Data verwerken Analyse: RPM, koppel, stenenluik Machine Learning (Decision Tree) gebruikt om voorspellend model te maken Interactief dashboard 19

20 MACHINE LEARNING FORECAST WHAT WE DID Data verwerken BLOEMEN IMPORTEUR Van made to order naar ontzorgen van de klant Analyse: Seizoen, feestdagen, dag vd week, weer, Machine Learning (Ensemble Model) gebruikt om voorspellend model te maken Interactief Dashboard 20

21 MACHINE LEARNING TOEKOMST Komende 5 jaar Machine Learning automatisatie vorderingen Rekenkracht gaat vooruit Communicatie tussen mens en computer Meer gemak voor data scientists Op de lange termijn Elk bedrijf heeft technologie met Machine Learning en Data Science in gebruik Focus verschuift naar Business-side Data Scientist Custom algoritmes 21

22 MACHINE LEARNING IN EEN BEELD GEVAT Concreet (eerste) probleem Domein expert Stip op de horizon SUCCES Iteratieve aanpak Relevante (kwaliteits-) data Data expert Snel (eerste) resultaat 22

23 BEDANKT VOOR UW AANDACHT 23

Living Labs : NFI & RvdK Samen onderweg naar meer grip op data. JenV I-tour presentatie 24 april 2018

Living Labs : NFI & RvdK Samen onderweg naar meer grip op data. JenV I-tour presentatie 24 april 2018 Living Labs : NFI & RvdK Samen onderweg naar meer grip op data JenV I-tour presentatie 24 april 2018 1 Agenda Deel I - door Jannie RvdK Intermezzo filmpje I-plan JenV Deel II door Femke en Xandra NFI KInD

Nadere informatie

URBAN SCIENCE. Professor Nanda Piersma Michael Hogenboom

URBAN SCIENCE. Professor Nanda Piersma Michael Hogenboom URBAN SCIENCE Professor Nanda Piersma Michael Hogenboom Nanda Piersma Hogeschool van Amsterdam (HvA) Centrum Wiskunde & Informatica (CWI) URBAN TECHNOLOGY SOLUTIONS FOR SUSTAINABLE, LIVEABLE AND CONNECTED

Nadere informatie

Data driven. Het plan naar data driven business door advanced analytics Business.

Data driven. Het plan naar data driven business door advanced analytics Business. Data driven. Het plan naar data driven business door advanced analytics Business. Analytics: uw data slim gebruiken en zo uw business optimaliseren! Marijn Uilenbroek BIA Consultant, Sogeti BI & Analytics

Nadere informatie

A Data Driven Journey Pieter de Kok RA AANJAGER CONEY. 31 oktober 2018

A Data Driven Journey Pieter de Kok RA AANJAGER CONEY. 31 oktober 2018 A Data Driven Journey Pieter de Kok RA AANJAGER CONEY 31 oktober 2018 MIJN DATA REIS 1994 HBO ACCOUNTANCY SCRIPTIE EDI AND CHANGING ROLE OF AUDITOR MIJN DATA REIS 1995 MIJN DATA REIS 1999 RA STUDIE AFSTUDEER

Nadere informatie

HYDRO TWIN. data driven watermanagement

HYDRO TWIN. data driven watermanagement HYDRO TWIN data driven watermanagement Inge Folmer Hydroloog Royal HaskoningDHV Ruben Peters Data Scientist Ynformed Inhoud Korte intro data science HydroTwin Praktijkvoorbeelden van toepassingen Vragen

Nadere informatie

De geïntegreerde architectuur van Informatie- en Operationele Techniek. Jurg Bremmer (sr. Consultant - )

De geïntegreerde architectuur van Informatie- en Operationele Techniek. Jurg Bremmer (sr. Consultant - ) De geïntegreerde architectuur van Informatie- en Operationele Techniek Jurg Bremmer (sr. Consultant - ) Welkom Agenda Introductie Informatie architectuur Voorbeelden Aanpak Discussie Jurg Bremmer sr. Consultant

Nadere informatie

Slim watermanagement Door samenwerking benutten we het watersysteem beter

Slim watermanagement Door samenwerking benutten we het watersysteem beter Slim watermanagement Door samenwerking benutten we het watersysteem beter Bas de Jong (Rijkswaterstaat) Jeroen Mol (HAL24K) Jok Tang (Vortech) Bas de Jong 2 Slim watermanagement Slim watermanagement Maatregel

Nadere informatie

INZET VAN MACHINE LEARNING

INZET VAN MACHINE LEARNING INZET VAN MACHINE LEARNING VOORSTELLEN INHOUD Context wat is de staat van de verzekeringsindustrie? Machine Learning - wat is het eigenlijk en is het nieuw? Toepassingen waar wordt ML met succes toegepast?

Nadere informatie

SNIJMOLEN ASSISTENT. Voorspellen van het optimale gebruik van de machine. Peter van Dam Maintenance Manager bij Suiker Unie Groningen

SNIJMOLEN ASSISTENT. Voorspellen van het optimale gebruik van de machine. Peter van Dam Maintenance Manager bij Suiker Unie Groningen SNIJMOLEN ASSISTENT Voorspellen van het optimale gebruik van de machine Peter van Dam Maintenance Manager bij Suiker Unie Groningen Suiker Unie Groningen De leukste én slimste suikerfabriek van Europa

Nadere informatie

De toekomst van data science in het waterdomein.

De toekomst van data science in het waterdomein. De toekomst van data science in het waterdomein. Data science & Wateropgaven o o o o Ynformed Doing good with data Ca. 15 projecten in het waterdomein Van PoC naar oplossing Kunstmatige intelligentie &

Nadere informatie

DATA SCIENCE BUSINESS INTELLIGENCE STANDARD REPORTS STANDARD DASHBOARDS SELF SERVICE BI PREDICTIVE ANALYTICS DATA EXPLORATION

DATA SCIENCE BUSINESS INTELLIGENCE STANDARD REPORTS STANDARD DASHBOARDS SELF SERVICE BI PREDICTIVE ANALYTICS DATA EXPLORATION BUSINESS INTELLIGENCE DATA SCIENCE STANDARD REPORTS STANDARD DASHBOARDS SELF SERVICE BI DATA EXPLORATION PREDICTIVE ANALYTICS DWH DATA LAKE STREAMING ANALYTICS DATA FUNDAMENT CONNECT TRANSFORM - STORE

Nadere informatie

Onze data-oplossingen leveren publieke waarde

Onze data-oplossingen leveren publieke waarde Onze data-oplossingen leveren publieke waarde Word jij ook enthousiast om je kennis in te zetten bij het oplossen van uitdagende, maatschappelijke vraagstukken? Vind je het interessant om datasets te analyseren

Nadere informatie

Onze data-oplossingen leveren publieke waarde

Onze data-oplossingen leveren publieke waarde Onze data-oplossingen leveren publieke waarde Word jij ook enthousiast om je kennis in te zetten bij het oplossen van uitdagende, maatschappelijke vraagstukken? Vind je het interessant om datasets te analyseren

Nadere informatie

DATAMODELLERING TOEPASSEN DATA ANALYTICS

DATAMODELLERING TOEPASSEN DATA ANALYTICS DATAMODELLERING TOEPASSEN DATA ANALYTICS Inleiding In dit whitepaper wordt een toepassingsgebied beschreven voor datamodellering. Een toepassing is een werkveld op het vlak van architectuur of modellering

Nadere informatie

Waternet Datalab. KI in de praktijk. KI in de watersector, 25 juni 2019 Alex van der Helm

Waternet Datalab. KI in de praktijk. KI in de watersector, 25 juni 2019 Alex van der Helm Waternet Datalab KI in de praktijk KI in de watersector, 25 juni 2019 Alex van der Helm alex.van.der.helm@waternet.nl Waternet watercyclusbedrijf Amsterdam Ons werkgebied 18 gemeenten Ca 1,3 miljoen inwoners

Nadere informatie

Rapport Credit Management Software 2015-2016. Presentatie: Marcel Wiedenbrugge

Rapport Credit Management Software 2015-2016. Presentatie: Marcel Wiedenbrugge Rapport Credit Management Software 2015-2016 Presentatie: Marcel Wiedenbrugge Credit Expo, 5 november 2015 Agenda 1. Het rapport Credit Management Software 2. CMS. De huidige stand van zaken 3. Hoe ziet

Nadere informatie

Business Analytics bij. Zilveren Kruis. Rob Konijn Data Scientist Kenniscentrum. 12 mei 2016

Business Analytics bij. Zilveren Kruis. Rob Konijn Data Scientist Kenniscentrum. 12 mei 2016 Business Analytics bij Zilveren Kruis Rob Konijn Data Scientist Kenniscentrum Zilveren Kruis 12 mei 2016 Introductie Rob Konijn - Business Analytics (toen nog BWI) 2002-2008 - Phd VU (Wojtek Kowalczyk/Bert

Nadere informatie

SERVICEPROVIDER IN VM (2.0) Mark Grefhorst BD Manager

SERVICEPROVIDER IN VM (2.0) Mark Grefhorst BD Manager SERVICEPROVIDER IN VM (2.0) Mark Grefhorst BD Manager WAT WIJ DOEN Een onafhankelijke leverancier van slimme mobiliteitstechnologie & data op weg naar autonome en gedeelde mobiliteit, het maximale halen

Nadere informatie

AI & Big Data bij Defensie

AI & Big Data bij Defensie AI & Big Data bij Defensie Max Welling Universiteit van Amsterdam, AMLAB, QUVA Canadian Institute for Advanced Research (CIFAR) Co-founder Scyfer Overzicht Machine Learning & Deep Learning 101 Toepassingen

Nadere informatie

Aan de slag met data science Lessen uit de praktijk met waterschap Zuiderzeeland

Aan de slag met data science Lessen uit de praktijk met waterschap Zuiderzeeland Aan de slag met data science Lessen uit de praktijk met waterschap Zuiderzeeland Wij zijn Lisette van Beusekom Field Expert data science & water bij Ynformed Eric Deiman Teamleider Waterketen bij Zuiderzeeland

Nadere informatie

Strategische keuze voor onzekerheid. Een reis door de wereld van datatechnologie

Strategische keuze voor onzekerheid. Een reis door de wereld van datatechnologie Strategische keuze voor onzekerheid Een reis door de wereld van datatechnologie Onze omgeving Geen betekenis aan big data Vooraf Reisvoorbereiding Schets de toepasbaarheid Voorspellende waarde van data

Nadere informatie

Data Science. Fundamentals. In samenwerking met. Data Science & Smart Services Z U Y D. Zuyd University of Applied Sciences

Data Science. Fundamentals. In samenwerking met. Data Science & Smart Services Z U Y D. Zuyd University of Applied Sciences Fundamentals of Data Science Fundamentals of Data Science Data Science & Smart Services In samenwerking met Zuyd University of Applied Sciences Z U Y D Speerpunten DATA SCIENCE SMART SERVICES THEORIE &

Nadere informatie

Met de Glazen Bol naar. Doelgerichter BWT Toezicht

Met de Glazen Bol naar. Doelgerichter BWT Toezicht Met de Glazen Bol naar Doelgerichter BWT Toezicht Missie SuperGraph realiseert de toepassing van Voorspellende Modellen in het hart van uw organisatie dusdanig dat onzekerheden zoveel mogelijk worden weggenomen

Nadere informatie

Op weg naar Informatiegestuurd werken. Data-science is mensenwerk

Op weg naar Informatiegestuurd werken. Data-science is mensenwerk Op weg naar Informatiegestuurd werken Data-science is mensenwerk De reis van de IND in IGW Niveau 5 Insight Driven Organization Niveau 4 Analytical Companies Niveau 3 Niveau 1 Verzwakte Analytics 2018

Nadere informatie

SCHEEPVAART EN DE ROL VAN DATA. Arjen de Leege en Johan Gille NDW Stakeholdersoverleg, 7 december 2017

SCHEEPVAART EN DE ROL VAN DATA. Arjen de Leege en Johan Gille NDW Stakeholdersoverleg, 7 december 2017 SCHEEPVAART EN DE ROL VAN DATA Arjen de Leege en Johan Gille NDW Stakeholdersoverleg, 7 december 2017 Rol van data in Scheepsvaart 1. Monitoring verkeersbewegingen 2. Efficiëntere afhandeling scheepvaart

Nadere informatie

De 3e revolutie Business veranderingen

De 3e revolutie Business veranderingen De 3e revolutie Business veranderingen Wie zijn wij? Michiel Rozema Voormalig Data Insight Lead @ Microsoft Wiskundige, >23 jaar IT/Data career michiel.rozema@quanto.eu www.linkedin.com/in/michielrozema

Nadere informatie

EEN LEAR N I NG ANALYTICS S ER VI CE JOHAN JEUR ING

EEN LEAR N I NG ANALYTICS S ER VI CE JOHAN JEUR ING EEN LEAR N I NG ANALYTICS S ER VI CE JOHAN JEUR ING INTRODUCTIE De opdrachtgever voor dit project is Johan Jeuring, van het departement Informatica van de Universiteit Utrecht, namens het projectteam van

Nadere informatie

Datagedreven sturen, en hoe dan ZGW?

Datagedreven sturen, en hoe dan ZGW? Datagedreven sturen, en hoe dan ZGW? Henk Wesseling,The Next Step 22 September 2016 Datagedreven sturing is 2 AI 3 4 Smart City 5 Big data monitor Business Intelligence 6 Datagroei, sensoren, cloud en

Nadere informatie

Minder Big data Meer AI.

Minder Big data Meer AI. Minder Big data Meer AI. Minder Big data, meer AI. Marijn uilenbroek BI & Analytics consultant Utrecht, 1 november 2016 BI&A symposium 2016 Minder Big data meer AI 2 BI&A symposium 2016 Minder Big data

Nadere informatie

SMART requirements schrijven

SMART requirements schrijven SMART requirements schrijven Reverse Engineering als aanpak voor leren Requirements Kenniscentrum 27 maart 2012, 18:50 19:30 uur Hossein Chamani, docent en trainer bij Hogeschool Rotterdam 1 Introductie

Nadere informatie

Tentamen Kunstmatige Intelligentie (INFOB2KI)

Tentamen Kunstmatige Intelligentie (INFOB2KI) Tentamen Kunstmatige Intelligentie (INFOB2KI) 30 januari 2014 10:30-12:30 Vooraf Mobiele telefoons dienen uitgeschakeld te zijn. Het tentamen bestaat uit 7 opgaven; in totaal kunnen er 100 punten behaald

Nadere informatie

Artificial Intelligence in uw dagelijkse praktijk. Hilversum, 22 September 2016

Artificial Intelligence in uw dagelijkse praktijk. Hilversum, 22 September 2016 Artificial Intelligence in uw dagelijkse praktijk Hilversum, 22 September 2016 Agenda 09:30 Welkom en introductie 09:35 Artificial Intelligence, al meer dan 50 jaar een actief onderzoeksgebied Jaap van

Nadere informatie

Bestrijd illegale houtkap en red het regenwoud met HANA

Bestrijd illegale houtkap en red het regenwoud met HANA Bestrijd illegale houtkap en red het regenwoud met HANA Expertum NL, RFCx, SAP Dirk Kemper en Eline Bangert 14 Mei 2019 Oktober 2017 - SAP Run Live Truck Doel: App voor de rangers - Prototype binnen 5

Nadere informatie

Smart Maintenance. Het realiseren van een intelligente Maintenance inrichting door het slim gebruik van Data analytics

Smart Maintenance. Het realiseren van een intelligente Maintenance inrichting door het slim gebruik van Data analytics Smart Maintenance Het realiseren van een intelligente Maintenance inrichting door het slim gebruik van Data analytics 05-10-2016 Maintenance meets service logistiek 05-10-2016 Kasper Groenbroek Siebrand

Nadere informatie

Mijn kennismaking met SAP BusinessObjects Cloud

Mijn kennismaking met SAP BusinessObjects Cloud Door Maarten Kooijman, November 2016? Mijn kennismaking met SAP BusinessObjects Cloud Op dit moment zijn er veel nieuwe ontwikkelingen op het gebied van cloud analytics en business intelligence. Eén van

Nadere informatie

Data-gedreven prestaties verbeteren: de toekomst van ons adviesvak. November 2017

Data-gedreven prestaties verbeteren: de toekomst van ons adviesvak. November 2017 Data-gedreven prestaties verbeteren: de toekomst van ons adviesvak November 2017 Inhoudsopgave 1. HofP Digital Impact 2. Zeer korte intro in advanced analytics & de rol van de (interne) adviseur 3. Een

Nadere informatie

Predictieve modellen - overzicht

Predictieve modellen - overzicht Predictieve modellen - overzicht 08-01-2018 Jochem Grietens Verhaert Alexander Frimout Verhaert 1 AI voor lichtcontrole Het doel is om de verlichting van de Vlaamse snelweg slimmer te maken met behulp

Nadere informatie

Leidt leren en ontdekken snel tot resultaten?

Leidt leren en ontdekken snel tot resultaten? Leidt leren en ontdekken snel tot resultaten? De marshmallow challenge Welke groep bouwt de hoogste toren Binnen 18 minuten? A. Architecten; B. Directeuren; C. Informatiemanagers D. Controllers; E. Kinderen.

Nadere informatie

De valkuilen die je moet voorkomen om van predictive maintenance een succes te maken

De valkuilen die je moet voorkomen om van predictive maintenance een succes te maken De valkuilen die je moet voorkomen om van predictive maintenance een succes te maken Wouter Verbeek 10 oktober 2018 - World of Technology and Science 2018 1 Predictive maintenance is niet nieuw 2 Predictive

Nadere informatie

Hoofdvraag. Hoe kan interne en externe data gebruikt worden voor ziektepreventie bij klanten van DFZ?

Hoofdvraag. Hoe kan interne en externe data gebruikt worden voor ziektepreventie bij klanten van DFZ? Hoofdvraag Hoe kan interne en externe data gebruikt worden voor ziektepreventie bij klanten van DFZ? Data visualisatie (Grafieken, dashboards); Kwantitatieve analyse (cijfers, statistiek); Software Inzichten

Nadere informatie

Samenwerken en de kracht van een verhaal Witteveen+Bos vhp human performance

Samenwerken en de kracht van een verhaal Witteveen+Bos vhp human performance Samenwerken en de kracht van een verhaal Witteveen+Bos vhp human performance WIC 2018 24 september 2018 Maak mensen het hart van de toekomst en vergroot de kracht en flexibiliteit van uw organisatie Enquête

Nadere informatie

Machinaal leren, neurale netwerken, en deep learning

Machinaal leren, neurale netwerken, en deep learning Machinaal leren, neurale netwerken, en deep learning Prof. dr. Tom Heskes KNAW-symposium Go en machinale intelligentie 11 oktober, 2016 Inhoud Inleiding - Supervised, reinforcement, unsupervised leren

Nadere informatie

UNICA. k l a n t bel e v ing ME T DE cen t r a l e work f l ow ges t uurde serv icedesk FL OWFA BRIC

UNICA. k l a n t bel e v ing ME T DE cen t r a l e work f l ow ges t uurde serv icedesk FL OWFA BRIC UNICA C a se e xcel l en t e k l a n t bel e v ing ME T DE cen t r a l e work f l ow ges t uurde serv icedesk 01 FL OWFA BRIC O P T I M I S AT I O N E N G I N E E R S Unica bereikt excellente klantbeleving

Nadere informatie

Data Driven Defensie. Kooy Symposium 2016 AI en Big Data. Prof.dr. Paul C. van Fenema. Nederlandse Defensie Academie

Data Driven Defensie. Kooy Symposium 2016 AI en Big Data. Prof.dr. Paul C. van Fenema. Nederlandse Defensie Academie Data Driven Defensie Prof.dr. Paul C. van Fenema Kooy Symposium 2016 AI en Big Data Nederlandse Defensie Academie Niet noodzakelijkerwijs opinie van het Ministerie van Defensie hicago Telefoonlijn 311

Nadere informatie

Dichterbij purpose door data & digitale intelligentie - stapje voor stapje -

Dichterbij purpose door data & digitale intelligentie - stapje voor stapje - Roel ter Brugge, 16 mei 2019 Dichterbij purpose door data & digitale intelligentie - stapje voor stapje - 1 2 wie is Independer? 3 onze missie meer mensen mee laten doen, door ze het heft in handen te

Nadere informatie

Artificial Intelligence

Artificial Intelligence Artificial Intelligence De kansen, risico s en ethische dilemma s van machine learning Casper Rutjes Sophie Smits Viviënne Haring 25 jaar geleden Neural networks are revolutionizing virtually every aspect

Nadere informatie

Big Data; de nieuwe brandstof voor innovatie

Big Data; de nieuwe brandstof voor innovatie Big Data; de nieuwe brandstof voor innovatie Ivo Römgens Dennie van den Biggelaar T. +31 (0)6 13 11 05 48 T. +31 (0)6 12 23 66 67 E. ivo.romgens@cofely-gdfsuez.nl E. dennie@building-blocks.nl Visie Cofely

Nadere informatie

Met maatwerk uw processen beter op elkaar afstemmen KMO-IT Case Study

Met maatwerk uw processen beter op elkaar afstemmen KMO-IT Case Study Met maatwerk uw processen beter op elkaar afstemmen KMO-IT Case Study Agenda Doel presentatie Proces optimalisatie tastbaar maken KMO-IT case Toelichting context en proces Concrete proces verbeteringen

Nadere informatie

Slim Onderhoud Voorkomen lekkages en onnodige kosten. Seminar Datagestuurd Woningonderhoud

Slim Onderhoud Voorkomen lekkages en onnodige kosten. Seminar Datagestuurd Woningonderhoud Slim Onderhoud Voorkomen lekkages en onnodige kosten Seminar Datagestuurd Woningonderhoud Ralf Putter Business Consultant John Ciocoiu Technisch Consultant Data & Analytics Slim Onderhoud Value case Project

Nadere informatie

Opdrachten City Discourse & criteria beoordeling CIM1011

Opdrachten City Discourse & criteria beoordeling CIM1011 Opdrachten City Discourse & criteria beoordeling CIM1011 Inhoud Specificaties Essay + format bronvermelding 2 Beoordelingsmatrix Essay 3 Specificaties Infomatiedienst 4 Specificaties Dashboard / Appstore

Nadere informatie

ArcelorMittal reduceert machinestilstand met 90% dankzij 3D-visualisatie

ArcelorMittal reduceert machinestilstand met 90% dankzij 3D-visualisatie ArcelorMittal reduceert machinestilstand met 90% dankzij 3D-visualisatie Een 3D-model van je machine met een interactief programma waarmee de operatoren zich kunnen bijscholen. Hiermee heeft ArcelorMittal

Nadere informatie

Data gedreven innoveren, hoe doe je dat?

Data gedreven innoveren, hoe doe je dat? Data gedreven innoveren, hoe doe je dat? 1990 Database Marketing 2000 Customer Intelligence 2010 BI & Data Warehouses Today: Big Data Analytics About me Data Science Advanced Business Intelligence Big

Nadere informatie

Nationale DenkTank 2014 Big Data Academy

Nationale DenkTank 2014 Big Data Academy Big Data Academy Achtergrond en uitwerking Big Data Academy (BDA) Management Summary Oplossing [Twintig] deelnemers waarvan [80%] masterstudenten en PhD s en[20%] werknemers die voldoen aan de voorkenniseisen

Nadere informatie

Intermezzo Learning analytics

Intermezzo Learning analytics Intermezzo Learning analytics CHALLENGE DAY 2017 Lianne van Elk Project Flexibele en Persoonlijke Leeromgeving Learning analytics in het onderwijs Kunnen we data ook voor de verbetering van het onderwijs

Nadere informatie

DE WEG NAAR EEN DATAGEDREVEN ORGANISATIE

DE WEG NAAR EEN DATAGEDREVEN ORGANISATIE DE WEG NAAR EEN DATAGEDREVEN ORGANISATIE Rollen en best practices Dit artikel verscheen ook in De kracht van innovatie - The full story II. Een luchtig boek waarmee managers, ondernemers en professionals

Nadere informatie

Afstudeeropdracht bachelor informatica

Afstudeeropdracht bachelor informatica Webgebaseerde ontsluiting loggegevens van IDEAS Afstudeeropdracht bachelor informatica David Beniers, Anand Mandhre, Michiel van Kempen Bastiaan Heeren, Harold Pootjes Inhoud Opdracht IDEAS Aanpak Taakverdeling

Nadere informatie

CREATIEF MET DATA. Patrick Swart Michel Blaauw. 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 1

CREATIEF MET DATA. Patrick Swart Michel Blaauw. 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 1 CREATIEF MET DATA Patrick Swart Michel Blaauw 8 oktober 2015 Xplor Enterprise Information Management - Zaltbommel 1 Hoe big data het zakelijke landschap verandert Agenda - Over GEA DATA - Een data analyse

Nadere informatie

Data en technologie. Ontwikkelen van Creatieve, duurzame oplossingen voor urgente vraagstukken

Data en technologie. Ontwikkelen van Creatieve, duurzame oplossingen voor urgente vraagstukken WAARDE CREËREN Data en technologie Ontwikkelen van Creatieve, duurzame oplossingen voor urgente vraagstukken Kansen benutten voor innovatie door slim gebruik te maken van data en technologie gecombineerd

Nadere informatie

smartops people analytics

smartops people analytics smartops people analytics Introductie De organisatie zoals we die kennen is aan het veranderen. Technologische ontwikkelingen en nieuwe mogelijkheden zorgen dat onze manier van werken verandert. Waar veel

Nadere informatie

Machine Learning en big data in het sociaal domein. Divosa congres 15 juni 2017

Machine Learning en big data in het sociaal domein. Divosa congres 15 juni 2017 Machine Learning en big data in het sociaal domein Divosa congres 15 juni 2017 programma 1. Inleiding (S:mulansz) 2. Techniek van machine learning (ToAa) 3. Machine learning in de prak:jk (WIL) 5. Privacy

Nadere informatie

Een foto zegt meer dan duizend woorden

Een foto zegt meer dan duizend woorden Een foto zegt meer dan duizend woorden Open Circle Solutions Inhoud 3 4 6 8 9 10 Beeldherkenning Hoe werkt het De mogelijkheden van beeldherkenning OCS beeldherkenning 6-stappenplan Beeldherkenning op

Nadere informatie

Anomaliedetectie en patroonherkenning

Anomaliedetectie en patroonherkenning Digitale overheid van de Toekomst, 28 september 2016 Anomaliedetectie en patroonherkenning binnen de loonaangifteketen Dr. Ralph Foorthuis Voorstelrondje Werkervaring Sr. enterprise architect bij UWV Werkzaam

Nadere informatie

Neurale Netwerken en Deep Learning. Tijmen Blankevoort

Neurale Netwerken en Deep Learning. Tijmen Blankevoort Neurale Netwerken en Deep Learning Tijmen Blankevoort De toekomst - Internet of Things De toekomst - sluiertipje Je gezondheid wordt continue gemonitored Je dieet wordt voor je afgestemd -> Stroomversnelling

Nadere informatie

Ingrediënten voor een innovatief datalab

Ingrediënten voor een innovatief datalab Ingrediënten voor een innovatief datalab Hoeveel tijd neemt jouw organisatie voor innovatie en vernieuwing?? 2 Waar zit als organisatie je budget en je waarde? Vandaag Budget Morgen Overmorgen Peter Hinssen:

Nadere informatie

Lessons Learned omtrent Predictive Analytics

Lessons Learned omtrent Predictive Analytics Lessons Learned omtrent Predictive Analytics Suzanne Deering Verdonck, Klooster & Associates OR VKA december 2015 Logo Klant Introductie Suzanne Deering Rotterdammert Bedrijfskunde (Erasmus Universiteit

Nadere informatie

Informatiegestuurd werken in Rotterdam

Informatiegestuurd werken in Rotterdam BigDataGemeenten 7 juni 2017 Mark Vermeer, directeur IIFO Informatiegestuurd werken in Rotterdam deel van de Rotterdamse I-Strategie 1 Een paar weetjes over Rotterdam 630.000 inwoners 170 nationaliteiten

Nadere informatie

Powered by EGM. Virtual, Mixed en Augemented Reality binnen de (interieur-)architectuur

Powered by EGM. Virtual, Mixed en Augemented Reality binnen de (interieur-)architectuur Powered by EGM Virtual, Mixed en Augemented Reality binnen de (interieur-)architectuur Programma Powered by EGM Interactief presenteren met VR/AR/MR What s nu & what s next Powered By EGM 1998-2002 MEI

Nadere informatie

Ontsluiten van gesproken documenten. Arjan van Hessen

Ontsluiten van gesproken documenten. Arjan van Hessen SpraakTech Ontsluiten van gesproken documenten Arjan van Hessen spraak tekst spraak verslag emotiedetectie emotiedetectie geeft GEEN antwoord op vragen herkennen van sprekers groeperen van verschillende

Nadere informatie

Real Time Monitoring & Adaptive Cyber Intelligence SBIR13C038

Real Time Monitoring & Adaptive Cyber Intelligence SBIR13C038 Real Time Monitoring & Adaptive Cyber Intelligence SBIR13C038 Opgericht 2010 Ervaring >10 jaar Expertise Forensisch gegevensonderzoek Anomalie detectie Behavioral profiling SBIR Partners TNO Texar Data

Nadere informatie

100% voorspelbaar onderhoud? Vitale assets Proces optimalisatie Een data gedreven RWS!

100% voorspelbaar onderhoud? Vitale assets Proces optimalisatie Een data gedreven RWS! 100% voorspelbaar onderhoud? Proces optimalisatie Een data gedreven RWS! 1 2 3 8 stappenplan 4 5 1) Installatie sensoren (incl. ontsluiten SCADA-data) 2) Verzenden data (veilig!) 3) Opslag data 4) Combineren

Nadere informatie

Fundamentals of Data Science

Fundamentals of Data Science Fundamentals of Data Science 2018 Fundamentals of Data Science Data Science & Smart Services Data Science & Smart Services zijn twee begrippen waarmee je in deze tijd veel te maken krijgt. Niet alleen

Nadere informatie

4 OKTOBER 2018 Jaarbeurs, Utrecht

4 OKTOBER 2018 Jaarbeurs, Utrecht 4 OKTOBER 2018 Jaarbeurs, Utrecht 4 OKTOBER 2018 JAARBEURS, UTRECHT MAKE GEOSPATIAL MATTER Make Geospatial Matter is een jaarlijks terugkerend evenement van IMAGEM. Een dag vol inspirerende lezingen, succesverhalen

Nadere informatie

Hello, are we your marketing analytics partner?

Hello, are we your marketing analytics partner? Hello, are we your marketing analytics partner? Travel Energy Vergroot het marktaandeel in de specifieke product categorieen door de effectiviteit te optimaliseren van het acquisitie budget. Analiseer

Nadere informatie

Robert Mul Beroepsontwikkeling & Beleid. 31/10/18 ICT-accountancy 1

Robert Mul Beroepsontwikkeling & Beleid. 31/10/18 ICT-accountancy 1 Robert Mul Beroepsontwikkeling & Beleid 31/10/18 ICT-accountancy 1 NBA-BESTUURSVISIE OP BEROEP EN BEROEPSORGANISATIE Maart 2018 31/10/18 ICT-accountancy 2 Vijf thema s centraal: welke zou u kiezen? Maatschappelijke

Nadere informatie

The best of both worlds D O O R J E R O E N L I J Z E N G A EN E M I E L H E I N S B R O E K

The best of both worlds D O O R J E R O E N L I J Z E N G A EN E M I E L H E I N S B R O E K The best of both worlds D O O R J E R O E N L I J Z E N G A EN E M I E L H E I N S B R O E K Het nieuwe toverwoord: Datascience Using automated methods to analyze massive amounts of data and to extract

Nadere informatie

Drie domeinen als basis voor onze toekomstige veiligheid De genoemde trends en game changers raken onze veiligheid. Enerzijds zijn het bedreigingen, anderzijds maken zij een veiliger Nederland mogelijk.

Nadere informatie

ANALYTICS, HOE PAK JE DAT AAN? Maurice Meijers

ANALYTICS, HOE PAK JE DAT AAN? Maurice Meijers ANALYTICS, HOE PAK JE DAT AAN? Maurice Meijers 1 DE KRACHT VAN VINCI ENERGIES Business Analytics EPC(M) contracting Infrastructure Solutions Collaboration Solutions Consultancy Engineering Business Solutions

Nadere informatie

Data Driven Strategy The New Oil Using Innovative Business Models to Turn Data Into Profit

Data Driven Strategy The New Oil Using Innovative Business Models to Turn Data Into Profit Data Driven Strategy The New Oil Using Innovative Business Models to Turn Data Into Profit Big Data & Innovatieve Business Modellen Fire in the hole! 51K manholes, 94K miles of cables 106 predicting variables:

Nadere informatie

BUSINESS INTELLIGENCE

BUSINESS INTELLIGENCE BUSINESS INTELLIGENCE IT is peoples business Inhoudsopgave 1 HET TEAM 2 ONZE DIENSTEN 3 BI VOLWASSENHEIDS MODEL 4 DE NIVEAUS Start klein Groei Professionaliseer Wees bepalend Voor meer informatie of een

Nadere informatie

Digitalisering van industrieel onderhoud: wat zijn de laatste ontwikkelingen in condition based maintenance?

Digitalisering van industrieel onderhoud: wat zijn de laatste ontwikkelingen in condition based maintenance? Smart Industry Jaarevent 2018 Podium 8, ronde 3 Digitalisering van industrieel onderhoud: wat zijn de laatste ontwikkelingen in condition based maintenance? Paul Cobben Sector Developer Maakindustrie 05-02-2018

Nadere informatie

Het classificeren van hoortoestel modaliteiten m.b.v. een Big Data benadering: Latent Class Trees analyse

Het classificeren van hoortoestel modaliteiten m.b.v. een Big Data benadering: Latent Class Trees analyse Het classificeren van hoortoestel modaliteiten m.b.v. een Big Data benadering: Latent Class Trees analyse Simon Lansbergen & Wouter Dreschler Motivatie // Introductie 1. Veel verschillende hoortoestellen,

Nadere informatie

Coöperatie VGZ Sturen op NPS in Klantmissieteams Vallen en opstaan in datagedreven customer excellence

Coöperatie VGZ Sturen op NPS in Klantmissieteams Vallen en opstaan in datagedreven customer excellence Coöperatie VGZ Sturen op NPS in Klantmissieteams Vallen en opstaan in datagedreven customer excellence Werken aan gezonder NL, elke dag weer Klantmissieteams werken datagedreven aan superieure klantbeleving

Nadere informatie

Meer doen met je onze informatie. Wat is dat?

Meer doen met je onze informatie. Wat is dat? Meer doen met je onze informatie Wat is dat? Innoveren in de Financiële functie..? Big Data, Business Intelligence, Smart City, Data Analytics, Gestuurd Werken? Gaaf, daar moeten we als gemeente iets mee!!

Nadere informatie

Introduction to IBM Cognos Express = BA 4 ALL

Introduction to IBM Cognos Express = BA 4 ALL Introduction to IBM Cognos Express = BA 4 ALL Wilma Fokker, IBM account manager BA Ton Rijkers, Business Project Manager EMI Music IBM Cognos Express Think big. Smart small. Easy to install pre-configured

Nadere informatie

SMA Hoog Salestarget? Geen Probleem!

SMA Hoog Salestarget? Geen Probleem! SMA 14-03-2019 Hoog Salestarget? Geen Probleem! Koen Meeusen Oprichter NeurOp BV Toegepaste kunstmatige intelligentie Concreet inzetbare toepassingen Korte terugverdientijd Ervaring sales toename van 10%

Nadere informatie

Conceptueel Modelleren GEÏNTEGREERD DATA MODELLEREN MET DEMO EN DATA VAULT

Conceptueel Modelleren GEÏNTEGREERD DATA MODELLEREN MET DEMO EN DATA VAULT Conceptueel Modelleren GEÏNTEGREERD DATA MODELLEREN MET DEMO EN DATA VAULT Introductie Wineke Sloos BSc Taal & Kunstmatige Intelligentie @ Tilburg University MSc Information Management @ Tilburg University

Nadere informatie

Voorspel uw toekomstige. afzet met Sales & Operations Planning. Rene van Luxemburg. Ilja Kempenaars

Voorspel uw toekomstige. afzet met Sales & Operations Planning. Rene van Luxemburg. Ilja Kempenaars Voorspel uw toekomstige Rene van Luxemburg Ilja Kempenaars afzet met Sales & Operations Planning Break-out sessie Break-out sessie S.&.O.P. & Forecasting Forecast Pro applicatie Effectief? Ja! Duur? Nee!

Nadere informatie

Business Analytics: van reactief naar proactief

Business Analytics: van reactief naar proactief Business Analytics: van reactief naar proactief Hoe Business Analytics what happens verandert in this will happen 5 Quick Wins in 30 minuten Pascha Iljin Ronald Buijsse Business Analytics 5 Quick Wins

Nadere informatie

14/09/2017. Uitdagingen en kansen van het Internet of Things. Hans Delabie, COO en Co-founder Smappee. Smart Home is niet langer toekomstmuziek

14/09/2017. Uitdagingen en kansen van het Internet of Things. Hans Delabie, COO en Co-founder Smappee. Smart Home is niet langer toekomstmuziek Uitdagingen en kansen van het Internet of Things Hans Delabie, COO en Co-founder Smappee Smart Home is niet langer toekomstmuziek Videotelefonie Smart Watch Automatische stofzuiger Smart TV Eten uit een

Nadere informatie

Big Data bij de Rabobank

Big Data bij de Rabobank Big Data bij de Rabobank Platform Klantgericht Ondernemen, 19 sept 2012 Marcel Kuil en Hilde van Hulten Onderwerpen Big Data bij Rabobank; Wat en waarom? Roadmap Aanleiding Doelstelling Aanpak Inrichting

Nadere informatie

Datascience als Advies drager Crowe Foederer B.V. 1

Datascience als Advies drager Crowe Foederer B.V. 1 Datascience als Advies drager 2018 Crowe Foederer B.V. 1 Agenda Crowe Foederer & Datascience Het FDS Platform; werkwijze en oplossingen Datascience als adviesdrager: twee praktijkvoorbeelden Samenvatting

Nadere informatie

De toekomst van de Tax Assurance Provider

De toekomst van de Tax Assurance Provider De toekomst van de Tax Assurance Provider Tax Data Science & Tax Assurance Vakmanschap 2022 RTAP-dag John Piepers 14 juni 2017 Interne beheersing 2 De wereld globaliseert... 3 versnelt, zapt en is on-line!

Nadere informatie

Transparanten bij het vak Inleiding Adaptieve Systemen: Introductie Machine Leren. M. Wiering

Transparanten bij het vak Inleiding Adaptieve Systemen: Introductie Machine Leren. M. Wiering Transparanten bij het vak Inleiding Adaptieve Systemen: Introductie Machine Leren. M. Wiering Lerende Machines Verbeter in taak T, Voorbeeld: je ziet de karakteristieken (Features) van een aantal dieren

Nadere informatie

Trainingen over datagedreven werken. Van data naar doen met de Digital Power Data Academy.

Trainingen over datagedreven werken. Van data naar doen met de Digital Power Data Academy. Trainingen over datagedreven werken Van data naar doen met de Digital Power Data Academy. Waarom training bij Digital Power? Trainers met praktijkervaring Al onze trainers werken dagelijks met data voor

Nadere informatie

Machine Learning voor persoonlijke en precieze zorg. 8 november 2018

Machine Learning voor persoonlijke en precieze zorg. 8 november 2018 Machine Learning voor persoonlijke en precieze zorg 8 november 2018 Persoonlijke introductie Pacmed combineert machine learning met medische kennis voor persoonlijke en precieze zorg Missie Patiënten krijgen

Nadere informatie

AI introductie voor testers

AI introductie voor testers AI introductie voor testers De basis van deep learning TestNet werkgroep Testen met AI Martin van Helden Sander Mol Introductie Artificial Intelligence (AI) is anders dan traditioneel programmeren. Traditioneel

Nadere informatie

IPFOS. Bestuurders Conferentie. Scenario planning voor verzekeraars onder solvency II Onno de Vrij, Head of Risk andfraud-sas

IPFOS. Bestuurders Conferentie. Scenario planning voor verzekeraars onder solvency II Onno de Vrij, Head of Risk andfraud-sas IPFOS Bestuurders Conferentie Scenario planning voor verzekeraars onder solvency II Onno de Vrij, Head of Risk andfraud-sas SCENARIO PLANNING DE TOEKOMST VOOR PENSIOENFONDSEN? Onno de Vrij, SAS HET

Nadere informatie

Minor Data Science (NIOC april)

Minor Data Science (NIOC april) Minor Data Science 2015-2016 (NIOC 2015-23 april) Tony Busker, Jan Kroon en Sunil Choenni (Instituut voor Communicatie, Media- en Informatietechnologie, Hoegeschool Rotterdam) Sunil Choenni en Mortaza

Nadere informatie

De kracht van BI & Architectuur

De kracht van BI & Architectuur Samen boeken we succes De kracht van BI & Architectuur in de praktijk Business Intelligence Symposium 2009 Emiel van Bockel BI Awards 2009 2 Voorstellen Emiel van Bockel - Manager Information Services

Nadere informatie

De gemeente in de toekomst V R I J D A G 2 9 J U N I

De gemeente in de toekomst V R I J D A G 2 9 J U N I De gemeente in de toekomst V R I J D A G 2 9 J U N I 2 0 1 8 1 Inhoudsopgave Trends & ontwikkelingen in het algemeen Het ontstaan van de visie de gemeente in de toekomst De digitale gemeente De verbonden

Nadere informatie