Machine learning

Stel je voor: je zit in 2028 in het stadion, klaar voor de wedstrijd, en in plaats van dat de sportanalist komt met z’n klassieke voorspelling, start hij z’n laptop, laadt een dashboard en zegt: “Volgens Model X is het podium: 1. VS, 2. China, 3. Frankrijk”.

Een nieuw machine-learningproject starten kan overweldigend zijn. Welke modellen kies je? Welke data heb je nodig? En hoe bouw je iets dat écht waarde toevoegt? Deze korte gids helpt je op weg. Negen modellen die elke startende data-scientist zou moeten kennen — met uitleg wat ze doen, wat je ermee kunt, welke data je nodig hebt én directe links om meteen te oefenen.

De luchtvrachtsector heeft altijd al te maken gehad met grilligheid. Vraag en aanbod bewegen mee met geopolitieke spanningen, schommelende olieprijzen en onvoorspelbare pieken in consumentengedrag. De pandemie maakte het nog duidelijker: van lege belly-holds tot plotselinge explosies in e-commerce-zendingen. Waar vroeger ervaring en fingerspitzengefühl de boventoon voerden, wordt vandaag steeds vaker gekeken naar technologie als antwoord.

E-commerce is misschien wel dé ultieme testcase voor auditors die serieus werk willen maken van data-analyse en machine learning. Geen sector waarin transactiestromen zo massaal, digitaal en rijk aan metadata zijn vastgelegd. Van de eerste klik in de webshop tot de uiteindelijke retourzending en de bijbehorende terugbetaling: alles laat een spoor achter. En precies daar zit de kracht van auditing anno 2025.

In sportorganisaties zijn ledencontributies vaak dé financiële levensader. Maar hoe weet je zeker dat die baten kloppen? Een klassiek sommetje als “aantal leden × tarief” lijkt eenvoudig, maar wie ooit contributiecontrole heeft gedaan, weet: het is allesbehalve simpel.

Als business controller ben je de brug tussen cijfers en strategie. Je helpt de organisatie vooruit door financiële data te vertalen naar inzichten, scenario’s en adviezen. Maar hoe vaak worstel je met eindeloze Excel-sheets, verouderde rapportages of onvolledige data? Hier komt data-analyse en machine learning om de hoek kijken: niet als vervanging van jouw expertise, maar als een superkracht die je werk slimmer, sneller en effectiever maakt. De redactie van TheDataConnection ging op onderzoek uit!

Kunnen machine learning-modellen de Nederlandse inflatie beter voorspellen dan nu gebeurt? Dat onderzochten twee economen van De Nederlandsche Bank (DNB) en een data-analist van de Vrije Universiteit (VU) Amsterdam.

Chips voor auto’s worden uitgebreid getest, wat de chips 5 tot 10 procent duurder maakt. Ingenieurs bij halfgeleiderfabrikant NXP hebben een machine learning-algoritme ontwikkeld dat de meeste tests overbodig maakt.

Noten kunnen handmatig worden gecontroleerd, maar machines kunnen dat veel efficiënter. De machines van Qcify maken gebruik van data, AI en machine learning. “Dit is geen marketing gimmick,” aldus Qcify.

Machine learning kan het complexe klimaatsysteem beter en gedetailleerder doorgronden. Slimme algoritmes maken voorspellingen scherper en sneller.

Machine learning kan bijdragen aan het verminderen van zwerfafval in stedelijke gebieden zoals Amsterdam. Maarten Sukel beschrijft de mogelijkheden hiervoor in zijn proefschrift.

Israëlische onderzoekers hebben een machine leaning model ontwikkeld dat factcheckers kan helpen met het identificeren van met misinformatie op social media.

Machine learning kan patronen ontdekken in grote hoeveelheden data. Maar hoe voorkom je dat het AI-systeem discrimineert? ‘Beleidsmakers zijn bezig met het bedenken van maatregelen, maar ze kunnen veel meer leunen op bestaande concepten en theorieën die hun waarde al hebben aangetoond in andere sectoren.’

Bedrijven maken steeds vaker gebruik van machine learning om complexe uitdagingen in hun supply chain aan te pakken. Supply Value vergelijkt in een whitepaper drie vooruitstrevende forecastmodellen – Prophet, Neuralprophet en LightGBM – in real-life casussen binnen de retailindustrie.

Werktuigbouwkundestudenten Benjamin O’regan en Reinis Jaunarajs bouwden een drone die landmijnen kan opsporen. Ze trainden een machine learning model voor herkennen van bijvoorbeeld een Russische landmijn.

Machine learning valt onder AI. Het is erop gericht om computers te leren hoe ze grote gegevenssets en patronen daarin kunnen analyseren. Na de eerste programmering kan de computer zonder menselijke tussenkomst leren en verbeteren.