Fré

Fré behaalde haar BSc Econometrie, maar realiseerde zich dat haar master zich meer moest gaan toespitsen op programmeren. Dit vond zij in de MSc Artificial Intelligence aan de UvA waarbij onderwerpen zoals klassieke AI-technieken en neurale netwerken de revue passeerden. Na haar studies ging zij direct aan de slag bij Data Science Lab. De beste les die Fré uit haar studieperiode heeft meegenomen is om eenvoudig te beginnen, om daarna pas te kijken naar meer gecompliceerde modellen. In de praktijk worden met gecompliceerde modellen niet altijd de beste uitkomsten gegenereerd en/of de vraag van de opdrachtgever daarmee goed beantwoord.

Hoe het vakgebied van data science er over tien jaar uitziet? Aan de ene kant denk Fré dat er steeds meer off-the-shelf machine learning modellen op de markt zullen komen, waardoor het als data scientist minder nodig zal zijn om deze modellen zelf te ontwikkelen. Er zal ‘feature engineering’ gedaan dienen te worden om ervoor te zorgen dat er goede data is is om het model op te trainen. De waarde van een data scientist zal vooral zitten in het correct interpreteren van de uitkomst van de modellen.

Aan de andere kant zijn er ook bedrijven die niet aan de slag willen/kunnen met machine learning doordat deze modellen geen transparantie geven over hoeveel de verschillende variabelen hebben bijgedragen aan een bepaalde uitkomst van het model. De laatste jaren is er steeds meer aandacht gekomen voor Explainable Artificial Intelligence, waarbij het doel is om deze black-box modellen te ‘openen’ zodat het duidelijk wordt welke invloed de verschillende variabelen hebben gehad op de uitkomst van het model. Als dit onderzoeksveld zich blijft door ontwikkelen hoopt zij dat er in de toekomst complexere modellen vaker in praktijk kunnen worden toegepast (off-the-shelf of niet). Als dit niet gebeurt denk ze dat er ook altijd vraag zal blijven naar de wat eenvoudige, maar wel interpreteerbare modellen.

Fré zou in de toekomst graag willen bijdragen aan oplossingen die de wereld een klein beetje beter maken. Denk bijvoorbeeld aan het verminderen van voedselverspilling. Dit kan worden bereikt door in restaurants de inkoop van ingrediënten en bereiding van maaltijden te optimaliseren (hetzelfde geldt voor supermarkten). Maar denk ook aan een platform of app waarbij mensen een waarschuwing krijgen wanneer groente/fruit (of andere producten zonder zichtbare houdbaarheidsdatum) bijna over tijd gaan, waarbij er suggesties worden gedaan voor recepten.

QUESTIONS?