Robert is als Lead Data Scientist verantwoordelijk voor onze technische visie en de ontwikkeling van onze data-professionals. Al enige tijd geleden rondde hij zijn studie Kunstmatige Intelligentie af in een tijd dat het vakgebied eigenlijk nog niet bestond in de praktijk. Toch kon Robert zich ontwikkelen binnen software development en marketing intelligence voordat hij in het data science team van ING terecht kwam. Sinds 2018 voegde hij zich als Lead toe aan het team van Data Science Lab.
Data Science is een vrij jong vakgebied en staat bij de meeste organisaties nog in de kinderschoenen. Waar data science nu vaak een apart eilandje is in de organisatie, zal het meer een standaard onderdeel worden van elk team en organisatie. Ook zal de expertise meer samenvloeien met specifieke domeinkennis. Daarnaast zal de focus geleidelijk meer op engineering en MLOps gaan liggen, maar verder denkt Robert dat het werkveld niet heel wezenlijk zal veranderen. Robert hoopt in de toekomst te zien dat er consolidatie plaatsvindt in de enorme hoeveelheid tools, platforms en manieren om het werk te verrichten. “Het zou fijn zijn wanneer we op een punt komen waar we kunnen zeggen: dit werkt in de meeste gevallen het beste, en gaat ook door de meeste mensen gebruikt worden”.
Een les die hij altijd binnen zijn carrière mee zal nemen is het paradigma shift van Andrei Karpathy: waar we eerst de data als een gegeven zagen en daar een optimaal model op probeerden te trainen, zie je steeds vaker dat het beste model min of meer bekend is maar dat effectiviteit vooral zit in het verkrijgen van meer en betere data. Robert probeert vraagstukken en problemen vanuit verschillende perspectieven te bekijken, waardoor problemen en bijbehorende oplossingen er soms heel anders uit komen te zien.
In de vroege jaren ’00 kan Robert herinneren dat Shazam razend populair werd. AI/data science was nog niet doorgebroken in Nederland, maar Shazam presteerde het om in die tijd al liedjes te herkennen aan de hand van geluidsfragmenten. Voor die tijd erg indrukwekkend. In de toekomst zou hij heel graag willen werken aan een project om de geschiedenis beter te begrijpen, door enorme hoeveelheden oude geschriften te analyseren en aspecten hiervan te visualiseren met tekst-to-image modellen.
