Shand rondde in 2020 zijn WO-Master Business Analytics af, aansluitend op de Bachelor Toegepaste Wiskunde. Al in 2017 werkte hij als werkstudent bij EY, MagnaVersum en schreef zijn scriptie bij PwC. Een baan als data scientist was niet waar hij altijd van droomde. Dat was eerder een toekomst als profvoetballer! En zoals bij velen, lagen zijn kwaliteiten toch buiten het veld. Gelukkig voor Data Science Lab paste wiskunde beter bij hem. Shand’s pieken zitten niet alleen in de y-as van zijn modellen, hij wil namelijk ooit nog de hoogte opzoeken om met een parachute uit een vliegtuig te springen. De beste les die hij heeft meegekregen tijdens zijn werkervaring, is om zaken eenvoudig uit te leggen, te vertalen in bruikbare oplossingen, in plaats van eindeloos blijven zoeken naar de meest nauwkeurige uitkomst. Wil je nog wat meer leren over TensorFlow of Keras, dan moet je bij Shand zijn! Voornamelijk als het draait om image recognition en NLP heeft hij je veel te vertellen.
Shand ziet het vakgebied rondom data science over tien jaar in sneltreinvaart veranderen. Enerzijds zullen veel bestaande machine learning modellen verder worden geïntegreerd in bestaande diensten en applicaties, anderzijds zal engineering een steeds belangrijkere rol krijgen. Dat komt goed uit, want Shand verdiept zich graag in de wereld van data engineering. Zelf zou hij het erg interessant vinden om de restwaarde van leaseauto’s te voorspellen door middel van online tekstdata. Denk hierbij aan Tweets, autoblogs of fora van specifieke automerken. Uit deze voorspellingen kunnen leasemaatschappijen in kaart brengen welke modellen auto’s wel en niet winstgevend zijn om de leasetarieven hierop aan te passen.
Ook in de zorg ligt een groot deel van zijn interesses. Het mooiste voorbeeld van het gebruik van AI-toepassingen is het vroegtijdig opsporen van bepaalde typen huidkanker met behulp van image-recognition. Shand hoopt op een razendsnelle ontwikkeling van AI binnen de zorg. De medische industrie kan een snelle transitie maken vanuit de onderzoeksfase, naar het bruikbaar maken op grote schaal.
Al zal Shand fysiek geen grote bijdrage meer gaan leveren binnen de sportindustrie, ziet hij AI hier in de toekomst zeker nog een grote rol in spelen. Er wordt al op grote schaal gebruik gemaakt van analyse en voorspellingen binnen de branche, maar hier kan nog veel meer mee worden gedaan. Met behulp van computer vision kan bijvoorbeeld tijdens een wedstrijd worden bekeken op welke momenten de kans op een doelpunt wordt vergroot. Hierdoor kunnen voetballers meer gericht trainen op het herkennen van doelrijke kansen en risico’s in het spel of trainers informatie geven over hun tactieken en opstellingen.
