Sprint naar content
Lectoraat van Duurzaamheid en circulariteit / Gezonde en inclusieve samenleving / Enabling technologies

AI en big data

Artificiële intelligentie (AI) wordt gezien als ‘key enabling technologie' met een transformatief karakter. De impact is voelbaar binnen het ICT-domein (innovatie in ICT), maar ook ver daarbuiten. Maatschappelijke, zakelijke en wetenschappelijke interesse accelereert de ontwikkeling en vraag naar praktische toepassingen (innovatie met ICT). En hoewel we AI overal om ons heen terug zien, staat de technologie nog in de spreekwoordelijke kinderschoenen. 

Volwassen AI-technologie voor mens en maatschappij

Het Lectoraat AI & Big Data houdt zich bezig met het versnellen van AI-toepasbaarheid, ontsluiten van nieuwe mogelijkheden en de transitie van ‘brute force’ rekenkracht op basis van big data naar smart technologie met een brede impact op onze samenleving. Wij onderzoeken en verkennen de mogelijkheden die big data en slimme algoritmes bieden voor ICT-toepassingen in diverse domeinen. Dit doen we samen met studenten, docenten en externe partners. Binnen ons praktijkgericht AI-onderzoek, hebben we twee focusgebieden: 

  1. AI for People & Planet – Het verkennen van AI-mogelijkheden met een positieve impact op mens en natuur. 
  2. AI Engineering – Bijdragen aan de innovatie en ontwikkeling van AI tot een volwassen engineering discipline. 

De verwachtingen van AI zijn hoog, maar er is nog veel exploratief en toegepast werk te verzetten om de technologie volwassen te maken en een volledige transitie te maken naar een ‘smart applied technology’. Er zijn een aantal uitdagingen die centraal staan voor het lectoraat: 

  • Data-driven AI naar Smart Technology De hedendaagse AI berekent correlaties via complexe algoritmes die (extreem) veel data nodig hebben, maar is nog niet in staat om met minder data causale verbanden te leggen (iets waar wij als mensen juist wel goed in zijn). Daarom loopt veel academisch onderzoek naar ‘next generation AI’. Denk aan explainable AI, general purpose AI (in tegenstelling tot task-specific AI), AI die met minder data werkt, of causale verbanden legt. Deze ontwikkelingen volgen we op de voet en nemen we mee in toegepast onderzoek.
  • Ethiek en transparantie De koppeling met menselijke waarden (zoals privacy) en transparantie van de technologie roepen veel ethische vragen op die antwoorden nodig hebben. Daarom kijken we verder dan AI enkel als technologie naar de maatschappelijke impact en ervaring.
  • Van impressive ‘demonstrator’ naar gedegen proces AI-ontwikkeling is nu vaak een proces van trial-and-error en kent nog geen gedegen ontwikkelingsproces (dit is een actief onderzoeksveld, wat ook AI engineering genoemd wordt), waarin dataopslag, data preprocessing (cleaning, transformatie), automatisch (her)trainen van modellen, performance monitoring van modellen etc. geborgd is.

Wendbaar en dienstbaar

Om invulling te geven aan de gestelde focusgebieden staan wendbaarheid en dienstbaarheid centraal bij het Lectoraat AI & big data. In de praktijk betekent dat het toegankelijk maken van onderzoekstaken voor studenten, het aangaan van publiek-private samenwerkingen met business partners, en duurzaam relatiebeheer met andere kennisinstellingen. Op deze manier dragen we bij aan de kenniscreatie en innovatie die nodig is om te komen tot state-of-the-art practice in AI die een marktklare technologie nodig heeft.

Wegens nog niet accepteren van de cookies is de YouTube video niet zichtbaar.

Lectoraat AI & Big Data

Artificial Intelligence volwassen maken

Kenniscentrum Applied AI For Society

Binnen Fontys Hogescholen wordt AI gezien als een transformatieve technologie met een impact op elk vakgebied en onderzoeksveld. Daarom komt kennis, kunde en ervaring bij elkaar in het Kenniscentrum Applied AI For Society. Het doel van het kenniscentrum is om kennisdeling en creatie te stimuleren, discussie mogelijk te maken en nieuwe projecten te starten. Bovendien is het kenniscentrum in de Brainport regio het aanspreekpunt voor toegepaste (onderzoeks)vraagstukken vanuit het bedrijfsleven met betrekking tot AI. Naast het eigen toegepaste onderzoek, is het Lectoraat AI & Big Data ook hierbij betrokken.


Onderzoeksprojecten


Lector

Foto van persoon

Dr.ir. G.C. (Gerard) Schouten

Lector AI en Big Data | Fontys ICT

Gerard Schouten heeft Natuurkunde gestudeerd aan de TU/e. In 1993 is hij gepromoveerd op onderzoek naar visuele waarneming. Na zijn studie startte hij als software designer / projectleider bij Philips Innovation Services.


Kennisteam

Foto van persoon

Dr. P.M. (Petra) Heck

Senior onderzoeker AI Engineering | Fontys ICT

Foto van persoon

Dr. M.W.H. (Manon) Peeters-Schaap

Senior onderzoeker en projectleider ‘van sensoren naar zorg’ | Fontys Paramedisch
Qin Zhao

Q. (Qin) Zhao

Docent-onderzoeker

Foto van persoon

R. (Ralf) Raumanns

Docent-onderzoeker

Foto van persoon

S.M. (Simona) Orzan

Docentonderzoeker

Bas Michielsen

B.S.H.T. (Bas) Michielsen

Docent-onderzoeker

Foto van persoon

N.H.L. (Nico) Kuijpers

Docent-onderzoeker AI en Big Data

Foto van persoon

Dr. Ir. A.A.G. (Anne-mie) Sponselee

Docent-onderzoeker

Foto van persoon

E. (Erdinç) Saçan

Docent-onderzoeker

Foto van persoon

M.R.J. (Marcel) Meesters

Docent-onderzoeker

Foto van persoon

B.L. (Bartosz) Paszkowski

Docent-onderzoeker

Coen Crombach

Drs. Ir. C.J.H. (Coen) Crombach

Docent-onderzoeker

Georgiana Manolache

G. (Georgiana) Manolache

Docent-onderzoeker

Merel Veracx

M.M.S. (Merel) Veracx

Docent-onderzoeker

Iman Mossavat

S.I. (Iman) Mossavat

Docent-onderzoeker


Meesters, M., Heck, P. & Serebrenik, A. (2022) What Is an AI Engineer? An Empirical Analysis of Job Ads in The Netherlands. https://doi.org/10.1145/3522664.3528594

Schouten, G., Sangiovanni, M., Hogeweg, L. & Kalkman, V. (2021) Large-scale Monitoring of Wildflowers: Data and AI Challenges. NWO Life 2021 Conference

Heck, P.M., Schouten, G. & Cruz, L. (2021) A Software Engineering Perspective on Building Production-Ready Machine Learning Systems. In: Chkoniya V. (ed.) Handbook of Research on Applied Data Science and Artificial Intelligence in Business and Industry, pp. 23-54. https://doi.org/10.4018/978-1-7998-6985-6.ch002.

Heck, P.M. &Schouten,G. (2021) Lessons Learned from Educating AI Engineers. 2021 IEEE/ACM 1st Workshop on AI Engineering - Software Engineering for AI (WAIN), 2021, pp.1-4, https://arxiv.org/abs/2103.10703

Peeters, M.W.H., Schouten, G. & Wouters, E.J.M. (2021) Wearables for Residents of Nursing Homes with Dementia to Signal Challenging Behaviour: Values, Attitudes and Needs. Gerontechnology, 20(2), pp. 1-13. https://doi.org/10.4017/gt.2021.20.2.7.06

Schouten, G., Sangiovanni, M. & van den Heuvel, WJ.(2021) IoT Beehives and Open Data to Gauge Urban Biodiversity. In: Arai K. (ed) Advances in Information and Communication. FICC 2021. Springer. https://doi.org/10.1007/978-3-030-73100-7_17

Abbasi-Sureshjani, S., Raumanns, R., Michels, B.E.J., Schouten, G. & Cheplygina, V. (2020) Risk of Training Diagnostic Algorithms on Data with Demographic Bias. MICCAI. Lecture Notes in Computer Science, 12446, pp.183-192 https://doi.org/10.1007/978-3-030-61166-8_20.

Heck, P.M. & Schouten, G. (2020) Turning Software Engineers into AI Engineers. arXiv preprint arXiv:2011.01590.

Raumanns, R., Contar, E.K., Schouten, G. & Cheplygina, V. (2020) Multi-task Ensemble Learning with Crowdsourced Features Improve Skin Lesion Diagnosis. arXiv preprintarXiv:2004.14745v2.

Schouten, G., Boosten-Ovtchinnikova, M., Paszkowski, B. & Van den Boogaard, L. (2019) Take out what you can: quantitative analysis of the open question results from the National Student Survey (artikel). 16-06-2019. https://surfsharekit.nl/public/2a90d9aa-c004-4329-b9ae-98c6304de057

Janssen, O.T.A. & Schouten, G. (2019) Machine Learning and the whole Transparency Thing. Medium blogpost https://medium.com/@o.t.a.janssen/machine-learning-and-the-whole-transparency-thing-ac85577be382.

Aarts, S., Schouten, G. & Wernaart, B. (2017) Ethiek in Onderzoek van de Toekomst. Chapter in: Ethiek van Praktijkgericht Onderzoek, Bohn Stafleu van Loghum. ISBN: 9789036817516.

Schouten, G. (2016) Big Data? Natuurlijk! Inauguration booklet, Fontys.

Populair:

Wernaart, B., Arets, D., Pen, C. & Schouten, G. (2022) Datacenters: een noodzakelijke infrastructuur die niemand wil. AG Connect, 10 maart 2022.

Wernaart, B., Arets, D., Pen, C.J. & Schouten, G. (2022) Datacenters verdienen beter debat. AG Connect. Maart 2022

Arets, D., Graaf, M., Schouten, G. & Wernaart, B. (2021) We moeten ons ook wapenen tegen de ‘data-warlords’, die met nullen en enen vechten. De Volkskrant, 10 november 2021

Schouten, G. (2021) Laat het HBO AI aanpakken. Eindhovens Dagblad, 17 april 2021.

Geleijns, B., Baert, R., Kuijpers, N. & Schouten, G. (2021) Met Big Data rijgedrag ZE-Bussen beoordelen. OV Magazine. 1 maart 2021

Terburg, S. (2021) Wij hebben het bedrijfsleven nodig. Regio Business. 26 januari 2021

Schouten, G. (2018) Met Data Science de Wereld een beetje mooier Maken. Publiek Denken Magazine.

Schouten, G. (2018) Interview Lector van het Jaar. Podcast, ScienceGuide. https://soundcloud.com/user-143389502/scienceguide-podcast-lector-van-het-jaar


Contact

Foto van persoon

Dr.ir. G.C. (Gerard) Schouten

Lector AI en Big Data | Fontys ICT