Sprint naar content
Afgerond project

Applied data science: Slimme ICT-oplossingen

Artificial intelligence is deel van onze realiteit en stiekem vind je die overal om ons heen. Slimme ICT-producten leven diensten op maat en accelereren de digitalisering van de maatschappij. De grote innovaties van de komende jaren – zelfrijdende auto’s,spraakgestuurde virtuele assistenten, autodiagnose systemen, robots die autonoom complexe taken uitvoeren – zijn datagedreven en hebben een AI-component. Dit gaat de rol van professionals in alle domeinen – gezondheidzorg, bouwsector, financiële dienstverlening, maakindustrie, journalistiek, rechtspraak, etc. – raken. ICT is niet meer volgend en ondersteunend (een ‘enabling’ technologie), maar de motor die de transformatie van de samenleving in gang zet.Maar zijn we daar ook klaar voor?

Onderdeel van:

Applied Data Science: Smart ICT Products that Learn from Data

Grote bedrijven, overheidsinstanties, het MKB, en de vele startups in de Brainport regio zijn innovatieve datagedreven scenario’s volop aan het verkennen. Dit wordt verder versterkt door de democratisering van AI; machinelearning en deeplearning algoritmes zijn beschikbaar zowel in open source software als in Cloud oplossingen, en zijn daarmee toegankelijk voor iedereen. Datascience wordt ‘applied’ en verschuift van een PhD specialisme naar een HBO-vaardigheid. Het stadium waarin veel bedrijven nu verkeren is te omschrijven als: “Help, mijn AI-pilot is succesvol. Wat nu?” Dit onderzoeksproject richtte zich op het succesvol implementeren van AI binnen de context van software-ontwikkeling.

Onderzoeksvraag:

Hoe kunnen we state-of-the-art datascience methoden en technieken waardevol en verantwoord toepassen ten behoeve van deze slimme lerende ICT-producten?

Onderzoeksperiode:

2019 - 2021


Methodiek & Bevindingen

Om de scope van dit project te duiden zijn een aantal deelvragen geformuleerd, te weten:

  1. Wat zijn vragen uit de praktijk voor ICT-producten om te leren van data?
  2. Wat is de state-of-the-art voor data science (machine learning, deep learning)?
  3. Hoe selecteer je de juiste AI-techniek voor het gegeven probleem?
  4. Hoe implementeer je de gekozen techniek in een ICT-product?

Door middel van exploratief onderzoek en literatuuronderzoek is dit onderzoek gekomen tot een definitie van een AI-engineer op hbo-niveau. Dit is wereldkundig gemaakt door middel van diverse publicaties en presentaties op congressen en evenementen. Daarnaast heeft het geleid tot een addendum voor de HBO-i domeinbeschrijving en een addendum voor de HBO-i ICT ResearchMethods.


Onderzoeksteam

  • Dr. Ir. Petra Heck, Fontys Hogeschool ICT (Postdoc)