blog.

Deep learning: praktische toepassingen van intelligente software

In onze vorige blog hebben we kort de basisprincipes van machine learning en deep learning besproken. In dit blog zullen we verder ingaan op wat minder bekende toepassingen van intelligente tools. Hierdoor zal duidelijk worden waartoe intelligente software écht in staat is. Nu, maar zeker ook in de toekomst.

Data heeft een beter idee

Slimme Trailers

Een succesvolle toepassing van machine learning is terug te vinden in de logistieke sector. Het bedrijf DIMs uit Rijssen is gespecialiseerd in slimme sensoren. Zo plaatsen zij onder andere sensoren in vrachtwagentrailers om zo gemakkelijk te monitoren waar deze objecten zich bevinden. Daarnaast bieden deze sensoren de mogelijkheid om bij te houden hoeveel kilometers de trailers hebben afgelegd. Het platform waaraan deze sensoren gekoppeld zijn kan zo ingesteld worden dat bij een vastgesteld aantal kilometers een automatische melding naar de werkplaats verstuurd wordt. Hierdoor kunnen de onderhoudswerkzaamheden efficiënter ingedeeld worden en lopen de betrokken bedrijven niet tegen onverwachte kosten aan.

Samenwerking DIMs en Whyellow
Om de sensoren op de vrachtwagentrailers nog beter te benutten, heeft Whyellow met behulp van machine learning een nieuwe functie aan het platform toegevoegd. Hierdoor is het naast het monitoren van het aantal afgelegde kilometers ook mogelijk om hier voorspellingen over te doen. Met één druk op de knop kunnen ondernemers inzicht krijgen in het verwachte aantal kilometers op een bepaalde datum óf op welke datum een bepaald aantal kilometers behaald wordt. Door gebruik te maken van deep learning leren de sensoren van de gegevens van elke trailer en zullen de voorspellingen uiteindelijk zeer accuraat zijn. Dit klinkt misschien als een kleine toevoeging, maar in de praktijk komt dit de efficiëntie van de logistieke planning nog meer ten goede.

Beeldherkenning

Een ander voorbeeld van de mogelijkheden van intelligente software is beeldherkenning. Door software te trainen met een grote hoeveelheid foto’s en deze te koppelen aan gegevens uit het verleden, worden zij steeds beter in het herkennen en analyseren van foto’s en objecten. Beeldherkenning is daarom een waardevolle toepassing van machine learning en deep learning. In steeds meer sectoren wordt dit dan ook toegepast. Zo zijn de nieuwste typen auto’s in staat om verkeerssituaties te herkennen en kan Google zelfstandig tags aan foto’s verbinden.

Ook in de gezondheidszorg wordt beeldherkenningssoftware steeds belangrijker. Wetenschappers zijn er bijvoorbeeld in geslaagd om een model dusdanig te trainen dat dit in staat is om dokters te verslaan. Waar mensen slechts honderd kenmerken van verschillende soorten kanker konden identificeren, was het machine learning-model in staat om er 10.000 te identificeren. Door het inzetten van zulke tools kan er efficiëntere en betere diagnostisering plaatsvinden. Dit biedt veelbelovende mogelijkheden voor alle onderdelen binnen de gezondheidszorg.

Hoe werkt beeldherkenning eigenlijk?

De toekomst van slimme software

Het mag duidelijk zijn dat machine learning en deep learning een grote verandering teweeg kunnen brengen in de manier waarop we dingen doen. De mogelijkheden worden steeds uitgebreider en de technieken zullen zich alsmaar verder ontwikkelen. Om een indruk te geven van wat we in de toekomst kunnen verwachten, verplaatsen we ons even naar Japan. Een telecombedrijf is daar vorig jaar gestart met de ontwikkeling van de AI Guardsman. Dit systeem is getraind om verdacht gedrag te detecteren. Wanneer een potentiële dief zenuwachtig om zich heen kijkt of een product in zijn tas stopt, krijgt de winkelmedewerker een automatische melding met een foto en de locatie van de klant. Het systeem is nog verre van waterdicht gebleken, en roept tegelijkertijd allerlei ethische vragen op, maar het toont wel aan wat de mogelijkheden in de toekomst kunnen zijn.

Concluderend: machine learning en deep learning bieden vrijwel ongekende mogelijkheden om steeds meer processen te automatiseren en bij te sturen waar nodig. Door het lerende karakter van intelligente tools zullen hun prestaties alleen maar toenemen.

Deel deze blog

Weten of Whyellow ook voor jou een geschikte werkgever is? We maken graag kennis met je.

Maak afspraak

Gerelateerde blogs

  • UX design Whyellow blog
  • Detachering versus Team as a Service
  • Team as a Service -Oplossing tekort aan IT_ers?
2022-04-06T13:42:43+02:00
Ga naar de bovenkant