Als machine learning engineer lost Cathy Tol het liefst ingewikkelde problemen op
n
Kunstmatige intelligentie, data en voldoening
Dat IT nog altijd een echte mannenwereld is kan de 24-jarige Cathy Tol uit Volendam beamen. Tijdens haar studie Business Analytics aan de VU was ze regelmatig de enige vrouw in een hele collegezaal vol mannen. Ook op de werkvloer werkt ze tegenwoordig voornamelijk met mannelijke colle-ga’s. Maar Cathy heeft hier eigenlijk nooit moeite mee gehad: ,,Iedereen is altijd erg aardig tegen me geweest, en het maakt me echt niet uit of ik nou met mannen of vrouwen samenwerk. Het gaat tenslotte om het werk dat je doet, en ik kan me nog altijd geen leuker vakgebied voorstellen dan dit.
Door Leonie Veerman
[ads id=66]
Cathy legt uit dat IT een heel breed vakgebied is met een groot aantal verschillende disciplines. Zelf spitst zij zich als machine learning engineer vooral toe op het oplossen van verschillende problemen door middel van wiskunde en programmeren.
,,Op de middelbare school was wiskunde een van mijn lievelingsvakken, en ik vond computers en informatica ook altijd al erg interessant. De opleiding Business Analytics sloot daar perfect bij aan. Tijdens deze Bachelor- en aansluitende Masteropleiding volg je namelijk zowel een deel van het programma van de opleiding Wiskunde als van de opleiding Computer Science”. Zegt Cathy. ,,Het ene moment zat ik bijvoorbeeld met studenten Wiskunde bij het vak calculus, even later leerde ik programmeren in een zaal vol Computer Science studenten.”
Dit afwisselende studieprogramma was volgens Cathy niet alleen erg interessant en uitdagend, ,,je leert er ook een hoop direct toepasbare vaardigheden waar je bovendien echt wat aan hebt. Zo leer je bijvoorbeeld hoe je wiskundige algoritmes kunt programmeren waarmee je data op verschillende manieren kunt organiseren. In het bedrijfsleven is dat ontzettend waardevol, omdat het vaak tot nieuwe inzichten of een efficiënter werkproces kan leiden.”
Het bedrijfsleven staat te springen om medewerkers met de technische kennis van Cathy. Tijdens haar Masteropleiding werkte ze al als parttime data scientist voor een grote luchtvaartmaatschappij.
,,Daar werkte ik op de afdeling costumer experience”, vertelt Cathy. ,,Het doel van deze afdeling is om de dienstverlening te optimaliseren en de klanttevredenheid te verhogen. Daarvoor werkten we in ons team voornamelijk met surveys (vragenlijsten), waarin klanten hun dienstverlening beoordeelden.” Cathy benadrukt dat dit nog in de periode voor corona was, en er dan ook voldoende reizigers waren die graag hun mening gaven door het invullen van zo’n survey.
Wiskunde en woorden
Hoewel Cathy’s expertise zich toespitst op wiskundige formules en computer technologie, focuste ze zich in deze rol voornamelijk op teksten en tekstanalyse. ,,Surveys en enquetes bestaan vaak vooral uit gesloten vragen en stellingen waarop een klant een rating kan geven met een cijfer tussen 0 en 10”, zegt Cathy. ,,Maar ik merkte al snel dat de echt waardevolle informatie vaak in de toelichtende teksten daaronder te vinden was. Als een klant een onvoldoende geeft wil je namelijk vooral weten waarom. Pas als je dat weet kun je gerichte verbeteringen doorvoeren in de organisatie.”
Cathy programmeerde een model waarmee de computer het onderwerp in de toelichtingen van klan-ten herkende en deze kon groeperen. ,,Zo kon je bijvoorbeeld in een oogopslag zien hoe vaak be-paalde onderwerpen genoemd werden in een bepaalde periode. Daarnaast ontwikkelde ik modellen die het sentiment van de zin herkenden. De combinatie van het onderwerp, het sentiment en de absolute score die erbij hoort laat zien welke onderwerpen belangrijk waren en in welke mate die onderwerpen bijdragen aan een bepaalde score.”
Een ander voorbeeld van een project waar ik aan gewerkt heb is het verbeteren van de zoekfunctie op de website door middel van tekst mining. Hierbij wordt eerst het zoekwoord verbeterd, mocht er een spelfout in zitten. Daarna wordt het vergeleken met alle vragen en antwoorden van de FAQ pagina. De 5 vragen en antwoorden die het meest relevant zijn worden dan terug gegeven. Daarnaast heb ik zelflerende chatbot gebouwd waaraan vragen gesteld konden worden en waren er dagelijks data-gerelateerde vragen en problemen die ik moest antwoorden en oplossen.”
‘Hoe goed de data-
wetenschappelijke
oplossing ook is,
als je niet weet hoe
je het op een juiste
manier in productie
kan brengen, heeft het geen waarde’
Cathy studeerde af bij TNO (De Nederlandse Organisatie voor toegepast-natuurwetenschappelijk onderzoek). ,,Daar werkte ik op de afdeling ‘intelligent imaging’, waar ik me bezig hield met het tracken van voetbalspelers door middel van beeld verwerking.”
Terwijl Cathy aan deze verschillende projecten werkte merkte ze dat ze er enorm veel voldoening uithaalde om echt iets te kunnen bijdragen aan het succes van een bedrijf. ,,Maar het viel me ook op dat het mij niet ingewikkeld genoeg kon”, vervolgt Cathy.
,,Ik verlies snel mijn motivatie als iets te makkelijk is. Des te moeilijker en lastiger de taken waren, des te meer plezier ik uit mijn werk haalde. Het viel me ook op dat veel data science projecten het in de praktijk niet halen tot productie. Ik blijf het een super mooi vakgebied vinden, maar hoe goed de data science oplossing ook is, als je niet weet hoe je het op een juiste manier in productie kan brengen, heeft het geen waarde. Na het behalen van mijn Masterdiploma in juni 2020 ben ik daarom begonnen met een speciaal leertraject dat zich richtte op machine learning engineering.”
Vol enthousiasme begon Cathy aan het Xccelerated programma van de Xebia Group, een toonaan-gevende opleider op het gebied van de digitale wereld.
Kunstmatige intelligentie
,,Het Xcellerated programma richt zich specifiek op alle vaardigheden die je nodig hebt als machine learning engineer”, vertelt Cathy. Naast een intensieve bootcamp was het de bedoeling dat Cathy een traineeship zou volgen bij een van de partnerbedrijven van het Xcellerated programma, waaronder Heineken, Randstad en KLM. Maar het coronavirus gooide roet in het eten. ,,Bijna al deze bedrijven ondervonden directe gevolgen van het coronavirus en moesten al hun leerplekken annuleren. Dat was natuurlijk best een teleurstelling, maar om dit enigszins te compenseren kregen wij als deelnemers een extra maand fulltime training aangeboden, wat achteraf ontzettend waardevol was, want daar heb ik echt enorm veel van kunnen leren.”
,,Machine Learning is een vorm van kunstmatige intelligentie”, legt Cathy uit. ,,Je programmeert niet alleen modellen die data ordenen, maar je creëert slimme systemen die zelfstandig patronen in deze data herkennen, en op basis daarvan ook zelf beslissingen kunnen maken én zichzelf voortdurend optimaliseren in dit proces.”
Cathy: ,, Als machine learning engineer creëer je niet alleen die systemen, maar creëer je ook de volledige infrastructuur die nodig is om die systemen blijvend te kunnen gebruiken. Een machine learning engineer levert dus een compleet product. Je maakt een volledig automatisch systeem dat een bedrijf direct kan toepassen en dat vervolgens ook voortdurend bruikbaar blijft.”
Volgens Cathy is het niet alleen het extra denkwerk dat haar zo aantrekt aan haar werk als machine learning engineer. ,,Het mooiste aan mijn vak vind ik dat je echt in een erg korte tijd enorm veel waarde kunt toevoegen in een organisatie. Je kunt echt een heel groot verschil maken, en dat geeft mij enorm veel voldoening.”
Na haar intensieve training begon Cathy in januari van dit jaar bij Enjins, een jonge scale-up uit Am-sterdam die zich volledig toespitst op het gebied van machine learning engineering. Inmiddels voelt ze er zich al helemaal thuis: ,,We werken hier nu met zo’n tien tot twintig medewerkers, stuk voor stuk erg intelligente en gedreven collega’s waar ik niet alleen erg goed mee kan opschieten maar ook nog elke dag wel iets van kan leren.”
Cathy vertelt dat de drie oprichters van Enjins allemaal van EY komen. ,,Ze besloten samen Enjins op te richten omdat zij merkten dat ze bedrijven met machine learning engineering sneller effectieve verbeterslagen konden aanbieden, die bovendien ook efficiënter werken en langduriger inzetbaar zijn.” In die denkwijze kan Cathy zich erg goed vinden. ,,Ik ben niet het type dat graag maandenlang onderzoek doet en eindeloos blijft brainstormen en vergaderen voordat er actie wordt ondernomen. Bij Enjins zijn we er juist op gericht om zo snel mogelijk tot productie over te gaan, zodat we daarna nog veel tijd en aandacht kunnen besteden aan het gericht evalueren en optimaliseren van de processen.”
,,Onze audits nemen bijvoorbeeld maar vijf werkdagen in beslag”, vervolgt Cathy. ,,Zelfs als bedrij-ven geen specifieke hulpvraag hebben kunnen we in dat korte tijdsbestek al inzichtelijk krijgen of, en hoe, machine learning hun werkprocessen kan verbeteren.” Cathy benadrukt dat de machine lear-ning toepassingen voor elk bedrijf apart worden uitgedacht en ontwikkeld. ,,Dat maakt het werk zo leuk, want je wordt telkens weer uitgedaagd om een ingewikkelde puzzel op te lossen en tot een unieke oplossing te komen.”
‘Kunstmatige
intelligentie een
gevaar voor de
mensheid? Het
menselijk inzicht en
denkvermogen zal de
functionaliteit van het systeem nog
altijd overstijgen’
Om een voorbeeld van zo’n machine learning oplossing te geven wijst Cathy op een project waar zij aan werkt. ,,Voor een organisatie die boeken inkoopt, verwerkt en verkoopt aan bibliotheken, maak ik op dit moment een automatisch besteladvies systeem. Voor de adviseurs is het opstellen van deze besteladviezen namelijk een saaie en tijdrovende klus, waarbij ze bovendien veel inschattingsfouten kunnen maken. Het is tenslotte lastig om vooraf te voorspellen welke boeken het goed doen en hoe vaak ze precies uitgeleend zullen worden.”
Door kunstmatige intelligentie toe te passen creëert Cathy een computersysteem dat binnen enkele ogenblikken een besteladvies kan maken, waarbij het rekening houdt met meerdere variabelen. ,,Denk daarbij bijvoorbeeld aan het huidige boekenaanbod, verschillende soorten informatie over ieder boek en het leengedrag van leden. Maar ook het budget en de beleidsvoorkeuren van een bibliotheek worden meegenomen.”, zegt Cathy. ,, Het systeem leert ook voortdurend van haar fouten. Als het merkt dat een bepaald boek weinig wordt uitgeleend, of juist veel vaker dan verwacht, neemt het die kennis mee in het opstellen van een volgend besteladvies. Het resultaat is een gepersonaliseerd advies dat de collectie optimaliseert. Hierbij wordt rekening gehouden met de balans tussen de maatschappelijk doelstellingen en een optimale collectie op basis van de populariteit van de boe-ken.”
Mens of machine?
De volledig geautomatiseerde systemen die Cathy omschrijft doen denken aan futuristische robots die het werk van veel beroepsgroepen in de toekomst volledig overbodig kunnen maken. Volgens Cathy zal het zo’n vaart echter nog niet lopen. ,,Machine learning systemen zijn vooral inzetbaar op makkelijke en saaie klussen, bijvoorbeeld waarbij je op een systematische manier teksten of data verwerkt. In verreweg de meeste gevallen zal altijd nog menselijk denkwerk nodig blijven. Ik geloof zelfs dat machine learning het werk in veel gevallen alleen maar leuker zal maken, omdat alleen de saaie, repetitieve taken komen te vervallen en de werknemer zich kan focussen op de uitzonderin-gen en dus de moeilijkere taken.”
Uiteindelijk hoeven we volgens Cathy ook niet bang te zijn dat kunstmatige intelligentie een gevaar vormt voor de mensheid. ,,Een machine learning systeem blijft altijd afhankelijk van de input die wij invoeren. Het kan ook alleen verbanden leggen binnen de datasets waarover het beschikt. Qua werkgelegenheid betekent dit ook dat er altijd nog mensen nodig zullen zijn om
de output van dit soort systemen te controleren. In het geval van het automatische besteladvies systeem voor bibliotheken kan de bibliotheekmedewerker er bijvoorbeeld altijd voor kiezen om de bestellijsten te controleren en aan te passen. En dat is misschien wel verstandig ook, want het menselijk inzicht en denkvermogen zal de functionaliteit van het systeem nog altijd overstijgen.”
Wie zich evengoed nog zorgen maakt over de toekomst van zijn of haar baan zou volgens Cathy altijd nog een switch naar de techwereld kunnen overwegen. ,,De rol van kunstmatige intelligentie zal de komende jaren enorm gaan groeien. Dit betekent dat ook de vraag naar programmeurs, wiskundigen en ICT’ers, zal stijgen. Vooral voor jongeren die op dit moment nog niet weten welke richting te op willen is dit het overwegen waard. Het moet je natuurlijk wel interesseren, maar er zijn veel verschillende richtingen die je op kunt gaan. Als je net als ik van wiskunde en computers houdt kan ik het vakgebied van machine learning engineering in ieder geval van harte aanbevelen, en dan maakt het echt niet uit of je man of vrouw bent.”
