Artificial Intelligence
Versterk jouw business door het inzetten van slimme algoritmes.
Jstack maakt AI implementaties op maat voor jouw business!
Begin met het duidelijk maken van de case. Welk probleem probeer je op te lossen? Welk proces wil je optimaliseren? Waar moet deze verandering gaan plaatsvinden en wat is precies het doel? Wanneer je deze antwoorden hebt verzameld, is het tijd voor stap 2.
Moeite om de case duidelijk te maken of weet je niet of je bedrijf klaar is voor AI? Neem contact op voor een AI Audit: wij komen bij je langs om binnen één of enkele dagen de kansen met AI voor je bloot te leggen en de business case duidelijk te maken.
Voor veel AI systemen is data de grote drijfveer. Hoe meer data hoe beter is in de meeste gevallen van toepassing, maar ook de kwaliteit van de data is zeer belangrijk. Lopen er projecten met Business Intelligence? Dan is de kans groot dat er al veel schone data beschikbaar is. Ook als termen als data lakes, datawarehousing of data science regelmatig over de werkvloer klinken, gaan jullie waarschijnlijk de goede kant op om verder te gaan met AI.
Wanneer er te weinig data is, is het zaak om infrastructuur op orde te brengen om deze dataverzameling te faciliteren. Dit kan zijn met behulp van een cloud oplossing met bijvoorbeeld GCP of door bestaande opslag anders in te zetten.
Wanneer het doel duidelijk is en de data beschikbaar kan worden begonnen met prototyping. In deze stap worden verschillende machine learning modellen met de beschikbare data getest om erachter te komen welke het beste werken voor deze specifieke case.
Naar productie! In deze stap wordt het beste model uit de prototyping stap geïmplementeerd in de huidige omgeving. Hier vindt integratie plaats met databronnen en andere systemen die reeds in gebruik zijn om tot de beste gebruikerservaring te komen.
Afhankelijk van het probleem kan er de wens zijn om het model telkens opnieuw te trainen zodra er nieuwe data beschikbaar is. Data pipelines kunnen helpen de dataverwerking geheel te automatiseren, aan het einde van zo’n pipeline kan een automatische trainingsstap plaatsvinden om zo altijd het meest up-to-date model te hebben voor jouw case!
In de meeste gevallen zullen bovenstaande stappen elkaar afwisselen, om zo telkens nieuw vergaarde inzichten te gebruiken om andere stappen beter uit te voeren. De verzamelde opgeschoonde data kan de keuze van modellen veranderen, andersom kan een model een andere vorm of hoeveelheid data vragen. Veel AI projecten zijn een iteratief proces, in figuur hiernaast staat schematisch weergegeven hoe zo’n project kan verlopen.
Onze specialisten sparren graag direct met u over uw use case. Neem contact op met Thijs Brouwers voor een vrijblijvend adviesgesprek.
