Machine learning: wat het is, hoe het werkt en voorbeelden

Je komt machine learning dagelijks tegen: in je spamfilter, in de aanbevelingen van een streamingdienst en in de spraakassistent op je telefoon.

Wat is machine learning?

Machine learning is een vorm van kunstmatige intelligentie waarbij een computer leert uit voorbeelden in plaats van uit vaste instructies. Een programmeur schrijft dus niet elke regel uit; het model leidt de regels zelf af uit data.

Dat gebeurt met algoritmen en statistische modellen. Het model wordt getraind op een dataset en zoekt daarin patronen en verbanden. Daarna kan het voorspellingen doen over nieuwe data die het nooit eerder zag.

Soorten machine learning

Welke aanpak je kiest, hangt af van je data en je doel. Onderstaande tabel zet de vijf gangbaarste vormen naast elkaar.

Hoe werkt machine learning?

Een machine learning-project doorloopt vrijwel altijd dezelfde zes stappen.

1. Data voorbereiden. Je verzamelt gegevens, schoont ze op en kiest welk deel je gebruikt. Deze stap kost vaak de meeste tijd.
2. Een model kiezen. Elk algoritme heeft eigen sterke en zwakke punten. Je keuze hangt af van het probleem en de beschikbare data.
3. Trainen. Het model past zijn parameters aan totdat het de patronen in de trainingsdata herkent.
4. Evalueren. Je vergelijkt de voorspellingen met bekende uitkomsten die het model niet eerder zag.
5. Bijstellen. Vallen de prestaties tegen, dan stel je parameters bij of probeer je een ander model.
6. Uitrollen. Het model gaat in gebruik en blijft leren zodra er nieuwe data binnenkomt.

Machine learning versus deep learning

Deep learning is een specialisatie binnen machine learning. Het werkt met neurale netwerken die veel meer lagen tellen dan gewone netwerken. Daardoor herkennen deze modellen complexere verbanden. Spraakherkenning werkt zo: het model zet jouw gesproken zin om in tekst en stuurt die naar de zoekmachine, wat de basis is van zoeken met je stem.

Een tweede verschil is de voorbereiding. Bij klassieke machine learning bepaalt een analist meestal zelf welke kenmerken relevant zijn. Deep learning-modellen leiden die kenmerken grotendeels zelf af, maar hebben daar wel veel meer data en rekenkracht voor nodig.

Deep learning is dus niet automatisch de betere keuze. Voor overzichtelijke problemen met beperkte data levert een eenvoudiger model vaak een beter en beter uitlegbaar resultaat op.

Voorbeelden uit het dagelijks leven

• Spraakherkenning. Spraak omzetten naar tekst, zoals bij spraakassistenten.
• Aanbevelingen. Suggesties op streamingdiensten en webshops op basis van eerder gedrag.
• Spamfilters. Ongewenste e-mail herkennen en apart zetten.
• Gezichtsherkenning. Toegangscontrole en biometrische verificatie bij paspoorten en telefoons.
• Autonoom rijden. Voertuigen die hun omgeving interpreteren en zelf navigeren.
• Medische beeldanalyse. Afwijkingen opsporen op scans, als ondersteuning van de arts.

Het wordt ook gebruikt in vele andere gebieden, zoals financiën, marketing, robotica en wetenschap.

Veelgebruikte modellen en algoritmen

• Lineaire regressie. Voorspelt een doorlopende waarde, zoals een huizenprijs of een temperatuur.
• Logistische regressie. Voorspelt of iets wel of niet gebeurt, bijvoorbeeld of een klant opzegt.
• Beslisbomen en random forest. Splitsen data op in beslisregels; een random forest combineert veel bomen tot één uitkomst.
• Neurale netwerken. Verwerken complexe data zoals beeld en taal via lagen van verbonden rekeneenheden.
• K-means clustering. Groepeert data zonder labels op basis van onderlinge gelijkenis.
• Naive Bayes. Rekent met kansen en is populair voor tekstclassificatie.

Daarnaast is gradient descent geen model maar een trainingsmethode. Het algoritme stelt de gewichten van een model stap voor stap bij, net zolang tot de fouten klein genoeg zijn.

Machine learning en big data

Big data en machine learning versterken elkaar. Big data staat voor gegevensbestanden die te groot zijn om met traditionele methoden te verwerken, afkomstig uit bijvoorbeeld sensoren, transacties of sociale media.

Machine learning haalt uit die bergen data inzichten die je handmatig nooit zou vinden. Toch geldt één harde voorwaarde: de kwaliteit van de data bepaalt de kwaliteit van de uitkomst. Onvolledige of scheve data leidt onherroepelijk tot onbetrouwbare voorspellingen.

Voordelen en nadelen

Voordelen

• Verwerkt in korte tijd enorme hoeveelheden data;
• Vindt patronen die mensen over het hoofd zien;
• Levert consistente uitkomsten, zonder dagvorm of onderbuikgevoel;
• Automatiseert repeterend werk en bespaart daarmee tijd.

Nadelen

• Vraagt veel data; bij weinig gegevens is de techniek ongeschikt;
• Is vaak moeilijk uitlegbaar, waardoor het lastig wordt om een uitkomst te verantwoorden;
• Neemt vooroordelen uit de trainingsdata over en kan die zelfs versterken;
• Vergt technische kennis en is kostbaar om te bouwen en te onderhouden.

Welke regels gelden er voor machine learning?

Sinds 2024 kent de Europese Unie een eigen wet voor kunstmatige intelligentie: de AI-verordening, formeel Verordening (EU) 2024/1689. Die wet deelt AI-systemen in vier risiconiveaus in: onaanvaardbaar risico, hoog risico, transparantierisico en minimaal of geen risico.

De verplichtingen komen gefaseerd binnen. Onderstaande tabel geeft de belangrijkste momenten.

Werk je zelf met machine learning binnen een organisatie? Ga dan na in welke categorie je toepassing valt. Voor de meeste alledaagse toepassingen, zoals een spamfilter, gelden geen aanvullende eisen.

Welke hardware heb je nodig?

Voor kleine en middelgrote datasets volstaat een gewone computer met een goede processor en voldoende werkgeheugen. Werk je met grote datasets of complexe modellen, dan wordt een grafische kaart (gpu) of zelfs een cluster interessant, een groep computers die samen rekent.

Snelheid en budget bepalen samen de keuze. Een gpu verkort de trainingstijd fors, maar kost ook meer. Cloudplatforms bieden hier een tussenweg: je huurt rekenkracht per uur en investeert niets vooraf.

Wat doet een machine learning engineer?

Een machine learning engineer ontwerpt, bouwt en beheert modellen die in de praktijk draaien. Het werk zit op het snijvlak van softwareontwikkeling en data-analyse: je bouwt niet alleen het model, maar ook de leidingen die de data ernaartoe brengen.

Meestal komt zo iemand uit de informatica of een verwante technische richting. Kennis van statistiek is onmisbaar en programmeren in Python of R hoort bij de basis. Omdat het vakgebied snel verandert, blijft bijleren onderdeel van het werk.

Hoe leer je machine learning?

Er lopen vier routes naar dit vak, en ze verschillen vooral in hoeveel wiskunde je onderweg tegenkomt. Zelfstudie met oefendatasets is gratis en je kunt vandaag beginnen, maar je mist correctie op je denkfouten. Een online cursus of bootcamp duurt enkele weken tot maanden en leert je vooral de gereedschappen. Kijk of er nagekeken opdrachten bij zitten, want anders blijft het theorie.

Een hbo- of universitaire opleiding in informatica, data science of technische wiskunde duurt jaren. Die levert de statistiek op die je nodig hebt om zelf modellen te ontwerpen in plaats van ze alleen toe te passen. En leren op de werkplek, naast een ervaren collega, werkt het snelst, maar alleen als je organisatie al met modellen werkt. Wat bij alle vier het verschil maakt, is of je met echte, rommelige data oefent. Schone oefendata verbergt juist de stap die in de praktijk de meeste tijd kost. Drie standaardwerken om mee te beginnen:

• Hands-On Machine Learning with Scikit-Learn, Keras and TensorFlow van Aurélien Géron: praktisch, met veel voorbeelden in Python.
• Deep Learning van Ian Goodfellow, Yoshua Bengio en Aaron Courville: het standaardwerk over neurale netwerken.
• The Elements of Statistical Learning van Trevor Hastie, Robert Tibshirani en Jerome Friedman: grondig en wiskundig, over onder meer lineaire modellen, beslisbomen en support vector machines.

Veelgestelde vragen over machine learning