Organisaties worstelen met het creëren van waarde met Machine Learning-projecten. Er is een groeiende behoefte aan richtlijnen en best practices.
In vrijwel elke sector wordt momenteel flink geïnvesteerd in initiatieven op het gebied van Machine Learning. Organisaties hopen zo toegevoegde waarde uit data te halen. In de praktijk is dit lastiger dan gedacht. Er is dan ook een groeiende behoefte aan richtlijnen en best practices. Met drie praktijkvoorbeelden laten we zien hoe je de mooie beloftes van Machine Learning-projecten waarmaakt en hoe je de belangrijkste obstakels wegneemt.
In deze video bespreken Douwe Treurniet van ProRail, Joris Valkonet van Microsoft en Robin van der Heijden van Viqtor Davis waarom het bij slechts een klein deel van de Machine Learning-projecten lukt om ze uit te rollen in de dagelijkse praktijk. Verder lukt het lang niet altijd om businesswaarde toe te voegen. Wat maakt het zo lastig om de Machine Learning capaciteit binnen je organisatie uit de kinderschoenen te halen? Hoe neem je obstakels als silo’s binnen je organisatie weg? En hoe zorg je ervoor dat ideeën niet in de hoofden van medewerkers blijven zitten?
Sprekers: Douwe Treurniet (ProRail), Joris Valkonet (Microsoft) en Robin van der Heijden (Viqtor Davis)
Host: Krijn Schuurman
