Hilde Weerts

– update juli 2019 –

Ik ben afgestudeerd in Engineering aan de Technische Universiteit Eindhoven. Na het eerder afronden van de bachelor Technische Bedrijfskunde besloot ik over te stappen naar Data Science. Het mooie aan dit vakgebied vind ik dat de ontwikkelingen erg snel gaan. De toepassingen zijn oneindig; van high tech giganten, tot innovatieve startups en goede doelen. Daar word ik enthousiast van! Na het in ontvangst nemen van de Award in 2017 ben ik eerst bezig geweest met het afronden van de laatste vakken van mijn master in Data Science . Deze zijn gerelateerd aan algoritmes, information retrieval, visualisatie en process mining. Daarnaast was ik al geïnteresseerd in responsible data mining, gericht op rechtvaardigheid en transparantie binnen het vergaren van data. Zo heb ik een klein onderzoekje gedaan naar hoe we in de toekomst discriminatie van algoritmes kunnen meten en voorkomen. Wat me treft is hoe technologie impact kan hebben op mens en maatschappij.


Afgelopen half jaar ben ik met name bezig geweest met mijn afstudeerproject bij de fraudedetectie-afdeling van de Rabobank. In mijn project heb ik onderzocht hoe voorspellingen van ‘black-box’ machine learning modellen inzichtelijk kunnen worden gemaakt voor domein experts. Ik heb hierbij aandacht besteed aan hoe nuttig een techniek is voor analisten die moeten bepalen of een voorspelling van een algoritme correct is of niet, zoals gebeurt bij het behandelen van fraude alerts. Door mijn onderzoek kwam ik erachter dat een uitleg alleen niet per se resulteert in betere prestaties. Ik heb daarom een techniek ontwikkeld waarmee analisten kunnen inschatten hoe betrouwbaar een voorspelling is. De techniek bestaat uit een visualisatie van eerdere cases waar het model een soortgelijke redenering toepaste. In de visualisatie is weergegeven hoeveel de oude cases lijken op de huidige alert en of het model het goed had voor deze cases. Als het model het vaak goed heeft, is dit een indicatie dat de huidige voorspelling betrouwbaar is, en andersom. Mijn scriptie is beoordeeld met een 10! Een geweldig resultaat na maanden hard werken!


Ik ben Global Knowledge nog steeds heel dankbaar voor het ter beschikking stellen van de beurs. Die heeft mij de mogelijkheid gegeven om mijn droom te verwezenlijken: onderzoek doen aan een gerenommeerde universiteit in New York. Ik heb hier een onderzoeksstage gedaan van drie maanden bij het Data Science Institute van Columbia University. Dit onderzoek ging over automated machine learning, met name over het vinden van goede ‘standaard’ instellingen voor machine learning algoritmes.


Tijdens mijn afstudeeronderzoek heb ik geleerd hoe belangrijk het is om soms gas terug te nemen. Af en toe een eindsprint maken is niet erg, maar wanneer het einde nog niet in zicht is kun je beter gaan voor een marathon en je krachten sparen. Ik denk dat dit een belangrijke les is geweest die me zeker gaat helpen om in mijn professionele carrière juiste keuzes te maken. Ik ben eind juni begonnen met een (tijdelijk) project bij Océ in Venlo. Als data scientist werk ik aan een machine learning model dat voorspelt of een printer kapot gaat aan de hand van bijvoorbeeld waarschuwingsmeldingen. Een dergelijk model kan Océ helpen om eerder in actie komen wanneer een printer bij een klant kapot lijkt te gaan. Op deze manier kunnen we de klant beter van dienst zijn en onderhoudskosten besparen. Vanaf oktober ga ik enkele maanden op reis in Zuid-Oost Azië. Ondertussen ga ik me ook oriënteren op een vaste baan, waar ik in 2020 mee van start kan gaan.


Tags: WO

0
0
0
s2sdefault