AI en ‘data science’: hoe data uw bedrijf kan verbeteren.

13-11-2018 - Kortrijk , The Level

Peter Depypere

Peter graduated as a Master in Business Engineering from Ghent University with a specialization in Finance (2013).

He started his career at Delaware Consulting where he was part of the SAP FICO team, gaining his first experience as a Financial Consultant. Together with this team, he was in charge of the implementation and worldwide roll-out of a SAP financial ERP-system as well as setting up the structures to facilitate Financial Reporting and Consolidation. He also worked together with the financial department of the customer to create the reports for both legal and management reporting.

Early 2015, Peter decided to continue his career at Cisco as a Partner Account Manager. At Cisco, he became responsible for the success of a defined set of partners with a wide range of responsibilities. He had to introduce the partners to the innovations Cisco brougt to the market and support them to create a service around these innovations. Furthermore, he was responsible for the overall business within Cisco as well as making sure this business was profitable. It's there Peter learned the importance of capturing and reporting the right data in order to make data-driven decisions. He started to create dashboards for himself and his team in PowerBI to measure the success of the partners across segments, architectures and territories.

Because of his business experience together with his tech-savviness, Peter is able to act as a guide for organizations to define how technology can help them in being more successful.

In the summer of 2018, Peter joined element61 as a Data Strategist with the aim to help organizations achieve business objectives through Data Strategy & Data Science.

Tom Sercu

Tom is a Research Engineer at IBM Research AI, working in the IBM T.J. Watson Research Center in Yorktown Heights, NY. He graduated from the MS in Data Science at New York University in May 2015.

His research interests include unsupervised and semi-supervised learning with either no or very small amounts of labeled data, multimodal learning (i.e. learning representations across different data modalities like images, text, and speech), and learning generative models of structured data.

He also worked on deep learning approaches to acoustic modeling in speech recognition, bringing advances from the deep learning and computer vision communities to speech recognition.

Most recently Tom worked on Generative Adversarial Networks (GANs), specifically on finding a better distance metric between the data distribution and the generated distribution, which leads to fast and stable training.

about the seminar

“Data, de nieuwe olie!”
“Wie de data heeft, heeft de macht!”
“Zonder Big Data analyses zijn bedrijven blind en doof. Zij zullen ronddwalen op het internet, zoals een hert op de snelweg.”
“Data wint van emoties.”

De meesten onder ons hebben een duidelijke mening over data die zich een weg baant in onze bedrijven, onze maatschappij en ons dagelijks leven.Het is echter belangrijk te vermelden dat datawetenschap vaak wordt gerelateerd met foute stellingen, aannames en big data - goeroes die data beschouwen als een wonder, een doos vol verrassingen, de nieuwe olie of een zeldzame vondst die zich enkel laat zien aan die enkelingen die de nodige kennis en ervaring met zich meedragen.

Maar niks hierover tijdens dit seminarie.Data lijkt in de verste verte niet op de nieuwe olie.Data is een reeks nummers, niks meer, niks minder.Maar wel een reeks nummers die verschillende boeiende kenmerken vertoont:

  • Data is duurzaam en herbruikbaar. Data is niet de nieuwe olie. Data is de nieuwe, herbruikbare energiebron voor slimme toepassingen. Data is de nieuwe elektriciteit.
  • Data is als doping voor slimme systemen: hoe meer data ze krijgen, hoe slimmer ze worden.
  • Data is licht, kan overal ter wereld worden verstuurd naar bedrijven en mensen, tegen een hele lage kost en aan de snelheid van uw internetverbinding.Dit zorgt voor een hoge flexibiliteit en gebruiksvriendelijkheid.
  • Data wordt nuttiger naargelang het gebruik ervan stijgt. Wanneer data wordt verwerkt, worden verdere toepassingen bovendien zichtbaar, worden nieuwe of minder nuttige databronnen geïdentificeerd en de betrouwbaarheid en accuraatheid van deze data verhoogd. Hoe meer, hoe beter.
  • Data is een bron van macht. Wie deze bron controleert(denk aan Google, Amazon, Alibaba, Facebook, Microsoft), wordt vaak beschouwd als meester van het universum, god van de algoritmes. Maar let op, met de Griekse mythes in gedachten, weten we dat zelfs goden zich plots in de problemen kunnen bevinden.

Aan de slag met AI & lokale succesverhalen.
Peter Depypere

Tijdens deze lezing wordt datawetenschap beschouwd als een kiem die zich nog verder moet ontwikkelen en waar verder onderzoek noodzakelijk is. Met data kan men namelijk nog zoveel meer realiseren dan vandaag het geval is. Eén ding is zeker: historische jaarverslagen en product- en procesomschrijvingen zijn verleden tijd. Vandaag zijn we in een tijdperk aangekomen van voorspellende en voorschrijvende modellen in bedrijfs- en maatschappelijke context. Denk niet meer aan hoeveel werknemers afwezig waren tijdens het laatste kwartaal (wat gebeurd is). Denk aan de impact van een nieuwe verloningsstrategie op de afwezigheidsgraad van uw werknemers (wat kan gebeuren) of welke mogelijke strategieën het best worden geïmplementeerd voor de medewerkers van uw bedrijf (wat zou moeten gebeuren).

In de lezing komen verschillende cases aan bod uit diverse organisaties (diverse sectoren, diverse grootorde) die streven naar datagedreven productie, supply chain, verkoop, finance, marketing en zo veel meer.

Datawetenschap: terug naar de toekomst
Tom Sercu

In de tweede lezing van het seminarie kijken we naar het verleden en de toekomst van data science. Tom Sercu, Research Engineer in New York bij IBM Research AI, vertelt over successen, beloften en limieten van machine learning en deep learning, momenteel de grootste drijvende krachten achter AI.

Tom bespreekt de grote doorbraken van de afgelopen zes jaar en presenteert gebieden waar deep learning momenteel succesvol is (bijvoorbeeld spraakherkenning op onze mobiele telefoons, automatische vertaling, samenvatting, computervisie, bijschriftgeneratie). Daarnaast zal er een blik in de toekomst zijn en wat "the next big thing" zal zijn (gezondheidszorg, zelfsturing, slimme fabrieken, enz.). Het seminar wordt afgesloten met een kritische reflectie op de beperkingen van de huidige technologie (begrijpen van natuurlijke talen, redeneren, leren van kleine gegevens) en valkuilen bij de implementatie van machine learning-technologieën.

after the talk

U zal de kans krijgen om de kracht van data te ondervinden voor uw type organisatie. Of het nu gaat om marketing & sales, finance & risk analytics, supply chain & operations, HR, klantenservice of service management: onze gastsprekers brengen vol overgave hun overhaal over hoe datawetenschap een toegevoegde waarde heeft gecreëerd voor de bedrijven en organisaties die zij al mochten verder helpen.

Discussant: Wouter Gevaert
Wouter Gevaert has degrees in Electronic Engineering and Electrical Engineering with a specialization in Signal Processing and has an additional degree in Industrial Management. Currently he is teaching at Howest in New Media & Communication Technology and Energy management. His research and teaching activities are in the field of data science, machine learning, artificial intelligence and computer vision.

read more

Here’s why data is not the new oil. (Forbes)

the venue

The Level

Botenkopersstraat 2, 8500 Kortrijk

https://www2.howest.be/thelevel/

schrijf u in voor onze seminaries