Wat is machine learning?

Blok 2
Blok 2

Agenda
Honeycomb van Morville

Useful: Wat is relevante

content voor de doelgroep?

Slimme technologie kan

helpen bij het selecteren van
relevante content voor een
gebruiker
Wat is machine learning

We gaan live testen wat machine learning is

Vul namens jouw duo deze vragenlijst in

https://forms.gle/64EipsYaek4D7B1y5

We hebben nu voor elk duo “data”

We hebben data die gelabeld is: fruit, keuze 1, 2, 3 etc..

We hebben data die niet gelabeld is: Filmtitel, kleur
Om iets met de filmtitel en kleur te kunnen moeten we die
eerst voorzien van labels zodat we keuzes kunnen maken.
Dit labelen laten we door het algoritme zelf doen.
Wat is machine learning
Wat is machine learning

Supervised learning:
Wij labelen iets en het algoritme zoekt daar een patroon in.
Bijvoorbeeld gezichtsherkenning

Unsupervised learning:
Het algoritme zoekt een patroon in een set met data en
kan daar zelf links leggen. Deze types algoritme zijn vaak
een Black box. Bijvoorbeeld jouw FYP op instagram

Reinforcement learning:
Een systeem voert een taak uit, krijgt feedback en leert
daar van. Bijvoorbeeld zelfrijdende Auto’s
Voorbeelden

Supervised:

Unsupervised:

Reinforcement:
Facial recognition
Supervised, Unsupervised, Reinforcement
Facial recognition
Supervised:
Wij labelen iets en het algoritme
zoekt daar een patroon in.
Netflix
Supervised, Unsupervised, Reinforcement
Netflix biedt jouw een gepersonaliseerd aanbod gebaseerd
op:
- welke genre’s je bekijkt
- hoe lang je blijft kijken
- wanneer je dit bekijkt
- wat mensen die hetzelfde gedrag als jij vertonen nog
meer bekijken
Wij weten niet waar het netflixalgoritme zijn keuzes precies
op baseert. Het maakt zelf links en categorieen aan
Netflix
Unsupervised

We weten niet helemaal waarop de keuzes zijn gebaseerd.

Dit noemen we een black box
Roomba
Reinforcement learning
Het navigatiealgoritme van de
roomba leert en kan zichzelf
herschrijven.
Doen en Denken

Waar wordt machine learning ingezet voor het selecteren

van relevante content voor de gebruiker?

Zoek een voorbeeld van unsupervised learning.

Schrijf op:
Welke gebruikersdata verzamelen ze (waarschijnlijk)?
Denk aan: likes, kijkduur, leeftijd, aankoopgeschiedenis etc

Welke productdata is nodig voor het aanbod

Denk aan: Maat, genre, kleur, prijs
Doen en Denken

De eerste stap in een aanbevelingssysteem is een goede

productfilter.

Maak een filtersysteem voor jouw producten.

Welke labels maak je aan om op te filteren?
Prompt Battle
- Woensdag 29 november
- In het Engels
- https://www.hva.nl/floor/gedeelde-content/evenemente
n/evenementen/2023/11/prompt-battle.html
Creative Brief 2 Bootcamp
Doen & denken (duo)
❏ Pitch in maximaal 2 minuten jullie webshop op donderdag
❏ Maak een definitieve versie van de webshop

Experimenteren (individueel)
❏ Experimenteer met een filtersysteem voor producten op jullie webshop.

Eigenaarschap (individueel)
❏ Bereid jouw individuele POP gesprek voor

Open (individueel)
❏ Vraag minimaal 2 keer om feedback aan docenten en medestudenten en
noteer dit in Feedpulse
❏ Geef peerfeedback tijdens de pitch van bootcamp

Deadline portfolio: vrijdag 24-11-2023 om 23:59 via Brightspace

Blok 2