AI Engineering & MLOps: het bouwen van betrouwbare AI-systemen

Als docent-onderzoeker bij Fontys ICT zie ik meer en meer studenten die als bijvoorbeeld afstudeeropdracht een stuk software moeten opleveren waarin AI moet worden toegepast. Ook hebben we een specialisatierichting ICT & AI opgezet waarin we studenten leren hoe ze machine learning toepassen in ICT-producten. Daarmee hebben we een hoop kennis verzameld over de best practices bij het ontwikkelen van machine learning applicaties. Daarnaast hebben we een aantal interessante cases om te laten zien wat de toegevoegde waarde van machine learning in applicaties kan zijn. Sinds februari 2019 heb ik die activiteiten voortgezet in een postdoc-onderzoek getiteld: "AI engineering: Ontwikkeling van lCT-producten die leren van data". In dit onderzoek verzamel ik best practices uit het onderwijs, de literatuur en het werkveld om te komen tot een "toolbox" voor software engineers die machine learning applicaties willen bouwen.
In deze lezing zal ik ingaan op waarom het ontwikkelen van machine learning applicaties anders is dan traditionele software. Welke methoden, technieken en tools heb je ervoor nodig? Welk proces moet je volgen? We bespreken een aantal concrete projecten om een goed beeld te geven van waar je tegenaan kunt lopen. Na afloop van deze lezing heb je een aantal praktische handvatten om in je eigen softwareontwikkelpraktijk toe te passen.