Artificial Intelligence

Deze data lost allerlei soorten maatschappelijke-, organisatie- en technische vraagstukken op door zichzelf kennis aan te leren. Deze eigenschap draagt sterk bij aan het professionaliseren van een organisatie, het vergroten van de kennis of het ontwikkelen van nieuwe business. Daarnaast kan data in het onderwijs ingezet worden om het leren te verbeteren. HAN Smart Region - Slim verkent deze mogelijkheden.

Het onderwerp Articial Intelligence rakend vind je hier meer informatie over::

• Data en Semantiek als fundament voor AI: beluister de podcast met lectoren Stijn en Erwin
• Tooling en methodologieën voor datagedreven organisaties: met het project DEMAND werken we samen met het werkveld om de mogelijkheden van data science en AI te verkennen
• AI in het onderwijs: hoe zet je Artificial Intelligence in in het onderwijs?
• Predictive Maintenance: toepassing van AI bij het onderhoud van o.a. machines
• Koburg-lunches: maandelijkse bijeenkomst over AI en Data Science

Hoe organiseer je AI en wat vraagt dit van de omgeving? Onze onderzoekers, docenten en studenten voelen zich altijd uitgedaagd om de mogelijkheden van artificial intelligence te exploreren. Neem vrijblijvend contact op met:

• Stijn Hoppenbrouwers (thematrekker): Stijn.Hoppenbrouwer@han.nl

In deze podcast-aflevering van de serie Dataloog zijn HAN-lectoren Erwin Folmer en Stijn Hoppenbrouwers te gast. 

Stijn is reeds 12 jaar lector op het gebied van informatie en kennissytemen; model based information systems bij de HAN en heeft zich gespecialiseerd in de betekenis van taal. 

Erwins lectoraat komt voor uit dat van Stijn en gaat over Applied Data Science en AI. Hij heeft een achtergrond bij het Kadaster en bouwt kennis op rondom hybride AI, neurosymbolica, kennisrepresenatie en betrouwbaarheid.

Beide lectoraten hebben onderzoeksprojecten met partners uit het werkveld, zoals Thales, Alliander en diverse gemeentes. Ze bouwen aan een toolbox waarin standaarden worden ontwikkelt voor eindgebruikers. 

Nieuwsgierig naar hun verhaal? Luister dan naar deze aflevering.

Hoe zet je data in zodat je het leren kan verbeteren? Met data over het leren kunnen er leeromgevingen ontstaan die zich aanpassen aan wat een student nodig heeft of wat een lerende werkomgeving nodig heeft. De student kan met data de regie nemen over zijn eigen leerproces. Kunstmatige intelligentie (AI) kan de docent en student ondersteunen hierbij.

Bekijk de pagina AI in je onderwijs om een kijkje in de HAN-keuken te nemen. 

Onderhoud aan machines in fabrieken wordt meestal gepland met regelmatige tussenpozen, bijvoorbeeld iedere maandag. Als machines eerder stuk gaan komt productie stil te liggen met als gevolg een te late levering aan klanten en lagere inkomsten voor het bedrijf. Dit kan voorkomen worden door met kortere tussenpozen onderhoud te plegen, maar dit levert vertraging op van de productie en kost ook meer geld, want er zijn meer mensen nodig om deze machine te onderhouden.

Predictive maintenance gebruikt data om te bepalen wanneer onderhoud nodig is. Het optimaliseert de timing van onderhoud, oftewel: het onderhoud machines op precies het juiste moment. Precies op het juiste moment betekent, voordat storingen optreden of onderdelen versleten zijn. Door de staat van machines te analyseren kan onderhoud dus op exact het juiste moment worden ingepland. Met als resultaat een verlaging van de onderhoudskosten en een hogere beschikbaarheid.