Meteen naar de inhoud
logo Covalent I.T.S.

Afstudeeropdracht master UvA

Deel dit bericht

LinkedIn
WhatsApp
Email

Meer nieuws

[et_pb_section fb_built=”1″ _builder_version=”3.7″][et_pb_row custom_padding=”0|0px|0|0px|false|false” _builder_version=”3.7″][et_pb_column type=”4_4″ _builder_version=”3.7″ parallax=”off” parallax_method=”on”][et_pb_image src=”https://www.covalent.nl/wp-content/uploads/2018/10/Afstuderen-op-datalussen.jpg” _builder_version=”3.7″][/et_pb_image][et_pb_text _builder_version=”3.7″ text_font=”||||||||” text_text_color=”#000000″ text_font_size=”15px” header_font=”|300|||||||” header_text_color=”#e40412″ header_2_font=”|600|||||||” header_2_font_size=”18px” header_3_font=”||||||||” header_3_font_size=”18px” header_3_line_height=”1.4em” background_color=”#ffffff” custom_margin=”0px|||0px” custom_padding=”15px|6px|15px|10px” global_module=”466″ saved_tabs=”all”]

Thomas van der Ham volgde de master Artificial Intelligence aan de Universiteit van Amsterdam (UvA). Hij rondde in juli jl. zijn afstudeeropdracht bij Covalent af. Zijn opdracht was het detecteren van de real-time verkeerssituatie in een tunnel door gebruik te maken van de data van verkeerslussen. Interessant én lastig.

[/et_pb_text][/et_pb_column][/et_pb_row][et_pb_row _builder_version=”3.7″ custom_padding=”8px|0px|0|0px|false|false”][et_pb_column type=”2_3″ _builder_version=”3.7″ parallax=”off” parallax_method=”on”][et_pb_text _builder_version=”3.7″ text_font=”||||||||” header_font=”|300|||||||” header_text_color=”#e40412″ header_3_font=”||||||||” header_3_font_size=”18px” header_3_line_height=”1.4em” saved_tabs=”all” global_module=”460″]

Sneller van A naar B

Thomas: “De opdracht was heel interessant. Ik mocht een systeem ontwikkelen dat door middel van machine learning kon bepalen of er op de weg rond verkeerslussen een file is. Het resultaat zou ertoe kunnen bijdragen dat mensen sneller van A naar B kunnen reizen. Dat het om een opdracht met een tastbaar resultaat ging, maakte dat ik voor Covalent koos.”

[/et_pb_text][/et_pb_column][et_pb_column type=”1_3″ _builder_version=”3.7″ parallax=”off” parallax_method=”on”][et_pb_image src=”https://www.covalent.nl/wp-content/uploads/2018/09/Thomas-van-der-Ham.jpg” _builder_version=”3.7″][/et_pb_image][/et_pb_column][/et_pb_row][et_pb_row custom_padding=”0|0px|27px|0px|false|false” _builder_version=”3.7″][et_pb_column type=”4_4″ _builder_version=”3.7″ parallax=”off” parallax_method=”on”][et_pb_text _builder_version=”3.7″ text_font=”||||||||” header_font=”|300|||||||” header_text_color=”#e40412″ header_3_font=”||||||||” header_3_font_size=”18px” header_3_line_height=”1.4em” saved_tabs=”all” global_module=”460″]

 

Machine learning

Machine learning blijft veel experimenteren. Ideeën die in theorie goed klinken, blijken in de praktijk soms niet goed te werken. Daarnaast gaf het oude SOS systeem meldingen die enkel gebaseerd waren op een specifieke snelheid. Thomas: “Daardoor was er niet van alle situaties die we wilden voorspellen voldoende data, denk aan een ongeluk of een gestopt voertuig. Dat was lastig. Toch heb ik uiteindelijk een systeem gemaakt dat door middel van machine learning succesvol files kan onderscheiden van normaal verkeer. Na maanden werken, werd duidelijk dat het werkte en nog goed ook. Dat was een gaaf moment!”

 

Begeleiding

Het beviel Thomas goed om bij Covalent te werken. “De collega’s zijn aardig en altijd bereid om te helpen en vragen te beantwoorden. De begeleiding was goed geregeld, iedere week had ik een afspraak om de resultaten te bespreken en te evalueren. Ik woon in Diemen, dus ik twijfelde over het heen en weer reizen. Maar ik mocht veel thuis werken en kon af en toe meerijden.”

[/et_pb_text][/et_pb_column][/et_pb_row][/et_pb_section]