Voor zijn afstudeeropdracht bij Nivo dook Danesh Lachman in de wondere wereld van machine learning. Hij bood Wifinity, al jaren klant aan huis, een realistisch én praktisch antwoord op hun hulpvraag.
Het internet is uitgevallen bij een grote klant van Wifinity. Bij de verzorger van wifi-netwerken komt een grote reeks mails binnen; de foutmeldingen van alle wifi-accespoints, allen zonder uitleg over de oorzaak van de storing.
Dat moet anders kunnen. Bij voorkeur met slechts één mail, inclusief een verklaring voor het probleem. En misschien, zo dacht Wifinity, kunnen we computers met behulp van algoritmen wel leren om de oorzaak van de wifi-uitval te duiden. Machine learning. Een betrekkelijk nieuwe ontwikkeling met een enorm potentieel, dat stukje bij beetje ontdekt wordt.
Professionele begeleiding
Danesh Romain Jayan Lachman is zo’n digitale ontdekkingsreiziger. De student cyber security aan de Hogeschool van Amsterdam mocht zich voor zijn afstudeeropdracht bij Nivo buigen over het probleem van Wifinity. Een uitdagende opdracht, die wel wat professionele begeleiding vereiste.
Zo makkelijk was dat nog niet, in een tijd dat het welbekende coronavirus de kantoorpanden leeg deed lopen. ‘Opeens zat ik thuis’, vertelt Danesh. ‘Alleen achter mijn laptop. “Kun je de afwas doen?”, vroeg mijn moeder. “Wil je even naar de supermarkt gaan?” Ik miste de sfeer op de werkvloer wel, maar inhoudelijk was het prima te doen. Ik kreeg veel feedback, had zeer regelmatig contact met mijn begeleiders.’
Vanuit Nivo werd hij begeleid door Willem van den Akker. De infra architect hielp Danesh onder meer bij de afbakening van de aanvankelijk brede opdracht, en bij het accepteren dat het gewenste resultaat simpelweg (nog) niet mogelijk is. ‘Met machine learning laat je computers voorspellingen maken op basis van historische data’, legt Danesh uit. ‘Maar er was amper data beschikbaar voor deze case.’
Aanbevelingen
Juist bij gebrek aan een simpele oplossing kon hij zich onderscheiden. Danesh maakte een inschatting van de data die Wifinity nodig heeft om tot die ene efficiënte mail te komen en bouwde met behulp van deze fictieve data een machine-learning-model. ‘In mijn scriptie heb ik uiteindelijk een aantal aanbevelingen gedaan: op dit moment is machine learning niet de oplossing, maar met deze en deze apparatuur kan het wel.’
De creatieve oplossing resulteerde in een tevreden klant, en een 9 als eindcijfer. En Danesh? Zijn scriptie inspireerde hem om voor de master Data Science te kiezen. ‘Ik wil me verder gaan verdiepen in machine learning. En dat kan met deze opleiding.’
Het resultaat van de afstudeeropdracht van Danesh heeft ook indruk gemaakt bij zijn begeleider bij Nivo, Willem van den Akker. ‘Vaak zie je dat de mogelijkheden in afstudeerscripties te positief worden geschetst. Dat is zeker ook verleidelijk bij een onderwerp als machine learning, dat tegenwoordig erg wordt gehyped. Het is niet de oplossing voor elk probleem, zoals soms wordt gedacht. Danesh heeft een heel realistisch beeld geschetst. Met zijn aanbevelingen heeft hij bovendien laten zien dat hij ver boven de stof staat. Die 9 is dus helemaal terecht.’