The current set of research methods on ictresearchmethods.nl contains only one research method that refers to machine learning: the “Data analytics” method in the “Lab” strategy. This does not reflect the way of working in ML projects, where Data Analytics is not a method to answer one question but the main goal of the project. For ML projects, the Data Analytics method should be divided in several smaller steps, each becoming a method of its own. In other words, we should treat the Data Analytics (or more appropriate ML engineering) process in the same way the software engineering process is treated in the framework. In the remainder of this post I will briefly discuss each of the existing research methods and how they apply to ML projects. The methods are organized by strategy. In the discussion I will give pointers to relevant tools or literature for ML projects.
LINK
The past two years I have conducted an extensive literature and tool review to answer the question: “What should software engineers learn about building production-ready machine learning systems?”. During my research I noted that because the discipline of building production-ready machine learning systems is so new, it is not so easy to get the terminology straight. People write about it from different perspectives and backgrounds and have not yet found each other to join forces. At the same time the field is moving fast and far from mature. My focus on material that is ready to be used with our bachelor level students (applied software engineers, profession-oriented education), helped me to consolidate everything I have found into a body of knowledge for building production-ready machine learning (ML) systems. In this post I will first define the discipline and introduce the terminology for AI engineering and MLOps.
LINK
Both Software Engineering and Machine Learning have become recognized disciplines. In this article I analyse the combination of the two: engineering of machine learning applications. I believe the systematic way of working for machine learning applications is at certain points different from traditional (rule-based) software engineering. The question I set out to investigate is “How does software engineering change when we develop machine learning applications”?. This question is not an easy to answer and turns out to be a rather new, with few publications. This article collects what I have found until now.
LINK
AANLEIDING In het RAAK-MKB project ‘Gelijkspanning breng(t) je verder’ heeft De Haagse Hogeschool, specifiek de opleiding Elektrotechniek, ervaren dat de opkomst van het onderwerp ‘Gelijkspanning’ (ook wel DC) in het beroepenveld sterk samenhangt met ontwikkelingen in het vakgebied van ‘Vermogenselektronica’ of ‘Power Eletronics’. Het beroepenveld vraagt steeds vaker om steeds meer kennis op dit vakgebied, in het kader van bijvoorbeeld de energietransitie, Smart Grids, Internet-of-Things etc. Om deze kennis op een goed gestructureerde wijze over te dragen aan studenten, moeten er een aantal belemmeringen worden weggewerkt. Een van deze belemmeringen is de beperkte beschikbaarheid van kennis; het vakgebied is relatief nieuw en nog sterk in ontwikkeling. Binnen De Haagse Hogeschool is door de opleiding Elektrotechniek (met kennis van de nog weg te werken belemmeringen) de bewuste keuze gemaakt om zich binnen Nederland te willen profileren met het onderwerp ‘Gelijkspanning’. Vanuit het eerdere RAAK-MKB project ‘Gelijkspanning breng(t) je verder’ werden hiertoe een eerste vak en practicum ontwikkeld: Vermogenselektronica 1. Hierin worden beginselen van DC-DC omvormers behandeld. DC-DC omvormers zorgen voor het transformeren van DC-spanningen, om energie bij hoge spanningen en dus lage verliezen te kunnen transporteren. Vanaf het huidige collegejaar (2015-2016) is ook een tweede vak op dit gebied toegevoegd aan het curriculum: Vermogenselektronica 2: hierin worden DC-AC omvormers op hoofdlijnen behandeld. Deze omvormers zorgen ervoor dat veel gebruikte types motoren aangedreven kunnen worden met gelijkspanning. Deze hoofdlijnen staan in de ogen van het beroepenveld nog (te) ver af van toepassingen waarmee zij werken. Daarbij moet gedacht worden aan bijvoorbeeld elektrische mobiliteit (specifieke types motoren), verlichting (DC-DC), distributietechnieken (DC-DC op hogere vermogens) of slimme netten (integratie van energietechniek, communicatietechnologie en regeltechniek / embedded systems). DOELSTELLING Het doel van het project is het opstellen van een implementatiewijze ter verdere invulling van de onderwerpen ‘Gelijkspanning’ en ‘Vermogenselektronica’ in het curriculum van de opleiding Elektrotechniek voor de teamleider van Elektrotechniek van De Haagse Hogeschool om de gewenste profilering te kunnen realiseren. ACTIVITEITEN Vanuit de curriculum commissie van de opleiding Elektrotechniek wordt opdracht gegeven aan een apart team om het implementatievoorstel voor te bereiden. Hierin werken twee docent/onderzoekers samen met de teamleider en enkele extern specialisten. In vijf opeenvolgende stappen wordt op een top-down manier gewerkt aan 1. Formuleren competenties voor DC 2. Hoofdstromen curriculum inrichten 3. Uitwerken vakinhoudelijke gebieden Elektrotechniek (‘leeg vel papier’) 4. Koppelen opzet aan bezetting en kennis in het team en bij partners 5. Voorbereiden besluitvorming RESULTAAT Op deze wijze wordt een heldere visie ontwikkeld op het benodigde onderwijs om het onderwerp gelijkspanning gestructureerd aan te kunnen bieden. Daarbij gaat het om vakinhoudelijke kennis in vakken, met bijbehorende practica en projecten. Om deze kennis goed aan te bieden wordt nadrukkelijk ook de samenwerking met andere kennisinstellingen (zoals Zuyd Hogeschool en de TU-Delft) gezocht.
De docent/onderzoeker rol is de belangrijkste, echter ook minst goed gefaciliteerde, rol binnen de hogeschool. De docent/onderzoeker moet continue schakelen tussen de onderwijs-urgentie (teamleider) en de langere termijn onderzoeksprioriteit (lector). De docent/onderzoeker heeft praktisch gezien twee werkgevers. Het RAAK-Postdoc project HENC beoogd een pragmatische grondlegger te ontwikkelen voor de duurzame inbedding van PhDs in deze docent/onderzoeker rol. Henk Kortier fungeert hierbij als initiator, (mede) ontwikkelaar en eerste (proef-)persoon. Het onderzoek dat onderdeel vormt van deze aanvraag beoogt de valorisatie van het op 09-feb-2018 afgesloten biomedisch wetenschappelijk PhD onderzoek van Henk Kortier. De modulaire robotica technieken die Henk gaat door ontwikkelen hebben spin-off naar de drie Saxion onderzoek domeinen Area’s & Living (drones), Smart Industry (grondrobots) en Health & Wellbeing (opruimrobot). De onderwijsactiviteiten richten zich op een, nieuw te ontwikkelen, module binnen de opleiding mechatronica, met als doel concrete invulling te geven aan de noodzakelijke vernieuwing en integratie van onderzoek en onderwijs. Met het onderwijs en onderzoeksteam van mechatronica is hierover op 23 april jl. een inventarisatie workshop gehouden, ondersteund door de teamleider onderwijs en lector. Door een matrix-analyse zijn de belangrijkste punten gedefinieerd en worden de belangrijkste redenen voor PhD om als docent/onderzoeker te blijven fungeren ontwikkeld, getest, uitgevoerd en uitgerold. Op deze wijze geeft het project concreet invulling aan het Saxion beleid om PhDs te kunnen laten werken aan het onderzoek en via onderwijsvernieuwing de resultaten naar onderwijs vloeien. Naast de onderwijs-onderzoeks integratie component wordt er binnen de module een lespakket ontwikkeld ter behoeve van het autonoom functionerende robots. Dit pakket wordt ontwikkeld vanuit zowel een operator als engineering oogpunt en zal derhalve de opleiding mechatronica overstijgen. Dit maakt het pakket breed inzetbaar binnen de verschillende opleidingen van de academie Life Science, engineering and Design en Creative Technologievan Saxion maar ook voor hogescholen elders.
De fotonica industrie groeit snel in de Brainport regio. Multinationals zoals ASML maar ook talrijke MKB bedrijven werken aan complexe optische systemen. Zij concurreren op wereldschaal met high tech Amerikaanse en Aziatische spelers. Innovatie is daarvoor van levensbelang. R&D in de sleuteltechnologieën fotonica en geavanceerde fabricagesystemen levert hiervoor de hoognodige brandstof. Zo ook in dit project, waarbij twee high tech MKB bedrijven met Fontys 3D-metaalprinten op een nieuwe en slimme manier gaan inzetten voor fotonica. Complexe optische systemen bevatten meestal meerdere optische elementen (o.a. lenzen, spiegels, diafragma’s, lichtbronnen, sensoren) die onderling in een lichtweg gerangschikt en onderling afgesteld moeten worden. Hierbij worden z.g. optische mounts gebruikt om de positie van de individuele optische elementen vast te leggen en na afstelling te fixeren. Een dergelijke afstelmethode is vaak lastig (divergerend), tijdrovend en niet stabiel over de tijd (want gebaseerd op wrijvingsfixatie). Dit project onderzoekt als oplossing een geïntegreerd monolithisch 3D geprint montagesysteem voor optische elementen, waarbij gebruik gemaakt wordt van ruimtelijk georiënteerde 3D geprinte monolithische elementen (spelings- en hysteresevrij). Hiermee wordt de insteltijd aanzienlijk gereduceerd (doelstelling: 100% --> 30%). Tevens zal de positioneernauwkeurigheid van de hierin opgenomen optische elementen gegarandeerd zijn. Tenslotte zullen er aanzienlijk minder onderdelen in het ontwerp aanwezig zijn. Als concrete en haalbare demonstrator wordt een 3D geprinte monolithische optical mount voor de lichtweg van de “Arinna” laserinterferometer van IBSPE uit Eindhoven ontwikkeld en getest. 3D geprinte optical mounts zijn nieuw voor dit netwerk, maar Fontys en aangesloten ondernemers hebben de relevante ervaring in 3D metaalprinten en fotonica. Met de aangesloten fotonica netwerken Photon Delta, DSPE en PhotonicsNL kan de opgedane kennis snel opgeschaald worden en kunnen ook andere MKB bedrijven deze innovatieve mounts voor hun supply chains gaan onderzoeken.
