+32 65 52 02 82
Wekelijkse code reviews en architecture discussions met andere developers. Toegang tot production-scale datasets en cloud infrastructure voor testing.
Capstone: optimize een bestaand expense system van 78% naar 95%+ accuracy met meetbare business impact.
Je hebt al een basis expense categorization systeem draaien, maar de accuracy stagneert rond 85%. Nieuwe merchant names worden verkeerd geclassificeerd, edge cases stapelen zich op, en het model leert te langzaam van correcties.
Standaard classification approaches behandelen elke transactie als geïsoleerd event. Maar een lunch van €47 op dinsdag middag bij een onbekend restaurant? Context matters: wie was de gebruiker, waar was de locatie, welke meetings stonden er in de agenda?
Deze cursus duikt in multi-modal learning waarbij je transactiedata combineert met calendar events, location data en historical spending patterns. Je leert ensemble methods te bouwen die verschillende model types combineren voor betere precision.
We pakken concrete scenario's aan: subscription services die van categorie veranderen, suppliers met meerdere business units, transactions die legitiem over meerdere categorieën verdeeld moeten worden. Je implementeert hierarchical classification waarbij hoofdcategorieën eerst worden bepaald, dan subcategorieën.
Het tweede deel focust op scale en performance. Hoe categoriseer je 100.000 transacties per dag met sub-second latency? We optimaliseren model inference, implementeren caching strategies, en bouwen een streaming pipeline voor real-time processing.
Je werkt ook aan model interpretability: waarom plaatst het systeem een transactie in category X? Dit is cruciaal voor user trust en debugging. We implementeren SHAP values en attention mechanisms om decisions transparant te maken.