13 september 2019 ... min. Luister

Machine Learning as a Service

Marcin Pakulnicki, Pierre Venter en Effi Bennekers tonen hoe ING een Machine Learning Model Serving-platform bouwen zodat IT-teams de kracht van machine learning kunnen aanboren.

Effi werkt als ingenieur aan het Machine Learning Model Serving-platform. Hij legt uit hoe IT-teams binnen ING het platform kunnen gebruiken voor hun specifieke projecten. Marcin en Pierre hadden dergelijk project en ze presenteren hun praktijkvoorbeeld bij Codemotion.

Marcin en Pierre werken allebei als software-ingenieurs aan ING online banking en de mobiele app. Via deze twee kanalen worden duizenden beoordelingen van gebruikers ingediend, veel daarvan over IT-kwesties. Al deze beoordelingen moeten in categorieën worden onderverdeeld en aan de juiste teams worden toegewezen. Vroeger werden deze beoordelingen manueel onderverdeeld. Dankzij machine learning (ML) kon de tijd tussen het ontvangen van de feedback en het updaten van de functie aanzienlijk worden gereduceerd.

Aanzienlijk kortere lead times

Marcin: "Voordat we machine learning gebruikten, moesten enkele mensen door al deze duizenden beoordelingen gaan om ze in te delen en aan het juiste team toe te wijzen. Het was niet alleen een lang en onnauwkeurig proces, het leidde er ook toe dat het lang duurde voordat het probleem was opgelost." Pierre gaat verder: "De ‘nieuwe’ functie was vaak al verouderd voordat hij werd uitgebracht. Het was duidelijk dat de lead times aanzienlijk moesten worden ingekort."

Dankzij machine learning worden de beoordelingen nu algoritmisch in real time ingedeeld op basis van ML-bibliotheken en worden dan rechtstreeks naar het bevoegde team doorgestuurd. Pierre en Marcin dachten na over wat ze nodig hadden, en Effi en zijn team zorgden ervoor dat ze dit via het platform konden bereiken. Pierre: "We hebben gegevens verzameld en het algoritme voor machine learning toegepast. Dat hebben we gebruikt om het eerste model te trainen en daarna hebben we een proof of concept uitgebracht."

Inspirerend

Marcin: "Ons specifieke probleem is slechts een van de vele problemen die met machine learning kunnen worden opgelost. We hopen dat ons praktijkvoorbeeld andere teams binnen de bank aanzet om na te denken over hoe het ML-platform ook hen kan helpen. En ik Codemotion hopen we andere organisaties te inspireren om hetzelfde te doen!"

Snelle indeling en opvolging van klantenbeoordelingen

Live op het podium

Het trio spreekt vaak op conferenties. In hun presentatie tonen ze hoe je binnen je eigen organisatie machine learning schaalbaar kunt maken. Marcin licht de achtergrond van dit praktijkvoorbeeld toe en Pierre maakt dan live op het podium een model aan en traint dit om te tonen hoe ongemarkeerde gegevens worden geclassificeerd. Het publiek wordt aangemoedigd om ter plekke beoordelingen in te dienen. Effi: "Dan ben ik aan de beurt. Ik praat over het platform zelf en over hoe je een universele oplossing voor je eigen specifieke model en gegevens kunt gebruiken. Onze belangrijkste boodschap aan IT-teams is: maak gebruik van wat er al beschikbaar is! Je hoeft het wiel niet opnieuw uit te vinden of een ander uitgebreid softwarepakket te kopen. Houd het simpel en zorg ervoor dat je platform voorziet in de behoeften van de ingenieurs en datawetenschappers van je organisatie."

Open source

Waar mogelijk hopen ze altijd op veel interacties met het publiek. "Ons praktijkvoorbeeld is relevant voor elk bedrijf dat klanten heeft... dus in feite voor iedereen. Het is ons doel tijdens de conferentie om onze kennis te delen en ook nieuwe kennis op te doen. Zo kunnen we samen groeien op gebied van machine learning. Op lange termijn willen we het platform ook open source maken zodat elke onderneming ervan kan profiteren."

Pierre Venter

Pierre, who is from South Africa, has been working at ING for the past three years. He didn’t make the switch to IT until he was in his thirties. Before joining ING, he worked at Siemens as a systems engineer. He feels right at home at ING, an environment in which innovation, tech and customer focus go hand in hand. Pierre is a passionate software engineer who has a Chapter Lead role at ING.

Marcin Pakulnicki

Marcin taught himself to code and originally started out as a Flash developer. He is crazy about new technology and his passion lies in making technical innovations scalable. Marcin joined ING two years ago. “ING is a fantastic company for engineers; in terms of IT, we are way ahead of other organisations.” He is keen to tell the world about this, which is why he is speaking at ever-more external events and conferences. Marcin is a big fan of science fiction films and Eastern European sci-fi authors such as Stanislaw Lem.

Effi Bennekers

Effi started coding when he was just six, helped out with IT-related matters at his father’s company from the age of 15 and started his professional career in multimedia solutions and building websites. He has been working at ING since 2013, since the summer of 2018 as an engineer on the Model Serving platform. Effi believes it is very important to share knowledge and it also happens to be one of his favourite activities. He launched two communities within ING: the Back-end Guild and the Applied Machine Learning Community. Outside of work, he enjoys brewing his own beer.

Terug naar boven