VisueelWikitekst
(Recreated by deleteAndRecreate script)
 
Regel 1: Regel 1:
−
<h2>{{#show:{{FULLPAGENAME}}|?SessieType # -}} </h2>Deze thematische werkgroep richt zich op het identificeren en in kaart brengen van de <b>technologie</b> die nodig is om het traject technisch werkbaar te maken. Onder technologie verstaan we <b>hardware, software en hybride infrastructuur</b>. In deze werkgroep kijken we samen welke bouwstenen nodig zijn om tot de oplossing(en) te komen voor de use cases die tijdens de vorige werkgroepen werden gedefinieerd. De Werkgroep staat open voor deelname door de gehele <b>quadruple helix</b>.
+
<De tweede thematische werkgroep rond MLaaS 'Marktplaats' vond plaats op 15 april 2024.
−
Vaste deelnemers zijn de leden van het VLOCA-trajectconsortium en stakeholders, die samen deze noden in kaart brengen. Specifiek zijn we voor deze werkgroep op zoek naar meer technische profielen zoals IT-architecten, solutions architecten, IT managers, personen die actief zijn binnen de industrie,..
+
===Context===
−
De verzamelde inzichten worden vervolgens verwerkt om de IT-architectuur verder aan te vullen.{{InschrijvingWorkshop}}<h2>Andere werkgroepen</h2>{{OverzichtWorkshops}}
+
====Initiatief ====
 +
De stad Roeselare beschikt reeds over verschillende machine learning algoritmes die data genereren op basis van fotomateriaal en is hiervoor in contact met verschillende partijen. Deze data wordt gebruikt in zowel operationele processen als bij het nemen van beleidsbeslissingen.
 +
 
 +
Naast het voeden van eerder traditionele databanken stellen ze die intern ook ter beschikking via GEO loketten, en dit op een automatische manier. Deze kennis en ervaring willen ze verder uitbouwen en de algoritmes en processen tegelijkertijd ter beschikking stellen voor ieder bestuur, gaande van het kleinste lokaal bestuur tot bovenlokale overheden als Vlaanderen. Het concept van “machine learning as a service” laat de gebruiker om gebruik te maken van de data en de algoritmes zonder kennis te moeten uitbouwen van de technische achtergrond. Het moet als het ware een “dummy proof” platform worden waarbij men op een éénvoudige manier kan kiezen uit een overzichtelijke catalogus en kunnen “inpluggen” voor de processen die men nuttig acht. Door deze ontzorging kunnen meer besturen stappen zetten richting een sterker data gestuurde beleidsvorming en –voering.
 +
 
 +
Met het streven naar het opschalen van bestaande machine learning processen, het uitrollen van nieuwe mogelijkheden en deze via een platform als een service ter beschikking te stellen van alle overheden willen ze niet alleen zorgen voor meer data op Vlaams niveau maar ook voor “massa productie” aan een betaalbare prijs.
 +
 
 +
Dit alles kadert een groter geheel rond het City dashboard dat Roeselare enkele jaren geleden opgestart is. Hierbij is men gestart met het verzamelen van mobiele beelden en luchtbeelden. Deze data heeft men verzameld en verwerkt in een City dashboard. Uit dit dasboard kan heel wat informatie uit gehaald worden, waaronder ook informatie rond wegen waarrond we vandaag zullen brainstormen. 
 +
 
 +
==== Marktplaats ====
 +
De focus van deze toepassing binnen het MLaaS-project is het volgende:
 +
 
 +
==== VLOCA ====
 +
VLOCA, de Vlaamse Open City Architectuur, is een initiatief van het Agentschap Binnenlands Bestuur van de Vlaamse Overheid. De hulp van VLOCA aan lokale besturen start bij het scherpstellen van duidelijke, verstaanbare use cases en loopt door tot de aanbestedingsfase van het project. VLOCA vormt op deze manier een duidelijke brug tussen de beleidsdoelstellingen van het lokale bestuur en de technische laag waarin de oplossingen beschreven en geïmplementeerd worden. We stellen de juiste vragen en verzamelen de noden en behoeften van alle stakeholders (lokale besturen, kenniscentra, bedrijven en burgerorganisaties). Door een gestructureerde aanpak en verwerking van deze informatie wordt de ontwikkeling van herbruikbare bouwblokken, standaarden en normen gestimuleerd die van Vlaanderen één grote interoperabele slimme regio kunnen maken. De opgedane kennis en ervaring wordt ontsloten via een kennishub waarop onder andere draaiboeken, architectuur componenten en modellen ter beschikking gesteld worden voor alle andere lokale besturen en stakeholders.
 +
 
 +
== VLOCA-model ==
 +
==Brainstormsessie==
 +
===Doel===
 +
Het doel van de brainstormsessie is het volgende:
 +
*Identificatie van de meerwaardecreatie
 +
*Inzicht in wat je nodig hebt om de meerwaardecreaties te realiseren
 +
*Beschrijven van mogelijkheden om de oplossing te verduurzamen
 +
*Opsommen van valkuilen en potentiële principes waaraan de oplossing moet voldoen
 +
===Oefening 1+2===
 +
Bij deze oefeningen stonden we stil bij de volgende vragen:
 +
 
 +
1) Waarom is een ML voor wegen (wegmarkeringen en wegdek) belangrijk? Laat ons uitgaan van ‘the worst case’: we doen het niet.. Wat zijn de gevolgen?
 +
*Voorbeeld: Slechte wegmarkeringen kunnen voor gevaar zorgen
 +
2) Wat heb je nodig om de geïdentificeerde meerwaardecreaties uit oefening 1 te realiseren? Lijst de acties op
 +
*Voorbeeld:
 +
-Adhv foto’s kan ik de staat van het wegdek/wegmarkeringen idenficeren en acties plannen om deze te repareren
 +
 
 +
-Aan preventie doen dmv door AI gededecteerde defecten op de wegen
 +
====Overzicht====
 +
 
 +
==== Discussie ====
 +
 
 +
===Oefening 3===
 +
Bij deze oefening keken we naar manieren om de voorgestelde oplossing duurzaam te implementeren:
 +
 
 +
Hoe kunnen we ML voor wegen (wegmarkeringen en wegdek) duurzaam implementeren?
 +
 
 +
-Welke frequentie en accuraatheid zijn hiervoor nodig?
 +
 
 +
-Hoe kunnen AI en ML bijdragen tot het verduurzamen van de oplossing?
 +
 
 +
-Welke expertise hebben we nodig?
 +
 
 +
-Hoe kunnen we andere organisaties laten participeren in de kosten?
 +
 
 +
-Zijn er applicaties die noodzakelijk zijn om de oplossing draaiende te houden?
 +
 
 +
====Overzicht====
 +
 
 +
==== Discussie ====
 +
 
 +
==Oefening 4===
 +
Tot slot werden potentiële valkuilen geïdentificeerd en, op basis hiervan, formuleerden we principes waaraan de oplossing moet voldoen:
 +
 
 +
Voorbeeld:
 +
 
 +
•Self-service zonder goede training kan een risico vormen
 +
 
 +
•Afhankelijkheid van leverancier
 +
 
 +
•Interoperabiliteit van de oplossing
 +
 
 +
•Betrouwbaarheid, en dus ‘vertrouwen’ in de output en dashboard cijfers
 +
 
 +
•Stabiliteit, en dus ‘continuiteit’ van de metrieken in de rapporten en dashboards
 +
====Overzicht====
 +
 
 +
==== Discussie ====
 +
 
 +
==Opname en Miro bord==
 +
===Miro bord===
 +
Het Miro bord kan je consulteren via [https://miro.com/app/board/uXjVKWcDvaw=/ deze link].
 +
===Opname===
 +
De opname van deze sessie is te bekijken via [https://www.youtube.com/watch?XWb1qzO9Ito?si=bjtwZvRHH4wWAQzc deze link].
 +
 
 +
{{Video|Url=https://www.youtube.com/embed/XWb1qzO9Ito?si=JikLcxeoSIBNL2go""}}
 +
 
 +
==Volgende stappen==
 +
Wat na deze werkgroep?
 +
#Verwerking van de input van de brainstorm oefening.
 +
#Verder onderzoek en voorbereiding van de volgende thematische werkgroep.
 +
#Publicatie op de Kennishub
 +
Feedback kan bezorgd worden aan laurien.renders@vlaanderen.be<h2>Andere werkgroepen</h2>{{OverzichtWorkshops}}

Versie van 24 mei 2024 16:28

<De tweede thematische werkgroep rond MLaaS 'Marktplaats' vond plaats op 15 april 2024.

Context

Initiatief

De stad Roeselare beschikt reeds over verschillende machine learning algoritmes die data genereren op basis van fotomateriaal en is hiervoor in contact met verschillende partijen. Deze data wordt gebruikt in zowel operationele processen als bij het nemen van beleidsbeslissingen.

Naast het voeden van eerder traditionele databanken stellen ze die intern ook ter beschikking via GEO loketten, en dit op een automatische manier. Deze kennis en ervaring willen ze verder uitbouwen en de algoritmes en processen tegelijkertijd ter beschikking stellen voor ieder bestuur, gaande van het kleinste lokaal bestuur tot bovenlokale overheden als Vlaanderen. Het concept van “machine learning as a service” laat de gebruiker om gebruik te maken van de data en de algoritmes zonder kennis te moeten uitbouwen van de technische achtergrond. Het moet als het ware een “dummy proof” platform worden waarbij men op een éénvoudige manier kan kiezen uit een overzichtelijke catalogus en kunnen “inpluggen” voor de processen die men nuttig acht. Door deze ontzorging kunnen meer besturen stappen zetten richting een sterker data gestuurde beleidsvorming en –voering.

Met het streven naar het opschalen van bestaande machine learning processen, het uitrollen van nieuwe mogelijkheden en deze via een platform als een service ter beschikking te stellen van alle overheden willen ze niet alleen zorgen voor meer data op Vlaams niveau maar ook voor “massa productie” aan een betaalbare prijs.

Dit alles kadert een groter geheel rond het City dashboard dat Roeselare enkele jaren geleden opgestart is. Hierbij is men gestart met het verzamelen van mobiele beelden en luchtbeelden. Deze data heeft men verzameld en verwerkt in een City dashboard. Uit dit dasboard kan heel wat informatie uit gehaald worden, waaronder ook informatie rond wegen waarrond we vandaag zullen brainstormen.

Marktplaats

De focus van deze toepassing binnen het MLaaS-project is het volgende:

VLOCA

VLOCA, de Vlaamse Open City Architectuur, is een initiatief van het Agentschap Binnenlands Bestuur van de Vlaamse Overheid. De hulp van VLOCA aan lokale besturen start bij het scherpstellen van duidelijke, verstaanbare use cases en loopt door tot de aanbestedingsfase van het project. VLOCA vormt op deze manier een duidelijke brug tussen de beleidsdoelstellingen van het lokale bestuur en de technische laag waarin de oplossingen beschreven en geïmplementeerd worden. We stellen de juiste vragen en verzamelen de noden en behoeften van alle stakeholders (lokale besturen, kenniscentra, bedrijven en burgerorganisaties). Door een gestructureerde aanpak en verwerking van deze informatie wordt de ontwikkeling van herbruikbare bouwblokken, standaarden en normen gestimuleerd die van Vlaanderen één grote interoperabele slimme regio kunnen maken. De opgedane kennis en ervaring wordt ontsloten via een kennishub waarop onder andere draaiboeken, architectuur componenten en modellen ter beschikking gesteld worden voor alle andere lokale besturen en stakeholders.

VLOCA-model

Brainstormsessie

Doel

Het doel van de brainstormsessie is het volgende:

  • Identificatie van de meerwaardecreatie
  • Inzicht in wat je nodig hebt om de meerwaardecreaties te realiseren
  • Beschrijven van mogelijkheden om de oplossing te verduurzamen
  • Opsommen van valkuilen en potentiële principes waaraan de oplossing moet voldoen

Oefening 1+2

Bij deze oefeningen stonden we stil bij de volgende vragen:

1) Waarom is een ML voor wegen (wegmarkeringen en wegdek) belangrijk? Laat ons uitgaan van ‘the worst case’: we doen het niet.. Wat zijn de gevolgen?

  • Voorbeeld: Slechte wegmarkeringen kunnen voor gevaar zorgen

2) Wat heb je nodig om de geïdentificeerde meerwaardecreaties uit oefening 1 te realiseren? Lijst de acties op

  • Voorbeeld:

-Adhv foto’s kan ik de staat van het wegdek/wegmarkeringen idenficeren en acties plannen om deze te repareren

-Aan preventie doen dmv door AI gededecteerde defecten op de wegen

Overzicht

Discussie

Oefening 3

Bij deze oefening keken we naar manieren om de voorgestelde oplossing duurzaam te implementeren:

Hoe kunnen we ML voor wegen (wegmarkeringen en wegdek) duurzaam implementeren?

-Welke frequentie en accuraatheid zijn hiervoor nodig?

-Hoe kunnen AI en ML bijdragen tot het verduurzamen van de oplossing?

-Welke expertise hebben we nodig?

-Hoe kunnen we andere organisaties laten participeren in de kosten?

-Zijn er applicaties die noodzakelijk zijn om de oplossing draaiende te houden?

Overzicht

Discussie

Oefening 4=

Tot slot werden potentiële valkuilen geïdentificeerd en, op basis hiervan, formuleerden we principes waaraan de oplossing moet voldoen:

Voorbeeld:

•Self-service zonder goede training kan een risico vormen

•Afhankelijkheid van leverancier

•Interoperabiliteit van de oplossing

•Betrouwbaarheid, en dus ‘vertrouwen’ in de output en dashboard cijfers

•Stabiliteit, en dus ‘continuiteit’ van de metrieken in de rapporten en dashboards

Overzicht

Discussie

Opname en Miro bord

Miro bord

Het Miro bord kan je consulteren via deze link.

Opname

De opname van deze sessie is te bekijken via deze link.


Volgende stappen

Wat na deze werkgroep?

  1. Verwerking van de input van de brainstorm oefening.
  2. Verder onderzoek en voorbereiding van de volgende thematische werkgroep.
  3. Publicatie op de Kennishub

Feedback kan bezorgd worden aan laurien.renders@vlaanderen.be

Andere werkgroepen

WerkgroepType werkgroepDatumTijdLocatie
Thematische werkgroep 1Data en informatie werkgroep2024-03-149u-12uTeams
Thematische werkgroep 2Technologie werkgroep2024-04-169u-12uTeams
Thematische werkgroep 3Technologie werkgroep2024-05-1513u-16uTeams
Overgenomen van "https://vloca-kennishub.vlaanderen.be/index.php?title=VlocaSessie/49&oldid=10693"