2024 moet het jaar worden waarin bedrijven ruim baan geven aan de implementatie van artificial intelligence (ai) en verduurzaming. Maar Nederland en België lijken wat dat betreft nog weinig vaart te maken. Uit cijfers van de Europese denktank Brueghel.org komen wel een aantal veelgevraagde vaardigheden naar voren, zoals pathfinding, deep learning en computer vision.
In Nederland is ‘path finding’ de meest gevraagde vaardigheid, het proces om de kortste route tussen twee punten te vinden. Dit is sterk gebaseerd op de grafentheorie. Daarna komen Apache Spark, kennis van Chatbots en deep learning.
In België staat kennis van ‘generative adversarial networks’ bovenaan, een categorie raamwerken voor machine leren die dienen voor ‘unsupervised learning’. Vervolgens komen ‘path finding’, ‘deep learning’ en ‘computer vision’.
Desondanks behoren beide landen in de Europese unie (EU) tot de achterblijvers als het gaat om het aantal vacatures voor ai- en groene banen. Dit meldt de Europese denktank Brueghel.org die zich richt op verbetering van het economisch beleid. Samen met analysebureau Lightcast houdt de organisatie uit Brussel het verloop van vacatures op gebied van ai en vergroening in een dashboard bij, alsmede de vaardigheden die daarbij worden gevraagd.
Koplopers
Zweden, Letland en Roemenië hebben in de EU wel vier keer zoveel nieuwe ai-vacatures online staan als de Benelux. In de EU bedraagt het aantal openstaande ai-banen gemiddeld 14 op de duizend vacatures. In Nederland is dat 11 en in België ruim 8. In Zweden is dat bijna 40. De meest gevraagde vaardigheid is in de EU kennis van Apache Spark, een meertalige engine voor data engineering, data science en machine leren op ‘single node machines’ of clusters.
Daarna volgt kennis van ‘variational auto encoders’ (VAEs), een architectuur voor neurale netwerken die is ontwikkeld door de Nederlandse wetenschappers Diederik Kingma en Max Welling. Deze VAEs worden gebruikt voor datacompressie en -generatie. Een andere veel gevraagde vaardigheid is kennis van geavanceerde systemen die automobilisten bijstaan. Op plek vier komt ‘deep learning’, een subset van machine leren die neurale netwerken met meerdere lagen gebruikt.
