Voor mijn masterscriptie Computing Science (40 ECTS) ging ik aan de slag met het verbeteren van het KW Dynamic Picking System van WITRON in het nieuwe, moderne en sterk geautomatiseerde distributiecentrum van Jumbo in Nieuwegein. Dit past goed bij de Operations Research- en Algorithmic Data Analysis-tracks van mijn master.

Voor mijn project ontwikkelde ik een simulated annealing local search-zoekalgoritme. Hiermee kon ik een simulation study doen om de orderpicktijd te verminderen door de classes van class-based storage als beslisprobleem op te lossen. Hiervoor ontwikkelde ik in C# een Windows Forms-applicatie met simpele, intuïtieve besturing dat als input enkel de al bestaande WMS-rapporten in .csv-formaat nodig heeft.

Een belangrijke toevoeging in mijn implementatie ten opzichte van de huidige implementatie is een harde constraint voor verbeterde ergonomie die het verbiedt om zware producten op fysiek hoge of lage pick-posities te leggen.

Mijn resultaten laten zien dat mijn model oplossingen kan vinden die efficiënter én ergonomischer zijn.

In een groep van vijf studenten mochten wij zelf een onderwerp kiezen om te onderzoeken gerelateerd aan het vak (spirituele opvolger van Data Mining).

Wij kozen om de effectiviteit van een zero-shot Convolutional Neural Network (CNN) te evalueren op de PlantVillage-dataset (afbeeldingen). Het doel was om met deze afbeeldingen van gezonde en zieke bladeren een CNN te implementeren dat bladeren op nieuwe afbeeldingen kon classificeren op gezondheid.

Theorie over P vs NP en verschillende soorten algoritmen: (I)LPs, (bewijzen van) approximation algoritmes en offline en online algoritmes. Praktijkopdracht over offline en online algoritmes in fictieve context van het versturen van afbeeldingen van een ruimtetelescoop naar onze aarde, waarbij het versturen kan worden onderbroken door space blackouts. In het offline-scenario: modelleren en programmeren van een MILP voor een zo kort mogelijke makespan-objective. Online-scenario: enkele verstuur-strategieën bedenken en hun competitiveness-ratio bewijzen.

Het praktische gedeelte van het UU-vak "Data Mining" bestond uit twee practica.

In het eerste project heb ik in Python met twee mede-studenten een drietal classification tree-algoritmes (single tree, bagging, random forests) gemaakt om zo de aanwezigheid van bugs in een software-package te kunnen voorspellen.

Het tweede project breidde de classification algoritmes uit met extra technieken. In R programmeerden wij de classification algoritmes om de echtheid van internetreviews te voorspellen.

Theorie over hoe data te verwerken in grote systemen, zoals MapReduce, item similarity, Distributed Files Systems en Graph Databases. Praktijkopdracht over generalisatie van het clustering problem in heterogene datasets (bijv. nieuwsartikelen of IMDB): hoeveel clusters is -gegeven de dataset- een goede balans tussen rekentijd en decompositie-kwaliteit?

In tweetal een discrete-event simulation study voor het opladen van elektrische auto's in een fictieve buurt gemodelleerd, gebaseerd op realistische data. De fictieve wijk bestaat uit meerdere parkeervelden, verbonden aan een transformator via een netwerk van stroomcapaciteit-gelimiteerde kabels. De vraag was om van 4 verschillende laadstrategieën, gebaseerd op bijvoorbeeld prijs of voorrangsregels, de kabelbelasting en oplaadvertraging te meten. Als uitbreiding is onzekerheid uit zonnepanelenopbrengst (zomer en/of winter) mogelijk om rekening mee te houden.

Vervanger van de bachelorscriptie voor de studie Informatica van de Universiteit Utrecht. In een groep van 9 mede-informatica-studenten en 2 artists van de HKU een semester een stuk software ontwikkelen naar opdracht van (en in samenwerking met) een bedrijf of organisatie, volgens Scrum-methode. Geleerde technieken uit de bachelor kunnen zo worden toegepast.

De technieken achter het gros van de internetpagina's leren en toepassen in praktijkopdrachten door toegankelijke webpagina's te programmeren.

Vak over Linear Programming-formulations en local search, met practica in tweetallen. Voor de "Kleine Opdracht" was de opdracht om een meerjarige beleggingsstrategie te formuleren als LP en vervolgens te programmeren om tot een optimale strategie te komen: welke opties koop en verkoop ik op welk moment.

De "Grote Opdracht" was een local search-opdracht gebaseerd op een afval-ophaal-probleem uit de Nederlandse praktijk waarin een zo snel mogelijke totale ophaaltijd voor meerdere vrachtwagens langs meerdere locaties moest worden gevonden.

Met een medestudent verspreid over 4 opdrachten circa 20 basistechnieken voor het bewerken van afbeeldingen in een Windows Form Application geprogrammeerd, gebaseerd op de in het vak behandelde theorie. Operators zoals Histogram Equalisation, Gaussian blurring, Erode, Dilate, Open, Close, Boundary Tracing, Hough Transform en Edge, Line of Segment Detection.

Vervolg op het vak Databases. Theorie en aansluitende praktijkopdrachten over Information Retrieval en Data Mining/Machine Learning, met nadruk op ongestructureerde tekstuele data. De praktijkopdracht bij Information Retrieval ging over het berekenen van similarity scores op automodellen gegeven een aantal kenmerken. In praktijkopdracht 2 over Data Mining moesten features worden verzonnen om relevante producten uit een bouwmarkt-zoekopdracht te filteren/ranken.

Vak bestaande uit een theoretisch statistiek-gedeelte en een praktijkonderzoek. Voor het praktijkgedeelte heb ik met een medestudent onderzoek gedaan naar de sterkte van een aantal invloedsfactoren op de mate van overgewicht bij jongeren (18-30). Op basis van een online vragenlijst (i.v.m. lockdown) hebben we een perceptron geprogrammeerd om zo de meest invloedrijke factoren te identificeren.

Deel 1 bestond uit het solderen en assembleren van een Arduino-comptabile "Stickuino" microcontroller en deze vervolgens in tweetallen te programmeren tot een automatische WC-verfrisser op basis van sensoren (o.a. licht, afstand en magneten).
In deel 2 was de opdracht om samen een krachtigere NodeMCU (ESP8266) te programmeren tot automatische plantenwatergever.

Met een medestudent de basis van computergraphics leren programmeren. Via 2 practica leren een raytracer en 2.5D engine te programmeren.

Ontwerpen en implementeren van een database voor een fictief administratief informatiesysteem voor een supermarkt. De RDBMS aanmaken via SQL en vullen met fictieve data. Een aantal voorbeeldqueries opgesteld van relevante (non-fictieve) praktijkvraagstukken en deze toegelicht.

Samen met 5 medestudenten een 2D platformer game ontwerpen en programmeren.