No. 13 · Actief in ontwikkeling · AI & agents · SIGNAL
ML voor Strategische Oprichters
Lees modellen, geen wiskunde - beslissingswaardige machine learning voor operators
Stuur de modellen die je omzet raken aan, zonder één regel code te schrijven
Oprichters die in ML-hype verdrinken hebben beslissingsgeletterdheid nodig, geen diploma data science. Dit boek reikt je de SIGNAL-lus aan om elk model dat omzet, risico of reputatie raakt te scopen, beoordelen en besturen. Je gaat van "ik weet niet wat ik mijn ML-team moet vragen" naar governance-protocollen die modellen eerlijk en beslissingen verdedigbaar houden. Een strategische blik, geen codeerhandleiding.
- pagina's
- 192
- hoofdstukken
- 14
- uur lezen
- ± 2
- edities
- EN · NL
- Ontwerp
- Schrijven
- Manuscript
- Productie
- Verschenen
Het boek
Lees modellen, geen wiskunde - beslissingswaardige machine learning voor operators
Een model zegt je dat de lead converteert, dat het verlooprisico hoog is, dat de prognose op aannemen staat. Je handelt naar het getal omdat het dashboard er stellig uitziet en ertegenin gaan voelt als toegeven dat je de wiskunde niet snapt. Dus schuif je het door (naar de tool, naar het datateam, naar wie het ding ook gebouwd heeft) en stilletjes ben je niet langer degene die beslist.
Het gangbare advies is om "de basis te leren": volg de cursus, bestudeer de algoritmes, kom terug als je de lineaire algebra aankunt. Dat faalt, omdat je het model niet hoeft te bouwen. Je moet de uitkomst ervan ondervragen voordat je er het kwartaal op inzet.
ML for Strategic Founders is geschreven voor dat moment. Je leidt geen gradiënt af en traint geen netwerk. In plaats daarvan geeft het je SIGNAL (Scope, Inputs, Generalization, Noise, Accountability, Limits), zes vragen die je tegen elke modeluitkomst aanlegt om te zien of die een plek in jouw besluit heeft verdiend. SIGNAL is de leeswijze; het algoritme eronder is het weer. Als de tooling verandert, blijven de vragen staan.
Wat je leert
Wat je met dit boek kunt
- De SIGNAL-lus: Scope, Inputs, Grondwaarheid, Ruis, Audit en Leren voor elk model
- Een strategische blik op wat ML wel en niet kan, zonder Python of TensorFlow
- Leer leveranciersdemo's en benchmarkclaims lezen en signaal van ruis scheiden
- Scope ML-projecten die echt opleveren, en zie waarom de meeste stranden
- Audit modellen op bias, drift en faalmodi voordat ze je klanten kosten
Het raamwerk
SIGNAL, stap voor stap
Scope, Inputs, Grondwaarheid, Ruis, Audit en Leren voor elk model
-
Scope
-
Inputs
-
Grondwaarheid
-
Ruis
-
Audit en Leren voor elk model
De inhoud
Hoofdstuk voor hoofdstuk
Elk hoofdstuk van ML voor Strategische Oprichters met het motto uit de gedrukte editie, wat je erna kunt, en wanneer je het nodig hebt.
Introductie
Introductie: Modellen lezen, niet modelwiskunde
Je hoeft geen model te trainen om verantwoordelijk te zijn voor wat het met je bedrijf doet. Je moet het kunnen lezen.
Hoofdstuk 1
De beslissing, niet het model
Een model geeft een antwoord. Alleen een beslissing kan er iets mee doen. Benoem de beslissing eerst, anders heeft het antwoord nergens naartoe.
Hoofdstuk 2
Signaal versus ruis
Een benchmark vertelt hoe een model scoorde op een bevroren test. Een basispercentage vertelt of die score iets betekent. Lees eerst het basispercentage.
Hoofdstuk 3
Scope voor je uitgeeft
Een model dat je niet kunt onderhouden is een verplichting met goede precisie. Scope het kleinste model dat de beslissing verdient, of lever de regel in plaats daarvan.
Hoofdstuk 4
Wat het model binnengaat
Een model kent alleen wat je het voedt, en het vertelt je nooit wat je hebt weggelaten. Lees de inputs, anders vertrouw je een antwoord dat de data niet kon geven.
Hoofdstuk 5
Wat het model goed rekent
Een model leert het antwoord dat jij markeerde, niet de uitkomst die je ermee bedoelde. Controleer de antwoordsleutel voordat je het cijfer vertrouwt.
Hoofdstuk 6
Als de wereld beweegt
Een model leert de wereld zoals ze was, terwijl de wereld blijft bewegen. Nauwkeurigheid is een lezing die verloopt, geen eigenschap die het model vasthoudt. Kijk altijd naar de datum onder de score.
Hoofdstuk 7
Wat zou bewijzen dat het fout zit
Een model dat je niet kunt falsifiëren is een model dat je niet kunt besturen. Schrijf de test die het wil afbreken, en voer die test uit terwijl het model nog goed lijkt te werken.
Hoofdstuk 8
De Update Is een Beslissing
De audit vertelt je dat een model is omgeslagen. Wat je daarna doet, vertelt ze niet, en dezelfde slechte score kan drie verschillende antwoorden vragen. Leer het model opnieuw, wissel het in voor een ander, of geef de beslissing terug aan de regel die het nooit versloeg.
Hoofdstuk 9
De Demo Is de Advertentie
Een demo is de advertentie van een model: de invoer is schoon, de basislijn is flatterend en elk getal piekt binnen een halfuur dat de leverancier zelf heeft gekozen. De zes vragen die je leerde stellen aan je eigen modellen zijn precies de vragen waarmee je de advertentie doorziet en het model erachter leest.
Hoofdstuk 10
Het model heeft een eigenaar nodig
Een model is een vaste positie binnen het bedrijf, geen deliverable die wordt opgeleverd en daarna stilstaat. Iemand moet het vasthouden: de beslissing die het dient, de invoer die het eet, de dag dat het omslaat. Benoem die persoon bewust, of de naam wordt standaard niemand.
Hoofdstuk 11
Het Gemiddelde Verbergt de Schade
Een model verdient het woord nuttig op het gemiddelde en is het woord onschadelijk verschuldigd aan de persoon. Het gemiddelde is wat de metric rapporteert. De persoon is degene die arriveert in een klacht, een verloren account, of een brief van een toezichthouder. Een model kan gelijk hebben over de velen en ongelijk over de weinigen, en de weinigen zijn waar de schade woont.
Hoofdstuk 12
Een Raamwerk Is Wat Je Herhaalt
Conclusie
Conclusie: De Oprichter Die Modellen Leest
Je opende dit boek verantwoordelijk voor modellen die je niet kon lezen. Je sluit het als iemand die ze wel kan lezen. Wat veranderde was nooit de wiskunde. Het was de oprichter die hem vasthoudt.
Voor wie
Voor wie dit boek is geschreven
Dit is geen data science voor toeschouwers en geen begrippenlijst die je vrijdag alweer vergeten bent. Het is geletterdheid van operatorniveau: een protocol dat je draait op een live modeluitkomst, wanneer er een beslissing moet vallen en de prijs van een verkeerde lezing al op tafel ligt.
Het resultaat is scherp. Je besteedt je oordeel niet langer uit aan wie het dashboard bezit, en gaat modellen lezen zoals je een winst-en-verliesrekening leest: vloeiend, sceptisch en op eigen gezag.
Als jouw beslissingen echte gevolgen dragen en je klaar bent met het wijken voor getallen die je niet kunt bevragen, begin dan hier.
Edities
Edities en specificaties
| Editie | Formaten | Hoofdstukken | Pagina's | Leestijd | ISBN (paperback) |
|---|---|---|---|---|---|
| Nederlands ML voor Strategische Oprichters | In productie | 14 | 192 | ± 2 uur | — |
| Engels ML for Strategic Founders | In productie | 14 | 172 | ± 2 uur | — |
Beide edities zijn zelfstandig geschreven. De Nederlandse tekst is geen machinevertaling van de Engelse.
Veelgestelde vragen
Wat lezers meestal willen weten
Waar gaat ML voor Strategische Oprichters over?
De SIGNAL-lus geeft oprichters genoeg ML-geletterdheid om modellen die omzet, risico of reputatie raken te scopen, beoordelen, auditen en besturen zonder data scientist te worden. De ondertitel luidt: Lees modellen, geen wiskunde - beslissingswaardige machine learning voor operators.
Wat houdt het SIGNAL-raamwerk in?
SIGNAL: Scope, Inputs, Grondwaarheid, Ruis en Audit en Leren voor elk model. Scope, Inputs, Grondwaarheid, Ruis, Audit en Leren voor elk model
Is er ook een Engelse editie?
Ja. De Engelse editie heet ML for Strategic Founders en is een zelfstandig geschreven editie, geen machinevertaling. Die verschijnt in dezelfde productielijn.
Hoe lang is ML voor Strategische Oprichters?
Deze editie telt 14 hoofdstukken, 192 pagina's in druk en ongeveer 2 uur lezen.
Voor wie is ML voor Strategische Oprichters geschreven?
Als jouw beslissingen echte gevolgen dragen en je klaar bent met het wijken voor getallen die je niet kunt bevragen, begin dan hier.
Het productiesysteem
Hoe dit boek is gemaakt
Elke titel doorloopt dezelfde gecontroleerde productielijn: onderzoek met bronregistratie, een bewijzenregister per claim, structuurreview, feitencontrole, red-team-kritiek en een tweetalige eindredactie. AI-agents doen specialistisch werk binnen die poorten; het oordeel, de stem en de verantwoordelijkheid blijven menselijk.
- Claims staan in een bewijzenregister met bron en gradatie voordat ze in de tekst komen
- Nederlands en Engels zijn twee zelfstandige edities, geen vertaling van elkaar
- Elk hoofdstuk passeert leesbaarheids-, ritme- en stijlpoorten voordat het gezet wordt
