Opgroeien samen met een nieuwe master
Dirk Fahland stond 2,5 jaar geleden aan de wieg van de nieuwe masteropleiding Data Science & Artificial Intelligence. “Het voelt wel een beetje als mijn kindje.”
Het opzetten van de nieuwe master Data Science and Artificial Intelligence voelde voor universitair hoofddocent Dirk Fahland als een zwangerschap, geboorte én opvoeding van een kind. Met de onontkoombare kinderziektes en groeipijnen. Afgelopen september ging de masteropleiding van start met maar liefst 155 studenten. Fahland: “Dat aantal oversteeg al onze verwachtingen en stelt ons voor de nodige uitdagingen. Maar het geeft ook meteen aan dat deze opleiding enorm gewild was”.
Natuurlijk heeft Dirk Fahland er wel eens wakker van gelegen. Niet alleen vanwege de immens grote hoeveelheid werk die kwam kijken bij het opzetten en structureren van de master Data Science & Artificial Intelligence (DS&AI). Of het hele accreditatieproces van de opleiding, dat zo’n anderhalf jaar in beslag nam. Ook de enorme hoeveelheidstudenten die zich aanmeldden voor de nieuwe master goed en wel begonnen was, zorgde voor hoofdbrekens.
En wat te denken van de personeelspuzzel die gelegd moest worden: hoe vind je docenten om alle vakken binnen de nieuwe master te kunnen doceren en de masterstudenten te begeleiden? De onderwijslast van docenten bij de faculteit Mathematics & Computer Science was al torenhoog door het vele serviceonderwijs dat deze docenten geven aan alle andere faculteiten. En in het relatief nieuwe, maar booming vakgebied data science en artificial engineering liggen de gekwalificeerde mensen nog niet voor het oprapen. Die moeten juist nog worden opgeleid.
Geestelijk vader
Fahland werd uiteindelijk kartrekker van de projectgroep rondom de nieuwe master en stond als een van de ‘geestelijk vaders’ bij al die zwangerschapskwaaltjes, de bevalling en eerste kinderziektes vooraan bij de wieg. “Ik moet bekennen dat ik de master inmiddels wel als een soort kind beschouw. Ik wil dat dit werkt voor onze studenten en de faculteit. De studenten die we opleiden, moeten onze maatschappij uiteindelijk helpen. Daar voel ik me enorm verantwoordelijk voor de opleiding.”
Ik moet bekennen dat ik de master inmiddels wel als een soort kind beschouw
Dirk Fahland, kartrekker master DS&AI
Hoe het begon: de missende master
Het was in februari 2019 dat binnen de faculteit Mathematics and Computer Science het besef kwam dat er iets miste. Studenten die de bachelor Data Science afrondden, konden niet aan onze universiteit terecht voor een direct aansluitende vervolgopleiding. En dat terwijl binnen de faculteit binnen diverse groepen al zeker tien jaar onderzoek wordt gedaan naar data science.
Er was wel een goedlopende track Data Science in Engineering binnen de master Computer Science and Engineering. Die begon steeds populairder en zelfs groter te worden dan de master zelf. Een belangrijk signaal dat er behoefte was aan een vervolgstap op dit vakgebied. “We konden onze Data Science-bachelors geen thuis bieden om hun opleiding in een master af te maken, of om daarna promotieonderzoek te doen”, zegt Fahland.
Een projectgroep werd in het leven geroepen waar Fahland meteen instapte. “Ze zochten iemand die wilde nadenken over de inhoud van de nieuwe master. Wat moet daarin komen, wat willen we onze studenten leren? Als program manager van de Data Science in Engineering track, wist ik meteen dat ik hierbij betrokken wilde zijn.”
Hoe AI erbij kwam
De opdracht was in eerste instantie het vormen van een master Data Science. “Daar lag een duidelijke onderwijsbehoefte. Maar tijdens de eerste discussies die we hierover hadden, werd duidelijk dat het vakgebied kunstmatige intelligentie steeds belangrijker werd binnen onze faculteit én de hele universiteit”, zegt Fahland. De TU/e richtte in 2019 het Eindhoven Artificial Intelligence Systems Institute (EAISI) op, dat alle AI-activiteiten aan de TU/e samenbrengt. Zowel onderzoek, onderwijs als studententeams. “De vraag die al snel gesteld werd, was ‘en wat doen wíj met AI?’. Het bestuur van onze faculteit greep deze kans en besloot dat we AI zouden toevoegen aan de master.” Het plan voor DS&AI was geboren.
De vraag die al snel binnenkwam, was ‘en wat doen wíj met kunstmatige intelligentie?’
Dirk Fahland, kartrekker master DS&AI
Hij was niet meteen overtuigd van de toevoeging van AI, maar inmiddels heeft Fahland het compleet omarmd. “We waren een masterprogramma aan het maken waarin we studenten leren voorspellende modellen te halen uit data waarbij ze technieken gebruiken die ook in kunstmatige intelligentie volop worden toegepast. Eigenlijk was het compleet logisch om AI ook op te nemen in deze master.”
“We voegen steeds meer vakken toe die in de basis van een modern AI-programma horen. Hiermee hebben we het vakgebied echt een goede plek gegeven binnen onze faculteit”, vindt Fahland. “En hoewel de combinatie data science en kunstmatige intelligentie niet vaak voorkomt - sterker nog: we zijn de eersten in Nederland die dit doen, en wereldwijd zijn er maar een paar opleidingen - denk ik persoonlijk dat dit een heel goede combinatie is. De twee vakgebieden zijn meer met elkaar verweven dan mensen denken”, zegt Fahland.
Hij doceert: “Data science stelt de vraag - en helpt ‘m ook beantwoorden - hoe mensen data gebruiken wanneer ze kunstmatige intelligentie toepassen. En wanneer je dat níet zou moeten doen omdat de data niet goed genoeg is daarvoor. Kunstmatige intelligentie op zijn beurt kan saaie en repeterende taken die nodig zijn voor het verwerken van data automatiseren. Hierdoor kun je zoveel meer uit data halen dan een mens alleen kan, die soms overspoeld wordt door een enorme hoeveelheid data.”
Een paar weken laten was ik opeens degene die de kar trok en zat ik er middenin
Dirk Fahland, kartrekker master DS&AI
In het gat gesprongen
Najaar 2019, aan het eind van het eerste kwartiel. Binnen de projectgroep waren de taken verdeeld, “en iedereen stond er gelijkwaardig in. Na de eerste klankbordsessie met studenten had ik een goed idee gevormd over hoe de master eruit moest gaan zien. Toen het tweede kwartiel begon, hadden de andere docenten in de projectgroep grote vakken die ze moesten doceren. Ze voelden weinig mentale ruimte om vol in dit proces te duiken. Ik ben in het gat gesprongen dat toen viel. Het is niet zo dat ik in mijn eentje besloot ‘en zo gaan we het doen’; iedereen omarmde het. Een paar weken laten was ik opeens degene die de kar trok en zat ik er middenin.”
Fahland is dankbaar voor de kans om zo nauw aan de nieuwe masteropleiding te werken. “Als het aankomt op het oplossen van problemen, kijken ze bij onze faculteit Mathematics and Computer Science niet naar rang, of hoe lang je hier al werkt. Als je iets bij te dragen hebt, dan ben je aan boord. Ik denk dat de manier waarop ik mijn bijdrage leverde in het proces de anderen het vertrouwen gaf dat ik het wel zou kunnen.”
Challenge-based learning
Er lag een ambitieuze tijdslijn met het schrijven van een zogeheten macrodoelmatigheidstoets (MDT), benchmarks met andere opleidingen, de accreditatieaanvraag én de invulling van het curriculum van de nieuwe master.
Terwijl het vakgebied zich in razend tempo bleef ontwikkelen, nam het projectteam twee maanden de tijd om na te denken over de vakken die zeker in het programma moesten worden opgekomen en in welke vorm. “Ik wist vanaf het begin dat ik de master challenge-based wilde insteken”, zegt Fahland, “net zoals bij de bachelor het geval is. Het is fantastisch om te zien wat onze studenten voor elkaar krijgen met data als ze werken aan echte uitdagingen vanuit bijvoorbeeld het bedrijfsleven. Ze zijn wel eens verbaasd dat ze tijdens deze challenges zeventig procent van de tijd géén technisch werk doen, maar andere zaken: stakeholders begrijpen, data begrijpen, alles samenbrengen in een model, modellen evalueren die anderen hebben gebouwd. Ze leren dat ze eerst aan dat soort dingen moeten denken voordat ze aan de slag kunnen met een technisch model. Zo gaat het in de echte wereld ook.”
De master Data Science & Artificial Intelligence
De master DS&AI is bedoeld voor studenten die geïnteresseerd zijn in het bestuderen, onderzoeken en combineren van geavanceerde data-analysetechnieken met AI-methoden en -technieken. Het voornaamste doel van de opleiding is om AI-ingenieurs op te leiden die in staat zijn om betrouwbare systemen te bouwen met oog voor de mensen die ze zullen gebruiken. Fahland: “Dat is bijvoorbeeld van belang voor de hightechsystemen die hier in de regio worden ontwikkeld, waarbij hoge eisen worden gesteld aan betrouwbaarheid”.
Studenten krijgen een brede basis mee in de master, met vakken over de fundamenten van kunstmatige intelligentie, datavisualisatie, ethiek, algoritmiek, data mining en -management en machine learning. De verplichte vakken Ethics in Data Science & Artificial intelligence en de Data Intelligence Challenge, verbinden de expertisegebieden én geven context in de praktijk. Zo is het laatstgenoemde vak challenge-based opgezet en krijgen de masterstudenten te maken met uitdagingen uit de praktijk, met stakeholders uit het bedrijfsleven waarvoor ze een probleem moeten oplossen.
Al vanaf het begin stelde Fahland dat ethiek een verplicht onderdeel van het curriculum moest worden. Samen met hoogleraar Philosophy & Ethics Vincent Müller werkten ze hier anderhalf jaar lang aan. Steeds de docenten erbij betrekkend om de gemene deler te vinden - nodig om goede ingenieurs te zijn. “Sommige vakken zijn gewoon technisch, je moet ethiek ook niet overal doorheen willen vlechten, maar op de juiste plek. En ik wil dat het voor studenten meer betekent dan een vak dat ze moeten afvinken. Ze moeten verder kijken dan de techniek alleen, moeten ook nadenken over de implicaties ervan. We moeten ze niet alleen leren hoe een goede oplossing werkt, maar ook hoe dingen fout kunnen lopen. Van fouten leer je zoveel meer, en door voorbeelden te geven, breng je dat tot leven. Het maakt ze uiteindelijk tot completere, betere ingenieurs.”
Feedback
Voor Fahland is feedback onontbeerlijk, door het hele proces heen, maar ook nu de master al een kwartiel onderweg is. Zowel van collega’s als van studenten. “Ik wil niet wachten met bijsturen tot onze studenten gaan afstuderen. Al tijdens de vakken laten we ze evalueren, we sturen ze vragenlijsten en krijgen vaak gedetailleerde feedback terug. We gaan ook zitten met onze studenten om te vragen of ze zien wat ze geleerd hebben, of ze mismatches zien. Daar helpt studievereniging Pattern ons ook goed bij”, zegt Fahland. “Onze studenten zijn echt enorm gemotiveerd, en heel actief betrokken bij hun studie Zij zorgen samen dat deze master een succes is.”
"Het is fijn dat we in deze rol kunnen bespreken hoe het beter kan"
Masterstudenten DS&AI Matthijs Keep en Natasha van den Berg zijn student-lid van de onderwijscommissie van hun opleiding. Ze herkennen Fahlands behoefte aan feedback van studenten. Keep: “Dirk is een van de weinige personen aan onze universiteit tegen wie ik honderd procent eerlijk en hard kan zijn, zonder dat hij het persoonlijk opvat”. “We kunnen altijd bij hem aangeven wat fijn zou zijn voor studenten en weten dat hij er serieus naar kijkt, hoe druk hij het ook heeft”, vult Van den Berg aan.
“Omdat het een nieuwe studie is, heb ik zelf ook de behoefte om mijn mening te geven, om dingen beter te maken. Stafleden vragen ons ook actief om onze mening, het is prettig dat we die kunnen geven”, zegt Van den Berg. Keep beaamt dat: “Ik kijk altijd beschouwend naar de vakken die ik zelf volg. In mijn hoofd gaan dan automatisch de radertjes draaien: hoe is de workload, passen de vakken logisch in elkaar?”
Ze zijn allebei sinds hun bachelor Data Science betrokken bij het onderwijs en bij het opzetten van de nieuwe master en ervaren aan den lijve dat de praktijk soms wat weerbarstiger is dan de theorie. “Vakken kunnen moeilijker of makkelijker uitvallen, soms is de combinatie van vakken die tegelijk lopen niet ideaal. Die balans ervaar je pas als je aan het studeren bent”, zegt Keep. “Het is fijn dat we in deze rol kunnen bespreken hoe het beter kan.”
Zorgen
De enorme instroom baart Van den Berg en Keep zorgen. “De meeste vakken zijn groot en massaal en je merkt dat er manieren zijn gezocht om de werkdruk voor docenten behapbaar te houden. Zo gaan ze bij tentamens eerder voor meerkeuzevragen, omdat dat minder nakijkwerk is. Het is de vraag of dat uiteindelijk de kwaliteit ten goede komt”, zegt Keep.
Van den Berg mist door de groepsgrootte soms de persoonlijke aandacht in het onderwijs. “Iedereen wil vragen stellen, en ondanks dat er vijf tutoren rondlopen, kom je bijna niet aan de beurt. Ik vind de hoge instroom een lastige discussie, want je wilt geen mensen weigeren als ze zo graag deze studie willen volgen.”
“Maar hoe moeten er zoveel studenten tegelijkertijd gaan afstuderen?”, vraag Keep zich af. Van den Berg: “Soms denk ik, ‘dat is nog ver weg’, maar tegelijkertijd weet ik dat iedereen straks een leuke afstudeeropdracht wil. Daar ben je ten slotte negen maanden van je opleiding mee bezig”.
Eerste lichting
Over all zijn ze tevreden: “Het is een nieuwe master, maar wel een goed georganiseerde nieuwe master. Veel studenten die eraan beginnen hebben niet eens door dat zij de eerste lichting zijn”, zegt Van den Berg. Ze zijn blij dat ze konden doorstromen naar deze opleiding. Beiden volgden hun bachelor aan JADS, een samenwerking tussen de TU/e en Tilburg University, maar ze wilden in hun master minder op ondernemerschap en meer op de technische kant zitten. Van den Berg: “Veel studenten van mijn lichting hadden daar meer behoefte aan. Ik zou waarschijnlijk naar Amsterdam zijn vertrokken, maar daar ligt de nadruk meer op finance. De focus op statistiek die deze master heeft, vind ik interessanter”.
Bonuspunten dankzij AI-systeem
In het tweede kwartiel doceert Fahland nu zelf het vak Advanced Process Mining, waarin hij het fundament van process mining uit de doeken doet. Hij brengt de theorieën uit data science en AI die studenten in de masterfase krijgen aangereikt in zijn lessen in de praktijk door gebruik te maken van social reading software. Hij daagt studenten uit om de teksten die ze ter voorbereiding op het college moeten lezen te highlighten en er met elkaar over in discussie te gaan. Een AI-systeem beoordeelt de kwaliteit van de opmerkingen en deelt bonuspunten uit voor actief lezen. “Ik vertrouw het systeem niet blind, ik gebruik het enkel als hulpmiddel. Maar wat ik zo mooi vind, is dat studenten me nu vragen hoe dit AI-systeem precies werkt. Daarna analyseer ik tijdens het college de data die hangt aan de opmerkingen die de studenten gemaakt hebben. Met behulp van process mining maak ik dan een diagram waaruit je kunt aflezen hoe goed de hele klas de tekst bestudeerd heeft. Ze zien dat wat we ze leren, in de praktijk terugkomt, de cirkel is daarmee rond.”
Uitdagende studentenaantallen
Vanaf het moment dat bekend werd gemaakt dat de master kwam, regende het aanmeldingen. Afgelopen september startten 155 studenten aan de opleiding. “Op een gegeven moment leek het erop dat we 200 inschrijvingen zouden krijgen. Dat was wel een beetje een worst case scenario, al vind ik dat een vreselijke term als het gaat om het opstarten van een nieuwe master. Er komen nu nog steeds studenten bij, bijvoorbeeld vanuit de bachelor Data Science, die een kwartiel langer nodig hadden voor het afronden hiervan. Ook zijn er premasters die hun kennis moesten bijschaven, voordat ze aan de master mogen beginnen. Ik denk dat we tegen het eind van het jaar op 170 studenten zitten.”
Die aantallen baren hem en zijn collega-docenten soms wat zorgen, maar Fahland weet ook: “We zijn het aan onze faculteit gewend om grootschalig masteronderwijs te geven. Dat kunnen we dus prima, al is het belangrijk dat we oog blijven houden voor onze jongere, wat minder ervaren docenten. We hebben de nodige nieuwe collega’s aangenomen, stuk voor stuk ambitieuze onderzoekers die er naar uitkijken om les te geven over hun onderzoeksthema. Zij moeten heel snel volwassen worden als docent, daar moeten we hen bij helpen. Datzelfde geldt voor het begeleiden van afstudeerders.”
Het zou voor mij als docent leuker zijn als ik meer tijd aan individuele studenten kon besteden
Dirk Fahland, kartrekker master DS&AI
“Ondanks de uitdagingen om aan zoveel studenten college te geven, is het ook vooral ook leuk. De studenten zijn gemotiveerd en leergierig. Dan weet ik weer waarvoor ik het doe. Ik kan prima meeslepende discussies houden met 130 studenten, en het geeft meer diversiteit. Ik krijg soms vragen waar ik als onderzoeker niet aan gedacht heb. Maar voor mij als docent zou het leuker zijn als ik meer tijd aan elke student kon besteden. Dan kun je veel nauwer contact opbouwen. Wat in het tweede jaar van de master, als ze naar de afstudeeropdrachten toewerken, ook nodig is.”
Juiste student op de juiste plek
Het aantrekken van de juiste studenten voor de opleiding blijft belangrijk om de aantallen in toom te houden. “Niemand van ons wil een numerus fixus of studentenstop op deze opleiding. De industrie staat te springen om deze afgestudeerden. We hebben de verplichting om goede ingenieurs af te leveren, de samenleving vraagt daarom. Maar je moet goed selecteren door echt uit te vragen waarom ze deze master willen volgen. En wij moeten op onze beurt heel goed duidelijk maken wat ze kunnen verwachten. Zodat we de juiste studenten op de juiste plek krijgen.”
Fahland hoopt dat er in de tussentijd meer opleidingen in deze vakgebieden komen, zodat studenten meer keus hebben om bij de echt juiste opleiding terecht te komen. “Er wordt aan onze universiteit momenteel hard gewerkt aan een nieuwe interfacultaire master AI Engineering Systems. Het is fijn dat we onze studenten straks een bredere keuze kunnen bieden in AI-masters.”
Groeiproces
Inmiddels is Fahland opleidingsdirecteur van de master die hij mee heeft grootgebracht. Ook voor hemzelf was het een groeiproces. “Ik ben nu een heel andere persoon dan tweeënhalf jaar geleden. Ik was jong en junior en had geen idee waar ik in stapte. Als ik toen had geweten hoeveel tijd en inspanning dit zou kosten, zou ik er nog wel een keer over hebben nagedacht voor ik erin dook. Er waren tijden dat mijn hele week werd opgeslokt door de master en ik dag en nacht ermee bezig was. Ik denk dat mijn vrouw achteraf ook zou hebben gezegd dat ik het niet moest doen”, zegt Fahland met een minzame glimlach.
De klus is nog niet geklaard, al is het tweede kwartiel van het eerste jaar van de master gestart. De grootste uitdagingen die de opleidingsdirecteur voor de toekomst ziet, zijn naast de hoge studentenaantallen het opvullen van de vacatures voor de wetenschappelijke staf. En het blijven betrekken van de huidige docenten. “Ik hoop ze te kunnen blijven besmetten met mijn enthousiasme, maar ze hebben het zó druk met onderwijs geven, dat ze amper een half uur kunnen vinden om mee te denken. Terwijl ik weet dat ze enthousiast zijn over AI en data science. Maar we gaan nog steeds vooruit. Gelukkig ben ik gezegend met een onuitputtelijk optimisme.”
Uit onze strategie: over Talent
Talent, dat is waar het om draait aan onze universiteit, op alle niveaus. Dan hebben we het over natuurlijk over studenten, maar ook hoogleraren, docenten, onderzoekers en ondersteuners. We zien het als onze taak om hen te helpen hun talenten verder te ontwikkelen. Onze studenten zijn de volgende generatie, en wij rusten hen uit om te werken aan grote maatschappelijke uitdagingen. Onze docenten spelen hier een belangrijke rol in.
Lees meer over onze Strategie 2030.
Meer over onze strategie
