Greg Scheirlinckx

Greg Scheirlinckx is Data Scientist / Machine Learning Engineer bij ML2Grow. Hij deed haalbaarheidsstudies voor machine learning-toepassingen in een juridische context, data-analyse bij opsporing van voedselfraude bij een internationale klant, klantprofilering voor een internationaal reclamebureau en is actief in verschillende onderzoeks- en ontwikkelingsprojecten. Als audio-ingenieur die de nodige machine learning en data science-vaardigheden heeft ontwikkeld om deze klanten van dienst te zijn, laat hij zien dat hij zeer leergierig en snel is.

Opleiding:

  • Online opleidingen Computerwetenschappen, Programmeren & Datawetenschappen – Harvardx, MITx, Coursera
  • Professionele Bachelor in Pop- en Rockmuziek – PXL Muziek Hasselt
  • Audio Engineering – SAE instituut Rotterdam

Vaardigheden:

  • Python/Scipy, TensorFlow, Scikit-learn, Jupyter Notebooks
  • Java: Basic Object Oriented Programming
  • Matlab
  • C

Je bent sound engineer/music producer van opleiding. Hoe ben je in de wereld van ML & AI terecht geraakt?

Muziek is een van mijn grootste passies maar toen ik van m’n passie mijn beroep maakte werd snel duidelijk dat wat ik er juist zo plezant aan vond (experimenteren, vernieuwen) niet te vinden was in de meeste commerciële opdrachten binnen de sector. Het kwam neer op bandwerk en ik wilde een nieuwe uitdaging. Wetenschap en wiskunde waren altijd mijn ding en dat waren ook mijn sterkste vakken op school. De computer was al sinds men 3 jaar in het huishouden, en ik voelde zeer aangetrokken tot de mogelijkheden van wat je allemaal kan met programmeren. Dus ik dacht ik leer mezelf programmeren en ga dan zien welke deuren dit voor me kan openen, dankzij de opkomst van de mooc (online cursussen) is dit nu perfect mogelijk. ML/AI vond ik uiterst boeiend maar dat leek wat hoog gegrepen voor iemand die nog maar pas begonnen was met programmeren maar toevallig kwam ik via het 3Blue1Brown (een kanaal met gevisualiseerde wiskundeproblemen) op een reeks filmpjes over neural networks. Ik vond dit zo ontzettend interessant, ik was direct verkocht. Ik voegde cursussen van lineaire algebra, statistiek en ML toe aan het to-do lijstje. Na maanden theorie zocht ik een stage plaats voor praktijk kennis op te doen maar vond ik in plaats daarvan m’n huidige werknemer.

Zijn er bepaalde raakvlakken met de experimentele muziekwereld en ML?

Er zijn enorm veel overeenkomsten. Zo moet je bij het maken van een compositie constant switchen tussen verschillende lagen van abstractie. Als je een drum geluid ontwerpt moet je niet alleen nadenken over hoe goed het klinkt maar past dit wel bij de rest van men drum geluiden, passen de drums geluiden wel bij de bass synth? Passen de akkoordprogressies wel bij de toonhoogte van de drum geluiden? Je bent constant bezig met het aanpassen van heel kleine details die een enorme invloed kunnen hebben op het geheel. Je kan het zelf een beetje zien als een muziekcompositie is een model met honderdduizenden parameters die je langzaam beetje bij beetje aanpast op zoek naar een beter geheel. Natuurlijk is de loss functie bij ML objectief en muziek blijft natuurlijk subjectief.

Heb je soms de mogelijkheid om die creativiteit kwijt te geraken in een toch wel heel rationele wereld?

Ik geloof dat je het meeste kan bereiken met een goede balans tussen intuïtie/creativiteit en het rationele. Soms kan het heel productief zijn om iets meer out-of-the-box te denken en andere keren ben je gewoon je tijd aan het verdoen. Dan is het belangrijk om dit op tijd in te zien.
Ik werk nu ook met men vriendin (kunstenaar/onderzoekster) voor haar postdoc aan een project waarbij we ML gebruiken om nieuwe kunstsieraden te ontwerpen. Het is een straat die in twee richtingen werkt.

Je werkt ook mee aan kortfilms, meer bepaald in het audio departement. Kan je ons hier wat meer over vertellen?

Een dag in de week (en meestal ook het weekend) werk ik aan artistieke projecten. Het laatste afgeronde project is een animatiefilm Easter Eggs gemaakt door Nicolas Keppens. Animatiefilms zijn zeer complex omdat deze zonder iets of wat set geluiden worden gemaakt. Je hebt de stemmen van de acteurs maar alle andere geluiden moet je zelf gaan opnemen of met sound design in elkaar knutselen, denk aan voetstappen, autos, een slag in het gezicht of achterground geluiden zoals vogels, wind of regen alles kan aangepast worden en zo geplaatst zodat elke scene de juiste atmosfeer heeft en elke actie realistisch aanvoelt ook al kijk je naar een tekenfilm. Je moet je kunnen inbeelden hoe iets gaat klinken. Verder is het natuurlijk ook uitdagend als muzikant dat je muziek moet schrijven die de scenes ondersteunen in plaats van iets dat met alle aandacht gaat lopen.

By continuing to use the site, you agree to the use of cookies. more information

The cookie settings on this website are set to "allow cookies" to give you the best browsing experience possible. If you continue to use this website without changing your cookie settings or you click "Accept" below then you are consenting to this.

Close