– Etter ? ha jobbet p? CERN m?tte jeg finne en ny mening med arbeidet, sier Lillian Smestad. Det er ikke mange plasser som CERN, det m? jeg bare si!
Meningen fant hun i ? jobbe med dataanalyse i konsulentfirmaet Inmeta.
– Samfunnsutviklingen g?r i retning av ? bruke mer data. Det f?les veldig meningsfylt ? v?re med p? det.
Vi f?ler at vi er i sentrum av utviklingen, at vi er med der mye av verdiskapningen i samfunnet skjer, sier hun.
I Lillians avdeling er det rundt 30 personer som alle jobber med maskinl?ring, en form for kunstig intelligens hvor en f?r datamaskiner til ? finne m?nstre i store datamengder.
– Vi har mange forskjellige kunder. DNV GL er en av de st?rste, Tine og Milj?direktoratet er andre eksempler, forteller Lillian.
– Jobben v?r er ? hjelpe kundene ? lage systemer for ? ta beslutninger basert p? data, sier hun.
Bruker kunstig intelligens for ? forutsi hva som kommer til ? skje
Det kan dreie seg om systemer for ? forutsi ting. En typisk oppgave kan v?re ? foresl? varer for kunder i nettbutikker: ?Kanskje du ogs? vil like denne??
– For Tine laget vi et system som kunne forutsi hvor mye melk som vil bli produsert framover.
Selskapet DNV GL har over 100 000 kunder og f?r titusenvis av henvendelser med sp?rsm?l innenfor rundt 2000 ulike kategorier fra kunder p? e-post. Lillians avdeling var med p? ? lage et system for ? koble kundene til riktig ekspert automatisk. Det sparer bedriften mye tid p?. Systemet m?tte forst? spr?k, og ble trent opp p? 250 000 e-poster.
– Hvorfor har du valgt ? jobbe som data scientist?
– For meg var det et naturlig neste steg. Dataanalyse sto i sentrum i studiet, det var jo det det gikk ut p?.
Under studiet analyserte Lillian data fra Atlas-eksperimentet p? CERN, en av de virkelig store databrukerne i verden.
– Jeg husker at da jeg begynte her i Inmeta fikk jeg h?re: ?, du er fysiker, ja? Vi liker fysikere, for de har sett data f?r.
– Hva gj?r du rent konkret p? jobben?
– Det varierer en del fra dag til dag, men det blir mye programmering. Annenhver uke har vi et felles statusm?te hvor vi g?r gjennom hvilke kunder og prosjekter vi har. Ellers er jeg i m?ter med kunder, kanskje en eller to ganger i uka.
Jeg snakker mye med kolleger. Vi deler og hjelper hverandre, det er lite konkurransepreg mellom konsulentene i organisasjonen v?r. Jeg setter veldig stor pris p? at kulturen er s?nn.
– Noen ganger jobber vi alene i et prosjekt, i st?rre prosjekter er vi flere sammen, forteller Lillian.
Noe av det viktigste du l?rer tenker du nesten ikke over
– Hva l?rte du underveis p? studiet, som er nyttig i jobben?
– Dataanalyse, programmering og statistikk, helt klart. Analytisk tenkem?te og det ? kunne tilegne seg ny kunnskap er ogs? viktig.
Og s? vil jeg peke p? metodikk for probleml?sning. Man tenker nesten ikke over at man l?rer det, det er jo bare det man gj?r under studiet.
Men m?ten ? angripe en oppgave, dele den opp for s? ? finne en l?sning er veldig nyttig!
Ikke minst har jeg f?tt bruk for treningen i ? kommunisere forskning.
Jeg ble kastet litt tilfeldig inn i det den dagen CERN annonserte funn av Higgsbosonet.
Vitenskapsformidling ?pnet mange d?rer
Senere deltok jeg i FameLab, en konkurranse i ? fortelle om et tema fra vitenskapens verden p? 3 minutter. Jeg kom til den internasjonale finalen. Det var veldig g?y! Og det gjorde at jeg fikk mange interessante muligheter etterp?.
I jobben har jeg veldig stor nytte av denne erfaringen n?r jeg kommuniserer med kunder og formidler kunnskap p? andre arenaer.
– Hva liker du best ved jobben din?
– Er det lov ? svare kollegene mine?
Vi er en gjeng med mange ulike personligheter som g?r veldig bra sammen. Det er et s? stimulerende arbeidsmilj?! Ikke bare jobbmessig, vi deler og tipser ogs? om artikler, filmer og b?ker, for eksempel, s? jeg f?ler at jeg utvikler flere deler av meg selv.
I min avdeling, som jobber med maskinl?ring, er det folk med ulike faglige bakgrunner. En god del fysikere, men ogs? dataingeni?rer, statistikere og folk med utdanning innen business, journalistikk og ledelse.
L?rer masse om samfunnsutviklingen
Jeg liker ogs? veldig godt at vi jobber med varierte problemstillinger, at jeg f?r l?re masse nytt om mye forskjellig, ikke minst innen maskinl?ring og teknologi, men ogs? om samfunnsutviklingen.
– Er det noe du ikke liker ved jobben?
– Jeg f?ler noen ganger et visst forventningspress. Med det mener jeg at AI er jo litt hypet, det er lett ? tro at det kan brukes til alt, og at kunstig intelligens er et slags magisk verkt?y som kan l?se mer enn det kan.
– Husker du hvorfor du valgte ? studere fysikk?
– Jeg tror svaret p? det er at jeg er nysgjerrig p? hvordan verden er. Det sto mellom matematikk og fysikk. Matte var egentlig yndlingsfaget. Jeg liker at det er s? n?yaktig, at det finnes ett riktig svar.
Det er litt ironisk egentlig, at jeg endte opp med ? studere kvantefysikk og ? jobbe med dataanalyser. Her er det lite som er helt n?yaktig!
– Men interessen for ? grave meg ned i det helt grunnleggende vant. Dermed ble det partikkelfysikk, som handler om ? finne ut av hvordan verden henger sammen p? de minste skalaene, sier Lillian.
I kontorlandskapet m?ter vi Lillians leder, Henrik Slettene.
– Vi er veldig glade for ? ha Lillian her, sier han. Og vi vil gjerne ha flere fysikere, men helst etter at de har f?tt litt erfaring.
– ? ta en doktorgrad kan v?re en fin erfaring. Bare det ? bli litt eldre ser vi at er en fordel, for eksempel i 亚博娱乐官网_亚博pt手机客户端登录 med kunder, sier Henrik Slettene, som leder avdelingen for kunstig intelligens og maskinl?ring i Inmeta.
Lillian Smestad
Fra: Lillestr?m
Yrke: Data scientist - dataviter - i Inmeta
亚博娱乐官网_亚博pt手机客户端登录: Bachelor og Master i fysikk
Ph.d. i partikkelfysikk fra UiO 2013: En s?rdeles godt timet doktorgrad