To Systematicmedarbejdere, der arbejder med data

oktober 5, 2021

Systematics dataspecialister afslører mistænkelige skibe og hjælper hjemmeplejen

Blandt +1.000 kodere sidder et lille otte-personers team og bygger fundamentet til fremtidens Systematic. Systematics Data Science-gruppe graver efter guld i data, der skal føre virksomheden ind i fremtiden.

De eksperimenterer og prøver nye ideer af – konstant og med fuld opbakning fra topledelsen. Systematics Data Science-gruppe er et højt specialiseret team med en usædvanlig broget sammensætning:

Den tæller bl.a. en ph.d i astrofysik, en økonom, en analytisk filosof, en datalog og en kandidat i cognitive science. I en softwarevirksomhed med en overvægt af programmører gør det Data Science-gruppen til noget, der kunne ligne en ternet elefant.

Og man møder den ternede elefant overalt i huset. Data Science-gruppen fungerer som et internt ”konsulenthus”, der løser opgaver på tværs af organisationen. Internt kaldes de et ”Center of Excellence”, og deres specialviden er i høj kurs.

Systematicmedarbejder

Peter Hinge er specialist i maskinlæring. Peters vej ind i Data Science-gruppen var et speciale i analytisk filosofi kombineret med en dybfølt interesse for kunstig intelligens. Foto: Kåre Viemose

Succes ud over virksomhedens grænser

Gruppen modtager langt flere interne opgaver fra Systematics Defence- og Healthcare-afdelinger, end den har mandskab til at løse. Dertil kommer yderligere henvendelser fra eksterne kunder, der ønsker hjælp til at få det meste ud af sin data.

Mængden af opgaver betyder, at Peter Hinge, specialist i maskinlæring, Maiken Gustafsson, ph.d. i astrofysik og resten af teamet skal vokse for at følge med. Topledelsen bakker fuldt op og viser stor tillid til det anderledes hold.

For Systematic er Data Science en strategisk investering i fremtiden. Det handler om at udvikle sig fra ”traditionel” softwarevirksomhed til at være datadrevet i strategiske og operationelle beslutninger. Fremtidens systemer skal bygges op omkring data, og data skal løbende bruges til at forbedre løsningerne.

Den skæve vej er den lige vej ind

»Vi leder efter dygtige folk med erfaring inden for maskinlæring og kunstig intelligens. Den uddannelsesmæssige baggrund er knap så vigtig, bare man brænder for Data Science og har lyst til at opbygge den domæneviden, der kræves,« fortæller Peter Hinge, specialist i maskinlæring. Peter Hinges egen vej ind i afdelingen var et speciale i analytisk filosofi kombineret med en dybfølt interesse for kunstig intelligens.

Maiken Gustafsson, ph.d. i astrofysik, nyansat og med 12 års erfaring i Data Science og Business Intelligence fra MHI Vestas, supplerer:

»Vi arbejder ikke efter faste formler og skabeloner, vi eksperimenterer og prøver af. Derfor leder vi efter personer, der kan håndtere en dynamisk hverdag med masser af faglige udfordringer og frihed til at løse opgaverne på nye måder.«

Systematicmedarbejder

Maiken Gustafsson er ph.d. i astrofysik, nyansat og har 12 års erfaring i Data Science og Business Intelligence fra MHI Vestas. Foto: Kåre Viemose

Løsninger både til hjemmeplejen og overvågning af farvande

Data Science-enheden har udviklet første version af et Anomaly Detection system til farvandsovervågning. Systemet bruger Deep Learning og grafanalyse til at spotte skibe, der har mistænkelige sejlruter eller forsøger at skjule deres identitet. Systemet kan medvirke til at afsløre menneskehandel, udveksling af smuglergods og ulovlig dumping af olie.

Et andet projekt er en udvidelse til Systematics softwaresystem til hjemmeplejen, Cura. Et nyt interface skal gøre det lettere for plejepersonalet at interagere med systemet med tale. Stemmekontrol af softwaren, og mulighed for oplæsning af tekst gør interaktionen nemmere. Natural Language Understanding, bot-teknologi, text-to-speech og speech-to-text er nogle af de teknikker, Data Science teamet anvender i projektet.

Klassisk tilgang VS deep learning

Teamet løser mange af opgaverne med en klassisk Data Science approach. Man opstiller baseline modeller med forskellige regressioner, klassifikationer og boosting- og trees-metoder, og derpå forsøger teamet at slå dem med Deep Learning.

»I det hele taget er vi Deep Learning fans og er vilde med dybe neurale netværk. Hvis man har det rigtige datamateriale, så er det som regel Deep Learning, der løser opgaven bedst. Hvis ikke, så putter vi bare nogle flere lag på,« griner Peter Hinge.

Ifølge Maiken Gustafsson har en Data Scientist i Systematic nogle helt særlige muligheder:

»Det handler om data. I Systematic har vi to store domæner, Healthcare og Defence, og dermed adgang til en stor mængde data. Vi har datagrundlaget for langt de fleste sygehuse i landet, og det giver os et unikt udgangspunkt for at lave avancerede løsninger. Nu skal vi bare have nogle kolleger med om bord, der brænder for Data Science, så vi kan løse de mange spændende opgaver, der ligger og venter på os.«

Læs mere om dine karrieremuligheder i Systematics Data Science team her.