Top Meny

Program 2018

 

08:00-08:30 Registrering og kaffe
08:30-08:35 Velkommen ved DNDs faggruppe for BI & Analytics
08:35-09:15 Felles foredrag 

Fremtidens ferdigheter, Silvija Seres
Den fjerde industrielle revolusjonen endrer ikke bare forretningsmodeller og markedsposisjoner, den endrer hvordan vi jobber og hvordan vi lærer, og hvordan vi er. Vi ser på hva som skjer i denne store teknologidrevne omveltningen av alle næringer og samfunn, og hvordan vi best kan tilpasse oss og drive denne endringsreisen på en konstruktiv måte.  Les også Silvija Seres bekymringsmelding til IT-bransjen.

 09:15 Pause
Track 1   Track 2  Track 3 
09:25 -09:50 We Have The Deepest Learning – Data Science at Elkjøp Nordic
Kjetil Åmdal-Sævik, Elkjøp Nordic
Digital vognstyring i T-banen
Ulrik Lie og Kristian Ekle, Bouvet
Design Processors and Systems for Intelligence
Ola Tørudbakken, GM Graphcore
09:55 -10:20  Hvordan NAV hopper bukk over GDPR ved å bruke syntetiske testdata
Jon Christian Halvorsen, Visma Consulting
Datadreven innovasjon, hvordan gjøres dette i praksis? 
Kari Rødås, Møller Mobility Group
Industry 4.0 – Maintenance approach with Timeseries and Machine learning
Adis Delalic, Bane NOR
10:25 -10:50 Gamle hunder, nye triks – ML/AI i SpareBank 1 Forsikring
Lars Erlend Leganger,  SpareBank 1 Forsikring
 Uten  data stopper Norge – vi trenger (riktige) data
Pia Virmalainen Jøsendal, Difi
 So the AI solutions are here, what’s next?
Erik Leung, Simplifai AS
10:50  Pause
11:05-11:30 Prediksjon av viral suksess: hvordan modellere spredning av et produkt mellom kunder?
Kristoffer Herland Hellton, Norsk Regnesentral
Spåkulen: Hvilke frister bryter vi og hvor har vi problemer om 3 måneder?
Morten Forfang, Computas
 AI & Deep Learning for the Smart Grid and Drone-based Inspections
Davide Roverso, eSmart Systems
11:35-12:00 When all you have is a pen…
Arif Shafique, Dolittle og Sigbjørn Rudaa,  Wilh. Wilhelmsen Holding ASA
 Hvordan grafteknologi og analyse løser de store utfordringer i håndtering av Big data
Martin Lam, Capgemini Norge
Building a Smart Security Camera with Raspberry Pi Zero and AWS
Mark West, Bouvet
12:05-12:30  The End to End Open Source BI Platform specialist for #IoT #BigData 
Kim Næss, Hitachi Vantara
Hvorfor ville noen historisere Wikipedia uten betaling 
Gorm Braarvig, EVRY
 Let’s focus on the user again: Thoughts on privacy and ethical design in the data science era
Aiko Yamashita, Atea
12:30  Lunsj
13:15-13:40 Save The Arctics – deteksjon av isfjell med satellittdata
Ole Elvetun – Nextbridge Analytics
 Maskinlæring på (1-2-3)*600 sekunder
Aurora Voje,  NextBridge Analytics
 The ultimate ROI – Saving lives with Big Data
Thomas H. Thoresen og Sindre Fjermestad, Norconsult Informasjonssystemer
13:45-14:10 Kunstig intelligens for preparering av millioner av sjøbunnsbilder
Nils Erik Jørgensen, TerraNor Kartanalyse
 Disrupted 
Stefan Månsby,  Basefarm
The new (Big) Data Science Platform
Mehmet Naci Akkøk, Oracle Nordic
14:10  Pause
14:25 -14:50 Lek med video og pikselering for automatisk varsling og analyse
Peter Jones, Hitachi Video Analytics
Samtykkebasert Lånesøknad
Ingebrigt Berg, Jpro
Big Data and Mobility Analytics: What can we learn from the way things (and humans!) move?
Arturo Opsetmoen Amador, Acando
14:55 -15:20 GAN – Generative adversarial networks for fun and profit  
Lars Løvlie og Brede Bjørhovd, Sopra Steria AS
 Hvordan forbedre folkehelsen med Power BI og Azure
Cecilia Bui, Capgemini Norge AS og Hans Christian Sundsfjord, Helsedirektoratet
 Data Visualisering på Maskinlærings Steroider
Christen Seeberg,  Oracle Analytics & Big Data
15:20-15:35  Pause
15:35 -16:00 Fake News or Virtual Happines
Marius Frøisland, Get | TDC
Effektiv persondataklassifisering for selvbetjent BI
Helge Rege Gårdsvoll, Hafslund Strøm
Opening the Black Box: Learning to Explain Difficult-to-Explain AI
Brian Bell, DataRobot
16:05-16:30 Felles foredrag
Hva om du visste hvordan alle menneskene i Norge beveger seg gjennom en uke……

…hvor mange bedre beslutninger kunne du tatt da?
Gaute Marsteinstrædet, Telenor
16:30-21:00 Tapas og Party!

Sesjoner og foredragsholdere

Keynote

   Fremtidens ferdigheter –  Silvija Seres

Den fjerde industrielle revolusjonen endrer ikke bare forretningsmodeller og markedsposisjoner, den endrer hvordan vi jobber og hvordan vi lærer, og hvordan vi er. Vi ser på hva som skjer i denne store teknologidrevne omveltningen av alle næringer og samfunn, og hvordan vi best kan tilpasse oss og drive denne endringsreisen på en konstruktiv måte.

Felles foredrag: 08:35-09:15  

  Hva om du visste hvordan alle menneskene i Norge beveger seg gjennom en uke……
…hvor mange bedre beslutninger kunne du tatt da?
Gaute Marsteintrædet – direktør konsepter, TelenorMenneskers bevegelsesmønster basert på data fra Telenors mobilnett har allerede bevist sin verdi og løst mange utfordringer for både samfunnet, virksomheter og enkeltpersoner. Kom, så skal du få høre om og se noen av eksemplene.Felles foredrag: 16:05-16:30 

Track 1: 09:25 – 16:00

 

  We Have The Deepest Learning – Data Science at Elkjøp Nordic
Kjetil Åmdal-Sævik – Data Science Lead, Elkjøp Nordic
Elkjøp Nordic is one of the largest retailers of consumer electronics in the Nordic countries, with stores in Norway, Sweden, Denmark, Finland, Iceland, Greenland and The Faroe Islands. On our quest to become more and more relevant to consumers, streamline internal processes and make increasingly more data-driven decisions, we have started looking towards data science, which is gradually becoming a necessary capability to survive in the retail business. In our Insights & Analytics department we are a small data science team of three people. Our job is to develop «smart services» – or data products – using machine learning and other techniques to automate and assist both internal and customer-facing processes within Elkjøp. We will share how we have defined our teams place in the organization, how we approach and specify our data science initiatives, how we work with everything from gradient boosting to neural networks to solve problems such as forecasting, product recommendations, product failure rate estimation, natural language in chatbots, automated product attribute mapping and categorization, and finally what kind of tools we use to make it all real.
Track 1: 09:25 -09:50    #DS – Foredraget passer for: sjefen, prosjektlederen og utvikleren.
  Hvordan NAV hopper bukk over GDPR ved å bruke syntetiske testdata
Jon Christian Halvorsen – Technology Manager Machine Learning, Senior Consultant, Visma Consulting
NAV lagrer og vedlikeholder sensitiv personinformasjon om nesten alle mennesker i Norge. Å bevege seg bort fra å bruke skarpe data i utviklingsmiljø handler litt om verktøy, metoder og teknologi, men aller mest om å tenke nytt om gamle greier. Brukbare syntetiske testdata er det derimot ingen som påstår at er lett å få til. Man må ta hensyn til alle kjente og ukjente problemstillinger, samt ting man trodde skulle bli problematiske, men som viste seg å ikke være det likevel. Foredraget tar en titt på konseptet som implementerer dette i en organisasjon som har vært kontinuerlig utviklet gjennom de siste fem tiår.
Track 1: 09:55 -10:20      #ML –  Foredraget passer for: sjefen  og arkitekten.
  Gamle hunder, nye triks – ML/AI i SpareBank 1 Forsikring
Lars Erlend Leganger,  Teamleder – Analyse ML/AI, SpareBank 1 Forsikring
I forsikring har vi lenge brukt avansert analyse og maskinlæringsalgoritmer i prediksjonsmodeller for prising, kapitalreservering, salg, og prognoser. Nå tar vi i bruk maskinlæring og kunstig intelligens også utenfor de «tradisjonelt analytiske» delene av forsikring-verdikjeden. Vi tar utgangspunkt i konkrete prøveskudd fra ML/AI-avdelingen i SpareBank 1 Forsikring, og diskuterer fordeler og utfordringer med å bygge ML/AI-kapabiliteter i en bedrift med allerede sterke analysemiljøer.
Track 1: 10:25 -10:50      #AI –  Foredraget passer for: sjefen, arkitekten.
  Prediksjon av viral suksess: hvordan modellere spredning av et produkt mellom kunder?
Kristoffer Hellton – Seniorforsker, Norsk Regnesentral
Kan man forutsi viral spredning? I forskningssenteret Big Insight samarbeider Norsk Regnesentral og Universitetet i Oslo med Telenor for å modellere hvordan produkter sprer seg i et nettverk av kunder. Målet er å predikere hvordan salget av et produkt vil utvikle seg i framtiden. Ved å forstå hvilke kundekarakteristika som påvirker om produktet tas i bruk av nye kunder, enten som et resultat av viral spredning mellom venner eller ekstern markedsføring, kan man skreddersy og øke effekten av kampanjer.
Track 1: 11:05-11:30    #ML  – Foredraget passer for: prosjektlederen og utvikleren.
  When all you have is a pen…
Arif Shafique og Sigbjørn Rudaa, Wilh. Wilhelmsen Holding ASA
Some verticals are less digital than others, the vertical of shipping is one of these.  Coming from a pen and paper world with high focus on forms that needs to be filled out  and scanned and then later re-entered into an Excel spreadsheet. With this in mind and the fact that the shipping industry needing to save billions of USD because of transitions to more expensive fuel, higher focus on environmental issues and in general higher expenses, they need to optimize their businesses. Fixing manual workflows is part of this, but also coming up with new innovative ways of doing things with IoT, Machine Learning and more.In this talk you’ll hear first hand from Wilhelmsen founded in 1861, what is their history and how they’re embracing new ways of doing things and preparing for the future. You’ll see concretely the technology driving it forward and how its being done at a massive global scale.  
Track 1:  11:35-12:00    #IoT, #MicroServices, #Arkitektur #AI, #Scale – Foredraget vårt vil passe for alle og målet er å inspirere både sjefen, utvikleren og arkitekten hovedsaklig.
  IThe End to End Open Source BI Platform specialist for #IoT #BigData 
Kim Næss – Hitachi Vantara
Lets look at Pentaho, an Open Soure project for Data Engineering & Integration, Machine Learning and Analytics. And most of all, who uses them? Anyone in Norway? Nordics? Plus an insanely hard 3 questions only Kahoot Quiz that no one will get right, the presenter will buy beers for anyone getting 100% Kim Næss, Datadriven Geek.
Track 1: 12:05-12:    #IoT #DataExplosion #VideoAnalytics #ML #BI. Foredraget passer for sjefen og arkitekten.
  Save The Arctics – Deteksjon av isfjell med satellittdata
Ole Elvetun – Nextbridge Analytics
Bruk av satellittradarbilder til å oppdage isfjellene og skille dem fra skip og olje / gassinstallasjoner. Olje og gassproduksjon i Barentshavet og andre arktiske områder er et faktum. For å beskytte miljøet må en av de alvorligste farene håndteres: kollisjon mellom skip og isfjell. Slike kollisjoner vil få fatale konsekvenser for naturen, i et av de mest verdifulle områdene på planeten vår.
Prosjektet er utført av et team på NextBridge Analytics, og gjør bruk av avansert maskinlæring i flere «lag», inkludert ulike neurale nett, og en ensamble-metodikk. Ole vil forklare hvordan vi løste oppgaven.
Track 1: 13:15-13:40    #ML – Foredraget passer for: Utvikleren og delvis arkitekten.
Kunstig intelligens for preparering av millioner av sjøbunnsbilder
Nils Erik Jørgensen – CTO i TerraNor Kartanalyse
I 2011 fikk vi i oppgave av oljeselskapet Lundin Norway å fikse en million bilder tatt på sjøbunnen med AUV. Vi måtte skrive våre egne algoritmer fordi ingen programmer på markedet klarte det. Bilder tatt på sjøbunnen med ubåter, såkalte ROV og AUV, bruker lyskaster som gir sterkt lys midt på bildet, men mørkere ut på siden. Når man setter disse bildene sammen i en mosaikk, er det vanskelig å se sammenhengen. Vårt program analyserer hvert enkelt bilde, finner ut hvilke deler av bildet som er lyssterkt og lyssvakt og bringer hele bildet til samme nivå. Programmet kan også gjøre alle bildene like lyssterke.
Normalt prosesserer vi 50 000 bilder av gangen. Alt går automatisk. Med store datamengder fant vi ut at paralell prosessering med GPU var nødvendig. Vi benytter NVIDIA og CUDA i våre programmer. En viktig effekt av vår prosessering er at bildene kan brukes i maskinlæring. Det er testet på store datamengder med godt resultat. Maskin læring kan ikke brukes til å løse utjevning av lyset i bildene, men kan bruke resultatet etterpå. Med en million bilder får vi en million ulike analyser.
Track 1: 13:45-14:10  #AI  #Fremtiden  –  Foredraget passer for: sjefen og utvikleren.
  Hvem har skylda når maskinene tar feil eller volder skade? Hvordan sikre at ikke DU blir utpekt som syndebukken?
Cathrine Pihl Lyngstad – Director, leder Data & Analytics KPMG Advisory
Data og algoritmer styrer hverdagen og livene våre, og virksomhetene vi jobber i, i stadig større grad. Hvem har ansvaret når en selvkjørende bil kolliderer og skader et menneske? Hvem skal få skylda når noen tar (gale) beslutninger basert på data som viser seg å være feilaktige? Hvem har ansvaret for å sikre at analytiske modeller er troverdige og treffsikre? I dette foredraget vil du få vite hva IT-ledere og beslutningstakere i virksomheter verden over faktisk mener om disse spørsmålene, og vi reflekterer over hva det betyr for oss som jobber med «smarte data». Jeg vil også røpe hvilke prinsipper du bør følge for å sikre tillit til dine data og analytiske modeller!
Track 1: 14:25 -14:50    #AI – Foredraget passer for sjefen, arkitekten og til dels utvikleren

GAN – Generative adversarial networks for fun and profit
Lars Løvlie – Consulting Manager i Sopra Steria
Brede Bjørhovd – konsulent i Sopra Steria

Foredraget gir en introduksjon til GAN-nettverk (som er en deep learning-teknikk) med demo for generering av håndskrevne tall (MNIST) samt mer avanserte bruksområder som generering av treningsdata.

Track 1: 14:55 -15:20    #AI –  Foredraget passer for alle.

Fake News or Virtual Happines
Marius Frøisland – Get | TDC 
Hvis du har 6 ETL utviklere, 6 måneder og Denodo lisenser, hva kan du da få til? Klarer du å nå virtuell lykke, eller er det fake news at virtualisering er fremtiden for BI? Get deler sine erfaringer som en av de første i Norge som implementerer et virtualisert datavarehus. I dette foredraget får du høre om vår reise, hva vi har erfart, hva vi har oppnådd og hvordan vi ser på fremtiden etter å ha fått testet verktøyene ut i den virkelige verden.
Track 1: 15:35-16:00     #Dataviritualisering #Fremtiden #Arkitektur. Foredraget passer for
sjefen, arkitekten og utvikleren

Track 2: 09:25 – 16:00

 

  Digital vognstyring i T-banen
Ulrik Lie og Kristian Ekle – Bouvet
For å forenkle planleggingen og optimere gjennomføringen av verkstedarbeidet utvikler Sporveien med lean metodikk et system for å optimere vognkjøring og verkstedoppgaver i sanntid. Systemet er modulbasert med genetiske algoritmer som optimeringsmotor. Presentasjonen går gjennom utfordringene man forsøker å lette for de ansatte, og hvordan modellbruken endret seg gjennom brukertesting.
Track 2: 09:25 -09:50    #AI – Foredraget passer for sjefen og utvikleren
Datadreven innovasjon, hvordan gjøres dette i praksis?  
Kari Rødås – Informasjonsarkitekt, Møller Mobility Group
Fra informasjonssiloer til virksomhetskritisk informasjonsmodell og datadreven forretningsutvikling. Fra teori til praksis, med noen erfaringer og fuck ups fra Møller Mobility Group på veien til suksessfull implementering av datadreven innovasjon.
Track 2: 09:55 -10:20    #Arkitektur – Foredraget passer for arkitekten.
Uten data stopper Norge – vi trenger (riktige) data
Pia Virmalainen Jøsendal – Difi
Data er en kritisk del av virksomheten, men forvaltes i for liten grad på linje med andre forretningskritiske ressurser. Det offentlige produserer store mengder data som i mye større grad kan gjenbrukes av det offentlige selv og av private aktører. Skal vi kunne ta ibruk data til nyttige formål ved hjelp av analyser, ai, rpa mm, så må det jobbes systematisk og strukturert over tid med datagrunnlaget for å bedre personvernet, kvaliteten og nyttegjøre seg av riktige data. Hør hvordan arbeidet med informasjonsforvaltning har blitt satt igang og stegvis bygges opp i offentlige virksomheter. Felles datakatalog og api-katalog er sentrale startpunkter for å kunne nyttegjøre seg av data fra det offentlige.
Track 2: 10:25 -10:50   
  Spåkulen: Hvilke frister bryter vi og hvor har vi problemer om 3 måneder?
Morten Forfang er fagdirektør i Computas
Kommer noe til å bli forsinka? Hvor kommer vi til å trenge å ta i et ekstra tak til høsten? Hvilke frister bryter vi om 2 måneder? En kunde i logistikk ønsker å se hvilke ruter som kommer til å bli forsinket i framtida og hvor mye. En webside forteller deres kunder hvor en kan forvente leveranseproblemer i framtida. Løsningen er moderne maskinlæring i skyen. Generelt kan denne løsningen anvendes hvor en har noe (en sak, en søknad e.l.) som flyter rundt i et system og som har frister og avhengigheter.
Track 2: 11:05-11:30    #ML  – Foredraget passer for: sjefen og arkitekten mer enn utvikleren.
  Hvordan grafteknologi og analyse løser de store utfordringer i håndtering av Big data
Martin Lam – Principal Solution Architect og Technology Lead for Datavarehus og Big Data i Capgemini Norge
Vi lever i en verden der alt agerer og relaterer til hverandre: Kunder, produkter, prosesser, nettverker, Internet of Things, mennesker m.m. Vi får mer og mer data. Og dataene er mer og mer komplekse. Å forstå og kunne analysere relasjoner mellom dataene er helt essensielt for å kunne lykkes i dag. Grafteknologi er spennende og kan løse mange problemer hvor vanlige teknologier står helt fast. Presentasjonen skal presentere hovedkomponenter av grafteknologien som Grafdatabase, grafmodellering og grafspørring med Cypher, og vil vise hvordan en kan bruke grafteknologi til å bygge løsninger for fraud detektering, håndtering av komplekse og store datamengder, metadata management med use case fra Panama papers, Airbnb and Informatica.
Track 2:  11:35-12:00    #BI og #Arkitektur – Foredraget passer for alle og arkitekten.
Hvorfor ville noen historisere Wikipedia uten betaling 
Gorm Braarvig – sjefkonsulent, EVRY
I følge Douglas Adams går utvikling gjennom fasene «overlevelse», «forespørsel» og «raffinement». Når det gjelder spising, bruker han eksemplene på fasene:
*  «overlevelse»: How can we eat?
*  «forespørsel»: Why do we eat?’
*  «raffinement»: Where shall we have lunch? For AI-utvikling er vi i bransjen på vei fra «overlevelse» til «forespørsel». En indikator på dette er at vi har riktige algoritmer, men mangler kvalitetsdata eller regler. Jeg presenterer min forberedelse på fremtiden, og inviterer til innovasjon.
Track 2: 12:05-12:30    #Fremtiden –  Foredraget passer for: sjefen,  arkitekten og utvikleren.
  Maskinlæring på (1-2-3)*600 sekunder
Aurora Voje – Data Scientist i NextBridge Analytics  
Har du noen gang lurt på hvordan musikk- og film-appene vet hva du liker? Hvordan kan en bil kjøre autonomt, eller en robot lære seg å spille sjakk eller piano? Hvordan kan vi forutsi et resultat basert på hundrevis av parametere? Fellesnevneren er maskinlæring.
Track 2: 13:15-13:40   – #AI #ML #Fremtiden – Foredraget passer for alle,
  Disrupted 
Stefan Månsby – Senior Director, Big Data Product Management i Basefarm
Hvordan ser morgendagens virksomheter ut? Og hvordan arbeider du best med kunstig intelligens i ditt team? Blir vi «disrupted» av fremskritt innen kunstig intelligens og maskinlæring? Dette er spørsmål som best besvares ved hjelp av en ny tankemåte; AI-tenking.
Track 2: 13:45-14:10    #Fremtiden – Foredraget passer for: Sjefen ogstrategen.
  Samtykkebasert Lånesøknad
Ingebrigt Berg –  konsulent, Jpro
Skatteetatens datasamarbeid er en ny løsning for enkel og selvbetjent tilgang til Skatteetatens data, basert på REST og JSON/XML. Målgruppen er offentlige og private virksomheter som har hjemmel til å motta data om skattepliktige fra skatteetaten. Datasamarbeid er første datakilde som tar i bruk den nye nasjonale løsningen for digitalt samtykke  fra Altinn. Bruk av samtykke muliggjør nye bruksmønstre og bedre personvern. Det har blitt mulig for Skatteetaten å dele data om en skattepliktig kun hvis hun samtykker i deling. Første bruk av samtykkeløsningen er ‘Samtykkebasert lånesøknad’. Lånesøkere i bankene kan samtykke i at banken kan hente data for lånesøknaden direkte fra skatteetaten. Lånesøker slipper da å sende inn selvangivelse og lønnsslipper. Banken får bedre datakvalitet, direkte fra en kilde den kan stole på.  Med den nye løsningen tar det ned mot et par minutter å ta i mot og behandle lånesøknader.
Track 2: 14:25 -14:50     #Fremtiden –  Foredraget passer for: Arkitekten, men også utvikleren og sjefen.

Hvordan forbedre folkehelsen med Power BI og Azure
Cecilia Bui – konsulent,  Capgemini Norge AS og Hans Christian Sundsfjord, Helsedirektoratet
Hvordan kan vi forbedre folkehelsen gjennom bedre innsikt i data? Denne presentasjonen viser hvordan Helsedirektoratet bruker Power BI og Azure til å følge med på forhold som påvirker befolkningens helse og utviklingen i helse- og omsorgstjenesten. Med slike verktøy får de støtte til å utarbeide nasjonale normer på utvalgte områder, være kompetanseorgan for myndigheter, tjenesteapparat, interesseorganisasjoner og fagmiljøer, ha spisskompetanse på den norske helselovgivningen og utvikle en helhetlig nasjonal helseberedskap.
Track 2: 14:55 -15:20     #BI, #BusinessIntelligence, #Analytics, #BigData, #DataVisualization. Foredraget passer for alle.
Effektiv persondataklassifisering for selvbetjent BI
Helge Rege Gårdsvoll – Data Manager i Hafslund Strøm
Med GDPR har vi alle måttet kategorisere persondataene våre. Denne presentasjonen vil vise hvordan vi har gjort dette i Hafslund Strøm; med Azure Data Catalog for standard kategorisering, støttet av APIer som kan gjøre kategorisering effektivt (og kanskje automatisk?) og gjøre dataene tilgjenglig for visualisering i Power BI. Her har vi knyttet datakategorisering sammen med prosesser så man lett kan se hvordan og hvorfor prosessene krever persondata. Like viktig er det at gjennom metadatakatalogen får vi et effektivt verktøy for selvbetjening, der datakategoriseringen for GDPR hjelper oss å forstå hvilke data vi har, og hvor de ligger.
Track 2: 15:35-16:00    #BI –  Foredraget passer for:  arkitekten og  sjefen.

Track 3: 09:25 – 16:00

  Design Processors and Systems for Intelligence
Ola Tørudbakken – SVP i GM Graphcore
This talk will present systems built for intelligence based upon the IPU – Intelligent Processor Unit. The IPU lets innovators create the next generation of Machine Intelligence, and our IPU systems are designed to lower the cost of accelerating AI applications in cloud and enterprise data centers to increase the performance of both training and inference by up to 100x compared to the fastest systems today.
Track 3: 09:25 -09:50  
  Industry 4.0 – Maintenance approach with Timeseries and Machine learning
Adis Delalic – Domene Arkitekt Jernbane Infrastruktur og IoT Arkitekt, Banenor.
Track 3: 09:55 -10:20   
  So the AI solutions are here, what’s next?
Erik Leung – Head of AI solutions,  Simplifai AS
The current wave of AI solutions are meant to interact with users, but as the number of AI solutions grows, it is a matter of time when AI solutions will be interacting with, well, other AI solutions. When that happens, automation will reach a new height and many more opportunities will open up. Erik will illustrate the potential of such a scenario and at the same time a few impacts it will have on the existing way of doing things, most notably «user» experience design.
Track 3: 10:25 -10:50  
  AI & Deep Learning for the Smart Grid and Drone-based Inspections
Davide Roverso – Chief Analytics Officer, eSmart Systems
Kunstig intelligens og maskinlæring, som lenge har vært forbeholdt science fiction og akademia, blomstrer nå i den nye digitale verden, og den praktiske anvendelsen og oppmerksomheten rundt disse eksploderer. Hva driver denne eksplosjonen og hvordan kan man dra mest mulig nytte av det? Davide Roverso analyserer denne revolusjonen og viser noen praktiske eksempler fra energisektoren.
Track 3: 11:05-11:30     #ML – Foredraget passer for sjefen
  Building a Smart Security Camera with Raspberry Pi Zero and AWS
Mark West – Avdelingsleder Data Science, Bouvet
In this session I’ll share the story of how I transformed a simple Raspberry Pi Zero webcam into a Smart Security Camera (with motion detection, threat detection and alert notifications) by combining open source software with cloud based AI. Attendees can expect a demonstration of how I used a range of AWS API’s (including Rekognition, Lambda and Step Functions) to help my Smart Security Camera distinguish between an unwanted guest and the neighbours’ cat.
Track 3:  11:35-12:00    #iot #ai #fremtiden – Foredraget passer for: utvikleren og arktitekten.
Let’s focus on the user again: Thoughts on privacy and ethical design in the data science era
Aiko Yamashita – Senior Data Scientist – Atea
What is the connection between privacy and data science? Why do GDPR officers value creators and data scientists need to work together? This talk presents some thoughts and real world cases where data science, privacy and ethical design intertwine. The talk elaborates on typical tradeoffs that need to be taken, and what types of consideration are needed for data science teams to be able to design the best solutions for the users. The talk finalizes with some thoughts on privacy’s «new look» and examples on how ethical design can be combined with data science.
Track 3: 12:05-12:30    #AI? #DS #Fremtiden.  Foredraget passer for: sjefen, arkitekten og prosjektlederen, men egentlig passer det for alle, fordi det har et tverrfaglig tema.
  The ultimate ROI – Saving lives with Big Data
Thomas H. Thoresen og Sindre Fjermestad – Norconsult Informasjonssystemer
More than 70 vessels run aground in Norwegian waters each year. The Norwegian Coastal Administration collects AIS-messages from almost all vessels sailing in Norwegian waters. This translates to a huge amount of data, waiting to be exploited. Norconsult Fundator set out to create the ultimate ROI. Can we use this Big Data to save lives?
Track 3: 13:15-13:40    #ML     Foredraget passer for: arkitekten og utvikleren.
  The new (Big) Data Science Platform
Mehmet Naci Akkøk – Chief Architect, Oracle Nordic
The presentation is based upon experience and examples from the public sector (NAV, Skatt, Direktoratet for eHelse, Oslo Kommune and SVV). The goal in all of these has been to build a heterogeneous and linked/integrated platform (a data hub that unites all data sources/registers) primarily for analysis, also Artificial Intelligence and Machine Learning. In this presentation, what is common for these and about 10+ projects will be summarised to show how a solution (amongst many potential solutions) can be built as a basis for what we have begun to call a (Big) Data Science Platform.Track 3: 13:45-14:10   #Arkitektur, # Fremtiden (fremtidens arkitektur) # Strategi # AI-ML-DS-BI (som er med i arkitekturen). Foredraget passer best for de som skal designe og beslutte, dvs. sjefen og arkitekten, og tildels den erfarne utvikleren.
  Big Data and Mobility Analytics: What can we learn from the way things (and humans!) move?
Arturo Opsetmoen Amador – Senior Data Scientist, Acando AS
We all know that the boom of the Internet of Things (IoT) will mean that the amount of devices that connect to the Internet will rise massively. This is already giving rise to the creation of massive amounts of data. Spatial and temporal mobility patterns of things and societies as a whole can be characterized based on the interactions that we are able to capture from the IoT sensors.
In this presentation, we will review what we can learn from human mobility patterns, how they can be used to optimize traffic, city planning and tourist attractions. We will review the challenges associated with privacy and security regulation when analyzing mobility patterns. As an application we will present a study on AIS data which describes the locations of vessels traveling in Norwegian seas. We will close the presentation with an overview of the kind of AI techniques we can apply to analyze mobility patterns.
Track 3: 14:25 -14:50   #Fremtiden.   The presentation is suitable for city planners, decision makers and anybody with interest in understanding how human mobility analytics can benefit their business.
  Data Visualisering på Maskinlærings Steroider
Christen Seeberg – arkitekt Oracle Analytics & Big Data.  Tror du maskinlæring bare er for Data Scientists? Her vil du via demonstrasjon se hvordan forretningsbrukere kan gjøre data-utforskning med innebygde algoritmer. Ta i bruk ML- biblioteker fra åpen kildekode R og Python for å visualisere og predikere forretningsresultater. Kunde case i fra Forsikringsbransjen, men generisk presentasjon og aktuelt for alle. Track 3: Track 3: 14:55 -15:20   #AI  #ML  #BI  #DataVisualisering  #DataDiscovery  #HR -#R  #Python – Foreddraget passer for sjefen, arkitekten og utvikleren.
Opening the Black Box: Learning to Explain Difficult-to-Explain AI
Brian Bell, Data Scientist & Lead Software Engineer at DataRobot
Do you want to understand AI? Most books or talks that claim to help you understand AI give you an explanation of how each modeling algorithm works. We all know that approach falls short, because after each system has been built, what is interesting is NOT how the algorithm works, but instead something else: what the algorithm has learned about the world. Throw out your algorithms textbook and let’s consider some fundamental questions that every boss needs to ask of their managers, every manager needs to ask of their developers, and every developer/data scientist needs to ask of their models. Without considering these questions and grounding their answers in reality, working with AI could be reckless or dangerous, exposing your business to risk and ethical concerns. In this talk, Brian will introduce classic as well as cutting-edge techniques for validating extremely complex machine learning, so you can use it in high-stakes scenarios with confidence.  Track 3: 15:35-16:00   

Powered by WordPress. Designed by WooThemes