Oda jobbet som førskolelærer - så tok hun et vågalt karrieregrep

– Jeg ønsket alltid å jobbe med mennesker, men så oppdaget jeg alle de morsomme tingene samboeren kunne lage og ble utrolig inspirert, sier Oda og forteller at samboeren er IT-utvikler.

Oda følte et veldig behov for å utfordre seg selv, lære nye ting og hun ble fort inspirert til å ta en helomvending i karrieren.

– Det som er så gøy er at du kan lage nesten hva du vil om du kan grunnleggende elektronikk og software-utvikling. Samboeren min lagde blant annet en sjakkoppgavemaskin, som automatisk gir deg nye oppsett og problemstillinger du kan fundere på, forteller Oda.

– Aldri vært så motivert noen gang

Etter utdannelsen som førskolelærer og noen år i yrket, gikk hun løs på Elektronikk og IT på OsloMet. Uten tidligere spesialisering i realfag krevde det ekstra innsats.

– Jeg tok et realfag-program ved siden av de faste studiene for å komme på nivå med de andre studentene. Det var skikkelig tungt, og jeg jobbet hardt hver eneste dag og hver eneste kveld. Men jeg har aldri vært så motivert noen gang.

Oda begynte etter hvert, som sin samboer, å leke med teknologi og elektronikk. Alt fra å programmere biler og hvor de skulle kjøre, til hjemmelaget EKG-måler og måling av pulsoksymetri. Avanserte funksjoner som vi finner igjen i dagens smarte treningsklokker.

– Jo mer jeg mestret – jo mer gira ble jeg, sier ingeniøren.

Oda jobber nå som maskinlæringsingeniør i forsikringsbransjens kanskje mest kompetente miljø på maskinlæring og kunstig intelligens.

For Fremtind, forsikringsselskapet til SpareBank 1 og DNB, står disse teknologiene sentralt for å være konkurransedyktig i morgendagens forsikringsmarked.

Lagde modell for å predikere kreft

I bacheloroppgaven i maskinlæring studerte Oda bilder og bevegelsesmønster hos demente, for blant annet å forutse om de ville falle og slå seg eller ikke.

– Men jeg måtte ha mer. Både av egen av nysgjerrighet, men også fordi jeg følte jeg måtte kunne mer for å være klar for å jobbe som maskinlæringsingeniør. Så da gikk jeg rett på master i robotikk og intelligente systemer.

I masteren studerte Oda bilder av tarmer med mål om å identifisere kreft. Hun leverte en maskinlæringsmodell som genererer kunstige bilder og videoer av tarmen.

– Det er mye som forstyrrer legens undersøkelser live, og det er også krevende å sitte i flere timer i etterkant å se på opptak for å se etter kreft i tarmen. Min modell hadde som hensikt å hjelpe legen til å sette diagnose raskere og sikrere.

Fremtind bruker maskinlæring til en rekke oppgaver. Både i mer «klassiske» forretningsområder med tydelige røtter i denne type teknologi, som risikomodellering og prising, men også for å detektere svindel og for å få oversikt over de enorme mengdene med tale- og tekstdata som preger arbeidshverdagen i et forsikringsselskap.

Språkteknologi er en av kjerneingrediensene i utviklingen av morgendagens forsikringsselskap. På engelsk heter det Natural Language Processing (NLP), og det er rett og slett det man gjør når man skal bruke naturlig språk som input i en algoritme eller et digitalt system.

De fleste er kjent med virtuelle assistenter som «Siri» eller «Alexa», tjenester som Google Translate eller “foreslå neste ord”-funksjonen i mobiltastuturene. – Det disse systemene har til felles er at de bruker maskinlæring (ML) som kjernekomponent: I stedet for å skrive et “klassisk” dataprogram lager vi algoritmer som lærer å lage programmet selv på grunnlag av store og små datamengder, sier Emanuele Lapponi fra Machine Intelligence-avdelingen i Fremtind.

En drøm for en maskinlæringsingeniør

Etter masteroppgaven hadde Oda et kort opphold i konsulentbransjen. Usikkerheten og koronapandemien gjorde at maskinlæringsingeniøren og Fremtind fant hverandre.

– I forsikring er det mye strukturert data tilgjengelig og det er drømmen for meg og alle andre som liker og jobber med maskinlæring. Fremtind sitter på massevis av strukturert og ustrukturert data som kan brukes smart. Det var det som trigget meg til å begynne, sier Oda.

I Fremtind jobber Oda blant annet med såkalt computer vision – maskinlæring på bilder. Neste prosjekt omhandler frontruter på biler. Skader på frontruter er en av de hyppigste skadene som blir meldt til forsikringsselskapene, kun slått av skader på mobiltelefoner.

– Målet på lengre sikt lage en app som kunden selv kan bruke. For eksempel kan den råde brukeren til å reparere en skade tidlig slik at man unngår å skifte hele ruta. En slik app vil spare miljøet, og tillegg sparer den både kunden og forsikringsselskapet for penger.