ANMÄLAN

19 May 12:00 - 13:00

AI och Machine Learning i praktiken: 

Vad kan man göra och hur undviker man fallgroparna?


Att utvinna information ur data håller på att bli den kanske största vattendelaren  för ditt företags utveckling.
AI och machine learning (ML) är inte bara till för stora jättar som är ”data natives” såsom Spotify, Klarna, AirBnB, Uber, etc, utan även mindre företag där den centrala affärsidén inte är data. Under de senaste åren har AI och ML demokratiserats till den grad att många företag relativt snabbt kan komma igång och få system i produktion. 

För företag med en omogen datastrategi kan det vara svårt att sätta förväntningarna på ett ML-projekt. Vissa förväntar sig en färdig leverans av en ”AI som kan fixa allt”, medan andra tror att det krävs enorma datamängder och en speciell avdelning med AI-experter för att sätta igång. I själva verket är processen att bygga en AI- och data-strategi relativt lik den för en IT-strategi. 

Det är en kontinuerlig  process där strategin utvecklas i takt med att företaget förändras, och där det blir som bäst om man har en tät kontakt mellan alla delar av företaget. Och precis som alltid, börja smått och enkelt med lågt hängande frukter för att undvika risker.

I det här föredraget kommer vi genom att dela med oss av erfarenheter från egna projekt ge en uppfattning om vilka problem man kan lösa med dagens AI-verktyg. Vi kommer också att ge tips på hur man ska tänka kring AI-projekt, från brainstorming och proof of concept till produktionssättning, och om hur man kan undvika de vanligaste fallgroparna i planeringen och utförandet av sådana projekt.

Länk till Webinar skickas till din registrerade mail i samband med anmälan.


ANMÄLAN

Speakers

Mikael Huss


Mikael Huss (PhD) har arbetat med maskininlärning och dataanalys i 20 år, först som forskare i beräkningsbiologi och bioinformatik vid bland annat KTH, SciLifeLab och Genome Institute of Singapore. Sedan 2017 har han arbetat som konsult på IBM och som konsult och medgrundare på Codon, samt som maskininlärningsexpert på mjukvaruföretaget Peltarion, som säljer en plattform för deep learning. Han har via dessa roller fått erfarenhet inom bland annat rekommendationssystem för mode, intäktsprognoser, maskinläsning av dokument, objektidentifiering I bilder, modellering av industriella processer och medicinsk bildanalys. Mikael driver en blogg om maskininlärning, Follow the Data, och är engagerad i meetup-grupper som exempelvis Stockholm AI, som arrangerar större evenemang med inbjudna talare, men även läsecirklar och tekniska diskussionsgrupper om AI.

Read more

Fredrik Edin

Fredrik Edin (PhD) har arbetat med data science och maskininlärning i mer än 15 år, först inom akademin (KTH & KI), sedan inom finansbranschen (Söderberg & Partners) och läkemedelsbranschen (Amgen). Sedan 2016 har han varit företagare och konsult inom data science och maskininlärning, dels som grundare av Previsio och sedan 2019 som medgrundare till Codon Consulting. Tack vare tidigare roller i företagsledning och -styrelser har Fredrik lång vana vid att arbeta tillsammans med management som använts för att planera kundens data science-resa. Som konsult har Fredrik arbetat med bland annat bildigenkänning, natural language processing, klassificering, rekommendationsmotorer och tidsserieprognosticering. Dessutom teknik relaterad till produktionssättning så som DevOps och molnarkitektur

Read more