Visste du at NAV har et av Norges st?rste IT-milj?er?
Jon Vegard Sparre jobber som data scientist i AI-lab hos NAV, en gruppe som er spesialister p? kunstig intelligens. I gruppa er det 7 data scientists, 4 med fysikk-utdanning.
– Hva g?r jobben din ut p?, Jon Vegard?
– Jeg analyserer data. Det kan dreie seg enkle statistiske analyser som for eksempel ? finne ut hvor mange som har f?tt avslag p? NAV-st?tte med noen spesifikke kjennetegn. Dette er med andre ord veldig enkel graving etter tall.
Jeg jobber ogs? med mer avansert maskinl?ring for ? utvikle systemer som kan forutsi hva som sannsynligvis vil skje, f?r det skjer.
Maskinl?ring vil si at et dataprogram l?rer seg ? l?se en oppgave basert p? data.
En dataviter klarer ? hente kunnskap og innsikt fra store datamengder, og kommunisere det p? en meningsfull m?te videre til andre.
Datavitere kombinerer gjerne kunnskap om statistikk, IT og programmering med kommunikasjonsevner - og de flinkeste ogs? med kjennskap til bransjen eller fagomr?det de jobber med.
En datautvikler, som Jon Vegard nevner, jobber mer direkte med ? lage dataprogrammer.
?Hvor lenge blir du syk??
– Et stort prosjekt som jeg er med p? er ? lage en modell som kan forutsi hvor lenge en person kommer til ? v?re syk.
Modellen skal v?re en hjelp for veiledere i NAV og gi den som er sykmeldt bedre oppf?lging, forteller han.
– Hvordan kan dette hjelpe folk?
– N?r du er sykmeldt lenge skal det gjennomf?res dialogm?ter, det vil si m?ter mellom NAV, arbeidsgiver, lege og den som er sykmeldt. Hvis programmet v?rt forteller at sykmeldingen mest sannsynlig snart er over er det ikke n?dvendig ? gjennomf?re m?tet, forklarer han.
– Vi m? lage kunstig intelligens-systemer som er rettferdige
– Jeg ser spesielt p? to ting, som er veldig viktig n?r en lager maskinl?ringsmodeller, og som er to av satsingsomr?dene for oss i AI-lab. For det f?rste m? vi passe p? at modellen er rettferdig, sier Jon Vegard.
Du har kanskje h?rt om det amerikanske dataprogrammet COMPAS? Basert p? historiske data forutsier en maskinl?ringsmodell sannsynligheten for at en fange vil beg? ny kriminalitet. Dommere i amerikanske rettssaker brukte programmet n?r de skulle bestemme om fanger skulle l?slates eller ikke.
Det viste seg at modellen var rasistisk, og svarte fanger fikk sjeldnere pr?vel?slatelse. Programmet hadde l?rt av dommene som allerede var avsagt, og avsl?rte dermed at de amerikanske dommerne var strengere med svarte kriminelle.
… og som forklarer oss resultatene
– For det andre m? vi passe p? at programmet v?rt forteller hva det baserer resultatet p?, sier Jon Vegard. Den som er sykmeldt har rett p? en forklaring p? hvorfor systemet forutsier at sykmeldingen sannsynligvis varer 8 uker til, for eksempel.
NAV-veilederne har bruk for en annen forklaring, og vi som har utviklet modellen trenger en annen, mer teknisk forklaring.
– Hva er det beste ved jobben din?
– Jeg liker veldig godt bredden i arbeidsoppgaver og at det er stort spenn i fagomr?der.
Juss og diagnoser
– S?rlig m? vi vurdere det juridiske, om vi har lov og om det er hensiktsmessig det vi gj?r. Jeg m? beskrive prosessen og finne lovhjemmel sammen med jurister. Datasikkerheten skal vurderes og konsekvens for hver enkelt person dokumenteres.
Vi m? ogs? kunne noe om diagnoser. Det finnes flere forskjellige systemer, s? vi m? finne ut hvordan vi kobler dem sammen og passe p? s? ikke l?rhalsbrudd og utmattelse blir behandla som samme type sykdom.
De siste ?rene har NAV innf?rt nye m?ter ? jobbe p?. Istedenfor at vi har store IT-prosjekter jobber vi i mindre produktteam og med mindre omfattende jobber som kan v?re ferdig raskt. Det er smart ved for eksempel lovendringer, som gjerne har en streng tidsfrist vi m? forholde oss til.
Produktteamene best?r av ulike folk med forskjellige fagbakgrunner, s? p? denne m?ten blir det mer tverrfaglig jobbing, sier Jon Vegard.
– Hva liker du minst med jobben?
– NAV er en stor organisasjon, og det er mange lover og regler som skal f?lges, noe som gj?r at det er *veldig* mye ? sette seg inn i. Som i alle store organisasjoner g?r ting litt tregt.
Du m? ihvertfall v?re litt t?lmodig for ? jobbe i NAV!
– Hva gj?r du p? jobben, rent konkret?
– Jeg bestemmer i stor grad over arbeidsdagen min selv. Noe tid g?r med til m?ter for ? f? tilgang til data eller ? diskutere med andre i teamet hva vi skal gj?re videre.
N?r det ikke er m?ter holder jeg p? med dataanalyse og modellbygging.
Som en kjempestor ?oblig?
Jeg programmerer i Python, som er det samme spr?ket som vi brukte i studiet. P? mange m?ter er det som ? sitte p? Blindern og gj?re en kjempestor oblig – en obligatorisk innleveringsoppgave.
Og s? m? jeg skrive dokumentasjon av det jeg gj?r. Det h?res kanskje kjedelig ut, men det er faktisk morsomt!
Det aller nyttigste jeg l?rte i studiet var Python-programmering, og maskinl?ringen jeg l?rte meg da jeg tok master.
I masteroppgaven min utviklet jeg en modell for ? simulere supersymmetriske partikler, en type partikler som mange tror kan finnes, men som vi ikke har sett enn?. De vil kunne forklare hva m?rk materie er og en hel del andre problemer i teoretisk fysikk.
– Som data scientist m? du sette deg inn i mange problemstillinger og tenke matematisk p? virkeligheten, du m? se koblingen mellom dataene og den virkelige verden. Da tenker jeg at det er en fordel ? ha fysikkbakgrunn.
Mennesker i datasettet
Etter at jeg begynte ? jobbe er det blitt klarere for meg at data bare er en representasjon av virkeligheten, ikke virkeligheten selv. Og data kan ha innebygde skjevheter etter hvordan de er samlet inn eller plukket ut.
– N?r du har mennesker i datasettet blir det ofte s?nn, mener Jon Vegard. Hvis vi for eksempel skal plukke ut 10 prosent av sykemeldingene, fordi vi ikke trenger mer data enn det. Da m? vi passe p? ? ikke ta bare januar, n?r alle har influensa for eksempel. Kanskje det er lurt ? ta med flest sykmeldinger fra v?r og h?st for ? f? mest variasjon i datasettet? S?nne ting m? en ta hensyn til.
Russisk fysikkl?rer
– Hvorfor valgte du ? studere fysikk?
– Jeg hadde en veldig engasjerende fysikkl?rer p? videreg?ende. En russisk dame. Jeg husker hun sto og trampet i gulvet mens hun nesten bokstavelig banket fysikken inn i oss.
Da jeg begynte p? UiO visste jeg ikke hva jeg gikk til, bare at jeg likte fysikk s? da valgte jeg det.
Jeg ble positivt overrasket gang p? gang under studiene, egentlig. Jeg tenkte ikke at programmering var en ting vi skulle drive med, men jeg likte det veldig godt.
Programmering gjorde det mulig ? gj?re flere ting raskere. Med bare matematikk f?r du ut ett svar – ?pi halve? – mens med programmering f?r du feedback med en gang du kj?rer koden og ser plott.
– Hvorfor ville du ha nettopp denne jobben?
Da jeg begynte ? s?ke jobber tenkte jeg egentlig p? utviklerjobber i konsulentselskap. Men etter ? ha v?rt p? noen jobbintervjuer begynte jeg ? forst? at det ikke var en s?nn jobb jeg skulle eller ville ha.
Jeg fant ut at det var data scientist jeg ville jobbe som, og at jeg egentlig ikke hadde s? lyst til ? jobbe i konsulentfirmaer. De har jo gjerne mange ulike kunder, og p? jobbintervjuene fikk jeg vage svar p? hva som var aktuelt ? jobbe med.
– Ikke s?k p? dr?mmejobben f?rst
– Jeg snakket med en r?dgiver p? UiO om ? s?ke jobb, og han sa ?Ikke s?k p? dr?mmejobben med en gang; f? erfaring fra jobbs?king og intervjuer fra andre jobber f?rst.?
– Det stemte godt for min del, sier Jon Vegard.
Som data scientist m? du like ? jobbe med mange ulike ting. Spesielt her hos oss i NAV blir det en god del juss.
Jeg liker ? jobbe innenfor NAV. Vi jobber for ? hjelpe folk ? klare seg i livet. Vi er til for innbyggerne. Det tiltaler meg.
NAV har et eget program for nyutdannede.
En gang i m?neden omtrent m?tes vi til et faglig og sosialt treff. Det kan dreie seg om kurs i programmeringsspr?ket java eller hvordan gi hverandre tilbakemeldinger, gjerne et foredrag av folk utenfra.
Jeg anbefaler virkelig NAV som arbeidsplass, for alle realister, egentlig. Vi kommer til ? f? bruk for flere data scientists etterhvert, siden det er mange bruksomr?der for maskinl?ring her.
Jon Vegard Sparre
Yrke: data scientist i NAV siden juni 2018.
Studerte: Bachelor og master-grad i fysikk fra UiO
Ferdig master i teoretisk fysikk i 2018
Fra: Andebu like ved Sandefjord