#MeetOurTeam – Anais
Vi vill visa upp våra medarbetare genom det vi har kallat #MeetOurTeam. Möt Anais!
Vi vill visa upp våra medarbetare genom det vi har kallat #MeetOurTeam. Möt Anais!
Ålder:
Kontor:
Roll:
Kommer från:
År på Cegal:
32 år
Lysaker/Oslo
Data Scientist
Frankrike
2 år
Jag tror inte att det finns en heltäckande arbetsbeskrivning, men kort och sagt kan jag säga att det jag gör är att ge insikt och värde ur data.
Till vardags jobbar jag med Python och olika Machine Learning - ML-bibliotek, Programmeringsspråket R, molnplattformar och även andra teknologier om våra kunder efterfrågar det.
I projekt delar jag vanligtvis upp min tid: 45% läggs på dataanalys som inkluderar datautvinning, skapa modeller, tolkning, skriva resultat (rapporter, dashboards, siffror). 25% läggs på att hitta nya lösningar. Tekniken utvecklas varje dag, därför uppdateras våra metoder.
En viktig del med att vara en Data Science-kvinna är kommunikation: det är viktigt att kommunicera med ett brett spektrum av intressenter. Resterande 30% av tiden spenderas därför med teamet, kunder och i möten.
"Här skulle jag definitivt säga att det är Cegal-teamet. När du behöver hjälp med brainstorming finns det alltid några tekniska superhjältar som är villiga att hjälpa till!!"
Anais
Jag började min resa inom datavetenskap och maskininlärning när jag arbetade med forskningsprojekt som involverade mycket data. På den tiden arbetade jag som forskare om klimatförändringar där det handlar om matematisk modellering och förutsägelser.
Parallellt med studierna var jag involverad i startup-ekosystemet. När jag lämnade studierna började jag tillämpa mina metoder och kunskaper om datavetenskap i andra ämnen och i näringslivet genom startups. Jag gillar att man måste vara tvärvetenskaplig för att vara datavetare.
Mitt jobb är att lösa affärsrelaterade problem med hjälp av data och datadrivna tekniker. För att göra detta måste problemet som ska lösas, eller kundens behov förstås väl. Sedan samlas data in, sorteras, transformeras och så vidare. I den här fasen tittar vi efter ordning och mönster i data, samt upptäcker trender som kan hjälpa företagets resultat. Sedan skapas modellerna och hypotesen prövas.
Under hela denna process är kommunikation och samarbete med både IT och verksamhet väldigt viktigt. Ett datavetenskapligt projekt tar inte riktigt slut, eftersom alla våra modeller fortsätter att köras och behöver underhållas och ändras då och då.
Vårt arbete kan i vissa fall få stora konsekvenser ekonomiskt, men också socialt. I vårt sätt att skapa datamodeller kan vi införa bias, vi kan bli vilseledda av datat och tolkningen kan vara felaktig.
Det är viktigt att komma ihåg att oavsett vilket utfall en algoritm ger, är beslutet att agera baserat på detta ett 100 % mänskligt beslut. Därför måste vi som dataforskare alltid ha dessa tankar i åtanke i det arbete vi gör.
Tech Advisory Board (TAB) är en grupp av Cegal-teknologer/experter som representerar ett så brett spektrum som möjligt inom våra områden. Vårt mål är att hjälpa organisationen med trender, kartlägga behovet av teknikutveckling och ny teknik eller marknadsmöjligheter. Resultaten från TAB:s möten ska bland annat att ge en överblick över alla de kompetenser som finns på Cegal och indikera eventuella förändringar inom Tech som kan vara intressanta för Cegal att sätta sig in i.
Att ta del av detta är väldigt spännande och givande, då vi får arbeta med och ha ett direkt inflytande i den riktning vårt eget företag tar tekniskt.
"Teknik är ett verktyg, viktigt är att se att det finns potential för någon att kunna använda den och/eller lära sig den. Jag tror att Cegal har många väldigt bra experter som kan arbeta tillsammans med ett brett utbud av teknologier. Våra tekniska superhjältar och expertteam är, enligt min mening, nyckeln till Cegals framgång.."
Anais
Kripos är ett speciellt projekt. Både för att det är ett pro-bono-projekt och såklart på grund av temat som är sexuella övergrepp mot barn på nätet. Vårt arbete i analysteamet är att samla in data från fildelningstjänster, kryptera dem och använda textanalysmetoder för att extrahera IP-adresser och samla in antalet filer med platser, presentera dessa på en karta och tillhandahålla polisstatistik som kan hjälpa dem att fånga missbrukare. Det är väldigt speciellt, och fantastiskt att få vara till hjälp för de personer inom polisen som varje dag jobbar med något så meningsfullt och viktigt som detta.
Android eller iPhone?
iTunes eller Spotify?
Streaming eller linjär-tv?
Ringa eller SMS?
Emoji eller text?
Vilken app använder du mest?
Iphone
Spotify
Streaming
Meddelande
??
Yr! Vädret är viktigt att hålla koll på i Norge
Jag kan gå genom väggar! Nej, skoja bara, det jag menar är att jag inte låter mig stoppas av hinder, så om det finns en vägg som blockerar min väg så hittar jag alltid en dörr eller ett fönster för att fortsätta dit jag ska.