Delvis forsker, delvis utvikler
Kristine lærer maskinen til å forstå hva et bilde inneholder.
![Kristine sitter foran PCen sin.](/globalassets/bilder/pit/nyhetsbilder/kristine-data-scientist-pit-01.jpg?width=1440&quality=80)
– Det som er unikt med å være data scientist i politiet, er muligheten jeg har til å bruke kompetansen min til å utvikle verktøy som bidrar til å løse politiets oppdrag på en effektiv måte. Jeg synes det er motiverende med en jobb med mening. Og ikke minst bidra inn i jobben med å digitalisere politiet. Problemstillingene vi møter er unike. De tvinger meg til å tenke nytt, sier Kristine.
I dag sitter Kristine på kontorplassen sin hos Politiets IT-enhet (PIT) på Majorstua i Oslo. Det hun liker godt med jobben er fleksibiliteten den gir.
– Noen dager er det fint å være på kontoret for å kunne diskutere med kollegaer. Andre dager bruker jeg muligheten til å jobbe hjemmefra. Det er spesielt hvis det er én spesifikk del av en arbeidsoppgave jeg ønsker å fokusere fullt på.
Hun har tatt all sin høyere utdanning ved Universitetet i Oslo. Her studerte hun matematikk og informatikk med fokus på signalbehandling og bildeanalyse.
– Hovedansvaret mitt i jobben hos Politiets IT-enhet er å utvikle verktøy innen bildeanalyse. Oppgavene varierer avhengig av hvor langt jeg er kommet i utviklingsprosessen. Fra å utforske hva som finnes av metoder og løsninger, programmere løsninger, sette dem i bruk i systemet og presentere og diskutere løsningene med brukerne. Jeg vil si at jobben delvis er en forskerjobb, og delvis en utviklerjobb, poengterer hun.
Menneske og maskin
Hver dag blir vi eksponert for ulike typer bilder i nettaviser, sosiale medier og fra kamerarullen på mobiltelefonen. Bildene inneholder informasjon som vi klarer å tolke umiddelbart. Hvilke personer, dyr eller objekter som finnes i bildet, og i hvilke omgivelser er det tatt.
– Et bilde sier mer enn tusen ord, sies det. Et bilde har mye informasjon som kan være nyttig for ansatte i politiet. I dag er det fort gjort å ende opp med en stor samling av digitale bilder. Denne samlingen kan være så stor at det er tidskrevende å bla gjennom alle bilder, forteller Kristine og fortsetter:
– Hvis vi, for eksempel, ønsker å filtrere hva bildene inneholder, må vi sørge for at en maskin kan klare det. Dette er derimot ikke lett for maskinen å skjønne. For maskinen er nemlig digitale bilder kun en samling tall. Min og mine kollegaer sin oppgave er å få maskinen til å forstå hva et bilde inneholder på samme måte som vi, mennesker, klarer å se innholdet i bildet.
Jobber i tverrfaglige team
På kontorplassen ved siden av henne sitter Tita, som er en del av seksjonen hun jobber i kalt Data og analyse.
![Kristine sitter i en sofa på jobbe med en kopp kaffe. Her snakker hun med Tita.](/globalassets/bilder/pit/nyhetsbilder/kristine-artikkel-pit-02.jpg?width=1440&quality=80)
– I teamet jobber vi med kontinuerlig utvikling av verktøyene vi lager. Vi er avhengige av tilbakemeldinger for å kunne levere løsninger som er nyttige for brukerne. For å jobbe tverrfaglig må vi kjenne til utfordringene brukerne har, og hvilke problemstillinger de møter på. Vi har ofte samtaler med brukerne for å diskutere hva de ønsker å ta tak i, og får et innblikk i deres hverdag.
Det tok Kristine kort tid før hun følte meg som en integrert del av teamet.
– Allerede fra først uke følte jeg meg velkommen. Jeg tenker at psykologisk trygghet har mye å si for motivasjonen ettersom arbeidsmiljø er noe man ikke kommer utenom på en arbeidsplass. Det at vi har lav terskel til å hjelpe hverandre og idémyldre sammen, gjør arbeidet mye lettere og effektivt, avslutter hun.
Data scientist
- En data scientist jobber med å utvikle verktøy som skal brukes til å automatisere behandling og analyse av store mengder data. Verktøyene tilpasses til hva slags data som skal brukes og til hvilke(t) formål de skal brukes i.
- En data scientist bruker både vitenskapelige metoder og maskinlæring for å hente ut informasjon fra dataene. Denne informasjonen kan brukes videre til å hjelpe andre til å ta beslutninger og gi enda mer innsikt i dataene.
- Utdanningsbakgrunnen til en data scientist er ofte fra matematikk, statistikk og informatikk. Derimot kan man ha nytte av bakgrunn fra andre felt også, som for eksempel finans, fysikk og språk. Problemstillingene en data scientist møter er vanligvis tverrfaglige, så da kan det være en fordel med bakgrunn fra andre felt.