Internship: Bachelorstudent med arbeidspraksis p? timeplanen

Magnus jobbet med kunstig intelligens hos Sintef Digital: – Det er veldig inspirerende ? bruke det jeg har l?rt i praksis.

Bildet kan inneholde: gul, sofa, sittende, moro, m?bler.

Starten p? et 澳门葡京手机版app下载: Anne Marthine Martinsen hos Sintef Digital og fysikkstudent Magnus Ingstad. Foto: H. Lynnebakken/ UiO

Bachelorstudenter i realfag og teknologi p? UiO har mulighet til ? ha internship, eller arbeidspraksis, som del av studiet. Magnus Ingstad var f?rste fysikkstudent ut med det nye emnet.

– Vi har hatt noen st?rre oppgaver i studiet, men likevel b?rer de litt preg av at det finnes en riktig l?sning, noe du B?R gj?re. Men her p? Sintef gj?r jeg noe helt nytt. N?r jeg st?ter p? et problem kan jeg ikke n?dvendigvis s?ke p? nettet og finne noen andre som har l?st et tilsvarende problem. Jeg m? l?se problemet selv. Det er en veldig ?lreit opplevelse! forteller Magnus.

Han g?r 3. ?ret p? bachelor i Fysikk og astronomi og hadde arbeidspraksis i gruppa Analytics og AI hos Sintef Digital i fjor h?st. Emnet gikk over hele semesteret, med 16 timer i snitt i uka, men ble tilpasset til eksamener og timeplanen til Magnus.

Fikk brukt det han l?rte p? studiet med én gang

 Hvorfor ville du ta arbeidspraksis-emnet?

– Maskinl?ring er noe som interesserer meg og som jeg hadde lyst til ? l?re, forteller han. Jeg tok emnet Anvendt dataanalyse og maskinl?ring samtidig, og da var det helt perfekt ? jobbe et sted som Sintef, hvor jeg fikk brukt det jeg l?rte med en gang, sier han.

– Dessuten var det muligheten til ? f? vite hvordan det er i arbeidslivet, innenfor ting jeg synes er interessant. Hva gj?r man praktisk, hvordan skaper man verdi? 

Jeg har hatt sommerjobber f?r, men da har det v?rt lagt opp for studenter. Her kom jeg inn i et arbeidsmilj?, og fikk v?re med p? gruppem?ter, lunsjpauser og sosiale arrangementer.

R?d til studenter: – Ta tunge, teoretiske fag p? universitetet

En av veilederne hans hos Sintef, Anne Marthine Rustad, forteller at Analytics og AI er en ganske ny gruppe i en vekstfase og at de rekrutterer folk. 

– Mye av det vi holder p? med bygger p? fysiske eller matematiske modeller. Vi hadde oppgaver som passet for studenter.  Og s? har vi  lyst til ? bli bedre kjent med studentene p? UiO, og la studentene bli bedre kjent med oss.

? ha studenter i praksis er en fin begynnelse p? et 澳门葡京手机版app下载, forteller hun.

For studentene tror hun det er veldig nyttig ? f? testet den kunnskapen en har i teorien fra studiet, og se hvordan den fungerer i n?ringslivet.

Bildet kan inneholde: teknologi, design, moro, samtale, tilpasning.
 Maskinl?ring er i veldig stor grad matte og programmering, s? vi har egentlig en ganske god bakgrunn i det bare med den bacheloren jeg har tatt i Fysikk og astronomi, sier Magnus Ingstad.

– Gjennom praksis f?r du sett hvilke fag som er viktige for n?ringslivet. Hvilken kunnskap er det som er viktig ? tilegne seg p? universitetet, men som kan v?re vanskelig ? tilegne seg senere? 

 Ja, hvilke emner tenker du s?rlig p? da?

– Statistikk og teoretiske fag er lettere ? ta som student. Ta de tunge, dype emnene p? universitetet, r?der hun.

Bruker maskinl?ring til ? finne sammenhenger

 Hva gikk arbeidsoppgavene dine hos Sintef ut p?, Magnus?

– De har dreid seg om maskinl?ring og analyse av data. Som oftest er det snakk om at en kunde har en mengde data, og s? noe en vil forutse.

Magnus forklarer prinsippet med et eksempel:

Si at et firma lager metallr?r. 1 av 1000 r?r er defekt. De har samlet inn en masse data fra produksjonsprosessen, som hvor varmt r?ret var da det ble laget og hvor rent metallet var. Firmaet ?nsker ? vite p? forh?nd hvilke r?r som har for d?rlig kvalitet. Hvis en klarer ? forutse det sparer en masse p? ? slippe ? sende defekte deler ut i samfunnet.

Vi kan finne en matematisk sammenheng i et sett med data: Vi har en masse data og fors?ker ? lage en likning som beskriver det som skjer.

– Jeg jobbet med en generell modell for ? sette opp en differensiallikning p? bakgrunn av data, uansett hva slags data det dreier seg om.

P? denne m?ten kan vi ogs? f? ny forst?else for hvorfor ting skjer, finne uttrykk for prosesser vi ikke forst?r enda. Dette er ikke bare nyttig innen bedrifter, men ogs? i forskning.

 Fikk du brukt det du l?rte i maskinl?ringsemnet direkte her?

– Ja, det gjorde jeg. Modellen jeg jobbet med bruker i hovedsak line?r regresjon, som er en ganske grunnleggende metode i maskinl?ring, men for ? bedre tilpasse data fikk jeg ogs? bruk for andre konsepter jeg har l?rt, som for eksempel hvordan man b?r unng? at modellen finner m?nstre i dataene som ikke egentlig er reelle, en vanlig utfordring.

God bakgrunn i matte og programmering fra studiet

Det har v?rt veldig morsomt ? anvende det mens jeg l?rte det! Og jeg tror ogs? vi husker bedre n?r vi anvender kunnskap rett etterp?.

Maskinl?ring er i veldig stor grad matte og programmering, s? vi har egentlig en ganske god bakgrunn i det bare med den bacheloren jeg har tatt i Fysikk og astronomi.

– Men det aller viktigste du l?rer i l?pet av studiet er ? l?se problemer og ? tilegne deg ny kunnskap, det er veldig relevant, mener Magnus.

 Har du l?rt noe som du ikke kunne ha l?rt p? studiet, tror du?

– Ja, jeg har f?tt erfaring fra arbeidslivet, og v?rt med i et arbeidsmilj? innenfor et tema som jeg synes er interessant.

Jeg har f?tt vite litt om hva som er relevant og hva man bruker av metoder og kunnskap i n?ringslivet.

Og jeg anbefaler absolutt andre studenter ? s?ke om arbeidspraksis.

 Jeg h?rer du ogs? har f?tt sommerjobb hos Sintef Digital?

– Ja, det stemmer, jeg skal fortsette til sommeren. Et godt r?d til andre studenter er ? gj?re en god jobb, s? ?pner det seg muligheter, avslutter han.

 

Emnet Arbeidspraksis var en vellykket pilot i 2019 og undervises fra h?st 2021.

Av Hilde Lynnebakken
Publisert 6. mai 2020 13:49 - Sist endret 2. juli 2021 14:58