Studentar aukar mengda brukbare data med maskinlæring
Korleis kan vi bruke maskinlæring til å avdekke feil i havbotnmålingar? Det har seks studentar frå NTNU jobba med denne hausten, med gode faglege resultat og verktøy som Kartverket kan ta med seg vidare.
Fylkeskartkontoret i Trondheim har sidan august husa seks studentar frå Noregs teknisk-naturvitskapelege universitet (NTNU) ein dag i veka. Studentane har på oppdrag frå Sjødivisjonen i Kartverket jobba med data frå ekkolodd-målingar av havbotnen. Sofie Ytterstad studerer datateknologi og beskriv arbeidet slik:
– Vi lagar ein modell basert på kunstig intelligens som tar inn havbotndata og avdekker feil i datagrunnlaget. Enkelte stader er det tydeleg store feil i målingane, og desse skal vi finne med kunstig intelligens, eller maskinlæring som det eigentleg heiter, seier Ytterstad.
Ho forklarer at dette tidlegare har vore ein tidkrevande prosess som blir gjort manuelt, der ein må gå gjennom datasetta. Med den nye modellen kan prosessen automatiserast, slik at jobben er gjort på nokre sekund.
Meir og betre data
Medstudent Torstein Korten meiner den nye prosessen vil gi ei kvalitetsheving i mengda brukbar data ein sit igjen med:
– Over tid vil ein kunne ta vare på mykje meir rådata som blir henta frå havbotnen. Etter det vi har høyrt, er det i dag mykje ekkolodd-data som blir kasta i prosessen. Med den nye løysinga finn vi meir nøyaktig kva punkt som er feil, og då kan ein bruke mykje meir av målingane, seier Korten.
Når det gjeld arbeidsmengda, meiner informatikkstudent Caroline Wie at ein kan spare mykje, sidan meir av prosessen kan gjerast av maskiner.
– Du slepp å ha så mange som sit og analyserer data, når ein modell gjer det automatisk, seier Wie.
Gir nye moglegheiter
I Kartverket har arbeidet vorte koordinert av Henning Sundby og Hallgrim Ludvigsen i Sjødivisjonen. Sundby fortel at dei i april sende inn forslag til oppgåve til NTNU, om at ein ville sjå på mønster i ekkolodd-datasett.
Metoden skil seg frå måten ein i dag jobbar med dataa, der ein sit utan fasit på kva det er ein måler, fordi ein då kan gjere ei meir effektiv grovfiltrering av data. Han ser også moglegheita for arbeidsmetoden på lang sikt:
– Det vi kanskje ønskjer å sjå på vidare er å jobbe på eit litt tettare nivå på dataa, etter at ein har filtrert vekk dei grovaste feila, seier Sundby.
Lærerikt for alle
Han beskriv det som ein positiv og lærerik oppleving å involvere studentane i arbeidet til sjødivisjonen:
– Det har gitt meirsmak! Eg har lært mykje, akkurat som eg håper dei har lært mykje. I tillegg håper eg jo at dette er med på å gjere Kartverket meir kjent som ei interessant verksemd som jobbar med spennande problemstillingar.
Studentane seier dei har opplevd Kartverket som positive og engasjerte i oppdraget. Gruppa skildrar Kartverket som «ein interessert og veldig god kunde».
– Kontakten med Kartverket har vore særleg god samanlikna med den kontakten vi har høyrt at dei andre medstudentane har hatt med sine kundar, trass i at “kunden” har vore eit godt stykke unna, seier dei og viser til at i sjødivisjonen sit i Stavanger.
Aktuell arbeidsplass
Om utsiktane for framtida og Kartverket som mogleg arbeidsplass, meiner studentane at det fort kan vere aktuelt.
– Om Kartverket satsar på det her, hadde det vore kult å vere ein del av arbeidet. De behandlar store mengder data, og det er jo veldig relevant for det vi driv med, avsluttar Korten.
E-posten er sendt