EDB 5.0

#24 Københavns Kommune - Forretnings- og masterdata samt udvikling og teknologi, digitalisering som rygrad for intelligente løsninger, data-etik fra data til AI

I 24. episode er Nikolai Bülow Tronche og Jacob Honoré fra Københavns Kommune i studiet. De er ansvarlige for hver deres kontor under hver forvaltning, som har hver deres indgangsvinkel til arbejdet med data, og understøtter hinanden. Vi taler om data i det offentlige, intelligente løsninger, data-etik- og modeller, digitalisering, data-warehouse, algoritmer og meget andet.

Shownotes:
00.00-12.12: Intro til Københavns Kommune, de to deltagere og data-arbejdet på tværs i kommunen
12.12-26.11: Hvad er IA i kommunen, og hvad har Danmarks digitalisering som rygrad betydet? Vi diskuterer også broen fra data til AI, operatonelle modeller og deres data-warehouse op mod de intelligente løsninger.
26.11-52.48: Københavns Kommunes rejse, opbygning af universelle data-modeller og arbejdet mod en universel data-forståelse. Vi taler også om risikoen ved for meget demokratisering, og behovet om at opbevare data med unikke adgange. Diskussionen falder også på politik op imod arbejdet af data og mitigation af selv samme. 
52.48-1.01.56: Konkrete eksempler på implementerede løsninger og algoritmer i Københavns Kommune
1.01.56-1.07.27: Hvor skal Københavns Kommune hen? Herudover diskuterer vi politisk påvirkning, key take-aways og stiller afsluttende spørgsmål

Vært: Mathias Møller Damgaard 

#23 Velliv - Moderne pensions selskab, vinder af Danish Digital Awards, fundamentet som base og hvorfor data-demokratisering ikke altid er godt

I 23. episode af EDB 5.0 kommer Heidi Vest fra Velliv på besøg. Heidi har en finansiel baggrund fra CBS og troede hun skulle være investment banker, men endte i stedet med at finde glæde i data-arbejdet. Det blev til en stilling hos ATP hvor hun arbejdede med business intelligence, indtil hun kom ind i Velliv og skulle være med til at drive data-agendaen der, og udvikle intelligente løsninger. Det dykker vi ned i, i denne episode.

*Der bliver fejlagtig nævnt i introen at Heidi er chef for data & kunstig intelligens. Det hedder Data & Analytics.

Shownotes:
00.00-19.37: Indflyvning til Heidi og Velliv. Fra business woman til data-ansvarlig. Hvordan kan tech hjælpe Velliv, og hvordan foregår en top-down approach når change skal drives?
19.37-21.38: Hvad er IA i Velliv?
21.38-28.02: Danish Digital Awards vindere. Velliv vandt en pris for "Intelligent Kunderådgivning" - den pris og data-arbejdet bag, dykker vi ned i.
28.03-32.23: Hvordan gør man sine løsninger bæredygtige? Vi diskuterer også vigtigheden af at bygge sit fundament før man hyrer en hel hær.
32.23-37.10: Hvordan kommer man ind og får sin organisation til at spille sammen, så man kan arbejde med data på tværs?
37.10-43.08: Demokratisering af data. Fordele og ulemper. Vi diskuterer også data governance og compliance.
43.08-46.48: Er demokratisering af data unødvendig kompleksitet?
46.48-52.49: Heidis tre key take-aways i arbejdet med data, både fra Velliv og ATP

Vært: Mathias Møller Damgaard

#22 Schultz - Kunstig intelligens til forudsigelse af langtidsledige, Danmarks ældste IT-virksomhed, data i det offentlige og uhensigtsmæssig profilering af borgere

I 22. episode af EDB 5.0 kommer Alex og Rasmus fra Schultz i studiet. Schultz er Danmarks ældste IT-virksomhed og leverer intelligente løsninger til det offentlige. Vi dykker ned i de intelligente løsninger Schultz leverer, og diskuterer især en: en kunstig intelligens til jobcentrene som kunne forudsige langtidsledige. Der var kun et problem: den profilerede borgerne. Hvordan tweeker man så sin model?

Shownotes:
00.00-36.25: Intro til Alex & Rasmus, definition af IA, opbygning af modeller, samt transparens, træning og forudindtagethed i disse
36.25-38.54: Hvilke typer løsninger Schultz leverer og til hvem? Udfordring af KMD
38.54-1.02.22: Udvikling af en brugbar og transparent kunstig intelligens til jobcentrene, som skulle løfte beskæftigelsesområdet. Problemet var at den profilerede borgerne, og kommunerne var bange for at bruge algoritmen, og jobkonsulenterne kunne ikke forklare hvorfor maskinen sagde som den gjorde. Hvad gør man herfra?
1.02.22-1.14.41: Hvad kan man lære? Hvordan skal man lave modeller i et offentligt perspektiv? Hvad mangler vi ellers at få svar på?

Vært: Mathias Møller Damgaard

#21 Enversion - Fra ambulance-redder til anvendelse af ML indenfor HealthTech, to konkrete cases AI kan løse i sundhedsvæsnet og fremtidens HealthTech

I 21. episode af EDB 5.0 kommer Simon Meyer Lauritsen i studiet. Simon arbejder til daglig ved Enversion, og har netop afleveret sin PhD indenfor ML. Simon er gammel ambulanceredder, og mærkede på egen krop alle data-udfordringer i sundhedsvæsnet. En af dem kostede faktisk en borgers liv. Det ville Simon lave om på, og hjælper i dag os alle sammen ved at levere intelligente løsninger til sundhedsvæsnet.

Shownotes:
00.00-11.00: Intro til Simon, og hvorfor han er relevant for EDB 5.0. Vi diskuterer rejsen fra ambulance-redder til PhD i Machine Learning og arbejdet med HealthTech fra et holistisk perspektiv
11.00-17.19: Døds-ulykke som katalysator for Simons ærgerrighed for at levere intelligente løsninger. Vi taler også om problemet med sundhedsvæsnet og det manglende data- og patientsamarbejde på tværs
17.19-22.57: Hvad er IA i sundhedsvæsnet?
22.57-39.14: Eksemplificering af en af de cases Simon har løst i sundhedsvæsnet, og hvordan design-sprints har hjulpet det. Vi diskuterer også læger vs AI
39.14-55.59: Eksemplificering af en anden case som Simon har været med til at løse. Vi vender blandt andet hvordan øje-scanninger kan forudsige bl.a. Alzheimers og hjerte-kar sygdomme. Vi dykker også ned i de anvendte teknologier.
55.99-58.44: Hvilke læringer har Simon haft, fra ambulance-redder til PhD og praktisk anvendelse af ML i sundhedsvæsnet?
58:44-1.03.25: Hvordan ser fremtiden ud indenfor HealthTech?

Vært: Mathias Møller Damgaard

#20 MedTronic - HealthTech, Algoritmer i sundhedsvæsnet, Ny C20 virksomhed indenfor sundhedsdata og den danske olie

Vi har i 20. episode af EDB 5.0 besøg af Adam Hede, som til dagligt arbejder for MedTronic, som er en global leder indenfor medicinske teknologier, serviceydelser og løsninger. Adams udførende arbejde foregår på Rigshospitalet, hvor han arbejder med sundhedsdata, og holdninger er klar: indenfor 5-10 kommer der en ny dansk C20 virksomheden indenfor arbejdet med sundshedsdata, for det er den danske olie. Vi diskuterer også tech-modeller og data-etik i sundhedsvæsnet.

Shownotes:
00.00-24.44: Intro til Adam og MedTronic samt arbejdet med anvendelse af data på Rigshospitalet
24.44-27.28: Hvordan kan vi skabe en dansk C20 virksomhed indenfor sundhedsdata, når den danske model ikke kan eksporteres på grund af forskellige landes tekniske infrastruktur?
27.28-35.42: Syntaxscore og Mace. To velopbyggede modeller som alle data scientists kan forstå. Hvordan kan de understøtte missionen og hvad er deres svaghed? Vi diskuterer også tweeking af de to modeller, samt forskning vs modeller.
35.42-40.39: Hvorfor er det data-etisk at algoritmer skal understøtte læge-arbejdet? Kan patienterne føle sig trygge ved det?
40.39-45.18: Hvordan kommer fremtidens lægevidenskab til at se ud?

Vært: Mathias Møller Damgaard

#19 Erik David Johnson - Kunstig intelligens til at forudsige churn, filosofi og teknologi, modstand mod Big tech, forskning i AI og udfordringer med NLP og NLU

I 19. episode af EDB 5.0, kommer Erik David Johnsson i studiet. Udover at arbejde med kunstig intelligens i praksis til daglig, har Erik også forsket i det, og har gennem de to kanaler dannet sig et stort overblik og en holistisk tilgang til AI, hvilket har udmøntet i klare holdninger. Erik blander filosofi og teknologi, og taler især også ind i de udfordringer vi møder med kunstig intelligens.

Shownotes:
00.00-05.22: Intro til Erik og et modigt statement
05.22-12.52: Hvordan arbejder Erik med AI, herunder et eksempel med kunstig intelligens til at forudsige churn. Vi taler også om motivationen for at arbejde med AI, og så synes Erik også at folk arbejder forkert med data
12.52-14.42: Hvad er IA ifølge Erik? Vi taler også om generalisering af data
14.42-22.13: Super AI, og herunder problemet. Hvad kommer det aldrig til at kunne? Har vi ramt et plateau? Sprogforståelse vs oversættelse. Teknologi og filosofi.
22.13-32.26: Hvad er der galt med sprogteknologi i dag, og hvordan løser vi det? Erik tager udgangspunkt i den kognitive semantik, for at diskutere forståelsen på et højere plan og tilgangen til tech. 
32.26-40.54: Kobling af menneskelig referenceramme ind i sproget
40.54-49.11: Modstridende holdning af big tech. Hvorfor siger Erik, samt to af verdens førende universiteter indenfor AI noget modsat af big tech? 
49.11-51.21: Tre afsluttende pointer om NLP og outtro

Vil du læse mere om Eriks forskning, kan det gøres her: http://erk.dk/min-forskning/ 

Vært: Mathias Møller Damgaard

#18 Tidl. Carlsberg - Hvordan starter man rejsen i sin organisation? Hvilke faldgruber er der? Hvordan identificerer man de gode cases?

I 18. episode af EDB 5.0, har vi Flemming Levy i studiet, som startede intelligent automation rejsen i Carlsberg i 2018. Flemming har været ansat i Carlsberg siden 2003, og har arbejdet med IT hele sin karriere - han var derfor manden som fik ansvaret for at starte det op. Tidligere har vi haft Anders Falk Frandsen i studiet, som i dag er lead på IA agendaen i Carlsberg, så hvis man vil høre mere om hvad de laver i dag, kan vi anbefale at lytte til den.

Flemming kommer dog fra et andet perspektiv, og kan virkelig tale ind i alle de ting man skal være opmærksomme på når man starter automatisering op, og i shownoterne under, kan du se hvad vi taler om hvornår.

Shownotes:
00.00-04.48: Hvem er Flemming og hvad er hans baggrund?
04.48-06.25: Hvad er IA? Hvilke teknologier findes, og hvor vigtigt er det at undersøge mulighederne på forhånd?
06.25-10.59: Hvordan startede Carlsberg? Hvilket scope lagde man, og hvilke tanker gjorde man sig?
10.59-26.58: Hvilke ting man skal være opmærksom på inden man starter - inddelt i tre steps. Hvordan identificerer man de gode cases? Hvad betyder kommunikation, og hvilke værktøjer valgte Carlsberg? Vi taler også om vigtigheden af at få "top management" med ombord. 
26.58-41.45: Hvilke faldgruber er der, og hvilke faldt Carlsberg i? Flemming diskuterer især vigtigheden af at dokumentere fordelene.
41.45-46.24: Tre gode råd og afsluttende samtale

Vært: Mathias Møller Damgaard

#17 Grundfos - Data is king, IoT, fra konsulenthus til interne projekter, AI og forskellene på interne og eksterne projekter

I 17. episode af EDB 5.0 har vi Anders Lindmand Christensen, som til dagligt leder Grundfos' Center of Excellence, som arbejder med RPA og IPA.

Vi diskuterer de to begreber, datakvalitet, IoT, rejsen fra økonomi til automatisering, hvad Grundfos kan på det intelligente område, hvor de er på vej hen, og Anders' råd og holdninger.

Shownotes:
00.00-20.25: Intro til Anders, Grundfos, teknologier og datakvalitet: data is king
20.25-24.30: Bag om Grundfos
24.30-28.55: Fra økonomi til automatisering
28.55-39.19: Hvor startede Grundfos og hvilke udfordringer har de mødt? Fra konsulenthus til interne medarbejdere
39.19-53:40: Hvor er Grundfos i dag, og hvor er de på vej hen? Hvor står de på AI-scenen og hvad er forskellene på intern og ekstern AI?
53:40-1:07:15: Hvilke ting ville Anders gerne have vidst, og hvad kigger Grundfos ind i?

Vært: Mathias Møller Laugesen

#16 Boliga x DinGeo x Rapidolabs - Arbejdet med offentlig data for at hjælpe boligkøbere, skyggekort, geo-data og data-etik

Velkommen til 16. udgivelse af EDB 5.0.

Med i studiet er Christina Eiby Jensen, Henrik Rasmussen og Peter Riisager (som ringer ind fra Schweiz). De kommer med hver deres vinkel. Christina som digital chef og med et forretningsmæssigt perspektiv. Henrik som ekstern udvikler af "skyggekortet", hvor han ved hjælp af offentlig data kan fastslå hvordan skyggerne falder på den bolig man overvejer at købe. Slutteligt er Peter med, som har udviklet DinGeo - så man kan se geodata i det område man vil købe bolig.

Vi taler meget om data-etik, hvordan man anvender offentlig data samt hvordan Boliga konstant arbejder med data for at give boligkøbere nye features.

Shownotes:
00.00-14.23: Intro til Boliga og deres features, Henrik, Christina og Peter
14.23-36.41: Skyggekortet - hvad er det, hvad kan det, hvordan anvendes data og hvordan får man data?
36.41-58.48: Arbejdet med geodata, hvad det betyder for bolighandler, Geoprisen, og introduktion til data-etik
58.48-1.09.08: Fremtidige features og data-etik. Skal man vise offentlig data, blot fordi man kan? Hvad ved kunderne om den data som ligger tilgængelig om dem? 

Vært: Mathias Møller Laugesen

#15 Ekstra Bladet/Dansk Data Science Community - (Dansk) NLP, Recommended Systems, Transformer modeller, Dansk Data Science Community og meget mere

Manden behøves ikke den store introduktion. Machine Learning ingeniør hos Ekstra Bladet, og driver til dagligt Dansk Data Science Community (DDSC), som får en kæmpe anbefaling fra EDB 5.0. Kasper Junge er med som gæst i denne episode, og det er han primært som DDSC-facilitator, selvom vi også taler om Ekstra Bladet.

Vi taler om NLP og recommended systems på Ekstra Bladet og generelt, transformer modeller, neurale netværk, supervised og self-supervised learning, open source modeller og selvfølgelig Dansk Data Science Community. Skulle du være relativt ny i disse termer, forklarer vi dem også alle sammen undervejs, så alle kan være med.

Shownoter:
00.00-05.13: Intro til Kasper, Ekstra Bladet, NLP og Recommended systems
05.13-19.35: Vejen ind på Ekstra Bladet, Recommended systems og NLP på Ekstra Bladet, Kaspers vej ind i data-miljøet (hint: den kom igennem en uddannelse som tømrer), deep learning til algoritmer for Oticon og neurale netværk
19.35-34.21: Hvordan fungerer NLP i praksis på Ekstra Bladet? Hvordan får man tekster og billeder ind i en matematisk model? Vi taler også om transformer modeller og forskellene på supervised og self-supervised learning.
34.21-48.22: Open source modeller, dansk NLP, RøBÆRTa, et fælles community og annotering af data-sæt
48.22-57.06: Dansk Data Science Community

Vært: Mathias Møller Laugesen