Felicia & Andreas har exjobbat med ML-modeller för avvikelser i fordons loggdata

Felicia och Andreas är två tidigare Norrköpingsbor som båda sökte sig till Lund för sina universitetsstudier. I våras återvände de till Norrköping för att göra sitt exjobb tillsammans här på Gaia. Nu är de nästan klara och vi har passat på att ställa några frågor till dem för att få veta mer!

Hej Felicia & Andreas, vad gör ni när ni inte är på Gaia och exjobbar?

Felicia: Hej! Jag pluggar Teknisk Fysik på Lunds universitet och har valt att ta min master i maskinintelligens. När jag inte pluggar gillar jag att vara ute i naturen och att springa! Dessutom började jag spela piano under pandemin och försöker hålla det uppe.

Andreas: Jag pluggar Teknisk Matematik i Lund, med en master i bildanalys och maskinintelligens. Utanför plugget umgås jag mycket med familj och vänner, och spelar padel ibland. Förutom det så har jag även ett stort fotbollsintresse!

Kul! Hur har det varit att göra exjobb på Gaia?

Felicia: Jag hade praktik på Gaia för ungefär ett år sedan och jobbade dessutom deltid under hösten 2021, vilket fungerade väldigt bra. Därför kändes det kul att komma tillbaka och göra exjobbet här också. Jag uppskattade att jag direkt visste var jag hade mina handledare Sara och Hasse, och vi har haft väldigt bra kommunikation. Jag och Andreas har jobbat både på plats och remote, vilket har fungerat väldigt bra. Men det är såklart roligast att komma hit till kontoret och få träffa alla gaianer.

Andreas: Jag har inte jobbat här innan som Felicia, men alla har varit väldigt välkomnande. Sara och Hasse tog till sig våra inputs och vi hade en dialog för att forma exjobbet tillsammans. Det kändes kul att vi fick vara med och påverka, så att jag och Felicia fick jobba med något vi ville samtidigt som det blev bra från Gaias håll.

Vad handlar exjobbet om?

Andreas: Vi har jobbat med bussars loggdata. Det är nämligen så att saker som händer ombord på bussar loggas i stora dataservrar. När något inte går som det ska blir det fel i loggarna och Gaia ville kunna detektera dessa avvikelser. Därför har vi utvecklat en anomalidetektor som ska fungera i realtid, så att bussen ska kunna varna när något är fel medan den är ute och kör. Annars upptäcks sådant först om man analyserar data i efterhand.

Spännande, berätta mer!

Andreas: Vi har gjort en övergripande modell som har några machine-learning egenskaper i sig. Till det använder vi en typ av neuralt nätverk, flera olika klustringar och visualiseringstekniker för att hitta det som ser konstigt ut i datamängden. Vi slog ihop alla delarna för att kunna bygga vår realtidsmodell. Dock var det rätt svårt i början för vi hade ingen märkt data att utgå ifrån. Det gjorde att vi inte visste vad som var en avvikelse.

Felicia: För att få märkt data hade det krävts att någon manuellt gör märkninar – antingen ”normalt” eller ”avvikande” data. Då hade det kunnat användas för att ta reda på hur procentuellt bra en modell fungerar. Vi har istället fått använda oss av andra steg för att testa vår modell, som att simulera avvikelser i efterhand för att se hur bra modellen fungerar. För att kunna hitta svåra avvikelser har vi velat göra en väldigt generell modell som hittar en mängd olika avvikelser. Därmed blev det lite annorlunda struktur på modellen mot vad vi trodde från början, men ändå en väldigt spännande twist på den.

Hur tycker ni att det har gått?

Andreas: Även fast det varit jobbigt när vi inte haft märkt data, har det varit kul att få den prövningen. Många unsupervised modeller, det vill säga modeller utan märkt data, använder ändå märkt data när de evalueras. Eftersom vi inte haft det att träna modellen på, har vi inte vetat om vår modell är bra eller dålig. Det var därför vi kom fram till att vi behövde använda simulerade avvikelser. Genom att undersöka om modellen kunde identifiera dessa avvikelser utan att den visste om dem från början, så går det att kontrollera att den fungerar. Vi har fått väldigt bra resultat nu mot slutet, så det är kul.

Felicia: Det har varit väldigt roligt att gräva sig ner i ämnet och att vi fått jobba med ett ämne som är så hands-on på det vi pluggar. Vi har hela tiden fått hitta lösningar för att komma runt avsaknaden av märkt data. Det har varit en stor utmaning, men nu känns det som att vi kommit fram till något bra som faktiskt kan användas. Anomalidetektorn är just nu i ett teststadie, men kan med några tillägg av specialfallshantering enkelt implementeras i någon av Gaias applikationer.

Har ni några tips till andra studenter?

Felicia: Våga ställa krav på att få göra det du vill under exjobbet. Gör något som du tycker är roligt, på ett företag eller med handledare som du fungerar bra med. Det har varit jätteskönt att ha bra handledare på Gaia, men också bra akademiska handledare på universitetet.

Andreas: Arbetslivet är inte som ett projekt i skolan, det finns inga svar eller färdiga mallar att följa. Underskatta inte dina akademiska handledare, de hjälper till väldigt mycket. Ta vara på chansen att du har ett halvår till att göra vad du vill, så gör något du tycker är spännande och kul!

Vi tackar Felicia och Andreas för deras tid på Gaia, det har varit riktigt roligt att ha dem här och spännande att få följa arbetet under tidens gång. Är du också nyfiken på exjobb hos oss? Hör av dig till info@gaia.se för att prata mer.