Etikettarkiv: maskininlärning

Ian Goodfellow’s PhD Defense!

Tjena tjena! Med en thesis på 96 sidor utan plots, ett grymt demo och en fet presentation så är jag näääästan helt klar! Tillbaka till livet och bloggandet alltså 😉

Tänkte dela en video idag inom maskininlärning, och det är lite extra teoretiskt denna gång. Ian Goodfellow är en av de yngsta pionärerna inom maskininlärning och eftersom jag håller på att förbereda min egna thesis presentation, så tänkte jag dela med mig av hans PhD defense, som är riktigt grymt! Check it out yo!

 

Mitt exjobb – Rekommendationer & Deep Learning

Mitt exjobb handlar om musik och rekommendationer med hjälp av deep learning. Rekommendationer är ett problem som nästan alla företag och tjänster sysslar med just nu och är nästan tvungna att integrera i sina tjänster.

Jag ville dela med mig av en riktigt grym video om deep learning som ni borde se för att få ett litet inblick i området:

 

Exjobb

Tjeeeenatjeeena!

Idag har vi en dag som många läsare har längtat efter – det är alltså dags för exjobbsrevealen. Jag har fått många kommentarer, mail och frågor om vart jag ska exjobba. Jag har en personlig regel att inte avslöja något förrän kontrakt är skrivet och helst när man är på plats, så det är främst därför jag inte har revealat något förrän nu!

Idag börjar jag att exjobba på Spotify i Stockholm!
I am #joiningtheband! 

Efter att ha diskuterat med en massa företag och flera offers så valde jag att gå efter min dröm – att få jobba med musik, teknik och maskininlärning! Jag var rätt kvick och styrde upp detta redan i Oktober, så du kan tänka  Under detta halvår under 2017 kommer jag att vara på plats på Spotify’s högkvarter i Stockholm och få jobba med ett grymt team som har hand om mycket av maskininlärningen som händer på företaget.

Exjobbet kommer att handla om maskininlärning, djupinlärning och musik! Titeln för mitt exjobb är preliminärt Context Aware Personalized Music Recommendation. Säg att du har en ande som säger du får önska dig att skriva om precis precis precis vad du vill – då hade jag önskat detta och det har vart min primära motivation under höstterminen.

Det här är verkligen en dröm som blev verklighet. Jag har vart intresserad av musik sedan jag var en liten pojk vid sex års ålder när jag var med skolkören och spelade fiol och slösade resten av min tid på att lära mig mer om teknik och datorer (och spela en massa spel såklart). Sedan dess så har jag arbetat på diverse sidor och bloggar som en musik kritiker där jag har skrivit en massa recensioner, skapat en massa musik och album art och vart lite mer involverad i musikindustrin.

Det här är verkligen min grej. Jag kan en del om hur industrin fungerar och har några kontakter inom industrin. Har flera vänner som är musikintresserade och kan sitta i flera timmar och diskutera musik eller allt som har med det att göra. Det är något jag verkligen brinner för! 

Tacksam, är det minsta jag kan säga att jag är. Jag är tacksam, glad, positiv och är riktigt taggad på att få lära mig en massa nytt om musik, musikindustrin, maskininlärning och djupinlärning, och minst sagt få arbeta i en grym miljö med ett grymt team och riktigt schyssta personer som har samma intresse som mig!

Dreams do come true, so continue working until they do!

Lev och lär som en maskin

Tjabba!

Detta inlägg handlar om det enorma området Maskininlärning som man hör från höger och vänster i industrin just nu.

Är du en nyfiken person? Tycker du om att leta efter mönster och korrelationer? Vill du rädda mänskligheten? Då kanske maskininlärning är något för dig!

Vad är maskininlärning då? Wiki säger

Machine learning is a subfield of computer science that evolved from the study of pattern recognition and computational learning theory in artificial intelligence. In 1959, Arthur Samuel defined machine learning as a ”Field of study that gives computers the ability to learn without being explicitly programmed”.

Maskininlärning kommer vara relevant resten av våra liv och det är verkligen en investering på framtiden att specialisera sig inom området. Men, enligt min erfarenhet, så måste du brinna för det. Matten och statistikkunskaperna måste sitta på plats och du måste träna dig att lösa och tänka på problem på ett annorlunda sätt, jämfört med klassiska algoritmer.

Som ni tidigare kanske vet så är mitt specialiseringsområde inom maskininlärning på datateknikprogrammet här på KTH. Min kandidatuppsats är inom maskininlärning, och jag planerar att skriva mitt exjobb inom maskininlärning med.

Men varför? Varför går jag inte maskininlärningsmastern? Bra fråga! Maskininlärning är ett relativt nytt område för institutioner runt om i världen, och vi på KTH är extremt lyckligt lottade att det finns professorer som har hjälpt till att forma ett riktigt grymt masterprogram inom området och ledande forskare inom området. Problemet för mig är titeln.
Med ett diplom inom Computer Science eftertraktas man som en allmän ingenjör inom datateknik, medan maskininlärningsmastern presenterar dig som en statistisk nisse som är riktigt duktig på det som händer i teknikvärlden just nu.
Absolut, du kan köra en maskininlärningsmaster och hamna som en backend, webb eller mobil utvecklare, men antagligen är det inte målet du har i sikte med detta val.
Just därför valde jag att köra på Datalogi-mastern, med väldigt många kurser och projekt inom maskininlärning. Hade jag valt master om två eller tre år, så hade jag nog valt maskininlärningsmastern.

Vem vet, kanske dags för master #2 senare i livet (eller en doktorand, så att folk kan säga ”dr” eller ”professor” före ditt namn, hur coolt skulle inte det vara?!), men tills vidare återgår jag till plugget för att bli klar med den första!

Länkar

Masterprogram, Maskininlärning – kursplan
Maskininlärning, grundkurs 6hp

Relevant video