Høyskole og Universitet

#Deep Learning #Deep Q-Learning #Python #Reinforcement Learning #TensorFlow

Romforskning og bemannede romoppdrag har lenge vært en kilde til fascinasjon og nysgjerrighet for mennesker. Å utforske nye planeter og måner er en av de mest spennende utfordringene innen moderne teknologi. I dette prosjektet har vi fokusert på å utvikle et kontrollsystem for et romfartøy som skal lande autonomt på en måne-lignende planet. Romfartøyet og miljøet foregår i et simulert miljø utviklet av OpenAI. Vi har brukt kjente grener innen maskinlæring, som reinforcement learning og deep learning, for å trene en selvstendig agent som kan lande autonomt av seg selv, uten direkte instruksjoner. For å utfordre agenten og sørge for at den lærer å håndtere kompliserte situasjoner, har vi også utviklet en rekke usikkerheter i miljøet på planeten, slik som forskjellig tyngdekraft og vind.

Høyskole og Universitet

#Computer Vision #Convolutional Neural Networks #Deep Learning #Generative Adversarial Networks #Keras #Python #TensorFlow

Med økende enkelhet og kvalitet på generering av data med kunstig intelligens, blir det stadig mer vanskelig å vite hva som er ekte eller ikke. Generering av falsk media har både bruk og misbruk, men i begge tilfeller er evnen til å skille mellom ekte og falskt viktig på grunn av deres potensielle samfunnsmessige innvirkning. En del av dette prosjektet gikk ut på å anvende toppmoderne maskinlæringsalgoritmer til å generere syntetiske menneskeansikter som ikke finnes fra før. Genereringen av ansikter ble utført med ferdigtrente modeller som StyleGAN3, en kjent generativ modell. Den andre delen av prosjektet gikk ut på å utvikle og anvende algoritmer som kunne skille mellom ekte ansikter og de genererte ansiktene. I tillegg ble det utviklet algoritmer kjent som "Adversarial attacks", som har som mål å lure en deteksjonsmodell til å tro at et falskt ansikt er ekte, og omvendt.

Samferdsel

#DAX #Power BI #Power Query M #Python #MapShaper #MapBox

Den eksisterende Power BI-plattformen ble opprinnelig designet for kollektivtrafikkmyndighetene i Norge, og derfor granularitet på rapportering ned til grunnleggende statistikkenheter for Norge. For å gjøre det mulig for svenske kollektivtrafikkmyndigheter å få innsikt i reisendes bevegelser, måtte en ny struktur på plass. En stor del av arbeidet gikk ut på å kartlegge eksisterende informasjon som Geohash til statistiske enheter egnet for Sverige. For å muliggjøre rapportering på kart ble polygonfiler for alle granularitetsnivåer i Sverige opprettet og implementert i Power BI-rapportene.

Samferdsel

#CI/CD #DevOps #Power BI #Power BI Deployment Pipeline #Sharepoint

Med flere titalls datasett og hundrevis av rapporter er det viktig å ha en god overordnet struktur for organisasjonens Power BI-plattform. Alle datasettene og rapporten ble først organisert i en egnet sharepoint-struktur som muliggjorde separate områder for utvikling, iscenesettelse og produksjonsfiler. For å sikre kontroll på Power BI-plattformen, ble arbeidsområder dedikert til hver ekstern kunde delt inn i utvikling, iscenesettelse og produksjon som kontrolleres av Deployment Pipelines. Ved å bruke Deployment Pipelines, kunne selskapet sikre rask utvikling av nye rapporter, samt enkel oppdatering av eksisterende rapporter.

Samferdsel

#DAX #Data Warehouse #Microsoft SQL server #Power BI #Power BI Report Builder #Power Query M

En stor norsk organisasjon hadde vanskeligheter med å utnytte sine enorme datamengder om operasjonene og ba om hjelp til å få innsikt. Databasen hvor dataene ble lagret besto av flere hundre tabeller som inneholdt varierende informasjon om deres daglige drift. En stor del av prosjektet var å utforske den underliggende databasen, få en forståelse og utforme databasespørringer etter de nødvendige dataene. Dataene som ble samlet inn ble bygget inn i et Power BI-datasett og en omfattende modell for å koble sammen de forskjellige kildene ble gjort. Sluttresultatet av prosessen var en Power BI-rapport som for første gang kunne gi konsolidert datadrevet innsikt om driften. Rapporten viser tydelig hvilke ruter, områder og avgangstider som er lønnsomme og hvor de ikke er det. Dette er første gang selskapet kan koble kostnader og inntekter ned til enkeltavganger. Rapporten brukes som en kilde til å ta viktige beslutninger på toppnivå i selskapet.

Høyskole og Universitet

#API #MongoDB #React #Node #EnTur API

Det konseptuelle utviklingsprosjektet ble ledet med Agile metodikk og Scrum som prosjektledelsesrammeverk. Målet var å utvikle en full-stack web-applikasjon for reiseplanlegging. Resultatet av prosjektet var en web-applikasjon kalt "ViaVy", som var en omfattende reiseplanlegger fra A til Å. Applikasjonen inneholdt sanntidsinformasjon om forskjellige kollektive transportmetoder, slik at brukerne kunne planlegge reiser på en enkel og effektiv måte. Teknologiene som ble brukt i prosjektet inkluderte React for frontend, Node.js for backend og MongoDB som database. Prosjektet omfattet også integrasjon med EnTur API for å få tilgang til sanntidsinformasjon om transporttilbud. Den endelige web-applikasjonen tilbød en enkel og intuitiv brukeropplevelse, med en rekke funksjoner for å hjelpe brukerne med å planlegge reiser på en effektiv måte. Applikasjonen ble designet med hensyn til brukervennlighet og tilgjengelighet, noe som gjorde det enkelt for alle å bruke den.

Høyskole og Universitet

#Python #MapBox

I dette prosjektet utførte vi dataanalyse av flere COVID19-datasett som skulle prosesseres og kombineres for å få en bredere forståelse av pandemien. Flere COVID19 datasett ble bearbeidet for å kunne sammenligne geografiske forskjeller i ulike diagrammer og geografiske kart. Analysene ble fokusert på å vise spredningen over tid, både for dødsfall og sykdom. Prosessen med å kombinere datasettene krevde en data engineering-tilnærming, der dataene ble prosessert og kombinert på en slik måte at de kunne analyseres effektivt. Dette resulterte i en omfattende dataanalyse med diagrammer og geografiske kart som viste geografiske variasjoner i spredningen av COVID19.