Ingrid Solberg

AI-ingeniør med spesialisering i maskinlæring og MLOps

📧[email protected] 📞+47 912 34 567 🔗https://ingridsolberg.no
📍Storgata 45, Oslo, Oslo, Norge, 0182
LinkedIn: @ingridsolberg GitHub: @ingridsolberg

Grunnleggende informasjon

AI-ingeniør med seks års erfaring fra utvikling og produksjonssetting av maskinlæringsløsninger. Jeg kombinerer solid teoretisk bakgrunn med praktisk erfaring innen dyp læring, naturlig språkbehandling og skybasert MLOps.

  • Utvikler skalerbare AI-tjenester fra idé til produksjon, med fokus på robusthet, ytelse og kostnadseffektivitet

  • Erfaren med å lede tekniske prosjekter og veilede utviklere i tverrfaglige team

  • Brenner for ansvarlig AI, åpen kildekode og formidling av komplekse fagområder på en forståelig måte

Utdanning

Norges teknisk-naturvitenskapelige universitet (NTNU)
Master, Kunstig intelligens, Poeng: 3,9/4,0
  • Fordypning i maskinlæring, dyp læring og sannsynlige modeller

  • Masteroppgave om effektiv trening av nevrale nettverk for norsk tekst

  • Gjennomførte flere tverrfaglige prosjekter med industripartnere

Kurs: Maskinlæring, Dyp læring, Sannsynlighetsmodeller, Naturlig språkbehandling, Forsterket læring, Datavitenskap, Optimalisering, Statistikk
Universitetet i Oslo
Bachelor, Informatikk, Poeng: 3,8/4,0
  • Grunnleggende utdanning i informatikk med sterk vekt på algoritmer og programmering

  • Tidlig erfaring med dataanalyse og vitenskapelig metode

  • Aktiv i studentforeningen for teknologi og samfunn

Kurs: Algoritmer og datastrukturer, Programmering, Databaser, Operativsystemer, Statistikk, Lineær algebra

Arbeidserfaring

Fjord AI AS
Senior AI-ingeniør
  • Leder utviklingen av en norsk språkmodell for kundeservice, fra datainnsamling til produksjonssetting

  • Designet MLOps-pipeline med automatisk trening, evaluering og utrulling på Kubernetes

  • Reduserte inferenskostnadene med 35 prosent gjennom modellkomprimering og caching

  • Veileder tre utviklere og bidrar til teknisk strategi for AI-plattformen

Nøkkelord: Maskinlæring, MLOps, LLM, Kubernetes
Schibsted
AI-ingeniør
  • Utviklet anbefalingssystemer for nyhetsinnhold med fokus på relevans og mangfold

  • Bygget datapipelines i Spark og Airflow for daglig prosessering av store datasett

  • Samarbeidet med produktteam om A/B-testing og evaluering av modellkvalitet

  • Bidro til å etablere selskapets retningslinjer for ansvarlig AI

Nøkkelord: Anbefalingssystemer, Spark, Airflow, A/B-testing

Språk

Norsk: Morsmål eller tospråklig nivå
Nøkkelord: Morsmål
Engelsk: Fullt profesjonelt nivå
Nøkkelord: TOEFL 105
Tysk: Begrenset arbeidskunnskap
Nøkkelord: Grunnleggende

Ferdigheter

Maskinlæring: Ekspert
Nøkkelord: Python, PyTorch, TensorFlow, Scikit-learn, Statistikk
Dyp læring og NLP: Avansert
Nøkkelord: Transformers, LLM, Hugging Face, SpaCy, Embeddinger
MLOps og sky: Avansert
Nøkkelord: Docker, Kubernetes, MLflow, Azure, AWS
Dataengineering: Viderekommen
Nøkkelord: SQL, Spark, Kafka, Airflow
Ledelse og formidling: Avansert
Nøkkelord: Prosjektledelse, Teknisk veiledning, Agile, Presentasjon

Utmerkelser

Beste masteroppgave i kunstig intelligens
NTNU

Tildelt for masteroppgaven «Effektiv trening av nevrale nettverk for norsk tekst» ved Institutt for datateknologi og informatikk.

Sertifikater

Microsoft Certified: Azure AI Engineer Associate
Microsoft
AWS Certified Machine Learning – Specialty
Amazon Web Services

Publikasjoner

Norsk språkmodell for kundedialog – erfaringer fra produksjon
NIKT 2023
  • Deler erfaringer fra utvikling og drift av en produksjonssatt norsk språkmodell

  • Beskriver evalueringsmetoder for relevans, trygghet og språkkvalitet

  • Oppsummerer arkitekturvalg og kostnadsoptimalisering i sky

Prosjekter

Norsk LLM for kundeservice
Åpen kildekode-basert språkmodell tilpasset norsk kundedialog
  • Finjusterte en åpen språkmodell på norsk kundedialog med personvernhensyn

  • Bygget evalueringssett og automatiske tester for hallusinasjon og tone

  • Implementerte sikkerhetsfiltre og menneskelig gjennomgang før produksjon

Nøkkelord: LLM, Norsk, Kundeservice, Personvern
Prediktivt vedlikehold for maritim sektor
Modell for å forutsi vedlikeholdsbehov på maritimt utstyr
  • Bearbeidet sensordata fra skip og bygget tidsseriemodeller for feilprediksjon

  • Utviklet dashboards for vedlikeholdsteam og tekniske fagpersoner

  • Reduserte antall uplanlagte stopp i piloten med 18 prosent

Nøkkelord: Tidsserier, Prediktivt vedlikehold, Sensorer, Maritim

Interesser

Friluftsliv: Fjellturer, Skiløping, Kajakk
Musikk: Piano, Jazz
Samfunn: Åpen kildekode, Teknologiformidling

Frivillig arbeid

AI Norge
Frivillig mentor
  • Veileder studenter og nyutdannede som ønsker å bygge erfaring med maskinlæring

  • Holder workshops om praktisk AI-utvikling og ansvarlig bruk av data

  • Bidrar til å arrangere månedlige fagkvelder og nettverksmøter