Maja Karlsen
- Telefon: +47 98 76 54 32
- E-post: maja.karlsen@email.com
- Sted: Oslo, Norway
- LinkedIn: maja-karlsen-ai
Sammendrag
Ledet utviklingen av en prediktiv modell for nettverksytelse som reduserte nedetid med 15% for et telekommunikasjonsselskap. Spesialist med syv års erfaring innen maskinlæring, dyp læring og avansert dataanalyse, med fokus på å utvikle innovative algoritmer for komplekse problemstillinger. Bevist evne til å publisere forskningsresultater i anerkjente fagfellevurderte tidsskrifter og bidra til banebrytende prosjekter.
Arbeidserfaring
Senior Forsker i Datavitenskap, Telenor Research -- Fornebu, Norway
September 2020 – nåværende
-
Utviklet og implementerte maskinlæringsmodeller for å optimalisere nettverkskapasitet, noe som resulterte i en 10% forbedring i dataoverføringshastighet.
-
Ledet et team på fire forskere i utviklingen av en sanntids anomalideteksjonssystem for nettverkstrafikk, som reduserte responstiden på sikkerhetshendelser med 20%.
-
Publiserte tre artikler i anerkjente konferanser (f.eks. NeurIPS, ICML) om dyp læring for tidsseriedata og dens anvendelse i telekommunikasjon.
Forsker i Kunstig Intelligens, SINTEF Digital -- Oslo, Norway
August 2017 – August 2020
-
Designet og implementerte nevrale nettverk for bildegjenkjenning i industrielle inspeksjonsprosesser, noe som forbedret defektdeteksjonsnøyaktigheten med 25%.
-
Bidro til et EU-finansiert prosjekt om selvkjørende systemer, med ansvar for utvikling av algoritmer for sanntids persepsjon og beslutningstaking.
-
Mentorerte to masterstudenter i deres forskningsprosjekter innen maskinlæring og dataanalyse.
Utdanning
Universitetet i Oslo, Ph.d. i Informatikk – Spesialisering i Maskinlæring og Kunstig Intelligens -- Oslo, Norway
August 2013 – Juni 2017
Norges teknisk-naturvitenskapelige universitet (NTNU), M.Sc. i Datateknikk -- Trondheim, Norway
August 2011 – Juni 2013
Ferdigheter
Programmeringsspråk: Python (Scikit-learn, TensorFlow, PyTorch), R, Java, C++
Maskinlæring og Dyp Læring: Supervised Learning, Unsupervised Learning, Reinforcement Learning, Konvolusjonsnettverk (CNN), Rekurrente Nevrale Nettverk (RNN), Transformere, Generative Adversarial Networks (GANs)
Dataanalyse og Visualisering: Pandas, NumPy, Matplotlib, Seaborn, SQL, Tableau
Plattformer og Verktøy: AWS, Google Cloud Platform (GCP), Docker, Git, Kubernetes, Jupyter Notebooks
Forskningsmetodikk: Statistisk modellering, Hypotesetesting, Eksperimentell design, Vitenskapelig publisering
