Bli bedre kjent med Henrik Nyhus

Kan du kort beskrive stillingen og oppgavene dine?

Jeg jobber som senior data scientist og tech-lead på et prosjekt for Equinor. Der jobber jeg tett med utviklere og UX-designere hvor jeg har ansvar for den overordnede arkitekturen og koordinering av arbeidet mellom dev, UX og data science.

Kan du fortelle litt om prosjektet/prosjektene du har jobbet med i det siste?

OMNIA.prevent er en plattform for utstyrovervåking ifm. produksjon og utvinning av olje, gass og fornybar energi. Vi har utviklet en skalerbar maskinlæringsplattform for modeller basert på tidsrekke sensordata som håndtere alt fra initiering av en modell, trening, deployment, prediksjoner og events gjennom en rekke APIer, tjenester og GUIs. Stikkord her er MLOps.

Hvor jobber du mest, på kontoret, på hjemmekontoret eller ute hos kunder?

Jeg har hatt hjemmekontor siden april 2020. Det var ikke optimalt å sitte på kjøkkenet i Bergen sentrum, så jeg flyttet til Voss i juni i år for å få litt fredeligere omgivelser og bedre plass. I forbindelse med den månedlige fagdagen kommer jeg gjerne til Bergen dagen før og jobber fra kontoret til Sonat.

Har du jobbet på samme sted hele tiden?

For Sonat så har jeg også vært på prosjekter for Rolls-Royce, Cutters og Framo.

Når begynte du å jobbe som data scientist?

Jeg begynte å jobbe som data scientist for Schlumberger/OneSubsea i 2014.

Hvor gammel var du da du først begynte å lære deg programmering?

Det var under studiene for omtrent 10 år siden.

Hva slags utdannelse har du?

Jeg har en mastergrad i statistikk fra UiO og en bachelor i statistikk fra LMU München.

Hvilken pc-plattform/OS foretrekker du selv å bruke?

Unix (linux, macOS).

Hvilke programmeringsspråk benytter du?

Python og R.

Hva er favorittspråket og hvorfor?

R er fantastisk for databehandling, wrangling, visualisering og modellering av prototyper.

Python egner seg bedre i produksjon hvor forskjellige tjenester skal snakke sammen. Dessverre er det blitt mer og mer vanlig å bruke Python+Jupyter Notebooks også til EDA, noe som etter min mening ikke er det beste valget. Python brukes fordi de fleste “data scientists” i dag ikke kan R, og Python uansett blir foretrukket i produksjon.

Hvilke to verktøy greier du deg ikke uten, og hvorfor?

PyCharm og RStudio. Veldig bra IDEs for henholdsvis Python og R.

Hva slags oppgaver liker du best å jobbe med?

Utforskende dataanalyse, visualisering, data wrangling og databaseoperasjoner.

Hvordan sørger du for å holde deg faglig oppdatert?

Sonats fagdager+fagmiljø, forskjellige nyhetsbrev, facebook-grupper og blogger. I tillegg så har jeg flere tidligere studiekamerater og venner som driver med det samme og vi har et eget Slack-workspace hvor vi deler erfaring og hjelper hverandre.

I hvilken grad har metoder og teknologier som DevOps, maskinlæring, nettsky og konteinere endret måten du jobber på?

MLOps er i prinsippet det som dikterer hvordan jeg tenker at arkitekturen for et skalerbart maskinlæringrammeverk skal se ut og fungere. Containere, APIer, databaser og mikrotjenester er viktige bestanddeler av et slikt rammeverk.

Ser du noen trender framover som virkelig vil forandre hverdagen til utviklere?

Hjemmekontor og større integrering av ferdige ML-løsninger hos de store skyleverandørene.

Hvilke teknologier eller fagområder skulle du gjerne kunnet mer om?

Utviklerne er veldig flinke til å sette opp testmiljøer. Dette kan data science og MLOps med stor fordel lære mer om.

Hvor mye programmerer du på fritiden?

Work hard, play hard. Jeg har en aktiv livsstil og føler jeg sitter nok foran en datamaskin i løpet av arbeidstiden. Det hender ofte at jeg hjelper venner og bekjente med et datasett eller en problemstilling, og da får jeg freshet opp R-skillsene mine. Det er alltid kjekt.

Har du noen (andre) hobbyer?

Det blir mye ski, topptur, paragliding, speed-flying, jakt og generelt friluftsliv.

Hva gleder du deg mest over ved å jobbe som data scientist?

Det er ALLTID noe nytt og lære og masse som skjer både på den faglige og tekniske fronten.

Opplever du at jobben som data scientist har noen negative sider?

Med hjemmekontor (på kjøkkenet) ble ofte jobben med inn i fritiden. Det er heldigvis en enkel løsning på det: Det beste en utvikler eller data scientist kan gjøre for seg selv er å skaffe seg et dedikert kontor.

Hvorfor er du en “Sonater”?

Jeg setter stor pris på kollegene mine i Sonat. Det er en gjeng flinke, blide og gøyale folk. Selv om jeg ikke ser så mye til dem i hverdagen, så er det alltid god stemning på den månedlige fagdagen eller de årlige større sosiale treffene vi har. Fagmiljøet for data science er spesielt sterkt, og det er få, om noen, som kan måle seg med dette i norsk sammenheng.