Hvad kickstartede din interesse for kodning og teknologi? Og hvornår?

Det lå ikke i kortene, at jeg skulle arbejde med tech. Som barn og teenager skiftede jeg mening hele tiden; jeg har både villet være dyrlæge, advokat, landmand og jockey – og en hel masse andre ting. Men det, der holdt ved længst tid, var drømmen om at blive jægersoldat. Det skete dog ikke… Faktisk kom jeg ikke engang igennem session, og så måtte jeg jo finde ud af, hvad der så skulle ske.

Jeg tog først en uddannelse som kontorassistent, og det var slet ikke mig. Men jeg gennemførte, imens jeg brugte tiden på at finde ud af, hvad jeg så skulle lave. Jeg overvejde både nanoscience og global business engineering, men jeg endte med at vælge ICT Engineering på VIA University College. Interessen for tech kom lidt hen ad vejen, fordi jeg var begyndt at spille meget computer og synes det kunne være mega sejt at skrive kode selv.

Hvordan lærte du at skrive den første kode og hvad handlede dit første kodningsprojekt om?

Hvis man ikke tæller simpelt HTML på Myspace og Arto med, så var det faktisk på den første dag på studiet. Indtil da havde jeg ikke skrevet en eneste linje kode ud over det simple HTML, man lavede på sine profiltekster på sociale medier. Jeg lavede heller ikke hobbyprojekter ved siden af studiet, mens jeg studerede, så mit første egentlige kodeprojekt var det første jeg løb ind i på studiet. Det blev vist kodet i Java og det var et lille program, der kunne simulere et lager, hvor man kunne tage varer ud, lægge varer ind og holde styr på, hvad der lå hvor.

Generelt har jeg faktisk aldrig rigtig haft hobbyprojekter. Jeg er sådan en all-over-the-place-type, der har masser af forskellige interesser. Når jeg kommer hjem, laver jeg derfor alt muligt andet – læser bøger, maler akvarelmalerier, spiller brætspil, spiller playstation eller hvad der nu lige har fanget min interesse. Jeg har ikke oplevet, at det har været en hindring for mig, at jeg ikke har hobbyprojekter eller har kodet noget før, jeg startede på studiet. 

Hvordan fik du dit første professionelle IT-job og hvad var din rolle?

Mit første job var umiddelbart efter studiet, hvor jeg blev ansat som fullstack-webudvikler. Jeg var med til at udvikle software til både frontend og backend, og det var faktisk et skift i teknologi fra det, jeg kom fra. Mit studie var primært baseret på Java og der var ikke så meget frontend. I mit første job skulle jeg lave en masse frontend og blev også præsenteret for C#, så det var en helt ny verden.

I månederne op til afleveringen af min bachelor, skrev jeg en skabelon på en ansøgning, som jeg kunne bruge til at søge en masse jobs. Derefter gik jeg i gang med at researche hvilke virksomheder, jeg fandt spændende og relevante for mig at arbejde i. Jeg sendte både uopfordrede ansøgninger, men jeg søgte også opslåede stillinger (også selvom de ikke var henvendt til nyuddannede). Jeg endte med at blive indkaldt til flere samtaler og fandt også et sted, som jeg synes lød interessant og med gode muligheder for læring. På den måde havde jeg faktisk allerede en underskrevet kontrakt på et job to måneder før, mit studie var færdigt og jeg startede mandagen efter, at jeg havde fået mit eksamensbevis.

Hvad er det sjoveste ved at kode? Og hvad er det sværeste?

Det sjoveste er helt klart det kreative og følelsen af at bygge eller skabe noget. Det er lidt den samme følelse, jeg fik som barn, når jeg legede med LEGO. Jeg elsker at sidde og rode rundt i kode for at få noget til at virke. Og jeg elsker at fejlsøge – hvis der er en fejl, så går der totalt Sherlock Holmes i mig, indtil jeg har fundet ud af hvorfor og hvordan, det kan fikses.

Det sværeste er, at feltet er så stort og udvikler sig så hurtigt, at man altid føler sig lidt dum og lidt bagud. Impostor syndromet lever i bedste velgående i den her branche, for der er ingen, der kan følge med i det hele, så man skal ligesom komme overens med, at læringen varer evigt, og at man ikke kan vide det hele – og at det faktisk heller ikke er nødvendigt. Det er okay ikke at vide alt om alt.

Hvad vil du anbefale andre, som gerne vil lære mere om kodning, teknologi og digitalisering?

Kast dig ud i det og lav noget, som, du synes, er sjovt. Kunne det være skægt at lave en app, der kan generere random billeder af enhjørninger? Go for it! Eller hvad med et program, der kan holde styr på hvilke kasser i dit kælderrum, du har hvilke ting i? Go for it! En hjemmeside, der kan sammenligne vejrudsigter? Go for it! Seriøst, the sky is the limit.

Det vigtigste er ikke at lade sig overvælde! IT og kodning er et kæmpe område med uendelige muligheder – og du behøver ikke at vide det hele for at komme i gang. Hvis det virker uoverskueligt, så find nogle simple tutorials på youtube, hvor du kan kode med, imens nogen fortæller dig, hvad der bliver gjort og hvorfor… Og så byg det!

Kodning er både sjovt og relevant

Det har aldrig været Mathildes ambition, at kodning skulle ende ud som et fast arbejde. Hun havde lyst til at lære, fordi det var sjovt, og fordi hun tænkte, at det kunne blive relevant for hendes senere arbejdsliv.

”Jeg drømmer om at blive projektleder eller at arbejde med forretningsudvikling. Rigtig gerne indenfor IT. Derfor tænker jeg, at det både er relevant og nødvendigt, at jeg lærer noget programmering, så jeg kan tale og forstå programmørernes sprog. Også selvom jeg ikke selv skal udvikle,” forklarer hun.

Det betaler sig at række ud

Mathildes ønske om en kodeklub ledte hende til sit første opslag på LinkedIn.

”Jeg tænkte, at LinkedIn ville være den bedste platform til den slags opslag, fordi det er muligt at komme ud at ramme mange mennesker. Og det lykkedes for mig. Jeg fik vildt mange positive tilbagemeldinger og opbakning.”

På bagkant af opslaget opstod så kodeklubben bestående af seks kodenysgerrige.

”Jeg har virkelig lært, at det kan betale sig at række ud. Det er altid muligt at finde gode tilbud, et godt netværk og hjælp, hvis man ønsker. Så man skal ikke være bange for at gøre det. ”

 Vi kan gøre ting i fællesskab

Kodeklubbens har mødtes fast hver mandag, hvor de har sparret med hinanden og hygget sig om kodningen. Den seneste tid har det været sjældnere, da flere medlemmer er begravet i bachelor- eller specialeskrivning.

”Selvom vi har en travl periode, hvor vi ikke ses lige så ofte, er det klart ambitionen, at det skal op at køre mere fast igen, når vi har mere tid, ” fortæller Mathilde.

Udover de faste møder, har kodeklubben også haft glæde af hinanden til forskellige arrangementer. Blandt andet har de i samlet flok været til en af Co-coders codenights.

”Det er virkelig fedt at kunne tage til den slags events med nogen, man kender, i stedet for at komme alene. Vi har fået et godt fællesskab, hvor vi også kan tale om andre ting, og hvor vi er blevet trygge ved hinanden. Det gør også netop, at man godt tør stille de dumme spørgsmål.”

AI/kunstig intelligens, machine learning/maskinlæring, data science… Kært barn har mange navne og er det egentlig det samme eller der forskel? Alle taler om det, men hvor mange bruger det?

Og hvad skal der til for, at man kan sige: ”nu har jeg en AI…”?

Når man bevæger sig i kredse, hvor der ofte bliver talt om AI, erfarer man hurtigt, at der findes cirka lige så mange fortolkninger af AI, som der findes mennesker, der taler om det. I et forsøg på at finde en objektiv, entydig og veldefineret beskrivelse af AI har jeg både googlet, spurgt ChatGPT og set en masse Youtube-videoer. I min søgen har den bedste (og mest udbredte) beskrivelse været, at

Denne beskrivelse giver i og for sig mening, men hvis man tænker lidt nærmere over det, så er den stadig lidt diffus og upræcis… Fordi hvad er menneskelig intelligens egentlig? Og hvordan definerer man, hvorvidt en opgave normalt udføres af mennesker?

Selvom beskrivelsen ikke er en præcis definition, er det heldigvis således, at AI eller kunstig intelligens ofte i daglig tale bruges omkring teknologier, der baserer sig på machine learning modeller og dermed data og algoritmer og DET er heldigvis veldefineret 😊 Så lad os tale om machine learning i stedet…

Machine learning

Machine learning er et begreb, som dækker over en samling metoder baseret på matematiske beregninger udført i en bestemt rækkefølge – også kaldet en algoritme. En algoritme er en slags opskrift, hvor hvert trin i opskriften hjælper computeren med at blive klogere på de data, der er tilgængelige. Data kan i denne sammenhæng ses som en slags erfaring, som computeren lærer fra vha. algoritmen.

Data kan være billeder, tekst eller tal, som algoritmen hjælper computeren med at finde mønstre og tendenser i. Det kan f.eks. være billeder af tal, hvor trinene i algoritmen hjælper computeren med at kunne kende forskel på 1-, 2-, 3- og 4-taller osv.

Når vi som mennesker har lært noget på baggrund af en erfaring, vi har fået igennem nogle oplevelser (som også kan ses som data), kan det stadig ske, at vi tager fejl. F.eks. kan et 1-tal ligne et 7-tal, hvis det er skrevet sjusket, og lægerne kan også være uheldige at komme med en fejldiagnose, hvis symptomerne er atypiske. Det er vigtigt at huske, at det samme gælder for machine learning modeller eller såkaldt AI. Outputtet af en machine learning model er altid en forudsigelse og modellen kan I visse tilfælde tage fejl.

Når man arbejder med machine learning og især hvis man har planer om at implementere modellen i et kritisk område – f.eks. indenfor diagnosticering af kritiske sygdomme eller kritisk infrastruktur såsom elnettet – er det vigtigt, at machine learning modellen eller AI’en i et vist omfang overvåges af mennesker, så man kan opdage, hvis modellen tager fejl eller bevæger sig i en uhensigtsmæssige retning.

Vi kan hurtigere og nemmere opnå bedre resultater, hvis vi bruger computere og machine learning, men computerne kan ikke stå alene. De bedste resultater opnåes ofte, når man sikrer, at det er et samspil imellem mennesker og teknologi.

Den mest simple form for machine learning – lineær regression

De fleste har sikkert lavet lineær regression i gymnasiet. Lineær regression er faktisk en af de mest simple former for machine learning og principperne bag lineær regression kan overføres til næsten alle former for machine learning.

Udgangspunktet for lineær regression er nogle nummeriske målepunkter (tal), som vi har observeret i virkeligheden. Målet med lineær regression er nu at definere en formel for en linie, der beskriver sammenhængen imellem disse målte værdier bedst muligt.

Det klassiske eksempel er en model, der er trænet til at beskrive sammenhængen imellem kvadratmeter i et hus og husprisen, men der er tonsvis af muligheder for at bruge lineær regression til alle mulige forskellige problemstillinger.

I stedet for at vi kaster os ud i en længere tekst omkring lineær regression, har vi linket til en kort video med en af verdens førende eksperter (og en eminent underviser) indenfor machine learning, Andrew Ng, hvor han tegner og fortæller om lineær regression.

Forskellige eksempler på brug af machine learning

I lineær regression bygges modellen op omkring en formel for en lige linie, men det er ikke altid tilfældet, at en linie passer på den problemstilling, man skal løse – en linie er f.eks. ret dårlig til at beskrive forskellige kundegrupper. Den bagvedliggende matematik afhænger altså af den problemstilling, som man forsøger at løse. Derfor skal man, inden man overhovedet kaster sig ud i at lave machine learning, først undersøge hvilken type opgave, man ønsker at løse og hvilke slags algoritme, der giver bedst mening.

Eksempler på kendte problemstillinger, der er blevet løst med machine learning, kan nævnes:

OBS: Man skal se machine learning som et menneske, der har læst en masse bøger, set en masse video og studeret en masse billeder og dermed opnået en masse viden og erfaring fra disse materialer. Fordelen ved computere er, at de kan kigge en masse tekst, billeder, tabeller eller video igennem mange gange hurtigere end mennesker.

Hvis de data, som computeren lærer fra, indeholder forkerte oplysninger, kan machine learning modellen ikke vide bedre, hvilket er en af årsagerne til, at det er vigtigt at bygge machine learning modeller på gode data, der indeholder korrekte data uden bias. Det er derfor vigtigt, at man altid forholder sig kritisk både til de data, man fodrer machine learning algoritmen med, samt det svar, som machine learning modeller returnerer.

Piger spiller Sims, og drenge spiller skydespil

Thea har interesseret sig for gaming, siden hun var barn, hvor hun som eneste pige sad og spillede Counter Strike med drengene i frikvartererne.

”Dengang var det meget sådan, at pigerne spillede Sims, og drengene spillede skydespil. Jeg spillede også skydespil, og derfor faldt jeg lidt uden for”, fortæller Thea, der ikke lod sig stoppe af at være eneste pige. Det motiverede hende tværtimod til at blive bedre.

”Jeg har nok sådan en modvillighed og fandenivoldskhed, der gør, at jeg kaster mig ud i ting, selvom jeg er usikker. Jeg skulle fanme ikke være den eneste pige, der spillede, og så også være den dårligste.”

Det var en kæmpe succesoplevelse for Thea, da drengene anerkendte, at hun var dygtig til Counter Strike.

”Samme succesfølelse oplever jeg i dag, når jeg kaster mig ud i noget, jeg er nervøs over og ligesom får modbevist, at jeg ikke skulle kunne det. Det gælder for eksempel mange af de udfordringer, der opstår, når man arbejder i en start-up, ” forklarer Thea.

Vores fællesskab skal være for alle

CinderCat Games er ved at udvikle deres første spil, Glum, som er et førstepersons action-adventure spil. Når spillet formentlig får sin debut i 2024, håber Thea, at det vil lykkes at få opbygget et community for spillet på chatplatformen discord.

”Vi vil sørge for at moderere debatten på discord, så fællesskabet bliver et godt sted at være for alle. Her ser jeg det helt klart som en fordel at vi er forskellige køn og profiler, så vi har en forståelse for, hvordan det er at være modtager fra forskellige vinkler.”

Kvinder kan byde ind med et andet perspektiv

Thea har, ligesom mange andre, hørt historier i medierne fra spilbrancen, hvor kvinder er blevet behandlet dårligt. Hos CinderCat Games gør de meget ud af at have en kultur, hvor de kan tale åbent om den slags hændelser.

”Jeg tænker sjældent over mit køn i vores team. Her bliver det set som en styrke, og vi er også generelt opmærksomme på at erkende hinandens styrker og forskelligheder. Vi tror meget på, at den bedste arbejdskultur og de bedste idéer udspringer af forskellige personligheder og perspektiver.”

Derfor arbejder Thea og de andre fra CinderCat Games med så vidt muligt at tage udgangspunkt i hinandens erfaringer, for på den måde at skabe både en god arbejdskultur og i sidste ende også et godt spilprodukt, som kan gribe brugeren og favne bredt.

Man skal følge det, man kan lide

”Som mange andre var jeg bange for at skille mig ud, da jeg var yngre. Men der er noget fedt ved at turde stå ved og følge det, man kan lide og brænder for, ” siger Thea.

På sin vej gennem uddannelsessystemet har hun hele tiden opsøgt det, hun syntes var spændende. Allerede i gymnasiet skrev hun opgaver om videospil. Også selvom hun dengang ingen idé havde om, at det var i den branche, hun ville ende efter sin uddannelse.

Vi har brug for nogen at spejle os i

Allerede i folkeskolen begyndte Ida Christines interesse for IT så småt at spire, og hun brugte meget tid på skolens computere. Da hun nogle år senere kom på efterskole, ville hun gerne lære at kode, og hun opsøgte den gruppe af drenge på skolen, som var gode til den slags.

”De ville ikke rigtig lukke mig ind i deres kodningsfællesskab, og det blev lidt solgt som om, at jeg da var ’for sej’ til at skulle have lyst til at kode.”

Efter gymnasiet og to sabbatår kredsede Ida Christines tanker stadig om IT, da hun skulle vælge sin videregående uddannelse.

”Jeg vidste, at jeg ikke skulle være udvikler. Her havde jeg stadig en fornemmelse af, at det var et lukket fællesskab. Og der var ingen kvinder på datalogi, som jeg kunne bruge som rollemodeller og spejle mig i.”

Ida Christines valg endte med at falde på informationsvidenskab, som på mange måder kobler IT, samfundsfag og humaniora.

 Alle kan kode, det er bare at kaste sig ud i det

”Der er rigtig mange mennesker, der har en opfattelse af IT som enten trylleri eller astrofysisk, men det er faktisk simpelt. I hvert fald at komme i gang.”

Ida Christine forklarer, at det vigtigste, hvis man gerne vil lære mere om tech, er ikke at lade sig skræmme væk på forhånd. Rigtig mange i branchen er selv autodidakte, og man kommer langt med nysgerrighed og læringslyst.

”Der findes mange forskellige måder at løse de udfordringer, vi kan med it, og derfor er der meget kreativitet forbundet med arbejdet. Derfor er det også vildt vigtigt at få forskellige typer mennesker med, for på den måde ender vi i sidste ende med det bedste produkt, fordi det er udviklet med mange perspektiver for øje .”

Vi kan lære i fællesskab

Noget, som har hjulpet Ida Christine meget med at lære tech og kodning, har været at lære sammen med andre.

”Det er fedt at komme ind i et netværk, hvor andre har lyst til at lære fra sig og give sin passion videre. Det kan et netværk som Co-coders sætte rammerne om og være med til at gøre til virkelighed.”

Vi skyder os selv i foden med vores narrativer

Der er rigtig mange af de narrativer, vi fortæller os selv i hverdagen, som kan være med til at bremse udviklingen mod mere diversitet i tech, forklarer Ida Christine.

”Sådan noget som, at det altid er far der fikser familiens wifi eller hænger lamper op. Mor kan jo også sagtens, men det er ikke sådan, vi gør. Vi skyder os selv i foden med vores faste narrativer. Det kræver en indsats at udfordre dem, men vi skal turde! ”, forklarer Ida Christine og understreger, at der selvfølgelig vil være ting, vi ikke kan fra start, men som vi skal gøre en indsats for at lære i stedet for at lade andre gøre det for os.

Diversitet skal være fremtiden

Digitaliseringen har spredt sig hurtigt de seneste år, og der er efterhånden ikke mange aspekter af vores samfund, som ikke på en eller anden måde er påvirket af digitalisering, og der er kæmpe efterspørgsel på it-specialister i branchen. Derfor er det også mega vigtigt, at tech bliver både divers og inkluderende, forklarer Ida Christine:

Hvad kickstartede din interesse for kodning og teknologi? Og hvornår?

I forbindelse med opbygningen af min første virksomhed blev jeg i 2017 introduceret til Startup Factory, som er et iværksættermiljø for ingeniørstuderende. Dette var første gang, jeg mødte en udvikler og blev introduceret til, hvad det egentlig betød at udvikle software. De lavede apps, VR-spil og Machine Learning. Her sad jeg så over en øl hver fredag og hørte om deres startup-ideer og hvordan de kunne løse alt med kode. En helt ny verden begyndte at åbne sig for mig og et år efter startede jeg min første tech-startup, DecorRaid – Tinder for møbler.

Hvordan lærte du at skrive den første kode og hvad handlede dit første kodningsprojekt om?

Her sad jeg omgivet af udviklere i Startup Factory og besluttede mig for at starte en tech-startup – for mig betød det at være “rigtig” tech-iværksætter, at man kan kode. Jeg spurgte derfor dem til råds om, hvordan jeg kom i gang. 

Det skal dog siges, at det tog mig over et år, før de fik mig overbevist om, at jeg også kunne lære at kode.

Men jeg sprang ud i det og mit første kodningsprojekt var at lave et Recommender System ved hjælp af Machine Learning, der kunne bruges til at anbefale produkter til DecorRaids brugere. Det krævede, at jeg skulle lære Python og jeg lånte derfor bogen “Python for the absolute beginner” og gennemgik den fra start til slut. Men vigtigst af alt så hjalp min nye udviklervenner mig og jeg tog til alle tech-arrangementer, jeg kunne finde bl.a. Co-coders events.

Hvordan fik du dit første professionelle IT-job og hvad var din rolle?

Efter ingeniørstudiet tog jeg en kandidat i Teknologibaseret forretningsudvikling, da det var den eneste kandidat jeg kunne tage der havde noget med tech at gøre. Her fik jeg muligheden for at fordybe mig i Machine Learning, dog uden hjælp til at lære at programmere. Efter færdiggørelse af mit studie gik jeg på deltid med min egen virksomhed og ledte efter et job til at få brød på bordet. Til et af mine første Co Coders arrangementer, kom jeg i snak med Lise Lystlund der står bag Co-coders og fortalte om min virksomhed og det Recommender System jeg havde udviklet til min virksomhed. Hun hjælp mig derefter med at få mit første IT- job som Data Scientist ved Transition. Her skulle jeg arbejde i Python og Power BI. 

Hvad er det sjoveste ved at kode? Og hvad er det sværeste?

Som udvikler kan man være med til at skabe vores fremtid – lige fra optimering af indeklima i de danske folkeskoler til udvikling af apps, der kan hjælpe dig med at finde din næste rejse. Mulighederne er uendelig og der er altid nyt at lære og nye teknologier der opstår. Det er det der gør det spændende at være udvikler. Men der er samtidig også det der gør det svært – man er aldrig færdig med at lære og man føler sig altid lidt bagud. Men her er jeg ved at indse at man må vælge de teknologier man synes er spændende også acceptere at der er mange område man ikke ved noget om og det er okay. 

Hvad vil du anbefale til andre, som gerne vil lære mere om kodning, teknologi og digitalisering?

Hvis du ønsker at komme i gang med at kode selv vil jeg anbefale at finde et projekt du er passioneret omkring også søg rådgivning fra andre om hvilke teknologier, programmeringssprog du skal lære for at udføre dit projekt. Det der har været afgørende for at jeg er nået dertil jeg er i dag er, at jeg har skabt mig et netværk af passioneret udviklere.

Har du også brugt det meste af december på at læse begejstrede LinkedIn-opslag om, hvordan ChatGPT kommer til at forandre verden, som vi kender den? Måske har du endda også brugt din juleferie på at høre venner og familiemedlemmer med enten skræk eller begejstring i øjnene fortælle om deres egne forsøg med netop ChatGPT?

Men hvad er ChatGPT egentlig? Og er det noget, som vi skal frygte eller glæde os over?

Hvad er ChatGPT?

ChatGPT er en chatbot baseret på kunstig intelligens – sagt på en anden måde; ChatGPT er en online service, som man kan stille spørgsmål (som på tech-sprog hedder en ’prompt’), hvorefter ChatGPT vil formulere et svar, som både er realistisk og menneskeligt på trods af, at det kommer fra en computer. ChatGPT kan også svare på opfølgende spørgsmål, så man kan føre en dialog med den og ikke kun få svar på et enkelt spørgsmål.

Du kan f.eks. spørge ChatGPT…

”Nævn tre forslag på aftensmåltider”

Og derefter følge op med…

”Giv mig en indkøbsliste på de tre måltider”

I videoen nedenfor kan du se, hvordan det fungerer i praksis 🙂

Hvordan er ChatGPT blevet udviklet?

ChatGPT er i stand til at give realistiske og menneskelige svar, da teknologien er blevet trænet til at forstå mønstre og tendenser i almindelig menneskelig dialog vha. det, der kaldes machine learning. ChatGPT er altså en machine learning model, som har modtaget en masse information og erfaring igennem en stor portion data og derefter lært, hvordan det skal kommunikere, så det minder om menneskers dialog.

Det er lidt ligesom et lille barn, der observerer hans/hendes forældre. I starten har barnet slet ikke et sprog. Når sproget er på plads, er der måske nogle sociale spilleregler – hvad er passende og hvad er upassende at sige højt – som lige skal finpudses og til sidst er barnet vokset op, har set så mange mennesker interagere og tale med hinanden at både sproget og de sociale spilleregler er på plads. Det er det samme, der sker med data og machine learning – her er det bare matematik og det, der hedder algoritmer, der hjælper computeren på vej.

Når man ser på det på den måde, så er det også nemmere at forstå, hvorfor kunstig intelligens aldrig kan blive bedre end de data, man putter ind i modellen. Hvis et barn vokser op i en verden, hvor vi slår på hinanden og taler grimt til hinanden, vil barnet også kopiere det.

OBS: Der er et blogindlæg om machine learning på vej, så stay tuned og hold øje med bloggen 😉

Vil du redigere et billede i Excel? Eller lave et budget i Paint? Næppe!

Vi har nemlig forskellige programmer, som hjælper os med de opgaver nemt og hurtigt. For på samme måde, som der findes Photoshop til billedredigering, findes der også programmer til programmering. Og de kaldes for IDE’er!

Hvad er et IDE?

IDE står for Integrated Development Environment, og er et program med integrerede værktøjer, der bruges til at udvikle programmer og apps. De gennemgående værktøjer alle IDE’s har er en teksteditor, en compiler og en debugger.

En teksteditor er præcis, hvad navnet tyder på, nemlig der vi redigerer tekst. Det er her, hvor vi har mulighed for at skrive vores programmer i det sprog, vi har lyst til f.eks JavaScript, Python, C#, Java og så videre. 

Al vores kode i skal nu køres af vores computer. Problemet er dog, at computeren ikke forstår, hvad vi har skrevet. Den kan simpelthen ikke læse programmeringssprog fordi, at den kun forstår maskinsprog, som er enkle binære instruktioner. Det vil dog være utrolig svært og besværligt, hvis vi skal skrive vores program i maskinsprog. Derfor skal vi bruge en compiler, som oversætter, hvad vi har skrevet i programmeringssprog til maskinsprog, så computeren forstår det. Vi kan ikke direkte se compileren i IDE’et, men når vi kan vælge at køre eller “run” vores program betyder det, at IDE’et har compiler-værktøjet.

Til sidst af de vigtigste værktøjer en IDE har er debugger-funktionen. Debugging eller fejlfinding er en måde at sikre os, at vores program kører korrekt. Hvis vi ikke får det tiltænkte resultat fra vores program, bliver vi nødt til finde fejlen i vores kode. Denne fejl er, hvad man kalder et “bug”. At debugge er en process, hvor vi først skal identificere problemet, finde kilden til problemet og til sidst enten rette fejlen eller finde en måde at arbejde omkring det. Debugging værktøjet i en IDE gør det muligt for os at trinvis gå igennem vores program og se resultatet af hver linje kode. Hvis man ikke havde et debugging værktøj vil man kun være i stand til at køre hele programmet igennem, og det er derfor sværere at identificere kilden til problemet. 

Hvilket IDE skal jeg vælge?

Der er mange forskellige slags IDE’er, så udvalget kan virke overvældende!

Det du først skal tage stilling til er, hvilket programmeringssprog du skriver i. Nogle IDE’er understøtter nemlig kun specifikke programmeringssprog, hvor andre understøtter flere. Derudover kan nogle IDE’er være platform specifikke, hvilket betyder, at de f.eks kun kan køre på et macOS- eller Windows-system. Dit valg af IDE er derfor baseret på nogle af disse valg, men generelt handler valget også meget om præferencer. Nogle af de features IDE’er kan have er f.eks. autosuggestion når man skriver kode, split-view funktion af en fil, kode-skabeloner, syntax-fejlfinder osv. 

Et startsted i valget af et IDE kan være at søge på dit programmeringssprog + IDE, se hvilke muligheder der er, og derefter bare vælge et at starte med. Du kan altid vælge et nyt IDE, åbne dine filer heri og arbejde videre der.

I Co-Coders arbejder vi tit med det gratis IDE Visual Studio Code, som understøtter mange forskellige programmeringssprog f.eks. Python og JavaScript. 

Opbygningen af et IDE

Når du har valgt, hvilket IDE du vil arbejde i, kan vi se nærmere på opbygningen af et IDE’s brugerflade. IDE’et jeg bruger i det her eksempel er WebStorm lavet af firmaet JetBrains, derfor kan knapperne se forskellig ud i forhold til, hvilket IDE man vælger. Der er dog fællesnævnere i de fleste IDE’er, som vi går igennem her: 

Hvad kickstartede din interesse for teknologi og kunstig intelligens?

Jeg har altid været fascineret af teknologi og fremtiden. Da jeg var lille, var jeg vild med science fiction film og deres tilhørende robotter. Tænk Terminator, iRobot, 2001: A Space Odyssey, Blade Runner og A.I Artificial Intelligence. 

Alle jobs, jeg har været ansat i, har i deres kerne handlet om at hjælpe virksomheder med at ‘træde ind i fremtiden’. Og forstå hvilke muligheder nye digitale teknologier skaber. Jeg bliver altid helt vildt begejstret, når tænker på, hvad vi kan med teknologi og AI lige om lidt, og selvom bias og privacy er en vigtig del af mine overvejelser, så er jeg en kæmpe teknologi optimist. Det synes jeg, der er for få, der tør fejre, at de er. 

Hvordan tog du hul på at lære om kunstig intelligens?

For godt tre år siden besluttede jeg, at nu ville jeg skifte til en karriere indenfor kunstig intelligens. Jeg havde i længere tid gerne ville skifte fra digital til tech, og mulighederne ved kunstig intelligens inspirerede mig på en måde, som andre emner ikke havde kunnet måle sig med. 

På daværende tidspunkt var jeg lige påbegyndt en deltids master i Digital Management på Hyper Island, og jeg havde mulighed for at dreje alle mine opgaver ind på Kunstig Intelligens: AI and new business models, AI and sustainability, AI and diversity, AI and innovation. Sidst på studiet skrev jeg min master vedrørende brugen af AI i danske små- og mellemstore virksomheder sammen med Dansk Industri. Ved siden af mit studie tog jeg Andrew Ng’s kurser i Kunstig Intelligens på Coursera, og læste en masse bøger og artikler. 

Jeg havde en lang periode, hvor jeg tænkte, “jeg skal bare lige tage det her kursus” så kan jeg søge en rolle som konsulent med fokus på kunstig intelligens. Jeg blev ligesom ved med at udskyde det – det var først, da jeg forstod, at de skills jeg havde i forvejen, kunne kombineres med kunstig intelligens, at det rigtigt sagde klik.

I stedet for at tænke at jeg havde behov for tekniske AI færdigheder, begyndte jeg at se, at værdien lå i mine nuværende talenter plus et lag af AI. Og så fik jeg selvtillid!

Så jeg har også lavet en masse fejl i min approach til at skifte karrierer. Derfor er mit bedste råd til andre, at de skal forstå, hvad deres talenter er og så tilføje et lag af AI til det. Det kan være alt fra UX design til markedsføring, finans og projektledelse. 

Hvordan fik du dit første professionelle IT-job, og hvad var din rolle?

Mit første profesionelle IT job var som webdesigner og UX designer. Jeg har altid designet websider, og da jeg var yngre lærte jeg at kode basic hjemmesider med HTML, CSS og JavaScript, og bruge WordPress og Photoshop. Det var de skills, der landede mig mit første job hos InnovationLab. 

Det var et lille team, der skulle starte et digitalt magasin om fremtiden, tech og innovation – min rolle var at designe vores digitale platform, og lede vores udviklere. 

Koder du i dit job eller arbejder du med kunstig intelligens på en anden måde?

Jeg koder ikke i mit job. Jeg arbejder med alle de mange andre opgaver, der er indenfor et kunstig intelligens projekt, og så udvikler mine dygtige kollegaer løsningen. Hos TodAI siger vi ofte, at kunstig intelligens ikke er et teknisk problem, det er et forretningsproblem. Der er nemlig rigtig mange projekter, der slår fejl, fordi virksomheden glemmer, at deres AI projekt skal give værdi til virksomheden og ikke bare være et ophøjet teknologi projekt. 

Jeg hjælper vores kunder med at forstå, hvor i deres forretning der er mulighed for at skabe værdi med kunstig intelligens, sætte det rigtige team sammen, teste idéer og implementere løsningen. Og så får jeg ofte brug for mine UX skills når løsningen skal visualiseres. Derudover så taler jeg til konferencer og kurser om kunstig intelligens, ledelse og forretningen.

Hvilke kompetencer, synes du, er vigtige for at kunne gøre en forskel ude i virksomhederne med kunstig intelligens?

Stort set alle kompetencer giver mening i et projekt, der benytter kunstig intelligens. Man kan sige, at kunstig intelligens er en “cross-functional-team-sport”. Der er brug for et tværfagligt team. Derfor er den vigtigste kompetence at få en generel forståelse for, hvad AI kan og ikke kan. 

Jeg vil gerne slå et slag for alle dem, der ikke har en teknisk baggrund, men som synes kunstig intelligens er spændende. Der er masser af plads til dig og brug for dine kompetencer i den her verden. 

Hvad vil du anbefale til andre, som gerne vil starte en karriere i kunstig intelligens?

• Springet til en karriere i AI er ikke så stort, som du tror. 
• No-code / low-code AI-værktøjer gør indgangbarrieren til hvem, der kan bygge AI, meget mindre
• Hvis du skifter dit karrierefokus til ‘din nuværende position’ + ‘AI’, er du et skridt tættere på fremtiden end andre i samme stilling. 
• Andrew Ng’s kurser i kunstig intelligens på Coursera kan noget, som andre online kurser ikke kan. 
• Tag et kursus i kunstig intelligens eller machine learning hos Co-Coders (selvfølgelig!)

Af piloter til piloter

Min interesse i teknologi startede et par år tilbage ved at følge Y Combinator-programmer, høre podcasts, hele startup økosystemet og lege lidt med programmering. I løbet af de sidste par år har jeg forstørret min viden med iOS app-udvikling, fokusering på digitalt produktudvikling, brugeroplevelse, design og dataanalyse.

I løbet af pandemien blev Søren og jeg opsagt som så mange andre piloter. Søren introducerede mig til sin ide om at bruge data til at påvirke den økonomiske planlægning og brændstofafdækning i flyselskaber. Efter vi havde diskuteret de nuværende produkter, som fokuserer på brændstofeffektivitet, valgte vi at forene kræfter og starte FuelVision. Vi udviklede derefter et proof of concept, der kombinerer både planlægning og brændstofafdækning, som er baseret på vores operationelle erfaring og indsigt.

FuelVisions produkt er bygget af piloter til piloter. Vores mål er at reducere brændstof-udslip gennem en friktionsfri oplevelse, som assisterer piloter i deres dag til dag beslutninger, mens de forbedrer deres færdigheder og kan se deres fremskridt.

Byg noget som skaber værdi for dig

Jeg synes, at en af de mest underholdende og tilfredsstillende dele af at kode er at bygge noget du selv har designet og planlagt, og som skaber værdi for dig. At starte i det små med grundlæggende funktionalitet, der kan gøre dit liv bare en smule lettere, kan have en stor indflydelse og motivere dig til at fortsætte med at forbedre dine færdigheder. 

Jeg tror, ​​at den sværeste del for mig, da jeg begyndte at udvide min baggrund inden for teknologi, var, når jeg nogle gange ikke helt forstod et problem. Det var en udfordring at blive ved med at fortsætte og samtidig udfylde de huller på vejen.

Selvom jeg startede med “native development” (software, som kører specifikt på en bestemt platform eller enhed f.eks Android eller iOS) besluttede vi os for at vælge React Native (software, som kan køre på tværs af platforme). Det gav mig en unik mulighed for at dykke ned i udvikling på tværs af platforme og JavaScript, samt at fortsætte min læring understøttet af mine mentorer, online ressourcer og mit team.

Fællesskab og generøse mennesker er vejen frem 

Mentorskaber er et godt sted at lære, jeg vil også anbefale at gøre brug af fællesskaber og open source, som er tilgængeligt derude. Da vi startede FuelVision var jeg meget positivt overrasket over, hvor generøse mennesker er, de vil gerne dele ressourcer og er villige til at hjælpe. Og sidst, relateret til mit svar om at starte i det små, at være for over-ambitiøs, når du begynder at lære enhver form for færdighed, kan ødelægge din motivation. Jeg fandt, at det at sætte mål og milepæle var meget gavnligt for mig, da jeg kunne se mine fremskridt.