Från civilingenjör till industridoktorand
Björn Norén doktorerar vid Mittuniversitetet, där han kombinerar sin bakgrund i datateknik med forskning kring hur AI kan effektivisera hanteringen av loggdata för att förbättra system och användarupplevelse.
Kan du berätta kort om din bakgrund?
Jag har läst Civilingenjörsprogrammet inom Datateknik här på Mittuniversitetet. Det var en bred utbildning där vi fick även studera Artificiell Intelligens, och efter studierna har jag bland annat jobbat på Valmet’s R&D där vi utvecklade program som skulle styra maskiner mha AI. Idag jobbar jag hos GDM där jag utför min forskning.
Hur kommer det sig att du gör din doktorsexamen vid Mittuniversitetet?
Jag har läst på Mittuniversitetet sedan tidigare och det är ett universitet som jag varmt rekommenderar. Lärarna är professionella och universitetet är modernt och relativt litet, vilket bidrar till att de kan snabbt anpassa sig till modern teknik. Sedan så är jag väldigt passionerad av AI, så att få möjligheten att doktorera var något som jag inte ville missa.
Vad gjorde dig intresserad av programmet?
Att doktorera innebär att man får chansen att verkligen fördjupa sig i ett viss ämne, och att jobba med AI tycker jag är jättekul. AI är dessutom en ganska ny bransch, så det är inte jättelätt att hitta långvariga tjänster i Sundsvall för stunden. Därför kändes det här helt rätt då det är en tjänst på minst 2 år där man får chansen att verkligen specialisera sig.
Vad innebär det att vara industridoktorand?
Att vara industridoktorand innebär att man genomför sin forskarutbildning i nära samarbete med ett företag eller en organisation. Det innebär att forskningen är starkt kopplad till praktiska tillämpningar och att man ofta arbetar både på universitetet och inom industrin. Målet är att forskningen ska gynna både den akademiska utvecklingen och företagets behov, vilket skapar en direkt koppling mellan teori och praktik.
Vad handlar dina forskningsstudier om?
Företag lagrar och hanterar idag stora mängder data, där en stor del är i form av loggar. Dessa loggar kan innehålla nyttig information om hur systemfel kan hanteras eller förbättra användarupplevelser för användare som brukar tjänster, men mängden data kan vara överväldigande för människor så förhoppningen är att AI ska förenkla analysen genom att automatiskt identifiera mönster och avvikelser. Mitt arbete fokuserar på att utveckla AI-modeller som effektivt kan tolka dessa loggar, vilket hjälper företag att snabbare upptäcka problem, optimera systemprestanda och förbättra användarupplevelsen.