Sådan arbejder en Data Scientist

— Elpriserne er stabile i mellemniveau næste uge, lidt lavere om natten. —

Grundlaget for mine prognoser i Grønnere elforbrug er ‘maskinlæring’. Jeg tager historiske data, fodrer dem ned i en værktøjskasse, der bygger en model. Jeg tegner en slags landkort over elpriser. Når så jeg har fremtidsdata for vind, sol med videre, så lader jeg en computer kigge på det landkort, og ser, hvor vi kører hen i morgen.

Den tilgang er noget jeg har samlet op over de seneste ti plus år, men hvordan gør man, hvis man er uddannet indenfor området?

Min ven Vlad er nyuddannet kandidat i Data Science fra SDU, og jeg kom til at udfordre ham på at få bygget en solcelleprognose.

Dagen efter havde han en prototype klar – og det blev en anden metode. Her er historien om hvordan man bygger en model, hvis man er faguddannet:

—

1. Jeg bruger solens position på himlen. Det var let, mit værktøj indeholder en funktion ‘GetSunlightPosition’. Funktionen regner solens position baseret på dato og tid. Solens vinkel kombineret med vinklen på et solcellepanel giver den maksimale produktion fra panelet.

2. Jeg henter vejrdata gratis fra Open meteo, da jeg tænker at de er langt bedre til at forudsige hvor meget sol der er med deres super computere end jeg kan med min bærbare.

3. Så gik jeg i gang med at undersøge den teoretisk maksimum solcellen kan optage ud fra vejret på dagen.

4. Jeg skal bruge nogle data at træne modeller på, så jeg fisker solcelle kapacitets data fra energinets hjemmeside og bruger det til at udregne total produktion for Danmark.

5. Eftersom jeg bruger en gratis service er min geografiske opløsning grov, så jeg kan kun få et målepunkt for hver kommune. Det hele er afhængigt af vejr modeller som Open Meteo bruger. Hvis man kan finde bedre modeller, så vil det være mere præcist.

6. Jeg bruger ikke machine learning til denne eller deep learning, kun data modellering. Mere avancerede metoder kan bruges til at justere modellen når vi har bedre vejrudsigt.

7. Til sidst lagde jeg løsningen ind i et visualiseringsværktøj, så man kan få tegnet grafer ud fra et givet punkt på kortet.

—

Vlads metode overraskede mig noget. Normalt vil man tage historiske data og forsøge at få dem til at hænge sammen, det er det man kalder ‘læring’. Her har Vlad studeret den fysiske verden, og bygget en model af hvordan den virker. Det er betydeligt nemmere, og mere præcist end gætværk ud fra historiske data.

Når det virker!

Tak for kigget. Vlad er nyuddannet, og søger job. Kontakt os, hvis du kender til et relevant job indenfor en time fra Vejle.

MVH

Henrik

Elfluencer