Examensarbete: Standardiserat träningsscript för AI-modeller

AI-modeller spelar en allt större roll i Bolagsverkets verksamhet – men arbetet med att träna dem kan vara både tidskrävande och osammanhängande. Det här examensarbetet syftar till att ta fram en enhetlig, automatiserad process för modellträning och publicering, med hjälp av ML-Flow och Airflow. Målet: ökad kvalitet, spårbarhet och effektivitet i hela AI-livscykeln.

Bakgrund

Bolagsverket använder AI-modeller i flertalet applikationer idag och det kommer att öka framåt. Varje modell-typ tränas på olika sätt, beroende på underliggande arkitektur och typ. För att förenkla träning av befintliga modeller och uppsättning av nya modeller, tänker vi att det går att generalisera träningsscripten, så att alla modeller följer samma rutiner.

Problembeskrivning

De modeller Bolagsverket tar fram ska publiceras i ML-Flow, som är ett repository för AI-modeller. Det ger oss en central lagringsyta för modeller och spårbarhet kring hur modellerna tränats. ML-Flow är redan uppsatt och används, men de script/metoder som används för modellträning kan skilja sig åt rejält. Uppdraget är alltså att bidra till en robustare metodik för modellträning. I vissa fall ska träningsjobben också automatiseras med verkyget AirFlow.

Område

• Machine Learning.
• Systemutveckling.
• Kuberneetes.

Kompetens

Examensarbetet är lämpligt för studenter inom civilingenjörsprogrammet i datateknik, systemvetenskap eller närliggande. Förslaget gäller på kandidat- eller masternivå, beroende på studentens tidigare erfarenhet och kompetens. Studenten bör ha kunskaper i programmering och AI.

Kontakt

Isak Ågren och Emil Brolin.