Victor Bäckman

Succé för YH-läraren Victor Bäckman

23 januari 2019, IHM Business School

Han belönades med toppbetyg från alla sina studenter! Snart kanske han även kan belöna sig med sitt livs första semester. Möt den tekniktokige AI-konsulten som vill utveckla allt han ser – från skolklasser till båtmackar.

Vi talar med Victor Bäckman som just hållit sin första kurs på IHM.

– Grattis, Victor, till det fina omdömet! Hur har det varit att lära ut statistik på IHM?
– Det har varit väldigt kul att lära ut till den här klassen! Det är en skön grupp med bra atmosfär, alla verkade tajta och öppna med varandra. De ville mycket, vilket förenklade för mig.

– När de 14 studenterna poängsatte din kunskap i ämnet och din förmåga att lära ut så satte allihop fem av fem möjliga i betyg. Hur gjorde du?
– Det är så klart väldigt kul att höra. Jag tror mycket på att sätta nivån rätt från början, speciellt med matten, för om man tappar den i början så är det svårt att hinna ikapp.

En viktig del är att bädda in problemen i exempel som man kan relatera till. Ett annat knep är att konstant öka svårighetsgraden; vissa kanske tycker det är utmanande, men går man i konstant uppförsbacke så kommer man också väldigt högt. Jag är imponerad av hur mycket de lyckades lära sig på den här korta tiden.

– Vad lockade dig till lärarrollen från början?
– Min inkörsport från början var den ideella föreningen Intize som hjälper gymnasie- och högstadieelever med matten. Jag läste en kurs i pedagogik, och hade sedan fem elever under ett halvår som jag hjälpte en gång i veckan med matten, små räknestugor kan man säga. Därefter jobbade jag ett år som lärare på en gymnasieskola i Kungsbacka, och det visade sig vara väldigt kul och givande.

– Hur har din pedagogik utvecklats sen dess?
– Jag har lärt mig att ta mycket på uppstuds och att vara mer flexibel. Jag har även lärt mig hur jag lägger jag upp en pedagogisk struktur i ett längre perspektiv. Som vikarie kanske perspektivet är lektionen, men är man lärare är perspektivet hela kursen eller till och med ännu längre.

– Men du arbetar inte vanligtvis som lärare?
– Nej, just nu jobbar jag på ett företag som heter Advectas, det var genom dem jag höll i statistikkursen på IHM. Vi jobbar endast med data; samlar ihop datakällor, analyserar datan och bygger Machine Learning (AI) och liknande. Rent konkret så arbetar jag mycket med att åka ut och presentera för kunder vad AI är för någonting och hjälpa dem hitta rimliga initiativ som snabbt ger affärsvärde.

– Och hur beskriver du AI?
– AI, Artificiell intelligens är den här mer generella filosofiska tankesättet över skapad intelligens. Det är inget nytt utan har diskuterats sedan de gamla grekerna. Att AI är stort i dag beror på Machine Learning.

Maskininlärning innebär att man lär en maskin mönster genom algoritmer baserade på data, och dessa mönster kan man sedan utnyttja i olika tillämpningar, exempelvis en datadriven kundsegmentering. Tack vare digitaliseringsvågen finns det väldigt mycket data idag, och därför finns ett brett användningsområde för Machine Learning.

Ett specialfall av Machine Learning som är väldigt intressant är Deep Learning, alltså en inlärning som är väldigt djup och tar sig an väldigt komplexa mönster. Deep Learning kräver dock väldigt mycket beräkningskraft och väldigt mycket data.

Exempelvis på Youtube så sprids väldigt mycket material av bloggare. Det innebär alltså mycket data på just mänskliga ansikten och via den datan kan man träna upp ett Deep Learning-nätverk till att dels känna igen ansikten och dels skapa nya ansikten. Därmed kan man utifrån en snabb skiss av ett ansikte skapa ett nytt unikt verklighetstroget ansikte.

Det finns väldigt många olika tillämpningsområden för den här typen av Deep Learning. Exempelvis i filmindustrin kan miljöer animeras väldigt fort, dataspel kan skapa verklighetstrogna miljöer och karaktärer utifrån enbart skisser; man kan återskapa brottsplatser, skapa nya kläder, nya produkter.

– Det låter extremt komplicerat?
– Man får ofta höra det, men det är bara matte, och matte är som vilken färdighet som helst, den kan man öva fram. Jag kan inte franska, men det beror på att jag aldrig försökt förstå franska – samma sak är det med matte. Tränar man på matte i många år så blir man duktig på det och sedan kan man tillämpa den.

– Var kommer ditt tekniska intresse från?
– Jag har alltid varit väldigt teknikintresserad, så allt med elektronik var kul när jag var liten. Jag har lödat, pillat och byggt, exempelvis lådbilar. Inom elektroniken kommer jag ihåg att jag satte ihop nätverk med switchar, hubbar och routrar, sedan kom kompisarna och så lanade vi ihop.

Jag gick teknisk linje med inriktning matte och data och sen Chalmers i Göteborg. Jag gick teknisk fysik och på mastern riktade jag in mig på tillämpad programmering av komplexa system (machine learning-algoritmer).

– Du jobbar med AI, utbildar och driver en båtmack på somrarna?
– Ja, jag har jag jobbat där sedan jag var 15 år. När ägaren ville sälja, sålde jag min bil, tog mina besparingar och ett lån och köpte ut den. Nu har jag haft den i sex år och det har varit kul att få utveckla den.

– Hur har macken utvecklats?
– Jag är lite rastlös av mig som du kanske märker. Ytan är nu nästintill maximalt utnyttjad med kajakuthyrning, vattenskotrar, båtuthyrning och ett fik om man vill ha en glass eller kaffe – nu får det inte plats mer. Andra sjömackar är nog heller inte så datadrivna som min, jag har exempelvis prognoser på hur mycket diesel som kommer säljas nästa dag baserat på datum och väder.

Studenterna på IHM fick använda data från macken faktiskt, så de har suttit och analyserat hur båtuthyrning korrelerar med vindhastighet, regn och liknande.

– Hur ser framtiden ut för din mack?
– Den funkade bra att driva den när jag pluggade, men nu när jag jobbar så har jag mindre tid. Jag tänker nog försöka sälja den verksamheten så att jag kan gå på min första semester.

– Din första semester? Någonsin?
– Ja jag har fått ta hand om macken hela somrarna så det har inte blivit någon tid över, haha.

– Vad har du för första semesterplaner?
– Jag älskar att vara på havet, så det kommer bli en båt. Där kan jag kanske sitta och arbeta med lite nya machine-learning prylar, för fler och fler vill ju hoppa på den här AI-resan – och så får jag åka tillbaka till sjömacken ibland och hälsa på.