Om episode
Vi gästas av Hampus Londögård, Senior Machine Learning Engineer och Team lead på Verisure. Verisure är ett av världens ledande aktörer inom hemlarm.När man utvecklar maskininlärningsmodeller vill man såklart att de ska vara så bra som möjligt. Men när modellen sitter på en Internet of Things enhet, med begränsningar på batteri och minne, då ökar komplexiteten enormt. Hur gör man modellerna så snabba, minnessnåla och korrekta som möjligt? Och dessutom hanterar all känslig data på rätt sätt? Lyssna och lär!Har du någon fråga eller feedback, mejla datastudion@datadao.se!Verktyg och begrepp som nämns i podden:PIR: passive infrared sensordatabricks: data platformMedaljong-arkitektur: brons, silver, guldDelta Lake: Lakehouse data platform (open source)S3: Amazon Web Service (AWS) objekt lagringRight to be forgotten: rätten att få sin personliga data bortglömdAI Act: EU’s nya lagförslag för att reglera användandet av AIEmbedded: inbyggda system som är utvecklade för en viss uppgift, skrivna i lågnivåspråkRefaktorisera kod: omstrukturering av kod för att förbättra kvalitén Hosted on Acast. See acast.com/privacy for more information.