Dr. Hasan Arief - Forskning og Samarbeid
Hasan Arief, en dedikert forsker innen maskinlæring med kompetanse innen fullstack-utvikling og teknisk prosjektledelse, søker samarbeid for å frigjøre det transformative potensialet til kunstig intelligens (AI). Hans interesser spenner over ulike felt, fra energi og klima til helse. Hvis ditt prosjekt er innenfor disse områdene, ta gjerne kontakt for å utforske samarbeidsmuligheter!
Arief kan bidra med et unikt perspektiv på problemløsning ved å kombinere sin ekspertise innen maskinlæringsforskning og programvareutvikling. Dette gjør at han ikke bare kan designe og implementere softwarearkitektur, men også benytte sin forståelse for data science for å sikre at løsningene er perfekt tilpasset virkelige behov. Hans evne til å tilpasse seg og kontinuerlig lære sikrer at han holder seg oppdatert innen disse raskt utviklende feltene og gir verdifulle bidrag gjennom samarbeid.
Hans nåværende prosjekter eksemplifiserer denne drivkraften. Innenfor NAIC (Norwegian Artificial Intelligence Cloud) er han med på å utvikle maskinlæringsmodeller som bruker høy ytelse for å analysere klimadata for telekoblingsbrukstilfeller. Dette innebærer å identifisere koblinger mellom tilsynelatende ulike klimafenomener på store geografiske avstander. I tillegg er Arief involvert i et prosjekt for å oppdage lekkasjer i drikkevannsrør ved hjelp av fiberoptiske data, med mål om å forbedre infrastruktur effektivitet og bærekraft.
Ariefs akademiske reise har bidratt til hans ekspertise. Tidlig i karrieren undersøkte han hvordan maskinlæring kunne brukes til å oppdage bedrageriske transaksjoner fra store mengder tekstdata. Under doktorgraden fokuserte han på å styrke sine grunnleggende ferdigheter innen kjernekonsepter for maskinlæring, spesielt dyp læringsalgoritmer og teknikker for punkt sky klassifisering. Dette innebar aktiv deltakelse i forskningsprosjekter som undersøkte hvordan disse teknikkene kunne forbedre og forhindre oppretting av høynøyaktige annoteringsmerker for store punkt sky-datasett. Doktorgradsarbeidet hans tok for seg en utfordring som er relevant for ekstern sensing og datavisningsmiljøet: å balansere kostnadene og nøyaktigheten av annotering innen dette domenet. Tradisjonelt har det vært en tidkrevende og dyr prosess å lage disse merkene. Ariefs forskning utforsket hvordan teknikker basert på dyp læring kunne bygge bro over dette gapet ved å gi en raskere og mer kostnadseffektiv løsning.
Postdoktor-stillinger ved NORCE og Northwestern University utvidet Ariefs kompetanse ytterligere. Han fikk erfaring med å lage avanserte maskinlæringsalgoritmer ved hjelp av fiberoptiske sensorer, og anvende dem på ulike områder som sensor dataanalyse for autonome kjøretøy, modellering av fiberoptiske og distribuerte sensordata og forståelse av klima indekser. I tillegg demonstrerer hans arbeid med smarte annoteringsverktøy for 3D-punkt skydata ved Carnegie Mellon University hans engasjement for å bygge praktiske løsninger på tvers av ulike maskinlæringsdomener.
Utdanning
- Ph.d. i anvendt informatikk (2020), Norges universitet for biovitenskap, Norge
- Mastergrad i informatikk (2016), Bandung Institute of Technology, Indonesia (med utmerkelse)
- Bachelorgrad i datateknikk (2011), Sepuluh Nopember Institute of Technology, Indonesia (med utmerkelse)
Erfaring
- Forsker (2023-nåtid), NORCE, Norge
- Postdoktor (2020-2023), NORCE, Norge og Northwestern University, USA
- Gjestende forsker (2019), Carnegie Mellon University, USA
- Doktorgradskandidat (2017-2020), Norges universitet for biovitenskap, Norge
- Lederprogrammerer (2014-2016), Bandung Institute of Technology, Indonesia
- Fullstack-utvikler (2011-2014), Indonesia
Forskningskompetanse
- Dyp læringsarkitekturer
- Punkt sky klassifisering
- Maskinlæring for sensordata (fiberoptisk, LiDAR)
- Annotering av 3D-punkt skydata
- svindeldeteksjonsteknikker
- Programvareutvikling
Jeg er en dedikert forsker med en lidenskap for å presse grensene for maskinlæring og dets anvendelser. Utover mine nåværende prosjekter, utforsker jeg aktivt og er interessert i å samarbeide innenfor ulike felt, fra energi og klima til helsevesen, for å utnytte og høste den transformative kraften til kunstig intelligens.
