Important information

This page is not available in English.

Hackathon: Bygget nye maskinlæringsmodeller på bare to dager

Deltakere fra flere miljøer i Skatteetaten var samlet i et hackathon, et intensivt kodemaraton, over to dager. Målet var å bygge nye maskinlæringsmodeller som løser konkrete behov i oppgaveløsningen vår. Og ikke minst: Teste en ny måte å jobbe sammen på og ha det gøy! 

Rasmus Sjøholt Engelschiøn viser lokalene.

 – Det vi har gjort er å samle analytikere fra våre analysemiljøer i hele landet. Og de skal bruke maskinlæring for å lage nye, innovative produkter. Så dette er intensiv jobbing for å levere konkrete resultater, forklarer Rasmus Sjøholt Engelschiøn, arrangøren av hackathonet og leder av Data Science-fagnettverket i Skatteetatens analyseteam. 

Deltakerne har tverrfaglig bakgrunn, og alt fra samfunnsfag og økonomi, til matematikk og IT var representert. Sammen hadde de som mål å løse tre konkrete case: Bygge nye varianter av en modell som forutser hvem som kommer til å føre feil fradrag i skattemeldingen, teste modeller som utnytter tekstfelt i mva-meldingen, og teste om det er mulig å bygge en ny modell for å avklare om enkeltpersonforetak driver næring eller ikke.  

Hva får Skatteetaten ut av et hackathon?

Et hackathon beskrives ofte som et kodemaraton, hvor deltakerne rydder kalenderen for andre møter og aktiviteter, kun for å fokusere på å løse et konkret problem.  

– Kjørereglene er å ha det gøy, blokkere kalenderen for å drive med problemløsing, og at det er lov å tryne, forteller Rasmus Sjøholt Engelschiøn, arrangøren av hackathonet og leder av Data Science-fagnettverket i Skatteetatens analyseteam.  

– Med et hackathon får Skatteetaten testet nye måter å jobbe på, samlet folk fra forskjellige steder, og løst problemer ved å bygge nye produkter og syreteste nye idéer, fortsetter han. 

Å motivere ansatte er også et viktig stikkord. I tillegg til arbeidet, er en sentral del av arrangementet den sosiale rammen rundt.  

– Gjennom et hackathon har vi muligheten til å møte og samarbeide med folk fra rundt omkring i landet, som man ikke jobber med til vanlig. Og ikke minst ha fullt fokus på en arbeidsoppgave, over to dager. Det har vi vanligvis ikke muligheten når man hopper fra det ene møtet til det andre, og en arbeidsoppgave til en annen. Så fullt fokus, det er ålreit, forteller dataanalytiker og deltaker i hackathon Inger Helene. 

Mange sitter ved siden av hverandre og jobber på PC.

Så: Hvordan gikk det?

Det ble bygget og testet flere maskinlæringsmodeller tilpasset de ulike casene. Blant de mest lovende var nye modeller for å forutse hvem som fører feil fradrag i skattemeldingen allerede før den skattepliktige har levert skattemeldingen. En ny modell for å skille aktive fra inaktive enkeltpersonforetak viste seg å være mulig å få til på to dager, og det er kommet på plass en god rigg for å jobbe videre med denne.  

Rasmus Sjøholt Engelschiøn mener hackathon viste hvor mye det er mulig å få til på kort tid, samtidig som at det er greit å realitetsorientere de som har overdreven tiltro til kunstig intelligens. 

– Det er ikke bare å skru på noen knapper, og så virker det. Å bruke maskinlæring i produksjonen krever spisskompetanse og hardt arbeid, sier han. 

Samtidig legger han til at han er veldig fornøyd med årets hackathon. 

– Vi er superfornøyde med resultatet av hackathon. Deltakerne har skrevet masse kode og løst problemer, samtidig som de har kost seg og blitt kjent. Så vi har fått mye ut av dette, både faglig og sosialt. Det inspirerer til gjentakelse, sier Rasmus.  

Mange sitter og hører på en presentasjon.