Gå til hovedinnhold

sol/skygge - sommer 2020

Sommerblogg – fra Norkarts internship studenter i Trondheim 2020



Norkart Sommer er et internship program – hvor 12–15 dyktige studenter blir valgt av en solid søkerbunke med dyktige unge tech personer. Som en del av jobben de gjør, er formidling av hvordan arbeidsdagen og prosjektet de jobber med er – og vi har bedt gjengen som jobber fra Norkarts Trondheimskontor gi oss en løypemelding så langt ut i sommerjobben. Her kan du lese hva de er opptatt av, og hvordan sommerjobb-hverdagen er:

Trondheimsteamet - sommer20

Fra venstre: Lars Martin, Petter, Sigmund og Jonas

Her er teamet

Vi i Trondheimsteamet består av fire studenter fra NTNU Trondheim: Petter (Bygg og miljø), Sigmund (I&IKT), Lars Martin (Informatikk) og Jonas (Informatikk). Petter hadde allerede mottatt jobbtilbud fra Norkart, og skal starte fast etter sommeren, og ble med på sommerstudent-teamet for å få en tjuvstart. Vi jobber totalt i 6 uker i Norkart – og har vært så heldige å ha fått tildelt flere prosjekter.


Prosjekter som gir eiendommer bedre oversikt over sol/skygge forhold

Norkart sitter på kjempestore mengder kartdata, blant annet høydedata og 3D-modeller av så og si alle bygninger i Norge. Som en ny måte å bruke disse dataene på, fikk vi i oppdrag å lage en webapplikasjon «SolSkygge3D» hvor brukeren kunne visualisere solforhold gjennom hele året i et 3D-kart, i håp om at dette ville være verdifullt for boligkjøpere. Teamet bygde produktet via React, på toppen av et populært kartrammeverk kalt CesiumJS. I tillegg hadde vi repoet vårt på Azure, med CI/CD slik at appen ble kontinuerlig deployed på Norkarts domener. Her var det mye nytt som måtte læres, men vi kom allikevel i mål med funksjonaliteten vi trengte etter ca to uker.

Vi samarbeidet tett med Jan Erik, en av forretningsutviklerne på Trondheimskontoret, som holdt flere møter med potensielle kunder samtidig som vi utviklet applikasjonen. Vi synes det har vært spennende å jobbe på et reelt produkt som har tilrettelagt for denne dynamikken mellom oss, Jan Erik og produktets interessenter; nye ideer og forbedringer ble oppdaget kontinuerlig under utvikling.

Skjermbilde fra solSkygge3D

Skjermbilde fra SolSkygge3D. Her er det enkelt å se hvor solsengene burde plasseres



Prosjekt – Maskinlæring for å gjenkjenne huspiper fra flyfoto

I de siste to ukene skal vi bruke maskinlæring for å gjenkjenne hus-piper fra flyfoto. Det viktigste aspektet ved dette prosjektet var å finne en løsning for trening og bruk av det nevrale nettet i en Docker-container. På denne måten ville det bli minimalt med konfigurering for fremtidige AI prosjekter.

Etter drøyt en uke fikk vi opp en Docker-container hvor vi kunne trene nettverket vårt. Med god hjelp fra Stipica på Trondheimskontoret samlet vi et datasett bestående av 1600 bilder. Etter å ha markert alle pipene var datasettet klar for bruk. Selv om nettverket lærte mye av treningsdataene, var resultatene for svake. På tross av dette sitter vi igjen med verdifulle erfaringer rundt trening av nevrale nett i Docker.



Arbeidshverdagen vår

Vi tilbrakte dagene våre på et av møterommene, omringet av Trondheimkontorets beste utsikt, hvor det var mulig for oss å samarbeide tett, dog med Covid-19 avstand. Dette var fordelaktig for både progresjon og hygge! Teamet har samarbeidet godt, og jobbet for det meste selvstendig ift. veilederen vi hadde på kontoret. Prosjektene ba på nye utfordringer og læringsmuligheter hver dag. Som et kjempepluss fikk vi daglig påspandert nydelig smoothie og varm lunsj fra Pirsenterets kantine.

Utfordringer underveis

Vi har satt oss inn i 3D-rammeverkene CesiumJS og Three.js. Begge er ganske store, så det har vært spennende å utforske og forstå disse. Vi har også utforsket bruk av monorepo hvor man bruker samme repository for flere prosjekter slik at man enkelt kan gjenbruke felles komponenter. Dette har vært litt utfordrende, spesielt å få det til å samarbeide med Azures deployment pipeline. Vi gjorde en stor kursforandring etter én uke i AI prosjektet, hvor vi gikk fra å bruke Docker til å prøve ut Azure Machine Learning. Dette som følge av at det gikk for tregt å starte opp nye Azure Docker-containers.

Den største utfordringen i sommerjobben var å få en god flyt på utviklingen av maskinlæringsprosjektet. Det var mye programvare og fastvare som skulle kommunisere riktig og det har vært veldig tidkrevende å debugge programvareavhengigheter og få fart på treningen. Det har vært lærerikt å ha Kjartan som veileder, som har gitt oss nyttige pekepinner når vi satte litt fast. Uansett utfordringene som dukket opp, så ble de alle løst ett lærerikt steg av gangen!


Norkart Sommer


sommerstudenter veiledere


Sommerjobb med mening – Sandvika


Julie Marzano Frey, Marie Skatvedt og Thea Tokstad



Les mer om Norkart Sommer her