Hopp til innhold

Få varsel ved oppdateringer av «Implementering av maskinlæring i kunnskapsoppsummeringer i klynge for vurdering av tiltak: Sluttrapport 2021-2022»

Hvor ofte ønsker du å motta varsler fra fhi.no? (Gjelder alle dine varsler)
Ønsker du også varsler om:

E-postadressen du registrerer her vil kun bli brukt til å sende ut nyhetsvarsler du har bedt om. Du kan når som helst avslutte dine varsler og slette din e-post adresse ved å følge lenken i varslene du mottar.
Les mer om personvern på fhi.no

Du har meldt deg på nyhetsvarsel for:

  • Implementering av maskinlæring i kunnskapsoppsummeringer i klynge for vurdering av tiltak: Sluttrapport 2021-2022

Rapport

Implementering av maskinlæring i kunnskapsoppsummeringer i klynge for vurdering av tiltak: Sluttrapport 2021-2022

Publisert

Maskinlæring (ML) er et satsingsområde for klynge for vurdering av tiltak, Område for helsetjenester, FHI. Høsten 2021 overtok ML 2.0 arbeidet etter ML 1.0. Denne rapporten beskriver ML 2.0 teamet sitt arbeid, resultater og erfaringer.

Forside_ImplementationMachin learning_ENG.jpg

Maskinlæring (ML) er et satsingsområde for klynge for vurdering av tiltak, Område for helsetjenester, FHI. Høsten 2021 overtok ML 2.0 arbeidet etter ML 1.0. Denne rapporten beskriver ML 2.0 teamet sitt arbeid, resultater og erfaringer.


Kan lastes ned som pdf. På engelsk. Hovedbudskap på norsk.

Om rapporten

  • Utgitt: 2023
  • Av: Folkehelseinstituttet
  • Forfattere: Borge TC, Ames H, Jardim PJ, Meneses-Echavez JF, Himmels J, Rose C, Hestevik C, Muller AE.
  • ISBN elektronisk: 978-82-8406-362-1

Hovedbudskap

Maskinlæring (ML) er et satsingsområde for klynge for vurdering av tiltak, Område for helsetjenester, FHI. Høsten 2021 overtok ML 2.0 arbeidet etter ML 1.0. Denne rapporten beskriver ML 2.0 teamet sitt arbeid, resultater og erfaringer. ML team 2.0s nøkkelprestasjoner inkluderer:

  • gjennomføring av en intens maskinlæringsuke med mål om kompetanseheving i hele klyngen,
  • oppstart av en studie som vil anslå ressursbesparelsene ved bruk av ML i kunnskapsoppsummeringer,
  • formidling av vårt ML arbeid i internasjonale fora, som har tydeliggjort det unike arbeidet ML laget har bidratt med inn i kunnskapsoppsummeringsarbeidet i klyngen,
  • støtte innovative bruksområder for ML innen metodevurderinger og oppdateringer,
  • utarbeidelse av to finansieringssøknader,
  • bidrag inn i andre nasjonale og europeiske finansieringssøknader.

ML-teamet har bidratt til en gradvis tilpassing av klyngens metoder til mer effektive arbeidsflytprosesser, noe som nå merkes i ressursbesparelser i klyngens prosjekter. Ressursbesparelsene gjorde at vi kunne levere flere rapporter enn mulig ved bruk av kun tradisjonelle metoder eller bruke mer tid på andre deler av prosessen.

ML 2.0 fremstår fortsatt som et unikt og innovativt team som leder og tilrettelegger for implementering av ML innenfor kunnskapsoppsummering. Nye ML-aktiviteter knyttet til utforskning og evaluering av nye funksjoner, verktøy eller emner vil gi et mer åpent og flytende ML-miljø der enhver ansatt kan føle mestring og eierskap over ML-funksjoner eller -verktøy. Disse faktorene er avgjørende for Folkehelseinstituttets evne til å tilpasse seg og fortsette å utmerke seg i kunnskapsoppsummeringsfeltet.

23.03.2023: 23.3.23: endret side 15. i pdf. Endret tekst og en lenke