3. semester · Arbejder på Adaptive Drone DetectionAalborg, Danmark

OliverRichardLundstrøm.

Diplomingeniørstuderende i Design og Anvendelse af Kunstig Intelligens på AAU og medstifter af KostPilot. Jeg lærer at forstå et konkret problem, finde den rigtige AI-løsning og få den til at virke i praksis.

Portræt af Oliver Richard Lundstrøm udendørs foran et oliventræ

Ingeniør · Iværksætter · Triatlet

Algoritmer er kun halvdelen.

Denandenhalvdelermennesker.Jegtrives,hvorteknikmøderdesign.Hvorenmodelskaludaflaboratorietogvirkeforrigtigebrugere,irigtigesystemer,underrigtigeforhold.

0.semester på DAKI, Aalborg Universitet
0 sæsoneri Tivoli Friheden, fra servicemedarbejder til områdeleder
0 mio.træningsskridt på AAU’s supercomputer i Nordic AI Cup
0+lydfiler i vores feature-pipeline til GN-casen
Om mig

Fra forlystelsespark til AI-ingeniør.

Før studiet havde jeg flere års ledererfaring fra Tivoli Friheden, hvor jeg lærte at tage ansvar og holde overblikket, når det gik stærkt. Det bruger jeg stadig hver dag.

Da jeg startede på Design og Anvendelse af Kunstig Intelligens, havde jeg aldrig kodet. Jeg troede, AI mest handlede om smarte chatbots. Første år viste mig, at det handler om data, forbehandling, skalerbare modeller og at få dem til at virke. Langt mere end LLM’er.

I dag trækker jeg på begge dele i KostPilot, som jeg er medstifter af. Og når jeg ikke sidder ved skærmen, træner jeg mod en 70.3 Ironman. Udholdenhed gælder både på ruten og i en lang debug-session.

2019–2025
Tivoli Friheden, 7 sæsonerFra servicemedarbejder til områdeleder. Nomineret som Årets Kollega ud af 540 ansatte.
2024–
Handicap- og omsorgsmedhjælperWeekendvagter, hvor tålmodighed og menneskeforståelse betyder alt.
2025
Starter på DAKI, AAUUden erfaring med kode. Et år senere træner jeg modeller på supercomputer.
2025–
Medstifter, KostPilotMadplanen, der passer til din smag og dit budget.
Nu
Træner mod 70.3 IronmanFørste kvart-Ironman er gennemført.
Se hele mit CV
Oliver på en terrasse ved havet
Oliver
Oliver ved målstregen efter sin første kvart-Ironman
Kvart-Ironman gennemført
Oliver pitcher KostPilot foran et publikum
Pitch hos AAU Innovate
Uddannelse · Aalborg Universitet

Design og anvendelse af kunstig intelligens.

En 3,5-årig, praktisk orienteret diplomingeniøruddannelse. Vi lærer at analysere et problem, vælge den rigtige AI-model, implementere den, sætte den i drift og tage stilling til etik og forretning. Hvert semester er bygget op om et stort gruppeprojekt, ofte i samarbejde med virksomheder.

210ECTS-point
3½år på fuld tid
30ECTS i praktik på 6. semester
7 semestre · 210 ECTS
Efterår 2025

Det første rigtige AI-system

Projekt: Introduktion til projektarbejde med kunstig intelligens · Grundlæggende kunstig intelligens15 ECTS
AI-programmering5 ECTS
Introduktion til AI5 ECTS
Problembaseret læring5 ECTS

P1: Forudsagde strømforbruget i Tétouan for at forebygge spidsbelastninger på elnettet.

Forår 2026

Produkter med kunstig intelligens

Projekt: Produkter med kunstig intelligens15 ECTS
AI og data5 ECTS
Design og udvikling af AI-systemer10 ECTS

P2: Forudsagde oplevet lydkvalitet (MOS) på en problemstilling fra GN Group.

Efterår 2026

Kunstig intelligens implementeret

Projekt: Kunstig intelligens implementeret15 ECTS
Brugerinddragelse5 ECTS
AI-systemer og infrastruktur5 ECTS
Deep learning5 ECTS

P3: Adaptive Drone Detection. Vi er i gang og arbejder stadig på at finde en løsning.

Forår 2027

Kunstig intelligens over tid

Projekt: Kunstig intelligens over tid20 ECTS
Drift af AI-systemer5 ECTS
Tidsserieanalyse5 ECTS
Efterår 2027

AI i virksomheder og organisationer

Projekt: Kunstig intelligens i virksomheder og organisationer20 ECTS
Etiske og regulatoriske kontekster5 ECTS
AI til sproganalyse5 ECTS
Forår 2028

Diplomingeniørpraktik

Projekt: Diplomingeniørpraktik i en virksomhed30 ECTS
Efterår 2028

Bachelorprojekt

Projekt: Bachelorprojekt15 ECTS
Valgfagspakke, 3 kurser15 ECTS
Kompetenceprofil

Hvad en diplomingeniør i AI kan.

  • 01Indsamle og annotere data, herunder sundhedsdata, sensordata, tekst og billeder
  • 02Analysere, anvende og evaluere machine learning, deep learning, billed- og tekstanalyse
  • 03Udvikle AI-systemer efter MLOps med monitorering og vedligehold i drift
  • 04Sikre brugbare løsninger gennem metodisk brugerinddragelse

Kilde: Studieordning for diplomingeniøruddannelsen i design og anvendelse af kunstig intelligens, 2023, § 17.

Nu · 3. semesterprojekt · I gang

Det, vi arbejder på lige nu.

På 3. semester har min projektgruppe fået en case fra VAP Lab på AAU: Adaptive Drone Detection. Vi har ikke løst den endnu. Vi er midt i at undersøge, hvordan vi får en løsning i hus. Det er en af de sværeste opgaver, jeg har arbejdet med, og samtidig en af de mest spændende.

Problemet er kort fortalt det her: en model, der finder droner fint i én video, holder sjældent, når man skifter himlen, kameraet eller afstanden. Casen går ud på at bygge en detektor, der klarer skiftende forhold og er ærlig om, hvornår den ikke er sikker.

Vores problemformuleringHvordan kan et deep learning-baseret dronedetekteringssystem designes, så det kvantificerer sin egen usikkerhed under domæneskift og tilpasser sig ændrede operationelle forhold?
  1. Casen er modtaget, og problemet er afgrænset
  2. Vi undersøger datasæt, modeller og metoder til at måle usikkerhed
  3. Træning, test under nye forhold og evaluering
  4. Rapport og eksamen ved semesterets afslutning
drone 0,94
REC ● Klar himmelIllustration
Sikkerhed94 %
Usikkerhed6 %

Kendte forhold. Modellen er sikker på sin detektion.

Illustrationen viser idéen i casen. Tallene er ikke målinger, og vi har ingen resultater endnu.

Casens tre spor

Det er målet. Vi tager det ét skridt ad gangen.

01

Træn i ét domæne

En detektor, der virker godt under kendte forhold, med usikkerhedsmål, der indrømmer, når den er uden for sit område.

02

Generalisér

Augmentation og syntetiske variationer under træning, så modellen tåler ny himmel, nyt kamera og nye afstande.

03

Tilpas dig undervejs

En algoritme til test-time adaptation, der justerer detektoren, når den møder data, den ikke er trænet på.

Afgrænsning. Kun visuel detektion med computer vision og deep learning i billeder og video: er der en drone i billedet, og hvor er den? Tracking, banestimering og modforholdsregler ligger uden for projektet. Målet er ikke et færdigt overvågningssystem, men at undersøge, hvor pålideligt deep learning kan detektere droner på tværs af miljøer, og om usikkerhedsmål kan varsle, når præstationen er ved at falde.

Nordic AI Cup 2026 · 17.–20. september

Fire dage. Tre cases. Solo.

Nordic AI Cup er et nordisk mesterskab i at bruge AI på virkelige problemer. Fem lande dyster samtidig om, hvem der kan bygge en løsning, der ikke bare ser god ud i egne tests, men holder, når den bliver sat på prøve for alvor.

Det var første gang, jeg var med. Jeg stillede op alene mod erfarne hold fra hele Norden, i tre vidt forskellige AI-discipliner på én gang. Målet var at levere noget, der rent faktisk virkede, på alle tre. Det lykkedes.

0.plads i Danmark
0.plads af ca. 113 hold i hele Norden
Læs hele historien
Min startup · Medstifter · Lukket beta

Madplanen, der betaler sig selv.

Hvad skal vi spise, og hvad koster det egentlig? KostPilot bygger en madplan, der passer til din smag og dit budget, følger de aktuelle tilbud i supermarkederne og laver indkøbslisten for dig. Så du spiser bedre og bruger færre penge, uden at det bliver et projekt.

Se KostPilot på kost-pilot.dk
KostPilot: ugens tilbud
KostPilot: forsiden med ugens madplan
KostPilot: madplanen for ugen
Trin 1

Start med ugens tilbud

KostPilot samler butikkernes tilbud ét sted og viser dig præcis, hvad du faktisk kan lave mad af den uge.

Trin 2

Byg en madplan der passer til dig

Dine præferencer omsættes til en madplan, så du hurtigt kan vælge retter og justere dem med få tryk.

Trin 3

Afslut med én samlet indkøbsliste

Når planen er klar, får du en indkøbsliste med budget og butiksfordeling, så turen i butikken bliver enkel.

Designet og bygget af mig

En app, der skal føles let.

Appen er et projekt, jeg har designet og bygget, og UX og UI har fyldt rigtig meget i arbejdet. Det handler både om, hvordan den ser ud, og hvordan den føles at bevæge sig i. Hver skærm er gennemtænkt, så du hurtigt kommer fra tilbud til madplan til indkøbsliste uden at skulle tænke over det.

Det passer godt med, at vi netop nu har kurset Brugerinddragelse på 3. semester. Jeg lærer stadig, og det, jeg lærer der, tager jeg direkte med ind i arbejdet med appen.

IntuitivDu skal kunne finde rundt uden en vejledning.
EffektivFra tilbud til indkøbsliste på få tryk.
UnderholdendeSmå animationer og en tone, der gør det sjovt at åbne.
VærdiskabendeHver uge skal du kunne mærke det på pengepungen.
Overblik

Det har jeg lavet i KostPilot.

KostPilot er i lukket beta, og næste stop er TestFlight.

  • Appen
    Design og udvikling af iPhone-appen

    React Native og Expo, fra skærmdesign og brugerflows til arkitektur og backend på Supabase.

  • Data
    Tilbud og næring, automatisk

    Tilbud fra Salling-kæderne og REMA 1000 hentes hver dag, og næringsindholdet kommer fra Den Danske Fødevaredatabase (DTU).

  • Design
    Designsystemet bag brandet

    Farver, typografi og komponenter, der binder app, hjemmeside og sociale medier sammen.

  • Web
    Hjemmesiden kost-pilot.dk

    Forside, klummen om, hvordan det hele startede, status på lanceringen og ventelisten. Bygget i Next.js og hostet på Cloudflare.

    Besøg kost-pilot.dk ↗
  • Pitch
    AAU Innovate

    Pitches og præsentationer af KostPilot i startup-miljøet på Aalborg Universitet.

Kasper og Oliver fortæller om KostPilot
Historien · Klumme på kost-pilot.dk

To venner. Én skør idé.

Jeg var lige flyttet hjemmefra, og hver dag startede med det samme spørgsmål: Hvad skal jeg have at spise i aften? Så skulle der handles, og SU’en skulle helst række hele måneden.

200 krbrugt på indkøb
200 krsparet på tilbud

Efter en grundig gennemgang af alle butikkernes tilbudsaviser kunne jeg handle for 200 kr. og samtidig spare omkring 200 kr. Potentialet var enormt, hvis en app kunne gøre alt det kedelige. Så spurgte jeg Kasper, en gammel, god ven, om han var klar på min skøre idé.

“Det, der for et år siden var helt uhåndgribeligt, er nu noget, man kan holde i hånden.”

Fra idé til app, sammen med Kasper.

Som medstifter arbejder jeg med alt fra datamodellen og tilbudsdata til design og brugerflows. KostPilot er en del af startup-miljøet AAU Innovate, og målet er at få alle danske dagligvarekæder med, så du kan se, hvor maden er billigst blandt de butikker, der ligger tæt på dig.

Oliver præsenterer KostPilot foran et publikum
Pitch af KostPilot med graf på skærmen
Oliver præsenterer Smart Meal Planner
Projekter

Ting, jeg har bygget.

Vores semesterprojekt. Vi er i gang og har ikke en løsning endnu.

Casen kommer fra VAP Lab på AAU: en dronedetektor, der virker, når himlen, kameraet og afstanden skifter, og som er ærlig om, hvornår den ikke er sikker. Lige nu undersøger vi datasæt, modeller og metoder til at måle usikkerhed.

Object detectionDeep learningUsikkerhed
Læs om projektet →
Værktøjskassen

Det, jeg bygger med.

PythonDeep learningNeurale netværkYOLOObject detectionComputer visionTensorFlowModeltræning og evalueringReinforcement learningDiffusionsmodellerTale- og sprog-AI
scikit-learnXGBoostpandasNumPylibrosaMatplotlibFeature engineeringSignalbehandlingTidsserierDatakvalitet og imputationLLM’erPrompt engineering
API-udviklingEgen serverSSHLinuxDockerCloud og infrastrukturSupercomputer (HPC)SupabasePostgreSQLSQLCloudflareGit og GitHub
React NativeExpoTypeScriptNext.jsTailwind CSSClaude CodeGitHub CopilotAntigravityFigmaUX og UIDesign thinking
Kontakt

Lad os tage en snak.

Praktik, et projekt, et samarbejde eller bare en kop kaffe om AI. Skriv til mig.