Historien om akademikeren som ble spesialist på casino-feltet

Russell var sikker på at han ikke ønsket å bli værende i sin jobb i akademia, men var uansett ikke sikker på sitt neste steg. Litt senere fikk han et tips fra en venn som mente han burde prøve seg på datavitenskap. Etter å ha tatt et par kurs på internett fikk han sin første jobb i casino-industrien, som senere ledet til en lederstilling innen et av de største britiske casino-selskapene. Her er hans historie:

Akademia ble kjedelig

Om du for to år siden hadde fortalt meg at jeg ville vært ansvarlig leder for datavitenskapsavdelingen ved Storbritannias største casino-operatør ville jeg sagt at du var gal, sier han. Allikevel var det nettopp det som skjedde.

I 2015 jobbet han som postdoc-forsker ved et universitet i Sør-Afrika. Han hadde hatt samme stilling i seks år etter å ha fullført doktorgraden sin i astronomi i 2009, og han begynte sakte men sikkert å stille spørsmålstegn ved sin egen fremtid innen akademia og forskning. Allikevel visste han at det ville bli vanskelig å omstille seg fra en postdoc-forskerstilling, til å begynne jakten på en fast ansettelse ved universitetet, som jo er mye styrt av ansiennitet. Samtidig hadde han i mellomtiden skapt en familie han måtte forsørge, dermed begynte tålmodigheten hans å bli tynnslitt.

Alternativ vei

Russel begynte å tenke på alternative karriereveier, men så ingen åpenbar industri å gå til som ikke krevde at han måtte ta store mengder etterutdannelse. Etter kort tid tok en kollega kontakt med ham og foreslo at han skulle ta en titt på datavitenskap. Etter litt undersøkelse forsto han at datavitenskap var en raskt voksende industri hvor man trengte flere av evnene og egenskapene han hadde lært seg gjennom sitt akademiske arbeid.

Kort tid etter begynte han å se etter programmer som tok sikte på å hjelpe forskere med å omstille seg fra akademia til datavitenskap. Han fant et passende program som fokuserte på maskinlæring, og meldte seg sporenstreks opp. Hans opplevelse var at slike kurs var langt mer praktisk orientert enn hva hans akademiske forskning hadde vært, og sakte men sikkert begynte han å få en langt større forståelse for hvordan maskiner fungerte og opererte. Dette gjorde at han begynte å se på maskiner på en annen måte, de var ikke lenger bare en svart boks som fungerte på uforklarlig vis, men nå kunne han se alle bestanddelene for seg selv, og hvordan disse fungerte i symfoni.

Sulten på kunnskap

Etter at han ble ferdig med kursene som omhandlet maskinlæring var han sulten på mer kunnskap. Han startet på en spesialisering innen datavitenskap ved John Hopkins, noe som viste seg å bli en svært god introduksjon til å jobbe med industridata i den virkelige verden. Han ble i økende grad trygg på hva han drev med, og så på sin nye karriereretning med forventning og fryd. Deretter bestemte han seg for å forlate universitetet i Sør-Afrika og flyttet tilbake til Skottland, hvor han begynte å søke på jobber som hadde med datavitenskap å gjøre. Etter hvert, etter en lang runde intervjuer, fikk han en god jobb hos en av Storbritannias største casino-operatører; Rank Group (kilde: http://www.besteautomater.net/).

Etter at han fikk jobben, har han samlet det han kaller «et fantastisk team av kunnskapsrike ingeniører og datakyndige» som sammen jobber med spennende og fascinerende prosjekter. F.eks. utvikler de modeller som forsøker å forutse når en kunde vil bruke mest penger, identifisere potensielle viktige kunder basert på deres første besøk ved casinoet, og utviklingen av modeller som tar sikte på å forutse potensielle spilleavhengige som trenger hjelp. Sistnevnte er han spesielt stolt av, siden det er et tegn på at firmaet han jobber ved tar spilleavhengighet seriøst og ønsker å hjelpe de som har et usunt forhold til gambling.

Siden starten har han klatret på karrierestigen, og har nå en lederstilling ved samme firma. Allikevel har han ikke glemt sine akademiske røtter, og har startet programmer hvor man gir studenter muligheten til å jobbe med praktiske oppgaver og lære om datavitenskap fra et industrielt perspektiv.