Beszélgetés a Minerva Zichen hallgatóval

Ismerje meg Zichen-et, a 2019-es osztály hallgatóját.

Gyors tények

Név
Zichen Cui

Szülőváros
Kína

Osztály
2019

Jelentősebb
Számítástechnika - Gépi tanulás

Beszélgetés

Miért döntött úgy, hogy egy hagyományos program helyett a Minerván vett részt?

Úgy gondolom, hogy két fontos és általánosítható tudásterületet kell megtanulnom egész életem alatt: az emberek megértése és a rendszerek megértése, amelyek nem zárják ki egymást. Korábbi végzettségem alapelveit adta nekem a rendszerek megértéséhez. Úgy gondolom, hogy a Minerva globális rotációja és a nemzetközi hallgatói testület lehetővé teszi számomra a kultúrák és nyelvek megismerését, valamint kapcsolatok kiépítését bennük.

Mi élvezi legjobban a Minerva közösség tagjaként való részvételt?

Kulturális sokk az, hogy ötven különböző kultúrából származó osztálytársakkal élünk. A vélemények, szokások és értékek összecsapása kihívást jelent, de szórakoztató az elme számára.

Mondja el nekünk Hyderabad tapasztalatairól.

Hyderabad előtt érdekes volt egy tankönyvben olvasni a feltörekvő piacokról. Amikor Hyderabadban voltam, másképp érezte magát a feltörekvő piacok látása. A város rengeteg növekedési és fejlődési lehetőséggel rendelkezik, és belemerülve új perspektívákat adott nekem a gazdasági növekedésről, a kultúráról és a fejlődésről.

Mit mondanál egy másik hallgatónak, aki a Minervát fontolgatja?

Értékes tapasztalat az a képesség, hogy képességeket szerezzenek és alkalmazhassanak világszerte különböző városokban. Egy tipikus Minerva hallgató lehetőségeket keres minden városban, Minerva elősegíti a városba merülést és a helyi szakmai fejlődést is.

Hogyan alakítja a saját szavaival a Minerva a jövőt?

Számomra két releváns változás van. Az első a tradicionális egyetemen való lemondás és egy online platform (az Aktív Tanulási Fórum) használata az osztályok tanításához. Ez a Minerva filozófiájának alapvető része, amely lehetővé teszi a globális rotációt: eltávolítja az osztályterület földrajzi határait. A második a maga a globális rotáció: a hallgatók globális rotációra történő felkérése általánosítja a tanulást a kultúrák és a környezetek között. Ami a világ egyik részén igaz, a másikban valószínűleg nem így van.

A nyarat a japán Tokióban található Mistletoe portfólió-társaságnál az LPixelnél gyakorolta. Mutassa be azt a projektet, amelyen dolgozott.

A kutatócsoporton dolgoztam, és az Ischaemiás Stroke Lesion Segmentáció (ISLES) kihívásra összpontosítottam, amely egy orvosi kép szegmentációs kihívás, ahol a kutatók alternatív módszereket nyújtanak a stroke elváltozások szétválasztására akut CT perfúziós vizsgálatok alapján. Az ischaemiás stroke olyan stroke, amelyet az agy elégtelen vérellátása okoz. Világosan fogalmazva, mivel a stroke-ban szenvedő betegek CT-agyképei képezték a feladatunkat, hogy a pixelszintre előre jelezzük, pontosan hol fog az agy megsérülni. Míg a CT perfúziós letapogatással kapott agyi képek homályosabbak, szignifikánsan gyorsabbak, mint az MRI-képek.

Ezenkívül szerver irányítópultot építettem az LPixel K + F részlegéhez, és segítettem a szerver szellőztetésével kapcsolatos problémák megoldásában. Az irányítópult megjelenítette és megfigyelte az LPixel grafikus kártyáit (GPU-k), amelyeket általában mély idegi hálózatok kiszámítására használnak, és áttetszőséget adott a művelethez. Most a csapat tagjai láthatják, hogy mely GPU-kat használják jelenleg, és hogy teljesen szellőztettek-e, ami növeli a kutatás szervezetét. A műszerfalról láttam, hogy a GPU-k lelassulnak a túlmelegedés miatt. A GPU-k lehűtésére szolgáló ventilátor telepítésével körülbelül 30% -kal nőtt a számítógép teljesítménye.

Miért fontos ez a kutatás?

Ez fontos kutatás, mivel az ischaemiás stroke-ban szenvedő betegek lokalizált agyszövetben szenvednek, percenként stroke-ot nem kezelik. Az idő kritikus fontosságú, és a gyors diagnosztizálás és beavatkozás korlátozhatja a szövetkárosodást és javíthatja a beteg előrejelzését. Ennek a kihívásnak a klinikai indoklása a prototípus gyors létrehozása, az algoritmusok automatizálása a CT perfúziós vizsgálatok gyors leolvasására, valamint a beteg kórházba történő befogadása és a beavatkozás közötti idő csökkentése.

Melyek voltak a kutatás különböző szakaszai?

Az első két hét erősen arra fordítottam az időmet, bármimel, ami később felgyorsítaná kutatásaimat: a szerver irányítópultjának fejlesztésében, a szellőztetés problémáinak megoldásában, az eszközök megrontásával foglalkozó eszközmodulok írásával, a kísérletek konfigurálásával, képzéssel, értékelésével és megjelenítésével.

Ezután iterációs folyamat volt: papírok olvasása, végrehajtása és kiértékelése, valamint a következő lépések újbóli értékelése.

Mi vonzotta Önt a japán gyakornokhoz?

Kínából származva mindig is kíváncsi voltam a kínai és a japán kultúra árnyékos hasonlóságaira és különbségeire. Ezenkívül földrajzilag Japán ésszerű törekvésnek tűnt a nyár számára.

Hogyan tudta meg ezt a lehetőséget? Kapcsolatba lépett a Szakmai Fejlesztési Ügynökséggel a szakmai gyakorlat biztosítása érdekében?

Részt vettem a Minerva-Mistletoe információs ülésen, és izgatottan tudtam, hogy gépi tanulási diagnózis és orvosi képalkotó kutatási lehetőség áll rendelkezésre. Azért jelentkeztem, mert a gépi tanulás kutatási lehetőségeit általában Ph.D. számára fenntartják. A hallgatók és a gyakorlati alkalmazott kutatás értékes egyetemi hallgató számára. A Szakmai Fejlesztési Ügynökség korszerűsítette a pályázati eljárást, és egyszerű volt a jelentkezés. Jelentkezési nyomtatvány és több e-mail után párosultam az LPixel-rel és részt vettem az interjún.

Mondj el eddig a karrierjét. Milyen lépéseket tett a Minerva-nál, hogy segítsen karrierjét folytatni?

Alapvetően azt hiszem, hogy az üzlet kiszámolható, és az emberi társadalmak és a szervetlen rendszerek gyorsan integrálódnak egész életemben. Hosszú távú célom, hogy ezen elképzelés alapján cselekedjem. Tudományos fókuszomat az adattudományra, a gépi tanulásra, a pénzügyre és a marketingre összpontosítottam. Minden városban részt veszek a polgári projektekben a globális rotációban, hogy valós tapasztalatokat szerezzek, és képesek voltam alkalmazni és fejleszteni képességeimet az érdeklődési területeimben.

Hogyan készítette fel az LPixelnél végzett gyakorlata karrierje következő lépéseire?

Ez a tapasztalat hozzájárult a globális hálózatom növekedéséhez és a mély tanulás és az egészségügy ismereteinek továbbfejlesztéséhez. Rövid távon megváltoztattam a negyedik éves Capstone projekt irányát, hogy kibővítsem kutatásaimat a mellkas CT vizsgálatával kapcsolatban. Tudom, hogy ez releváns a hosszú távú célkitűzésem szempontjából, de azt, hogy mennyire releváns, továbbra is meg kell látni.

Melyek voltak a kutatás eredményei? Mi a következő lépés?

A nyár végén elkészítettem egy absztrakt képet, amely részletezte módszertanomat, és feltöltöttem a teszteredményeimet az ISLES 2018 kihíváshoz. Mivel az egyetlen nem Ph.D. versenytárs, kutatásomat nem a döntősök között, hanem a középpontba helyeztem, ami elégedett vagyok, de látom még fejlesztési területeket is.

Míg az ISLES 2018 kihívás véget ért, rájöttem, hogy az egészségügyi mesterséges intelligencia (AI) szűk keresztmetszete nem a modell architektúrája, hanem az adatkészlet korlátozásai. Különösen sürgős esetekben elengedhetetlen a beteg mentése, ahelyett, hogy véletlenszerű kutatás céljából adatokat gyűjtenének. Nagyon izgatott vagyok, hogy folytatom az LPixel-mel folytatott munkámat az idős év során, hogy modelleket dolgozzak ki nagyobb mellkasi CT-letapogatásokban és megvizsgáljam, hogy miként lehet alkalmazni a mély konvolúciós generációs párhuzamos hálózatokat (DCGAN) a korlátozott adatkészletek kiegészítésére.