Pokalbis su „Minerva“ studentu Zichenu

Susipažinkite su 2019 klasės mokiniu Zichenu.

Greiti faktai

vardas
Zichenas Cui

Gimtasis miestas
Kinija

Klasė
2019 metai

Majoras
Skaičiavimo mokslai - mašinų mokymasis

Pokalbis

Kodėl pasirinkote lankyti „Minervą“, o ne tradicinę programą?

Manau, kad yra dvi svarbios ir apibendrinamos žinių sritys, kurias man reikia išmokti visą savo gyvenimą: suprasti žmones ir suprasti sistemas, kurios viena kitos neatmeta. Ankstesnis išsilavinimas man suteikė principinį požiūrį į sistemų supratimą. Manau, kad „Minerva“ pasaulinė rotacija ir tarptautinė studentų organizacija leidžia man sužinoti apie kultūras ir kalbas bei užmegzti ryšius jose.

Kas jums labiausiai patinka būnant „Minerva“ bendruomenės dalimi?

Gyvenimas su penkiasdešimt skirtingų kultūrų klasės draugais patyrė kultūrinį šoką. Nuomonių, įpročių ir vertybių susidūrimas yra iššūkis, bet įdomus protui.

Papasakokite apie savo patirtį Haidarabade.

Prieš Hyderabadą vadovėlyje buvo įdomu skaityti apie kylančias rinkas. Kai buvau Hyderabad mieste, asmeniškai pamatyti kylančias rinkas jautėsi kitaip. Mieste gausu augimo ir plėtros galimybių, o pasinėrimas į jį man suteikė naujų perspektyvų ekonomikos augimui, kultūroms ir plėtrai.

Ką galėtumėte pasakyti kitam studentui, svarstančiam apie „Minerva“?

Galėjimas įgyti ir pritaikyti įgūdžius visame pasaulyje skirtinguose miestuose yra vertinga patirtis. Tipiškas „Minerva“ studentas ieško galimybių kiekviename mieste, o „Minerva“ taip pat palengvina miesto įsitraukimą ir vietos profesinį tobulėjimą.

Kaip „Minerva“ formuoja ateitį, jūsų žodžiais tariant?

Man yra du svarbūs pokyčiai. Pirmasis - atsisakyti tradicinio universiteto miestelio ir naudoti internetinę platformą (Aktyvaus mokymosi forumą) pamokoms mokyti. Tai yra pagrindinė „Minerva“ filosofijos dalis, įgalinanti globalią sukimąsi: pašalinti klasės geografines ribas. Antra yra pati pasaulinė rotacija: reikalavimas, kad studentai dalyvautų pasaulinėje rotacijoje, apibendrina mokymąsi skirtingose ​​kultūrose ir aplinkoje. Kas yra tiesa vienoje pasaulio dalyje, galbūt ne taip yra kitoje.

Vasarą praleido stažuodamasis „LPixel“, „Mistletoe“ portfelio įmonėje Tokijuje, Japonijoje. Apibūdinkite projektą, kuriame dirbote.

Dirbau tyrimo grupėje ir daugiausiai dėmesio skyriau išeminio insulto pažeidimo segmentų (ISLES) iššūkiui - medicininio įvaizdžio segmentavimo iššūkiui, kai tyrėjai pateikia alternatyvius insultų pažeidimų segmentavimo metodus, pagrįstus ūmine KT perfuzijos skenavimu. Išeminis insultas yra insultas, kurį sukelia nepakankamas kraujo tiekimas smegenyse. Aiškiai tariant, atsižvelgiant į smegenų insultą patyrusių pacientų smegenų kompiuterinius vaizdus, ​​mums buvo pavesta numatyti pikselių lygį tiksliai ten, kur bus pažeistos smegenys. Nors smegenų vaizdai, gauti atlikus kompiuterinės tomografijos perfuziją, yra neryškūs, jie yra žymiai greitesni nei MRT vaizdas.

Be to, aš sukūriau serverio prietaisų skydelį „LPixel“ tyrimų ir plėtros skyriui ir padėjau išspręsti jų serverių vėdinimo problemas. Prietaisų skydelis vizualizavo ir stebėjo „LPixel“ grafikos korteles (GPU), kurios paprastai naudojamos norint apskaičiuoti giliuosius neuroninius tinklus, ir pridėjo operacijos skaidrumą. Dabar komandos nariai gali pamatyti, kurie GPU šiuo metu naudojami ir ar jie pilnai vėdinami, o tai padidina jų tyrimų organizavimą. Iš prietaisų skydelio pamačiau, kad GPU sulėtėjo dėl perkaitimo. Tiesiog sumontavę ventiliatorių, kad atvėsintumėte GPU, kompiuterio našumas padidėjo maždaug 30%.

Kodėl šis tyrimas yra svarbus?

Tai yra svarbus tyrimas, nes išeminį insultą patyręs pacientas lokaliai miršta dėl smegenų audinio kiekvieną minutę, kai insultas negydomas. Laikas yra kritinis, todėl greita diagnozė ir intervencija gali apriboti audinių pažeidimus ir pagerinti paciento prognozę. Klinikinis šio iššūkio pagrindas yra greitai sukurti prototipą, automatizuoti algoritmus, leidžiančius greitai perskaityti KT perfuzijos skenavimus, ir sutrumpinti laiką tarp paciento priėmimo į ligoninę ir intervencijos.

Kokie buvo skirtingi tyrimų etapai?

Pirmas dvi savaites aš labai daug laiko skirdavau viskam, kas paspartintų mano tyrimus vėliau: kurdamas serverio prietaisų skydelį, spręsdamas ventiliacijos problemas, rašydamas įrankių modulius, kurie rūpinosi duomenų bangavimu, eksperimentavimą, konfigūravimą, mokymą, vertinimą ir vizualizavimą.

Po to tai buvo iteracijos procesas: skaitomi dokumentai, jie buvo įgyvendinami ir vertinami bei iš naujo vertinama, ką daryti toliau.

Kas jus patraukė stažuotis Japonijoje?

Atvykusi iš Kinijos, man visada buvo įdomu, kokie yra niuansų panašumai ir skirtumai tarp Kinijos ir Japonijos kultūrų. Be to, geografiškai Japonija atrodė kaip pagrįstas vasaros siekimas.

Kaip sužinojai apie šią galimybę? Ar užmezgėte ryšį su Profesinio tobulėjimo agentūra, kad užtikrintumėte šią stažuotę?

Dalyvavau „Minerva-Mistletoe“ informacinėje sesijoje ir džiaugiamės sužinojęs, kad egzistuoja mašinų mokymosi diagnozė ir medicininio vaizdo tyrimų galimybė. Aš kreipiausi dėl to, kad mašininio mokymosi tyrimų galimybės paprastai yra skirtos daktaro laipsniui. studentai ir praktiniai taikomieji tyrimai yra vertingi bakalauro studentams. Profesinio tobulinimosi agentūra taikė supaprastintą paraiškų teikimo procedūrą ir buvo paprasta kreiptis. Po paraiškos formos ir kelių el. Laiškų buvau pakviestas į „LPixel“ ir dalyvavau jų pokalbyje.

Papasakok apie savo karjeros trajektoriją iki šiol. Kokių žingsnių ėmėtės būdami „Minerva“, kad padėtumėte tęsti savo karjerą?

Iš esmės aš tikiu, kad verslas yra suskaičiuojamas ir žmonių visuomenė bei neorganinės sistemos greitai integruosis per visą mano gyvenimą. Mano ilgalaikis tikslas - veikti pagal šią viziją. Mano akademinis dėmesys buvo sutelktas į duomenų mokslą, mašinų mokymąsi, finansus ir rinkodarą. Dalyvauju „Civiliniai projektai“ kiekviename mieste vykstant globaliai rotacijai, kad įgyčiau realaus pasaulio patirties ir galėčiau pritaikyti bei tobulinti savo įgūdžius savo interesų srityse.

Kaip jūsų praktika „LPixel“ paruošė jus kitiems jūsų karjeros žingsniams?

Ši patirtis padėjo sustiprinti mano pasaulinį tinklą ir toliau plėtoti supratimą apie gilų mokymąsi ir sveikatos priežiūrą. Per trumpą laiką pakeičiau savo ketvirtųjų metų „Capstone“ projekto kryptį, norėdama išplėsti savo krūtinės kompiuterinės tomografijos diagnostikos tyrimus. Aš žinau, kad tai yra svarbu mano ilgalaikiam tikslui pasiekti, tačiau kaip tai svarbu, dar reikia išsiaiškinti.

Kokie buvo jūsų tyrimo rezultatai? Koks tavo kitas žingsnis?

Vasaros pabaigoje parašiau santrauką, kurioje išsamiai aprašiau savo metodiką, ir įkėliau savo bandymų rezultatus į „ISLES 2018“ iššūkį. Kaip vieninteliai ne daktaro laipsniai. Konkurentė, mano tyrimas nebuvo tarp finalistų, o pateko į vidurį, kuriuo esu patenkintas, tačiau taip pat matau tobulintinų sričių.

Nors „ISLES 2018“ iššūkis baigėsi, aš supratau, kad sveikatos priežiūros dirbtinio intelekto (AI) kliūtis yra ne modelio architektūra, o duomenų rinkinio apribojimai. Ypač skubiais atvejais būtina išsaugoti pacientą, o ne rinkti duomenis atsitiktiniams tyrimams. Aš nekantrauju tęsti savo darbą su „LPixel“ per savo vyresnius metus kuriant didesnių duomenų rinkinių krūtinės kompiuterio tomografijoje modelius ir ištirti, kaip pritaikyti giluminius konvoliucinius generatyvius prieštaringus tinklus (DCGAN) ribotų duomenų rinkinių papildymui.