Rozmowa ze studentką Minervą Zichen

Poznaj Zichen, ucznia w klasie 2019.

Szybkie fakty

Imię
Zichen Cui

Miasto rodzinne
Chiny

Klasa
2019

Poważny
Nauki obliczeniowe - uczenie maszynowe

Rozmowa

Dlaczego zdecydowałeś się wziąć udział w Minerwie zamiast tradycyjnego programu?

Wierzę, że istnieją dwa ważne i uogólniające obszary wiedzy, których muszę się uczyć przez całe życie: rozumienie ludzi i rozumienie systemów, które nie wykluczają się wzajemnie. Moja poprzednia edukacja dała mi zasadnicze podejście do rozumienia systemów. Wierzę, że globalna rotacja i międzynarodowa organizacja studentów Minervy umożliwia mi poznawanie kultur i języków oraz budowanie w nich więzi.

Co najbardziej lubisz w byciu częścią społeczności Minerva?

Szok kulturowy związany z życiem z kolegami z klasy z pięćdziesięciu różnych kultur. Zderzenie opinii, nawyków i wartości jest wyzwaniem, ale i rozrywką dla umysłu.

Opowiedz nam o swoich doświadczeniach w Hyderabad.

Przed Hyderabadem ciekawie było przeczytać o podręcznikach rynków wschodzących. Kiedy byłem w Hyderabadzie, osobiście widziałem wschodzące rynki. Miasto obfituje w możliwości wzrostu i rozwoju, a jego zanurzenie dało mi nowe perspektywy na wzrost gospodarczy, kultury i rozwój.

Co powiedziałbyś innemu uczniowi, który rozważa Minerwę?

Cenne doświadczenie to możliwość nabywania i stosowania umiejętności na całym świecie w różnych miastach. Typowy student Minerva szuka okazji w każdym mieście, a Minerva ułatwia także zanurzenie się w mieście i lokalny rozwój zawodowy.

Jak według własnych słów Minerva kształtuje przyszłość?

Dla mnie są dwie istotne zmiany. Pierwszym z nich jest rezygnacja z tradycyjnego kampusu i korzystanie z platformy online (Active Learning Forum) do prowadzenia zajęć. Jest to kluczowa część filozofii Minerva, która umożliwia globalną rotację: usunięcie granic geograficznych z sali lekcyjnej. Drugi to sama globalna rotacja: wymaganie od studentów, aby przystąpili do globalnej rotacji, uogólniają wnioski z różnych kultur i środowisk. To, co jest prawdą w jednej części świata, może nie jest tak w innej.

Lato spędziłeś na stażu w LPixel, spółce portfelowej Jemioła w Tokio, Japonia. Opisz projekt, nad którym pracowałeś.

Pracowałem w zespole badawczym i skupiłem się na wyzwaniu segmentacji udaru niedokrwiennego mózgu (ISLES), wyzwaniu segmentacji obrazu medycznego, w którym badacze przedstawiają alternatywne metody segmentacji zmian udaru w oparciu o ostre skany perfuzji CT. Udar niedokrwienny to udar spowodowany niedostatecznym dopływem krwi do mózgu. Mówiąc wprost, biorąc pod uwagę zdjęcia mózgu u pacjentów z udarem mózgu, mieliśmy za zadanie przewidzieć, do poziomu pikseli, dokładnie, gdzie mózg zostanie uszkodzony. Podczas gdy zdjęcia mózgu uzyskane ze skanu perfuzji CT są rozmazane, są znacznie szybsze niż obraz MRI.

Dodatkowo zbudowałem pulpit nawigacyjny serwera dla działu badań i rozwoju LPixel i pomogłem rozwiązać problemy z wentylacją serwerów. Pulpit nawigacyjny wizualizował i monitorował karty graficzne LPixel (GPU), które są powszechnie używane do obliczania głębokich sieci neuronowych, i zwiększał przejrzystość operacji. Teraz członkowie zespołu mogą zobaczyć, które procesory graficzne są obecnie wykorzystywane i czy są w pełni wentylowane, co zwiększa organizację w ich badaniach. Z deski rozdzielczej zobaczyłem, że procesory graficzne zwalniają z powodu przegrzania. Po prostu zainstalowanie wentylatora w celu schłodzenia procesorów graficznych zwiększyło wydajność komputera o około 30%.

Dlaczego te badania są ważne?

Jest to ważne badanie, ponieważ pacjent z udarem niedokrwiennym cierpi na miejscową śmierć tkanki mózgowej co minutę, gdy udar pozostaje nieleczony. Czas ma kluczowe znaczenie, a szybka diagnoza i interwencja mogą ograniczyć uszkodzenie tkanki i poprawić rokowanie pacjenta. Podstawą kliniczną tego wyzwania jest szybkie prototypowanie, automatyzacja algorytmów w celu szybkiego odczytu skanów perfuzji CT oraz skrócenie czasu między przyjęciem do szpitala a interwencją.

Jakie były poszczególne etapy badań?

Przez pierwsze dwa tygodnie dużo czasu poświęciłem na wszystko, co przyspieszy moje późniejsze badania: opracowanie pulpitu nawigacyjnego serwera, rozwiązanie problemów z wentylacją, pisanie modułów narzędzi, które zajmowały się sprowadzaniem danych, konfigurowanie eksperymentów, szkolenie, ocena i wizualizacja.

Potem był to proces iteracji: czytanie artykułów, ich wdrażanie i ocenianie oraz ponowne ocenianie, co robić dalej.

Co skłoniło cię do stażu w Japonii?

Pochodząc z Chin, zawsze byłem ciekawy niuansowych podobieństw i różnic między kulturami chińską i japońską. Ponadto z geograficznego punktu widzenia Japonia wydawała się rozsądnym celem na lato.

Jak dowiedziałeś się o tej okazji? Czy współpracowałeś z Agencją Rozwoju Zawodowego, aby zabezpieczyć ten staż?

Brałem udział w sesji informacyjnej Minerva-Mistletoe i byłem podekscytowany, gdy dowiedziałem się, że istnieje możliwość diagnozy uczenia maszynowego i badań obrazowania medycznego. Złożyłem aplikację, ponieważ możliwości badań nad uczeniem maszynowym są zwykle zarezerwowane dla doktorantów. studenci i praktyczne badania stosowane są cenne dla studentów studiów licencjackich. Agencja Rozwoju Zawodowego miała usprawnioną procedurę składania wniosków i była łatwa do złożenia. Po formularzu zgłoszeniowym i kilku e-mailach zostałem dopasowany do LPixel i uczestniczyłem w ich wywiadzie.

Opowiedz mi o swojej dotychczasowej trajektorii kariery. Jakie kroki podjąłeś podczas pobytu w Minerva, aby pomóc ci w kontynuowaniu kariery?

Zasadniczo uważam, że biznes jest obliczalny, a społeczeństwa ludzkie i systemy nieorganiczne będą się szybko integrować przez całe moje życie. Moim długoterminowym celem jest działanie zgodnie z tą wizją. Moje akademickie zainteresowania koncentrują się na informatyce, uczeniu maszynowym, finansach i marketingu. Uczestniczę w projektach obywatelskich w każdym mieście w globalnej rotacji, aby zdobyć doświadczenie w świecie rzeczywistym i mogłem zastosować i rozwinąć swoje umiejętności w obszarach moich zainteresowań.

W jaki sposób staż w LPixel przygotował Cię do kolejnych kroków w karierze?

To doświadczenie przyczyniło się do zwiększenia mojej globalnej sieci i dalszego rozwoju mojego zrozumienia głębokiego uczenia się i opieki zdrowotnej. W krótkim okresie zmieniłem kierunek mojego projektu Capstone z czwartego roku, aby rozszerzyć moje badania na diagnostykę tomografii komputerowej klatki piersiowej. Wiem, że jest to istotne dla mojego długoterminowego celu, ale jego znaczenie pozostaje widoczne.

Jakie były wyniki twoich badań? Jaki jest twój następny krok?

Pod koniec lata napisałem streszczenie szczegółowo opisujące moją metodologię i przesłałem wyniki testu do konkursu ISLES 2018. Jako jedyny doktorant. konkurent, moje badania nie znalazły się w gronie finalistów, ale znalazły się na środku, z czego jestem zadowolony, ale także widzę obszary wymagające poprawy.

Chociaż wyzwanie ISLES 2018 dobiegło końca, zdałem sobie sprawę, że wąskim gardłem w sztucznej inteligencji opieki zdrowotnej (AI) nie są architektury modelowe, ale ograniczenia zestawu danych. Szczególnie w nagłych przypadkach konieczne jest uratowanie pacjenta, zamiast gromadzenia danych do losowych badań. Jestem podekscytowany kontynuowaniem mojej pracy z LPixel przez ostatni rok, aby opracować modele większych zestawów danych w skanach TK klatki piersiowej i zbadać, jak zastosować głębokie splotowe generatywne sieci przeciwne (DCGAN) do rozszerzonych zestawów danych.