"Große Herausforderungen-2020" ist so ehrgeizig als eines der Projekte genannt, das in der zweiten Dezemberhälfte im Sirius Educational Center stattfindet. Im Laufe dieses wissenschaftlichen und technologischen Projektprogramms trainierten Highschool-Studenten die künstliche Intelligenz. Die Jungs sollten das Auto zur nächsten Weisheit lehren:
- Schreibe Nachrichten.
- Neue Medikamente entwickeln.
- Analysieren Sie die Bilder des CTs.
- Studienprofile von Antragstellern in sozialen Netzwerken.
Schulkinder unterstützten Experten von University Innopolis, Yandex, Higher School of Management SPBSU, VTB Bank, Biocad. Es ist geplant, dass die besten Angebote in der Praxis umgesetzt werden.
Andrei Rasjorgorodsky, Leiter der Regisseur "Big Data", der Direktor der FizTech-Schule der angewandten Mathematik und der Informatik von MFTI, ist angegeben, dass die Sitzung 10 Tage dauerte. Während dieser Zeit haben die Jungs gelernt, mit verschiedenen digitalen Technologie-Tools zusammenzuarbeiten und nun ihre Fähigkeiten in der Zukunft zu Hause nutzen zu können.
Das Projekt sorgt für eine separate Richtung "Big Data, künstliche Intelligenz, Finanztechnik und Maschinenlernen". 28 elfte Grader aus 18 Regionen Russlands wurden eingeladen, darin zu arbeiten. Diese Jungs wurden Finalisten des all-russischen Wettbewerbs der Design- und Forschungsarbeit.
Für die Teilnehmer in diese Richtung hat Yandex eine Sonderauftrag gebildet: Um ein Programm zur Erzeugung von Nachrichten zu entwickeln, sodass moderne Ausgaben in der täglichen Arbeit genutzt werden können. Die VTB Bank und der St. Petersburg State University gaben auch die Aufgabe von Sirius-Schulkindern. Die Jungs müssen soziale Netzwerke analysieren und basierend auf den erhaltenen Informationen, um ein Porträt eines Antragstellers eines Business-Schools zu erstellen.
Wissenschaftler verwirrte Schulkinder mit einem komplexen Wunsch: Die Jungs sollten künstliche Intelligenz unterrichten, um mit Hilfe des Computers mit Hilfe des Computers der Struktur des molekularen Komplexes beim Erstellen neuer Medikamente genau vorherzusagen. Das Auto muss die glaubwürdigsten Kombinationen und diejenigen finden, die wirklich in der Natur existieren. Die neue Methode muss vorhergesagt werden, wie effektiv die erstellte Zubereitung erzeugt wird. Vorschläge von Studenten der Highschool sollen in der Hedge-Algorithmus von Biocad verwendet werden.
Digitale Technologien, die auf künstlicher Intelligenz basieren, sind in vielen Ländern der Welt aktiv in der medizinischen Industrie angewendet. Dies wurde durch den Beginn der Coronavirus-Pandemie erleichtert. Telemedizin-Technologien haben den Vorteil der Automatisierung vieler Prozesse gezeigt, dabei geholfen, Kliniken und Ärzte aus wiederholt erhöhten Lasten zu entladen, gelungen, die Patienten mit einer hochwertigen Remote-Medizin zu sorgen.
Im Rahmen des wissenschaftlichen und technologischen Projekts von Sirius "Große Herausforderungen-2020" erhielten die an dem Programm teilnehmenden Studenten eine schwierige Aufgabe von den Mietgeselligten Russlands. Ärzte werden gebeten, künstliche Intelligenz zu unterrichten, medizinische Bilder mit der Computervision analysieren und schnell und präzise Pathologie in der Lunge zu finden. Die Hilfe und Tipps der Neurosette erleichtern den Betrieb von Radiologen, reduzieren die Zeit, um die Bilder zu verarbeiten.
Für eine solche Vielfalt und komplexer Probleme, wie er medizinische Bilder empfangen, erfordert tiefes Lernen große Datensätze, um das erforderliche Genauigkeitsgrad zu erreichen. Die Empfehlungen künstlicher Intelligenz sind in der Regel sehr genau. Die Ergebnisse der Arbeiten werden in die Open-Source-Bibliothek hochgeladen, auf die Zugriff auf Spezialisten aus allen Ländern entdeckt werden. Schulkinderlösungen können in der Praxis getestet und angewendet werden, wenn die Entwicklungsqualität einen Benutzer arrangiert. Partnerhilfe an Schulkindern wird vom Zentrum für künstliche Intelligenz der Universität Innopolis angeboten.
Das Projektteam beschäftigt sechs 11 Noten aus dem autonomen Khanty-Mansiysk-Autonomen Okrug, Sewastopol, dem Territorium Khangarowsk, der Republik Bashkortostan, Tjumen und Kemerovo und Regionen. Sie werden von Experten vom Zentrum von Innopolis geholfen.
Samen Kiselev, Forscher des Zentrums für künstliche Intelligenz der University of Innopolis, ein Leitprojekt, sagte, dass die Entwickler Kinder mit Methoden des Machine-Lern- und Computervisionen einführen. Die Popularisierung von Mathematik, Programmier- und Maschinenlernmethoden ermöglicht es Ihnen, die Einstellung zu den Eröffnungsmöglichkeiten vieler zu ändern, die diese Änderung benötigen. Das Projekt wird Schulkinder ermutigen, aktiver, die Perspektiven für die digitale Transformation der Gesellschaft zu studieren, um sie davon zu überzeugen, dass er sie zu interessanter und intellektuellem Leben führen kann. Die Erfahrung, mit neuronalen Netzwerken zu arbeiten, führt zur Wahl des zukünftigen Berufs, ermöglicht es Ihnen, die Aktivitäten in der Atmosphäre der Freiheit zu berühren, das Vertrauen in sich selbst entwickelt und Kinder und Jugendliche die zukünftigen Zuständigkeiten bereitstellen, die sie brauchen.
Die Jungs zeigen, wo in welchen Bereichen sie das gewonnene Wissen anwenden können. Die Teilnehmer schaffen solche Modelle und Algorithmen zur Analyse der Schnappschüsse der Lunge, in denen die Selbstveranstaltungen neuralisieren, um die Lungenentzündung und andere Atemwegserkrankungen, Pneumothorax oder Tumor zu erkennen. Deep-Lern-Modelle können jedoch Vorhersagen mit nahezu unverwechselbarer Genauigkeit führen, da die interne Logik des Modells schwer zu entdecken und zu interpretieren, die Argumente dafür, warum diese Entscheidung korrekt ist, bleibt oft unallimy.
Da medizinische Entscheidungen ein unglaubliches Gewicht haben können, beziehen sich viele kritisch auf die Perspektive der vollen Automatisierung. Es ist sehr wichtig, sich daran zu erinnern, dass das Auto den Arzt nicht ersetzt, sondern sein Assistent und der Berater wird, tatsächlich ist es nur das dritte Auge für den Arzt. Für die Optimierung der Routineaufgaben ist AI erforderlich, wobei seine allgegenwärtige Implementierung tief ändert Spezielle Spezialität mit einer starken visuellen Komponente, wie Radiologie und Pathologie. Praktizierende, einschließlich Chirurgen, sind aktiv daran interessiert, solche Geräte zu entwickeln und umzusetzen. Um Routineaufgaben zu optimieren, wird mit seiner weit verbreiteten Einführung mit der weit verbreiteten Einführung mit einer starken visuellen Komponente wie Radiologie und Pathologie ändert. Praktizierende, einschließlich Chirurgen, sind aktiv daran interessiert, solche Geräte zu entwickeln und umzusetzen.
Die studierenden Algorithmen-Schulkinder werden auf einer großen Anzahl echter medizinischer Bilder von echten Krankenhäusern getestet.
Junge Programmierer müssen künstliche Intelligenz unterrichten, um die genauen Abmessungen und den Ort pathologischer Prozesse in der Lunge zu berechnen, den Arzt auf den Anomalien des Organs anzuzeigen. Forschungsmaterialien Die Projektteilnehmer befinden sich in offenen Quellen, Datenbanken dieser wissenschaftlichen Artikeln inländischer und ausländischer medizinischer Universitäten. Sie überprüfen ihre Algorithmen auf Hunderten von echten medizinischen Bildern aus echten LPUs, da der Zugang zu relevanten und ausreichenden Daten in der Ausbildung von Algorithmen von AI von größter Bedeutung ist.
Danila Pechenev, elf Grader aus Kemerovo, sagt, dass er diese Aufgabe entschieden hat, weil er bereits mit der Machine-Vision gearbeitet hat. Sein Projekt eines neuronalen Netzwerks, das die Handschrift anerkennt, wurde der Finalist der "großen Herausforderungen" Wettbewerb. Und die Arbeit an der neuen Aufgabe ermöglicht es Ihnen, erweiterte Maschinenlernmethoden zu lernen. Die Analyse medizinischer Bilder ist heute eine dringende Aufgabe, neuronale Netzwerke anzuwenden. Die Technologie ist in den meisten Fällen verfügbar, wobei die Überprüfung der Überprüfung hoher Genauigkeit gezeigt wird.
Für die Finalisten des Projekts werden gute Möglichkeiten zur Weiterentwicklung und Selbstverwirklichung eröffnet. Viele Teilnehmer der vorherigen "Big Challenge" wurden an den größten Universitäten der Länder eingeschrieben und arbeiten aktiv mit Spezialisten der MFTI-Laboratorien zusammen. Hochschulabsolventen führen Projekte während der gesamten Trainingszeit und informieren über Leistungen und Entwicklungen in der globalen wissenschaftlichen Presse. Viele Ideen der Teilnehmer von "großen Herausforderungen" werden bereits in der Praxis von Partnerunternehmen eingesetzt.