「Big Challenge-2020」は、Sirius教育センターで12月下半期に開催されたプロジェクトの1つを野心的に呼び出しています。この科学的および技術プロジェクトプログラムの過程で、高校生は人工知能を訓練しました。みんなは次の知恵に車を教えることでした。
- ニュースを書いてください。
- 新薬を開発する。
- CTの写真を分析します。
- ソーシャルネットワークにおける応募者の研究プロファイル
小学生は、大学のInnopolis、Yandex、高校の管理SPBSU、VTB Bank、Biocadからの専門家を助けました。最良のオファーが実際に実装されることが計画されています。
Andrei Rasjorgorodskyは、MFTIのFiztech-School of MFTIのFiztech-Schoolのディレクターの「ビッグデータ」ディレクターの長責任者を指定しています。この間、みんなはさまざまなデジタルテクノロジーツールを扱うことを学びました。今すぐ家で将来的に彼らのスキルを利用することができます。
このプロジェクトは、別の方向「ビッグデータ、人工知能、金融技術と機械学習」を提供します。ロシアの18の地域からの28年生の1年生がそれに働くように勧められました。これらの人たちは、デザインと研究作業の全ロシアの競争のファイナリストになりました。
この方向の参加者のために、Yandexは特別な注文を形成してきました。 VTB銀行およびセントピーターズバーグ州立大学はまたSirius Schoolchildrenの課題を与えました。みんなはソーシャルネットワークを分析しなければならず、ビジネススクールの申請者の肖像画を作るために受け取った情報に基づいていなければなりません。
科学者たちは複雑な願いを積んだ学童を困惑させた：人は、新しい薬物を作り出すときの分子複合体の構造をモデル化するコンピュータの援助と正確に予測するために人工知能を教えるべきです。車は最も信頼できる組み合わせを見つけなければならないでしょう、そして本当に自然に存在するもの。新しいメソッドは、準備を効果的に作成するかを予測する必要があります。高校生からの提案は、Biocadのヘッジアルゴリズムで使用されることになっています。
人工知能に基づくデジタル技術は、世界の多くの国で医療産業に積極的に適用されてきました。これはコロナウイルスのパンデミックの始まりによって促進されました。遠隔医療技術は、多くのプロセスを自動化するという利点を示しており、患者に高品質のリモート医療を提供することができた繰り返しの荷物や医師からの閉鎖や医師が繰り返し増加したのを助けました。
Sirius「Big Challenge-2020」の科学技術プロジェクトの枠組みの中で、プログラムに参加している学生はロシアの賃料専門医から困難な作業を受けました。医師は、コンピュータビジョンを使用して医用画像を分析し、急速かつ正確に肺の病理を見つけるように教えるように求められます。ニューロセットの助けとヒントは放射線科医の操作を容易にし、写真を処理する時間を短縮します。
そのような様々な複雑な問題については、医用画像を受信するにつれて、深い学習は必要なレベルの精度を達成するために大きなデータセットを必要とする。人工知能の勧告は通常非常に正確です。作業の結果はオープンソースライブラリにアップロードされ、すべての国の専門家のために発見されるでしょう。 SchoolChildrenソリューションは、開発品質がユーザーを配置する場合に実際にテストされ適用できます。小学生へのパートナー援助は、Innopolis大学の人工知能の中心部によって提供されています。
プロジェクトチームは、Khanty-Mansiysk自律オクラグ、セヴァストポール、カバロフスクテリトリー、バシコルトスタン、チューメン、ケメレヴォ、地域から6つの11級を擁しています。彼らはInnopolisの中心部からの専門家によって助けられます。
開発者は、開発者が機械学習とコンピュータビジョンの方法で子供たちを紹介すると、開発者が子供を紹介すると述べた。数学、プログラミング、機械学習方法の普及により、この変更が必要な多くの人々の開会機会への態度を変更することができます。このプロジェクトは、学童が社会のデジタル変革のための見込み客を研究することでより積極的になることを奨励し、彼らをより面白くて知的に本格的な人生に導くことができると彼らに伝えることができます。ニューラルネットワークを扱う経験は、将来の職業の選択につながり、自由の雰囲気の中で活動に触れることができ、自分に自信を発揮し、子供たちと青年が将来必要とする能力を提供します。
みんなは、どの分野で彼らが得た知識を適用できるかを示しています。参加者は、肺炎および他の呼吸器疾患、気胸または腫瘍を認識するために自己進行性を認識するための自己進行性を認識する肺のスナップショットを分析するためのそのようなモデルおよびアルゴリズムを作り出す。このような決定が正しい理由のためには、モデルの内部論理は困難であるため、この決定が正しい理由のために有利な議論が困難であるため、深い学習モデルはほとんど想定できない精度で予測することができます。
医学的決定は信じられない重さを持つかもしれませんが、多くの多くは完全な自動化の見通しを指します。車が医者に代わるものではなく、彼の助手とアドバイザーになることを覚えておくことは非常に重要です、実際には医者のための3つ目の目です。 AIは日常的なタスクを最適化するために必要であり、そのユビキタス的な実装では、放射線学や病理学などの強力な視覚的なコンポーネントとの特別な変更を深く変化させる必要があります。外科医を含む実務家は、そのような装置の開発と実施に積極的に興味を持っています。 AIは日常的な任務を最適化するために必要とされており、その広範な紹介では、専門分野は放射線学や病理学などの強力な視覚的構成要素で変化します。外科医を含む実務家は、そのような装置の開発と実施に積極的に興味を持っています。
研究されたアルゴリズム小学生は、本物の病院からの多数の本物の医療写真でテストされています。
若いプログラマーは、肺の正確な寸法と病理学的プロセスの位置を計算するために人工知能を教える必要があります。臓器の異常について医師を示します。研究のための材料プロジェクト参加者は、オープンソース、国内外の医学大学の科学記事のデータベースにあります。関連性が高く十分なデータへのアクセスがAIのトレーニングアルゴリズムで最も重要であるため、実際のLPUからの純正医療写真のアルゴリズムを確認します。
Kemerovoからの11年生のDanila Pechenevは、彼がすでにマシンビジョンで働いていたので、彼はこの仕事を選んだと言います。手書きを認識するニューラルネットワークの彼のプロジェクトは、「大きな課題」コンテストのファイナリストになりました。そして新しいタスクの作業により、高度な機械学習方法を学ぶことができます。今日の医用画像の分析は、ニューラルネットワークを適用する緊急の仕事です。テクノロジーは利用可能です。ほとんどの場合、検証のチェックに関する高精度を実証しています。
プロジェクトのファイナリストのために、さらなる開発と自己実現のために良い機会が開かれています。前回の「大きな挑戦」の多くの参加者は、国の最大の大学に登録され、MFTI Laboratoriesの専門家と積極的に働いています。大学はトレーニング時間全体を通してリードプロジェクトを卒業し、世界的な科学プレスの成果と開発について知らせます。 「大きな課題」の参加者の多くのアイデアは、パートナー企業によって実際には実際に使用されています。