"Big Challenges-2020"은 시리우스 교육 센터에서 12 월 하반기에 개최되는 프로젝트 중 하나라고 불리는 것입니다. 이 과학 기술 프로젝트 프로그램의 과정에서 고등학생은 인공 지능을 훈련 시켰습니다. 녀석들은 차를 다음 지혜로 가르쳐야했습니다.
- 뉴스를 작성하십시오.
- 새로운 약을 개발하십시오.
- CT의 사진을 분석하십시오.
- 소셜 네트워크에서 지원자의 연구 프로필.
SchoolChildren은 대학 무관, YANDEX, 고등학교 관리 SPBSU, VTB BANK, BIOCAD의 전문가를 도왔습니다. 최상의 제안이 실제로 구현 될 것으로 예약되었습니다.
Andrei Rasjorgorodsky, Fiztech-School of Applied 수학 학교의 이사와 MFTI의 정보학 이사는 10 일 동안 지속되었다고 명시되어 있습니다. 이 기간 동안, 녀석들은 다양한 디지털 기술 도구와 함께 일하는 법을 배웠고 이제는 집에서 미래의 기술을 사용할 수 있습니다.
이 프로젝트는 "큰 데이터, 인공 지능, 금융 기술 및 기계 학습"을 제공합니다. 러시아의 18 개 지역의 28 학년은 그것에 대해 일하도록 초대되었습니다. 이 사람들은 디자인 및 연구 작업의 모든 러시아 대회의 결선 진출자가되었습니다.
이 방향의 참가자들에게 YANDEX는 특별한 주문을 형성했습니다 : 뉴스를 생성하는 프로그램을 개발하여 현대적인 버전을 일상 업무에서 사용할 수 있습니다. VTB 은행과 상트 페테르부르크 주립 대학은 또한 시리우스 학생들의 임무를주었습니다. 녀석들은 소셜 네트워크를 분석하고받은 정보를 기반으로 비즈니스 스쿨 신청자가 초상화되어야합니다.
과학자들은 복잡한 소원을 가진 학생들을 놀라게했습니다. 녀석들은 새로운 약물을 만들 때 분자 복합체의 구조를 모델링하는 컴퓨터 모델링을 정확하게 예측할 수있는 인공 지능을 가르쳐야합니다. 차는 가장 믿을만한 조합을 찾아야 할 것이며 실제로 본질적으로 존재하는 사람들을 찾아야합니다. 새로운 방법은 준비가 얼마나 효과적으로 작성된지 예측해야합니다. 고등학생의 제안은 BioCAD의 헤지 알고리즘에서 사용되어야합니다.
인공 지능을 기반으로하는 디지털 기술은 세계의 많은 국가에서 의료 산업에 적극적으로 적용됩니다. 이것은 코로나 바이러스 전염병의 시작에 의해 촉진되었습니다. Telemedicine Technologies는 많은 프로세스를 자동화하는 이점을 보이고, 클리닉 및 의사가 반복적으로 증가 된 부하로부터 의사를 푸는 데 도움이되었으며, 고품질의 원격 의료 치료를 환자에게 제공 할 수 있습니다.
시리우스 "Big Challenge-2020"의 과학 및 기술 프로젝트의 틀 안에서, 프로그램에 참여한 학생들은 러시아의 드레스 렌트카에서 어려운 일을 받았다. 의사들은 컴퓨터 비전을 사용하여 의료 이미지를 분석하고 폐에서 병리학을 신속하고 정확하게 찾아내는 인공 지능을 가르치도록 요청합니다. NeuroSette의 도움과 팁은 방사선 학자의 작동을 용이하게하고 사진을 처리하는 시간을 줄입니다.
이러한 다양한 복잡한 문제를 위해, 의료 이미지를받는 것처럼 심층적 인 학습은 필요한 수준의 정확도를 달성하기 위해 큰 데이터 세트가 필요합니다. 인공 지능의 권장 사항은 대개 매우 정확합니다. 작업 결과는 오픈 소스 라이브러리에 업로드되어 모든 국가의 전문가를 위해 발견 될 수 있습니다. SchoolChildren 솔루션은 개발 품질이 사용자를 정렬하면 실제로 테스트 및 적용 할 수 있습니다. 학생들에게 파트너 지원은 대학의 인공 지능 센터에서 제공됩니다.
프로젝트 팀은 Khanty-Mansiysk Autonomous Okrug, Sevastopol, Khabarovsk Territory, Bashkortostan, Tyumen 및 Kemerovo 및 지역에서 6 개의 11 등급을 고용합니다. 그들은 혁신의 중심부의 전문가들이 도움이됩니다.
가이 딩 프로젝트 인 Innopolis 대학의 인공 지능 센터 인 Semen Kiselev는 개발자가 기계 학습 및 컴퓨터 비전의 방법을 가진 어린이를 소개한다고 말했다. 수학, 프로그래밍 및 기계 학습 방법의 대중화는이 변경이 필요한 많은 사람들의 개방 기회에 대한 태도를 변경할 수 있습니다. 이 프로젝트는 학생들이 사회의 디지털 변형 전망을 연구하는 데 더 적극적이되도록 장악하고, 더 흥미롭고 지적으로 본격적인 삶을 이끌 수 있다는 것을 확신 할 수 있습니다. 신경망과의 일하는 경험은 미래의 직업의 선택으로 이어집니다. 자유의 분위기에서 활동을 만질 수 있으며, 자신에 대한 자신감을 개발하고 미래에 필요한 역량을 제공 할 것입니다.
이들은 어디에서 얻은 지식을 적용 할 수있는 곳을 보여줍니다. 참가자들은 폐의 스냅 샷을 분석하기위한 그러한 모델과 알고리즘을 생성하여 폐렴 및 기타 호흡기 질환, 폐렴 또는 종양을 인식하기위한 자체 진전을 신경화합니다. 심층적 인 학습 모델은 거의 틀림없는 정확도로 예측을 할 수 있지만, 모델의 내부 논리 가이 결정이 정확한 이유에 찬성하는 인수는 종종이 결정이 정확하지 않은 이유를 찬성하기가 어렵 기 때문에 종종 일치하지 않습니다.
의학적 결정이 믿을 수없는 체중을 가질 수 있으므로 많은 사람들이 완전 자동화의 전망을 의미합니다. 차는 의사를 대체하지는 않지만 그의 조수와 고문이되는 것을 기억하는 것이 매우 중요합니다. 실제로 그것은 의사의 세 번째 눈 일뿐입니다. AI는 일상적인 작업을 최적화하는 데 필요합니다. 유비쿼터스 구현으로 방사선과 및 병리와 같은 강력한 시각적 구성 요소로 전문 분야를 깊이 변경합니다. 외과 의사를 포함한 실무자는 이러한 장치를 개발하고 구현하는 데 적극적으로 관심이 있습니다. AI는 훌륭한 소개를 통해 일상적인 작업을 최적화하는 데 필요합니다. 전문 분야는 방사선과 및 병리와 같은 강력한 시각적 구성 요소로 변경됩니다. 외과 의사를 포함한 실무자는 이러한 장치를 개발하고 구현하는 데 적극적으로 관심이 있습니다.
연구 된 알고리즘 학생들은 실제 병원의 많은 실제 의료 사진을 테스트했습니다.
젊은 프로그래머는 폐의 병리학 적 프로세스의 정확한 치수와 위치를 계산하려면 인공 지능을 가르쳐야하며 장기의 예외에 의사를 나타냅니다. 연구 자료 프로젝트 참가자는 오픈 소스, 국내외의 과학 관련 대학의 이러한 과학 기사의 데이터베이스에서 발견됩니다. 그들은 AI의 훈련 알고리즘에서 관련이 있고 충분한 데이터에 대한 액세스가 가장 중요하고 충분한 데이터에 대한 액세스가 중요한 데이터에 대한 액세스가 중요하기 때문에 실제 LPU의 수백 가지 정품 의료 사진에 대한 알고리즘을 확인합니다.
Kemerovo의 11 학년의 Danila Pechenev는 그가 이미 기계 비전으로 일했기 때문에이 일을 선택했다고 말합니다. 필기를 인식하는 신경망 프로젝트는 "큰 도전"경연 대회의 결선 주의자가되었습니다. 그리고 새 작업에 대한 작업을 통해 첨단 기계 학습 방법을 배울 수 있습니다. 오늘날 의료 이미지의 분석은 신경망을 적용하는 긴급한 작업입니다. 대부분의 경우 기술을 사용할 수 있습니다. 검증 확인에 대한 높은 정확성을 보여줍니다.
프로젝트의 결선 진출자가 더 많은 개발 및 자체 실현을 위해 좋은 기회가 열립니다. 이전 "큰 도전"의 많은 참가자들은 국가의 가장 큰 대학에 등록되었으며 MFTI 실험실 전문가들과 적극적으로 일하고 있습니다. 대학은 전체 훈련 시간 동안 프로젝트를 끌어 들이고 전 세계 과학 프레스에서 업적과 개발에 대해 알려줍니다. "큰 도전 과제"의 참가자들의 많은 아이디어는 이미 파트너 회사가 실제로 사용되고 있습니다.