Новый курс для аспирантов в Университете Торонто
Сегодня мы рады объявить о новом курсе для аспирантов в Университете Торонто, который проводят Рагаван Турайратнам, наш руководитель отдела машинного обучения, и Джоди Чжу, один из наших инженеров по машинному обучению.
Рагаван и Джоди недавно были назначены адъюнкт-лекторами в университетской Школе общественного здравоохранения Далла Лана, где они будут читать курс по прикладному глубокому обучению для аспирантов, обучающихся в школе (а также с других факультетов). Кроме того, в течение семестра на курсах будут выступать несколько приглашенных лекторов из нашей группы инженеров машинного обучения.
Мы думаем, что этот курс восполнит важный пробел в текущих академических предложениях для студентов, повышающих свои знания в области машинного обучения. Сегодня в UofT и других учебных заведениях большинство курсов сосредоточено почти исключительно на теоретических основах данной области. Этим курсом Рагаван и Джоди намереваются изменить это.
Основываясь на их обширном опыте развертывания реального ИИ, этот курс поможет студентам развить навыки, необходимые для внедрения глубокого обучения в производственную среду.
Поскольку его преподают в Школе общественного здравоохранения Далла Лана, курс будет посвящен огромному потенциалу методов искусственного интеллекта, таких как глубокое обучение, для улучшения здравоохранения на широком социальном уровне.
Первая сессия этого курса начнется этим летом и будет проходить с 17 июня по 16 августа. Текущие аспиранты могут узнать больше о том, как зарегистрироваться на курс, просмотрев Летнее расписание на 2019 год на веб-сайте школы Далла Лана.
Обновление 2020: вторая сессия этого курса начнется 5 мая 2020 года и продлится до 28 июля 2020 года. Студенты UofT, которые хотят узнать больше о курсе, могут посетить веб-сайт курса здесь.
Реальный мир беспорядок: зачем студентам изучать прикладное глубокое обучение
Краткое интервью с Джоди Чжу о курсе Алиссы Кунерт, руководителя отдела коммуникаций Dessa.
Не могли бы вы подробнее рассказать о том, чем курс в UofT отличается от других курсов, которые в настоящее время доступны по машинному обучению?
JZ: Сейчас существует огромный разрыв между уровнем опыта аспирантов в области машинного обучения и опытом, который требуется, если вы действительно хотите изменить ситуацию в отрасли.
Пока что мы думаем, что это связано с тем, что есть навыки, которые на сегодняшний день можно было получить, только работая над проблемами отрасли, а не только с помощью исследований. Мы заметили это при рассмотрении заявок на вакансии по машинному обучению от недавних выпускников. Они понимают теорию, но у них просто не было опыта работы, например, с более сложными типами данных. Они не знают, что такое рабочий процесс машинного обучения от начала до конца.
По окончании курса студенты будут готовы решать проблемы машинного обучения, с которыми они столкнутся в реальных условиях.
Как будет выглядеть учебная программа?
Курс будет включать половину лекций и половину семинаров. Мы научим студентов переводить реальную проблему на язык машинного обучения. И расскажите об уникальных типах инфраструктуры, с которыми они столкнутся при работе над практическими приложениями. Студенты также узнают основы внедрения практических приложений в производство и узнают, что в реальном машинном обучении есть гораздо больше, чем просто написание кода.
Чтобы убедиться, что все участники имеют правильную основу, мы также уделим время в первые несколько недель курса, чтобы более теоретически изучить основы нейронных сетей и глубокого обучения.
Самый лучший способ оценки курса - это финальный проект, в котором студенты будут работать в небольших группах, чтобы разработать реальное приложение для глубокого обучения, связанного с общественным здравоохранением.
Приятно, что этот курс предлагается в Школе общественного здравоохранения Далла Лана, поскольку существует так много приложений для глубокого обучения в здравоохранении. Что вы думаете о приложениях в этой области?
Одна из причин, по которой мы с Рагаваном решили обратиться к этому факультету по поводу курса, заключается именно в этой причине. Мы оба видим, какое влияние глубокое обучение может оказать на улучшение здравоохранения во всем мире.
Когда мы говорим об использовании искусственного интеллекта для здоровья, я думаю, что многие люди сразу же начинают думать о гламурных приложениях, таких как использование распознавания изображений для диагностики редких заболеваний или для разработки лекарств. Очевидно, что у этих приложений потрясающий потенциал. Но есть и менее привлекательные приложения, которые больше скрыты за кадром, и я тоже вижу в них огромную ценность. Такие вещи, как сокращение времени ожидания в больницах.
Для меня такие виды практического применения на самом деле являются одними из тех вещей, которые меня больше всего восхищают. Мне нравится видеть влияние своей работы и то, как она может улучшить существующие процессы. В последнее время в Dessa мы сосредоточились на том, как глубокое обучение может повлиять на здравоохранение, и работа с этими студентами, безусловно, является одним из способов добиться этого.
Хотите узнать больше о Dessa, прикладном глубоком обучении или о других будущих сессиях этого курса в UofT? Вам повезло: мы публикуем ежемесячный информационный бюллетень, в котором освещается все, что вам нужно знать, не только о прикладном искусственном интеллекте, но и о последних разработках Dessa. Следите за последним выпуском и подпишитесь здесь.
Уже убедились? Найдите прямую ссылку для подписки на рассылку новостей здесь.
