【上报纸啦】95后大学生用机器学习PAI大战老年痴呆
中国青年报原文链接:http://zqb.cyol.com/html/2017-07/28/nw.D110000zgqnb_20170728_2-06.htm
燕山大学信息科学与技术专业出身的95后大学生谭创创,没想到自己会与阿尔茨海默症(俗称“老年痴呆症”)为“敌”。
除了上课,他每天主要的工作,是用人工智能技术分析阿尔茨海默症。过去,大学生做研究主要使用自己的计算机,或者学校的实验室设备,而谭创创则与社会接轨,他的“武器”来自于亚洲最大云计算服务商——阿里云。
2015年上半年,刚刚大一的谭创创闯入了机器学习的世界。他向学校的文冬教授表达了想要参与科研的意愿。此后,他开始运用机器学习算法来研究阿尔茨海默症的诊断。
文冬解释说,通常一次诊断可能需要做十几个量表(根据病人答题情况判断疾病——记者注),耗费大量时间,病人有时也难以坚持。加之病情轻微时,片子上无法准确呈现哪里病变,就会降低诊断效率与准确性。“机器学习可以提高发现、诊断阿尔茨海默症的工作效率,在患者治疗中起到积极作用。”
在具体操作上,他们需要把功能性核磁共振和量表中得到的数据分为两类样本,一类样本输入到机器学习的分类模型中去训练,学习普通人与病人的不同,再给它一个未知样本去验证分类器学习后的效果。
项目初期,谭创创用自己的电脑就能完成数据建模和病例图片的分析。但随着模型越来越大,电脑处理速度越来越慢,后来系统一启动就崩溃。几个月前,阿里云在深圳云栖大会上宣布推出机器学习平台。谭创创逮住免费试用的机会,把自己想要运行的模型、数据和代码一股脑儿输入进去。阿里云遍布全球的服务器瞬间响应,快速给出了结果。
但这次对云计算资源的大规模调用,很快引起了阿里云工程师的注意。阿里云机器学习运营负责人致电谭创创了解情况,主动为谭创创延长了免费试用期,并将多位阿里云高级机器学习专家拉来支持。
丰富的计算资源令谭创创如鱼得水。在研究过程中,他还顺带向阿里云的机器学习平台反馈一份产品底层硬件的问题,并因此被列为MVP用户候选人,阿里云MVP指的是最有价值技术专家(MVP)称号在全球范围内授予为行业作出贡献的300位专业人士。
“可以说现在的研究还只是尝试。把运算数据过程中的各种可能性提出来,一个一个去试。” 谭创创觉得,现在的人工智能和大家想象的离得还比较远,“并不是我把数据给它,它就能告诉我哪儿有问题。”
“算法里包含了隐含层,但现在不知道这个隐含层中有什么,里面的隐含变量代表了什么意思,这是机器学习理论需要突破的地方。”他认为,人工智能这股热潮才刚刚开始。我们只是撕开了一个口子,一群人冲进去发现一片黑暗,连灯都没有。大家都在自己周边一两步的距离内探索,即便如此,人工智能已经让我们的生活发生了巨大改变。
如今,文冬教授所带的团队已经在诊断与康复治疗方面取得了一些成果:研发出基于功能性核磁共振数据的阿尔茨海默症早期自动诊断软件系统、认知评估软件系统。
“我总觉得我像刚入门一样,还有很多工作、很多实验要做。”谭创创说。
中国青年报·中青在线记者 赵建琳 来源:中国青年报 ( 2017年07月28日 06 版)
使用阿里云机器学习PAI做回归预测 XGBoost是一种集成机器学习算法,能够处理分类和回归问题。它具有高准确性、鲁棒性、可解释性和可扩展性等优点。XGBoost的算法原理是集成多个决策树模型,每个模型都是在前一个模型的残差上进行训练。在训练过程中,XGBoost使用了一些技术来避免过拟合,例如正则化、剪枝和子采样。如果想要处理分类和回归问题,XGBoost是一个值得尝试的机器学习算法。
阿里云机器学习 PAI 年度发布:持续锻造云原生的 AI 工程平台 刚刚结束的 2022 云栖大会上,阿里云机器学习平台 PAI 发布了在开发者服务、企业级能力、工程性能优化三个方向的一系列新特性和功能。从支撑达摩院上云,到服务金融、汽车、互联网、制造等多个行业的创新实践,机器学习 PAI 不断夯实云原生的 AI 工程平台能力。
傲海 著有《机器学习实践应用》,阿里云机器学习PAI产品经理,个人微信公众号 ldquo;凡人机器学习 rdquo;。
相关文章
- 10-机器学习进阶_异常检测(1-3)
- 李宏毅机器学习_误差从何而来_2_1
- 机器深度学习算法的全浏览
- (《机器学习》完整版系列)第3章 线性模型——3.4 纠错输出码(奇想:用编码来分类)
- (《机器学习》完整版系列)第16章 强化学习——16.5 策略改进(单调递增有界序列必收敛)
- 人工智能、深度学习、机器学习常见面试题321~324
- 人工智能、深度学习、机器学习常见面试题201~220
- 机器学习笔记之密度聚类——DBSCAN方法(Python代码实现)
- 机器学习笔记之集成学习(五)梯度提升树(GBDT)
- 机器学习之变分推断(三)基于平均场假设变分推断与广义EM
- 机器学习温和指南
- IEEE2015 可视化会议-机器学习渐呈星火燎原之势
- 风控中的大数据和机器学习
- 【机器学习*时尚】让计算机成为你的私人设计师
- 【重磅】Facebook开源机器视觉工具,从像素点中发现规律
- 机器学习:如何在安卓上集成TensorFlow
- Apache Spark机器学习3.4 模型估计
- 《机器学习与R语言(原书第2版)》一 第1章 机器学习简介
- 数博会第一辩:机器智能是人也不具备的智能
- 机器学习的数学基础 - 标量,向量,矩阵与张量
- 《数字图像处理与机器视觉——Visual C++与Matlab实现(第2版)》导读
- 五大机器学习微信公众号推荐
- 《Python机器学习——预测分析核心算法》——2.3 对“岩石vs.水雷”数据集属性的可视化展示
- 『迷你教程』机器学习的大数定律及Python实现
- 【HMS Core】使用机器学习服务和搜索服务识别植物
- 【机器学习】:Xgboost使用optuna进行调试参数
- 机器学习——支持向量机SVM之非线性模型(原问题转化为对偶问题)
- 2017谷歌火力全开:瞄准机器学习与数据分析
- 吴恩达机器学习笔记2--回归、分类问题(未看完)
- 机器学习课堂笔记20210923——第三次课