【上报纸啦】95后大学生用机器学习PAI大战老年痴呆

本文涉及的产品
模型训练 PAI-DLC,100CU*H 3个月
交互式建模 PAI-DSW,每月250计算时 3个月
模型在线服务 PAI-EAS,A10/V100等 500元 1个月
简介: 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”。

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)

相关实践学习
使用PAI-EAS一键部署ChatGLM及LangChain应用
本场景中主要介绍如何使用模型在线服务(PAI-EAS)部署ChatGLM的AI-Web应用以及启动WebUI进行模型推理,并通过LangChain集成自己的业务数据。
机器学习概览及常见算法
机器学习(Machine Learning, ML)是人工智能的核心,专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能,它是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。 本课程将带你入门机器学习,掌握机器学习的概念和常用的算法。
目录
打赏
0
0
0
0
82420
分享
相关文章
PAI训练服务:云上大模型训练新篇章
本文介绍了通用AI时代下的新训练方法及PAI平台的优化。随着大模型时代的到来,算力需求激增,硬件和网络通信成为瓶颈。PAI平台通过自动容错、3D健康检测等技术确保训练稳定性;通过资源配额、智能调度等提高性价比;并推出PAI-TorchAcc和PAI-ChatLearn两大引擎,分别实现高效训练加速和灵活的对齐训练,显著提升训练性能与效果。这些改进解决了大规模AI训练中的关键问题,提升了效率和稳定性。
MATLAB在机器学习模型训练与性能优化中的应用探讨
本文介绍了如何使用MATLAB进行机器学习模型的训练与优化。MATLAB作为强大的科学计算工具,提供了丰富的函数库和工具箱,简化了数据预处理、模型选择、训练及评估的过程。文章详细讲解了从数据准备到模型优化的各个步骤,并通过代码实例展示了SVM等模型的应用。此外,还探讨了超参数调优、特征选择、模型集成等优化方法,以及深度学习与传统机器学习的结合。最后,介绍了模型部署和并行计算技巧,帮助用户高效构建和优化机器学习模型。
60 1
MATLAB在机器学习模型训练与性能优化中的应用探讨
魔搭支持在阿里云人工智能平台PAI上进行模型训练、部署了!
现在,魔搭上的众多模型支持在阿里云人工智能平台PAI-Model Gallery上使用阿里云算力资源进行模型训练和部署啦!
351 22
AI推理新纪元,PAI全球化模型推理服务的创新与实践
本次分享主题为“AI推理新纪元,PAI全球化模型推理服务的创新与实践”,由阿里云高级产品经理李林杨主讲。内容涵盖生成式AI时代推理服务的变化与挑战、play IM核心引擎的优势及ES专属网关的应用。通过LM智能路由、多模态异步生成等技术,PAI平台实现了30%以上的成本降低和显著性能提升,确保全球客户的业务稳定运行并支持异地容灾,目前已覆盖16个地域,拥有10万张显卡的推理集群。
Python数据分析革命:Scikit-learn库,让机器学习模型训练与评估变得简单高效!
在数据驱动时代,Python 以强大的生态系统成为数据科学的首选语言,而 Scikit-learn 则因简洁的 API 和广泛的支持脱颖而出。本文将指导你使用 Scikit-learn 进行机器学习模型的训练与评估。首先通过 `pip install scikit-learn` 安装库,然后利用内置数据集进行数据准备,选择合适的模型(如逻辑回归),并通过交叉验证评估其性能。最终,使用模型对新数据进行预测,简化整个流程。无论你是新手还是专家,Scikit-learn 都能助你一臂之力。
267 8
"解锁机器学习超级能力!Databricks携手Mlflow,让模型训练与部署上演智能风暴,一触即发,点燃你的数据科学梦想!"
【8月更文挑战第9天】机器学习模型的训练与部署流程复杂,涵盖数据准备、模型训练、性能评估及部署等步骤。本文详述如何借助Databricks与Mlflow的强大组合来管理这一流程。首先需在Databricks环境内安装Mlflow库。接着,利用Mlflow跟踪功能记录训练过程中的参数与性能指标。最后,通过Mlflow提供的模型服务功能,采用REST API或Docker容器等方式部署模型。这一流程充分利用了Databricks的数据处理能力和Mlflow的生命周期管理优势。
327 7
【阿里天池-医学影像报告异常检测】3 机器学习模型训练及集成学习Baseline开源
本文介绍了一个基于XGBoost、LightGBM和逻辑回归的集成学习模型,用于医学影像报告异常检测任务,并公开了达到0.83+准确率的基线代码。
115 9
基于PAI-QuickStart搭建一站式模型训练服务体验
【8月更文挑战第5天】基于PAI-QuickStart搭建一站式模型训练服务体验
247 0
【机器学习】Qwen1.5-14B-Chat大模型训练与推理实战
【机器学习】Qwen1.5-14B-Chat大模型训练与推理实战
764 0
PAI机器学习平台如何进行分布式训练?
【7月更文挑战第1天】PAI机器学习平台如何进行分布式训练?
217 1

热门文章

最新文章

相关产品

  • 人工智能平台 PAI
  • AI助理

    你好,我是AI助理

    可以解答问题、推荐解决方案等