Meetup, spotkanie Polish ML Community, odbyło się w Krakowie, 18.03.2023 r. w biurze Tesco Technology (Przy Rondzie 4, 31-547 Kraków).
Agenda:
13:00 pizza + networking
14:30 – Marta Kaczmarska – Segmentacja zmian patologicznych w przebiegu stwardnienia rozsianego na obrazach 3D z rezonansu magnetycznego – Shifts Challenge
15:30 – Dota Szymborska: ML na ludziach – etyczne lub nie zachowania chatGPT
16:30 przerwa
17:00 – Milena Michalska: Gwiazdy w piksele – przetwarzanie kosmicznych danych z teleskopów
18:00 – Wiktoria Wilman: Przeciwciała terapeutyczne a sztuczna inteligencja: możliwości i zalety głębokiego uczenia się w odkrywaniu przeciwciał
19:00 networking
Nasze prelegentki:
Marta Kaczmarska – Segmentacja zmian patologicznych w przebiegu stwardnienia rozsianego na obrazach 3D z rezonansu magnetycznego – Shifts Challenge
Abstrakt: Głównym celem Shifts Challenge jest zwrócenie uwagi na problem rozbieżności między danymi źródłowymi a docelowymi (ang. domain shift). Jednym z zagadnień proponowanych w ramach challenge’u jest segmentacja zmian patologicznych istoty białej na obrazach rezonansu magnetycznego w przebiegu stwardnienia rozsianego. Identyfikacja i segmentacja uszkodzeń tkanki nerwowej jest istotna dla diagnozy choroby, a także dla oceny rokowania i monitorowania leczenia. Ponieważ manualne oznaczanie przez ekspertów jest czasochłonne, istnieje zapotrzebowanie na metody automatyczne. Jednak mała dostępność danych medycznych, zmienność danych pochodzących z różnych ośrodków i urządzeń powodują, że przy zastosowaniu powstałych modeli do danych rzeczywistych obserwujemy spadek ich jakości, a także wzrost niepewności segmentacji i nie mogą być one stosowane na szerszą skalę. Stworzenie modelu, który mógłby być z powodzeniem stosowany w wielu placówkach i na różnorodnej populacji pacjentów, byłoby znaczącym krokiem w stronę poprawy jakości i wydajności opieki medycznej osób chorych na stwardnienie rozsiane.
Bio: Pracuję jako Deep Learning Engineer i na co dzień zajmuję się głównie analizą i przetwarzaniem obrazów. Jestem absolwentką fizyki medycznej i chętnie angażuję się w projekty o tematyce medycznej, w szczególności związane z obrazowaniem medycznym.
Dota Szymborska: ML na ludziach – etyczne lub nie zachowania chatGPT
Abstrakt: Ciężko o bardziej zaangażowaną grupę treningową jaką otrzymał chatGPT. Miliony ludzi zadają pytania, nic tylko się uczyć. Jednak odpowiedzi chatGPT idą w inną stronę – coraz bardziej zachowawcze, coraz bardziej ogólne. Do tego dochodzi wizja płatnego dostępu, który ma być wprowadzony wkrótce. Wystąpienie analizujące etyczne uwarunkowania istnienia botów i zakresu ich odpowiedzialności jak i „praw autorskich”.
Bio: dr Dota Szymborska specjalizuje się w etyce nowych technologii. Jej rozprawa doktorska dotyczyła etycznych uwarunkowań w procesie decyzyjnym w pojazdach autonomicznych. Entuzjastka współpracy z niebiologicznymi naukowcami. Po godzinach fascynuje się dzikim i lodowym pływaniem, triathlonistka i maratonka.
Milena Michalska: Gwiazdy w piksele – przetwarzanie kosmicznych danych z teleskopów
Abstrakt: Od zamiany ciągu cyfr z sensora optycznego w kolorowe zdjęcie, do algorytmów sztucznej inteligencji identyfikującej sygnały odbierane z kosmosu, by z wielu klatek złożyć obraz ciała niebieskiego. Programowanie orbitalnych obserwatorów jest absolutnie fascynujące!
Bio: Programistka zafascynowana kosmosem, pracująca na co dzień z tematami przetwarzania obrazów i computer vision. Popularyzatorka nauki, rakieciara.
Wiktoria Wilman: Przeciwciała terapeutyczne a sztuczna inteligencja: możliwości i zalety głębokiego uczenia się w odkrywaniu przeciwciał Abstrakt: Przeciwciała są istotną częścią układu odpornościowego, a ich możliwości sprawiają, że są one coraz częściej stosowane jako środki terapeutyczne. Obecnie metody in silico są używane na wielu etapach odkrywania i projektowania przeciwciał, zastępując bądź wspomagając procesy laboratoryjne. Użycie paradygmatów uczenia maszynowego w bioinformatyce przeciwciał otwiera nowe możliwości, takie jak oparte na języku modelowanie repertuarów przeciwciał lub generowanie nowych sekwencji w oparciu o uczenie maszynowe. W trakcie prezentacji postaram się w pigułce przedstawić możliwości, jakie daje machine learning, w tym deep learning w projektowaniu przeciwciał terapeutycznych na konkretnych przykładach. Prezentacja oparta o artykuł naukowy: Machine-designed biotherapeutics: opportunities, feasibility and advantages of deep learning in computational antibody discovery. (https://academic.oup.com/bib/article/doi/10.1093/bib/bbac267/6643456?login=false)
Bio: Cześć, tu Wiktoria @biokoderka! Moją pasją jest bioinformatyka, z którą chce zapoznać jak najwięcej osób! Pracuję również jako Bioinformatyk w NaturalAntibody, gdzie używamy rozwiązań bioinformatycznych i AI w celu przyspieszenia odkrywania przeciwciał dla przemysłu farmaceutycznego.