คุณใช้ทักษะอะไรในการทำงานทุกวัน?โดยพื้นฐานแล้วฉันใช้คณิตศาสตร์ ส่วนใหญ่เป็นเทคนิคพิเศษที่สร้างขึ้นจากสิ่งที่ฉันเรียนรู้ระหว่างเรียนปริญญาเอก แต่ในบางโอกาสก็มีคณิตศาสตร์บางสาขาที่ใหม่สำหรับฉันและฉันต้องเรียนรู้ตั้งแต่เริ่มต้น ฉันมักจะวาดสิ่งที่ฉันเรียนรู้เกี่ยวกับการสร้างกราฟและตัวเลข ฉันไม่ได้เขียนโค้ดเองอีกต่อไป แต่ฉันทำการวิเคราะห์เชิงตัวเลขเป็นครั้งคราว ฉันต้องเรียนรู้
ที่จะรับมือกับสเปรดชีต
Excel เพื่อทำให้การเงินมีความสุข แต่โชคดีที่ฉันไม่ต้องจัดการกับเรื่องนั้นมากนัก สิ่งที่ฉันทำในการสื่อสารวิทยาศาสตร์ฉันได้เรียนรู้จากการลองผิดลองถูกเป็นส่วนใหญ่ หลังจากผ่านไป 15 ปี ฉันหวังว่าฉันจะมีข้อผิดพลาดของผู้เริ่มต้นส่วนใหญ่อยู่เบื้องหลัง สิ่งที่สำคัญที่สุดที่ฉันต้องการในวันนี้
ซึ่งฉันไม่ได้เรียนรู้อะไรเลยในระหว่างการศึกษาคือการเขียนข้อเสนอและการค้นหาวรรณกรรมออนไลน์ การจัดการเวลาและบุคลากรของฉันได้รับความช่วยเหลืออย่างมากจากบริการออนไลน์ฟรีสำหรับบันทึกย่อ รายการ และการแจ้งเตือน ซึ่งเป็นประโยชน์อย่างยิ่งสำหรับการจัดประชุม
หรือการติดตามโครงการระยะยาวที่เกี่ยวข้องกับคนที่ฉันไม่ได้พบปะบ่อยๆคุณชอบอะไรมากที่สุดและน้อยที่สุดเกี่ยวกับงานของคุณ?เป็นส่วนการวิจัยที่ฉันชอบที่สุดเกี่ยวกับงานของฉัน มันเป็นสิ่งที่ฉันมาเพื่อ ฉันชอบขุดคุ้ยหัวข้อที่ฉันสนใจ ค้นหาว่าผู้คนทำอะไร และเพิ่มแนวคิดของฉันเอง
แม้ว่าฉันจะไม่ชอบ แต่ฉันเข้าใจเหตุผลของงานเอกสารส่วนใหญ่ที่ฉันต้องทำ เช่น การยื่นรายงานและการกรอกแบบฟอร์ม – มันสมเหตุสมผลแล้วที่บางครั้งฉันควรอธิบายสิ่งที่ฉันทำกับ เวลาและเงินของฉัน ฉันไม่ชอบการเดินทางและไม่ชอบเข้าสังคมเป็นพิเศษ แต่การไปประชุม บรรยาย
และสัมมนาเป็นส่วนสำคัญของงาน ฉันพบว่าการฝึกฝนช่วยให้ง่ายขึ้น และฉันเรียนรู้ที่จะพูดว่า “ไม่” หากฉันรู้สึกว่าการเดินทางและภาระผูกพันทางสังคมกำลังตึงเครียดเกินไปการเขียนข้อเสนอและการจัดการกองทุนเป็นงานที่น่าเบื่อและฉันไม่สนุกกับมัน – แต่ฉันกลับเข้าใจว่ามันจำเป็นเป็นส่วนใหญ่
(แม้ว่าในบางกรณี
จะรู้สึกมากเกินไป โดยเฉพาะข้อเสนอของ European Research Council ที่อยู่ในใจ) ส่วนที่เกี่ยวกับงานของฉันที่รบกวนจิตใจฉันมากที่สุดคือความต้องการทำงานในสิ่งที่เป็นที่นิยมหรือทำงานกับผู้คนที่มีชื่อเสียง ฉันเคยมีปัญหาและยังคงมีปัญหาในการหาทุนวิจัย เพราะฉันมักจะสนใจหัวข้อ
ที่เพื่อนร่วมงานของฉันไม่กี่คนพบว่าเกี่ยวข้อง ฉันเกือบจะออกจากสถาบันการศึกษาเพราะเหตุนี้หลายครั้ง และฉันยังคงรู้สึกทุกปีว่าสถาบันการศึกษาไม่ใช่สำหรับฉัน หากฉันสามารถขอทุนเพื่อทำงานวิจัยได้เท่านั้น ฉันก็ไม่ถือว่ามีความหวัง แล้วอะไรคือประเด็น
วันนี้คุณรู้อะไรที่คุณหวังว่าคุณจะรู้เมื่อคุณเริ่มต้นอาชีพของคุณ?ตอนนี้ฉันรู้แล้วว่า 20 ปีต่อมาฉันยังคงทำงานในสาขาเดียวกัน ในแง่นี้ คำแนะนำที่ฉันให้กับนักศึกษาและ postdocs ที่ต้องการอยู่ในสถาบันการศึกษาคือการคิดถึงโอกาสในระยะยาว เทรนด์การวิจัยมาและไป
และเมื่อไป คุณจะดีกว่าถ้าคุณไม่ใช่ม้าตัวเดียว ดังนั้นอย่าเชี่ยวชาญเร็วเกินไปนอกจากนี้ อย่ารู้สึกว่าคุณต้องทำงานในหัวข้อปริญญาเอกของคุณต่อไป ยิ่งคุณอายุน้อย (“อายุน้อย” ในการทำงานหลังปริญญาเอก) ยิ่งได้รับการสนับสนุนทางการเงินสำหรับการวิจัยส่วนบุคคลได้ง่ายขึ้น
ใช้เวลานี้อย่างชาญฉลาด เมื่อคุณผ่านปริญญาเอกไปแล้ว 10 ปีขึ้นไป มันจะยากขึ้นมาก เมื่อพูดอย่างนี้ ฉันรู้จักผู้คนจำนวนมากที่ออกจากสถาบันการศึกษา และไม่กี่คนที่เสียใจกับเรื่องนี้ ดังนั้นอย่ารู้สึกว่าการจากไปหมายถึงความล้มเหลว มันไม่ใช่. บางทีคำแนะนำที่สำคัญที่สุด
ซึ่งต่อมาได้รับการบ่มเพาะที่Polsky Center for Entrepreneurship and Innovation QI ได้ทำการศึกษาทางคลินิกโดยผู้อ่านจากหลายกรณีและผู้ผลิต ซึ่งได้ส่งไปยังองค์การอาหารและยา ในปี 2560 QI ได้รับการอนุมัติสำหรับ QuantX ซึ่งเป็นระบบที่ขับเคลื่อนด้วยการเรียนรู้ด้วยเครื่องจักรระบบแรก
ที่ได้รับการรับรอง
จาก FDA เพื่อช่วยในการวินิจฉัยโรคมะเร็ง ระบบจะวิเคราะห์ MRI ของเต้านมและให้คะแนนแก่นักรังสีวิทยาที่เกี่ยวข้องกับความเป็นไปได้ที่เนื้องอกจะไม่ร้ายแรงหรือเป็นเนื้อร้าย โดยใช้อัลกอริธึม AI ตามที่เราพัฒนาขึ้น หลังจากนั้นไม่นาน Paragon Biosciences ซึ่งเป็นผู้สร้างนวัตกรรมด้านชีววิทยาศาสตร์
ในชิคาโกที่สนใจในการวิจัย AI ได้ซื้อ QuantX ในปี 2019 Paragon ได้เปิดตัว Qlarity Imaging และตอนนี้กำลังขายและวางยูนิต ฉันเป็นที่ปรึกษาของบริษัทคุณเห็นว่า AI ถูกนำมาใช้ในการถ่ายภาพทางการแพทย์ในอนาคตอย่างไร
มีความต้องการมากมายในการถ่ายภาพทางการแพทย์ที่อาจได้รับประโยชน์จาก AI AI บางตัวจะช่วยสร้างภาพที่ดีขึ้นสำหรับการมองเห็นของมนุษย์หรือคอมพิวเตอร์ ตัวอย่างเช่น ในการพัฒนาเทคนิคการสร้างภาพสามมิติแบบใหม่ สำหรับการตีความ AI จะถูกใช้เพื่อแยกข้อมูลเชิงปริมาณจากรูปภาพ
คล้ายกับที่เราทำกับ CADe และ CADx แต่ตอนนี้ใช้กับระบบเครื่องอ่านพร้อมกันและระบบอัตโนมัติในที่สุดนอกจากนี้ยังมีงานเสริมอีกมากมายที่ AI สามารถช่วยปรับปรุงประสิทธิภาพของเวิร์กโฟลว์ เช่น การประเมินว่าภาพมีคุณภาพเพียงพอสำหรับการตีความหรือไม่ แม้กระทั่งในขณะที่ผู้ป่วยยังอยู่บนโต๊ะ
ในระหว่างการรักษา การติดตามความคืบหน้าของผู้ป่วยเป็นสิ่งสำคัญ ดังนั้น การใช้ Computer Vision AI เพื่อดึงข้อมูลจาก MRI จึงสามารถให้ผลเมตริกเชิงปริมาณสำหรับการตอบสนองการรักษา ผมเชื่อว่าในอนาคต เราต้องเฝ้าดู AI เติบโตและพัฒนาวิธี AI ต่อไปสำหรับงานด้านการแพทย์ต่างๆ ยังคงต้องประสบความสำเร็จอีกมาก
แนะนำ 666slotclub / hob66
