filmov
tv
Δαλακλείδη Καλλιόπη - Ανάπτυξη μεθόδων ερμήνευσης τεχνητής νοημοσύνης | ΣΦΗΜΜΥ 13

Показать описание
Το Συνέδριο Φοιτητών Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών (ΣΦΗΜΜΥ) είναι το μεγαλύτερο πανελλήνιο φοιτητικό συνέδριο που διεξάγεται από το 2007 ετησίως σε διάφορες πόλεις ανά την Ελλάδα. Απευθύνεται κυρίως σε φοιτητές των τμημάτων Η.Μ.Μ.Υ. αλλά και σε οποιονδήποτε θέλει να ενημερωθεί για τις τελευταίες εξελίξεις στον χώρο της επιστήμης και της τεχνολογίας, και να έρθει σε επαφή με τις προκλήσεις της αγοράς εργασίας.Το 13ο ΣΦΗΜΜΥ διοργανώθηκε από φοιτητές του Πανεπιστημίου Πατρών στο Συνεδριακό και Πολιτιστικό κέντρο του Πανεπιστημίου Πατρών το τριήμερο 15-17 Απριλίου 2022.
Η Καλλιόπη Β. Δαλακλείδη έλαβε το Δίπλωμά της από τη Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Η/Υ του Εθνικού Μετσόβιου Πολυτεχνείου το 2005. Έπειτα, εργάστηκε ως μηχανικός γνώσης για την αυτόματη εξαγωγή σημασιολογικής πληροφορίας από οπτικοακουστικό υλικό στο πλαίσιο του Ευρωπαϊκού Προγράμματος BOEMIE ως μέλος του εργαστηρίου Ψηφιακής Επεξεργασίας Σημάτων και Εικόνας της Σχολής Ηλεκτρολόγων Μηχανικών και Μηχανικών Η/Υ του Εθνικού Μετσόβιου Πολυτεχνείου. Έλαβε υποτροφία από το Ίδρυμα Κρατικών Υποτροφιών για την εκπόνηση της διδακτορικής της διατριβής (2012-2017) με τίτλο «Aνάπτυξη Υπολογιστικών Συστημάτων Υποστήριξης Ιατρικών Αποφάσεων για τη Διαχείριση του Σακχαρώδους Διαβήτη». Το 2017, η ομάδα της κέρδισε το πρώτο βραβείο στον διαγωνισμό καινοτομίας της Intrasoft International. Από το 2012 συμμετέχει, αρχικά ως υποψήφια διδάκτορας και έπειτα ως μεταδιδακτορική ερευνήτρια στο εργαστήριο Βιοϊατρικών Προσομοιώσεων και Απεικονιστικής Τεχνολογίας της Σχολής Ηλεκτρολόγων Μηχανικών και Μηχανικών Η/Υ του Εθνικού Μετσόβιου Πολυτεχνείου, στη διδασκαλία των προπτυχιακών μαθημάτων Προσομοίωση Φυσιολογικών Συστημάτων, Ιατρική Απεικόνιση και Ψηφιακή Επεξεργασία Ιατρικής Εικόνας, Τεχνολογίες Κινητής και Ηλεκτρονικής Υγείας και Εργαστήριο Βιοϊατρικής Τεχνολογίας της Σχολής και του μεταπτυχιακού μαθήματος Βασικές αρχές και τεχνολογίες Βιοπληροφορικής. Από το Μάιο του 2021 συνεργάζεται ερευνητικά και με το Τμήμα Επιστήμης και Τεχνολογίας Τροφίμων του Πανεπιστημίου Πελοποννήσου. Έχει διατελέσει κριτής σε τέσσερα επιστημονικά περιοδικά και σε έξι διεθνή συνέδρια. Είναι πολλά χρόνια μέλος του ΤΕΕ και του παγκόσμιου Institute of Electrical and Electronics Engineers (ΙΕΕΕ). Από τις αρχές του 2020, είναι πρόεδρος του IEEE Greece Section Women in Engineering Affinity Group. Στα ερευνητικά της ενδιαφέροντα περιλαμβάνονται οι τεχνολογίες σημασιολογικού ιστού, οι αλγόριθμοι μηχανικής και βαθιάς μάθησης, οι τεχνικές όρασης υπολογιστών και τα υπολογιστικά συστήματα υποστήριξης ιατρικών αποφάσεων για τη διαχείριση χρόνιων ασθενειών.
Την τρίτη μέρα του συνεδρίου, συμμετείχε με τίτλο ομιλίας "Ανάπτυξη μεθόδων ερμηνεύσιμης τεχνητής νοημοσύνης".
Το εγκεφαλικό επεισόδιο συνεχίζει να είναι μια σημαντική αιτία αναπηρίας και θνησιμότητας σε ολόκληρο τον κόσμο. Περίπου το 85% όλων των εγκεφαλικών επεισοδίων είναι ισχαιμικά, και από αυτά τουλάχιστον το 20% μπορούν να αποδοθούν στη νόσο της καρωτιδικής διακλάδωσης. Στην ομιλία αυτή θα παρουσιάσουμε πως μπορούμε να χρησιμοποιήσουμε αιματολογικούς δείκτες που συνδέονται με τη καρδιαγγειακή νοσηρότητα για να προβλέψουμε με μεθόδους μηχανικής μάθησης ποια αγωγή, επεμβατική ή συντηρητική, είναι η καλύτερη για κάθε ασθενή με καρωτιδική νόσο. Επειδή οι αλγόριθμοι τεχνητής νοημοσύνης λειτουργούν ως μαύρα κουτιά, αλλά οι ιατρικές αποφάσεις που λαμβάνονται με βάση τις προβλέψεις τους αφορούν την υγεία των ατόμων, θα παρουσιάσουμε ακόμα πως μπορούν να εφαρμοστούν τεχνικές ερμηνευσιμότητας για να κατανοήσουμε καλύτερα τα αποτελέσματα των μοντέλων μας και να δώσουμε περισσότερη αξιοπιστία σε αυτά.
Μπορείτε να βρείτε το ΣΦΗΜΜΥ σε:
Η Καλλιόπη Β. Δαλακλείδη έλαβε το Δίπλωμά της από τη Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Η/Υ του Εθνικού Μετσόβιου Πολυτεχνείου το 2005. Έπειτα, εργάστηκε ως μηχανικός γνώσης για την αυτόματη εξαγωγή σημασιολογικής πληροφορίας από οπτικοακουστικό υλικό στο πλαίσιο του Ευρωπαϊκού Προγράμματος BOEMIE ως μέλος του εργαστηρίου Ψηφιακής Επεξεργασίας Σημάτων και Εικόνας της Σχολής Ηλεκτρολόγων Μηχανικών και Μηχανικών Η/Υ του Εθνικού Μετσόβιου Πολυτεχνείου. Έλαβε υποτροφία από το Ίδρυμα Κρατικών Υποτροφιών για την εκπόνηση της διδακτορικής της διατριβής (2012-2017) με τίτλο «Aνάπτυξη Υπολογιστικών Συστημάτων Υποστήριξης Ιατρικών Αποφάσεων για τη Διαχείριση του Σακχαρώδους Διαβήτη». Το 2017, η ομάδα της κέρδισε το πρώτο βραβείο στον διαγωνισμό καινοτομίας της Intrasoft International. Από το 2012 συμμετέχει, αρχικά ως υποψήφια διδάκτορας και έπειτα ως μεταδιδακτορική ερευνήτρια στο εργαστήριο Βιοϊατρικών Προσομοιώσεων και Απεικονιστικής Τεχνολογίας της Σχολής Ηλεκτρολόγων Μηχανικών και Μηχανικών Η/Υ του Εθνικού Μετσόβιου Πολυτεχνείου, στη διδασκαλία των προπτυχιακών μαθημάτων Προσομοίωση Φυσιολογικών Συστημάτων, Ιατρική Απεικόνιση και Ψηφιακή Επεξεργασία Ιατρικής Εικόνας, Τεχνολογίες Κινητής και Ηλεκτρονικής Υγείας και Εργαστήριο Βιοϊατρικής Τεχνολογίας της Σχολής και του μεταπτυχιακού μαθήματος Βασικές αρχές και τεχνολογίες Βιοπληροφορικής. Από το Μάιο του 2021 συνεργάζεται ερευνητικά και με το Τμήμα Επιστήμης και Τεχνολογίας Τροφίμων του Πανεπιστημίου Πελοποννήσου. Έχει διατελέσει κριτής σε τέσσερα επιστημονικά περιοδικά και σε έξι διεθνή συνέδρια. Είναι πολλά χρόνια μέλος του ΤΕΕ και του παγκόσμιου Institute of Electrical and Electronics Engineers (ΙΕΕΕ). Από τις αρχές του 2020, είναι πρόεδρος του IEEE Greece Section Women in Engineering Affinity Group. Στα ερευνητικά της ενδιαφέροντα περιλαμβάνονται οι τεχνολογίες σημασιολογικού ιστού, οι αλγόριθμοι μηχανικής και βαθιάς μάθησης, οι τεχνικές όρασης υπολογιστών και τα υπολογιστικά συστήματα υποστήριξης ιατρικών αποφάσεων για τη διαχείριση χρόνιων ασθενειών.
Την τρίτη μέρα του συνεδρίου, συμμετείχε με τίτλο ομιλίας "Ανάπτυξη μεθόδων ερμηνεύσιμης τεχνητής νοημοσύνης".
Το εγκεφαλικό επεισόδιο συνεχίζει να είναι μια σημαντική αιτία αναπηρίας και θνησιμότητας σε ολόκληρο τον κόσμο. Περίπου το 85% όλων των εγκεφαλικών επεισοδίων είναι ισχαιμικά, και από αυτά τουλάχιστον το 20% μπορούν να αποδοθούν στη νόσο της καρωτιδικής διακλάδωσης. Στην ομιλία αυτή θα παρουσιάσουμε πως μπορούμε να χρησιμοποιήσουμε αιματολογικούς δείκτες που συνδέονται με τη καρδιαγγειακή νοσηρότητα για να προβλέψουμε με μεθόδους μηχανικής μάθησης ποια αγωγή, επεμβατική ή συντηρητική, είναι η καλύτερη για κάθε ασθενή με καρωτιδική νόσο. Επειδή οι αλγόριθμοι τεχνητής νοημοσύνης λειτουργούν ως μαύρα κουτιά, αλλά οι ιατρικές αποφάσεις που λαμβάνονται με βάση τις προβλέψεις τους αφορούν την υγεία των ατόμων, θα παρουσιάσουμε ακόμα πως μπορούν να εφαρμοστούν τεχνικές ερμηνευσιμότητας για να κατανοήσουμε καλύτερα τα αποτελέσματα των μοντέλων μας και να δώσουμε περισσότερη αξιοπιστία σε αυτά.
Μπορείτε να βρείτε το ΣΦΗΜΜΥ σε: