Harmony bei PyData London – 86. Meetup NLP und generative Modelle für die psychologische Forschung - Thomas Wood Link zum Treffen: Meetup.com .
Tech Talk beim AICamp AI Meetup (London) zu KI, Generative KI und Large Language Models (LLMs) Update: Die Folien der Präsentation können Sie hier herunterladen
Wir freuen uns, bekannt geben zu können, dass unser Datenharmonisierungsprojekt Harmony die Endrunde des Wellcome Data Prize in Mental Health erreicht hat. Nur drei Teams wurden für diese Phase ausgewählt. Der Preis wird an Projekte verliehen, die Daten nutzen, um Forschung und Praxis im Bereich der psychischen Gesundheit zu verbessern. Fast Data Science arbeitet an Harmony in Zusammenarbeit mit der Ulster University , dem University College London und der Universidade Federal de Santa Maria . Harmony war eine echte Teamleistung mit einigen fantastischen Kollegen aus der ganzen Welt und wir freuen uns darauf, zu sehen, wie unser Harmonisierungstool die Forschung zur psychischen Gesundheit auf der ganzen Welt erleichtert.
Können Datenwissenschaften zur Verbesserung der psychischen Gesundheit eingesetzt werden? Können wir Daten nutzen Analyse zur Behandlung psychischer Probleme wie Depressionen und Demenz oder zur Überwachung und Verbesserung der Symptome von kognitiven Beeinträchtigungen Funktion zum Beispiel?
Müssen Sie Fragebogendaten verschiedener Studien vergleichen? Sind die Elemente inkonsistent oder sind verschiedene Versionen desselben Fragebogens im Umlauf? Haben Sie Fragebögen in verschiedenen Sprachen, die Sie vergleichen möchten?
Wir haben ein Tool entwickelt, das auf der Verarbeitung natürlicher Sprache basiert und Forschern in den Sozialwissenschaften dabei helfen soll, Datensätze aus unterschiedlichen Kontexten zu harmonisieren . Dies ist Teil eines umfassenderen Projekts namens Harmony , das Teil eines Beitrags ist, den wir gemeinsam mit dem Centre for Longitudinal Studies am UCL , der Ulster University und der Universidade Federal de Santa Maria in Brasilien für den Wellcome Mental Health Data Prize einreichen.
Wir freuen uns, bekannt geben zu können, dass wir für den Wellcome Trust Mental Health Data Prize an einem neuen Projekt namens „Harmony“ arbeiten. Dabei wird die Verarbeitung natürlicher Sprache verwendet, um sozialwissenschaftliche Daten aus verschiedenen Fragebögen wie dem GAD-7 und Beck’s Anxiety Inventory zu kombinieren, selbst wenn die Fragebögen in verschiedenen Sprachen verfasst sind!
Es gibt viele Unterschiede zwischen tiefen neuronalen Netzwerken und dem menschlichen Gehirn, obwohl neuronale Netzwerke biologisch inspiriert sind. Wann haben Sie das letzte Mal ein Bild von einem Tier, Vogel oder einer Pflanze betrachtet, konnten es nicht sofort zuordnen und waren sprachlos? Wenn wir etwas betrachten, aktiviert unser Gehirn eine Reihe von Neuronen, die dieses Bild durch Tausende bis Millionen von im Gehirn gespeicherten „Referenzbildern“ laufen lassen. Im Fall des ungewöhnlichen Tieres oder Vogels, den wir entdeckt haben: Größe, Ernährung, Lebensraum, Lebensdauer und so weiter.
Künstliche Intelligenz (KI) revolutioniert verschiedene Aspekte der wissenschaftlichen Forschung. Auswirkungen der KI auf die Wissenschaft: KI hinterlässt ihre Spuren in jeder Phase wissenschaftlicher Entdeckungen, von der Formulierung von Hypothesen über die Analyse von Daten bis hin zum Verfassen von Forschungsarbeiten. Es unterstützt Wissenschaftler dabei, aus der bestehenden Forschung neue Erkenntnisse zu gewinnen und unterstützt sogar bei der Entwicklung von pädagogischen Simulationen. Vorteile von KI in der Wissenschaft: Schnellere und effizientere Prozesse: KI automatisiert Aufgaben wie Datenanalyse und -klassifizierung und spart Wissenschaftlern so wertvolle Zeit und Ressourcen. Aufdecken verborgener Muster: KI kann subtile Muster in komplexen Datensätzen erkennen, die dem Menschen möglicherweise entgehen, und so zu neuen Entdeckungen führen. Interdisziplinäre Zusammenarbeit: Die Forschung zur Nutzung von KI in der Wissenschaft fördert den Wissensaustausch und die Zusammenarbeit zwischen verschiedenen wissenschaftlichen Bereichen. Verbesserte Genauigkeit: Durch überwachtes Lernen können KI-Modelle auf Grundlage vergangener Daten hochgenaue Vorhersagen treffen. Anomalieerkennung: KI kann Anomalien oder Ausreißer in Daten identifizieren, was möglicherweise zu bahnbrechenden Entdeckungen führt. Natural language processing
What we can do for you
