Acquérir une expérience de l’industrie du monde réel grâce à Break Through Tech AI au MIT | Nouvelles du MIT

Prenant ce qu’ils ont appris conceptuellement sur l’intelligence artificielle et l’apprentissage automatique (ML) cette année, les étudiants de toute la région du Grand Boston ont eu l’occasion d’appliquer leurs nouvelles compétences à des projets industriels réels dans le cadre d’une opportunité d’apprentissage par l’expérience offerte par Break Through Tech AI au MIT.

Hébergé par le MIT Schwarzman College of Computing, Break Through Tech AI est un programme pilote qui vise à combler le manque de talents pour les femmes et les genres sous-représentés dans les domaines informatiques en offrant une formation basée sur les compétences, des portefeuilles pertinents pour l’industrie et un mentorat aux étudiants de premier cycle en métropolitaines régionales afin de les positionner plus compétitives pour les carrières en science des données, en apprentissage automatique et en intelligence artificielle.

“Des programmes comme Break Through Tech AI nous donnent la possibilité de nous connecter avec d’autres étudiants et d’autres institutions, et nous permettent d’apporter les valeurs de diversité, d’équité et d’inclusion du MIT à l’apprentissage et à l’application dans les espaces que nous détenons”, déclare Alana Anderson, doyen adjoint de la diversité, de l’équité et de l’inclusion pour le MIT Schwarzman College of Computing.

La cohorte inaugurale de 33 étudiants de premier cycle de 18 écoles de la région du Grand Boston, dont Salem State University, Smith College et Brandeis University, a commencé le programme gratuit de 18 mois l’été dernier avec un cours en ligne de huit semaines basé sur les compétences pour apprendre le bases de l’IA et de l’apprentissage automatique. Les étudiants se sont ensuite divisés en petits groupes à l’automne pour collaborer sur six projets de défi d’apprentissage automatique qui leur ont été présentés par MathWorks, MIT-IBM Watson AI Lab et Replicate. Les étudiants ont consacré cinq heures ou plus chaque semaine à rencontrer leurs équipes, leurs assistants d’enseignement et leurs conseillers de projet, notamment en se réunissant une fois par mois au MIT, tout en jonglant avec leur charge de cours académique régulière avec d’autres activités et responsabilités quotidiennes.

Les défis ont donné aux étudiants de premier cycle la possibilité d’aider à contribuer à des projets réels sur lesquels travaillent des organisations de l’industrie et de mettre à l’épreuve leurs compétences en apprentissage automatique. Des membres de chaque organisation ont également servi de conseillers de projet, encourageant et guidant les équipes tout au long du projet.

« Les étudiants acquièrent une expérience de l’industrie en travaillant en étroite collaboration avec leurs conseillers de projet », explique Aude Oliva, directrice de l’engagement stratégique de l’industrie au MIT Schwarzman College of Computing et directrice du MIT-IBM Watson AI Lab. “Ces projets seront un complément à leur portefeuille d’apprentissage automatique qu’ils pourront partager comme exemple de travail lorsqu’ils seront prêts à postuler pour un emploi dans l’IA.”

Pendant 15 semaines, les équipes se sont penchées sur des ensembles de données réels à grande échelle pour former, tester et évaluer des modèles d’apprentissage automatique dans divers contextes.

En décembre, les étudiants ont célébré les fruits de leur travail lors d’un événement vitrine organisé au MIT au cours duquel les six équipes ont présenté les présentations finales de leurs projets d’IA. Les projets ont non seulement permis aux étudiants de développer leur expérience en matière d’IA et d’apprentissage automatique, mais ils ont également contribué à “améliorer leur base de connaissances et leurs compétences pour présenter leur travail à des publics techniques et non techniques”, explique Oliva.

Dans le cadre d’un projet sur l’analyse des données de trafic, les étudiants se sont formés sur MATLAB, une plateforme de programmation et de calcul numérique développée par MathWorks, pour créer un modèle permettant la prise de décision en conduite autonome en prédisant les futures trajectoires des véhicules. « Il est important de réaliser que l’IA n’est pas si intelligente. C’est seulement aussi intelligent que vous le faites et c’est exactement ce que nous avons essayé de faire », a déclaré Srishti Nautiyal, étudiante à l’Université Brandeis, en présentant le projet de son équipe au public. Alors que des entreprises réalisent déjà des véhicules autonomes, des avions aux camions, Nautiyal, une étudiante en physique et en mathématiques, a partagé que son équipe était également très motivée pour prendre en compte les problèmes éthiques de la technologie dans leur modèle pour la sécurité des passagers, des conducteurs et des piétons. .

L’utilisation des données de recensement pour former un modèle peut être délicate car elles sont souvent désordonnées et pleines de trous. Dans un projet sur l’équité algorithmique pour le MIT-IBM Watson AI Lab, la tâche la plus difficile pour l’équipe était de nettoyer des montagnes de données non organisées de manière à pouvoir encore en tirer des informations. Le projet – qui visait à créer une démonstration d’équité appliquée à un ensemble de données réelles pour évaluer et comparer l’efficacité de différentes interventions d’équité et de techniques d’apprentissage métriques équitables – pourrait éventuellement servir de ressource pédagogique pour les scientifiques des données intéressés à en savoir plus sur l’équité dans l’IA et à l’utiliser. dans leur travail, ainsi que pour promouvoir la pratique de l’évaluation des implications éthiques des modèles d’apprentissage automatique dans l’industrie.

D’autres projets de défi comprenaient un tableau blanc assisté par ML permettant aux personnes non techniques d’interagir avec des modèles d’apprentissage automatique prêts à l’emploi, et un modèle de reconnaissance de la langue des signes pour aider les personnes handicapées à communiquer avec les autres. Une équipe qui a travaillé sur une application de langage visuel a décidé d’inclure plus de 50 langues dans son modèle afin d’augmenter l’accès pour les millions de personnes malvoyantes à travers le monde. Selon l’équipe, des applications similaires sur le marché ne proposent actuellement que jusqu’à 23 langues.

Tout au long du semestre, les étudiants ont persévéré et ont fait preuve de courage afin de franchir la ligne d’arrivée de leurs projets. Les présentations finales marquant la fin du semestre d’automne, les étudiants retourneront au MIT au printemps pour poursuivre leur parcours Break Through Tech AI afin de s’attaquer à une autre série de projets d’IA. Cette fois, les étudiants travailleront avec Google sur de nouveaux défis d’apprentissage automatique qui leur permettront de perfectionner encore plus leurs compétences en IA en vue de lancer une carrière réussie dans l’IA.

Leave a Comment