Создание новых навыков и новых связей на семинаре по количественным методам Массачусетского технологического института | Новости Массачусетского технологического института | GPTMain News

Начиная с Нового года, когда многие люди все еще цеплялись за праздничное веселье, множество студентов и преподавателей из примерно дюжины университетов-партнеров вместо этого открыли свои ноутбуки для семинара MIT по количественным методам, насыщенного недельного введения в то, как вычислительные и математические методы могут быть применены к исследованиям в области нейробиологии и биологии. Но не думайте о QMW как об «ускоренном курсе». Вместо этого цель программы состоит в том, чтобы помочь улучшить научное мировоззрение каждого участника как посредством навыков и концепций, которые она передает, так и через сообщество, которое она создает.

«Оно расширяет их кругозор, показывает им важные приложения, о которых они никогда не думали, и знакомит их с людьми, с которыми как исследователи они узнают и, возможно, однажды будут сотрудничать», — говорит Сьюзен Л. Эпштейн, специалист по информатике из Хантер-колледжа. профессор и координатор по образованию Центра мозга, разума и машин Массачусетского технологического института, который проводит программу совместно с факультетами биологии, мозга и когнитивных наук, а также Институтом обучения и памяти Пикауэра. «Это модель междисциплинарной науки».

В этом году в QMW приняли участие 83 студента и преподавателя из учреждений, которые в основном обслуживают группы, недостаточно представленные в областях STEM, говорит организатор Мандана Сасанфар, старший преподаватель и директор по вопросам разнообразия и научной деятельности в четырех принимающих организациях MIT. С момента запуска семинара в 2010 году в нем приняли участие более 1000 участников, из которых более 170 приняли участие в летних исследовательских программах MIT (таких как MSRP-BIO), а 39 приехали в MIT для обучения в аспирантуре.

Индивидуальные цели, общий опыт

Студенты и преподаватели различных дисциплин STEM часто приходят в QMW, чтобы получить представление или расширить свой опыт в области вычислительного и математического анализа данных. Участники, интересующиеся информатикой и статистикой, приходят, чтобы узнать больше о том, как такие методы могут применяться в областях наук о жизни. На лекциях; в практических лабораториях, где они использовали язык программирования Python для обработки, анализа и визуализации данных; а в менее формальных условиях, таких как экскурсии и обеды с преподавателями Массачусетского технологического института, участники работали и учились вместе, а также информировали друг друга о точках зрения.

И независимо от области обучения участники установили связи друг с другом, а также со студентами и преподавателями Массачусетского технологического института, которые преподавали и выступали в течение недели.

Влад Востриков, второкурсник Хантер-колледжа по информатике, говорит, что, хотя он уже работал с машинным обучением и другими концепциями программирования, ему было интересно «расшириться», увидев, как они используются для анализа наборов научных данных. Он также ценит возможность ознакомиться с опытом аспирантов, которые преподают в практических лабораториях QMW.

«Это был хороший способ изучить вычислительную биологию и нейробиологию», — говорит Востриков. «Мне также очень нравится слушать людей, которые нас учат. Интересно услышать, откуда они и чем занимаются».

Джариату Каргбо, второкурсница факультета биологии и химии Мэрилендского университета в округе Балтимор, говорит, что когда она впервые узнала о QMW, она не была уверена, что это для нее. Казалось, он очень ориентирован на вычисления. Но ее советник Холли Уиллоуби призвала Каргбо прийти сюда, чтобы узнать, как программирование может быть полезно в будущих исследованиях — в настоящее время она принимает участие в исследованиях сетчатки в UMBC. Более того, Каргбо также понял, что это будет хорошая возможность наладить связи в Массачусетском технологическом институте, прежде чем, возможно, подать заявку на MSRP этим летом.

«Я подумал, что это будет отличный способ встретиться с преподавателями и посмотреть, какая здесь обстановка, потому что я никогда раньше не был в Массачусетском технологическом институте», — говорит Каргбо. «Всегда приятно познакомиться с другими людьми в вашей области и расширить свою сеть контактов».

QMW предназначен не только для студентов. Это также и для их профессоров, которые заявили, что могут получить ценное профессиональное образование для своих исследований и преподавания.

Фаюань Вэнь, доцент кафедры биологии в Университете Говарда, не новичок в вычислительной биологии: она провела генетический анализ больших данных серповидноклеточной анемии (СКБ). Но в основном она работала с языком программирования R, а QMW фокусируется на Python. Поскольку она планирует проекты, в которых она хочет проанализировать геномные данные, чтобы помочь предсказать исходы заболеваний при ВСС и ВИЧ, она говорит, что сессия QMW, проведенная аспиранткой биологии Ханной Джейкобс, была как нельзя кстати.

«На этом семинаре есть те навыки, которые мне нужны», — говорит Вэнь.

Более того, Вэнь говорит, что она собирается открыть класс машинного обучения на биологическом факультете Говарда, и ее вдохновили некоторые учебные материалы, с которыми она столкнулась в QMW, — например, онлайн-модули учебной программы, разработанные Тейлором Баумом, аспиранткой Массачусетского технологического института в области электротехники. лаборатории инженерии и информатики и Института Пикауэра, а также Палома Санчес-Хареги, координатор, работающая с Сасанфаром.

Тициана Лигорио, докторантка по информатике в Хантер-колледже, которая вместе с Эпштейном ведет занятия по глубокому машинному обучению в кампусе Городского университета Нью-Йорка, чувствовала то же самое. Вместо того, чтобы требовать набора предварительных условий, которые могли оттолкнуть учащихся от занятий, Лигорио рассматривал интенсивную, но вводную учебную программу QMW как ресурс для разработки более инклюзивного способа подготовки учащихся к занятиям.

Поучительное взаимодействие

Каждый день длится с 9:00 до 17:00, включая утренние и дневные лекции и практические занятия. Темы занятий варьировались от статистического анализа данных и машинного обучения до интерфейсов «мозг-компьютер», визуализации мозга, обработки сигналов данных нейронной активности и криогенной электронной микроскопии.

«Этот семинар не мог бы состояться без преданных своему делу преподавателей — аспирантов, постдокторантов и преподавателей — которые добровольно читают лекции, проектируют и преподают практические компьютерные лаборатории, а также встречаются со студентами в первую неделю января», — говорит Саассанфар.

Занятия сопровождаются студенческими обедами с преподавателями Массачусетского технологического института. Например, в полдень 2 января доцент кафедры биологии Брэйди Вайсборд, исследователь из Института Пикауэра, сел с семью студентами на один из изогнутых диванов корпуса 46, чтобы ответить на вопросы о своих нейробиологических исследованиях медуз и о том, как он использует количественные методы. как часть этой работы. Он также рассказал, каково быть профессором, и рассказал о других темах, которые приходили в голову студентам.

Затем все участники пересекли улицу Вассар и направились в комнату 152 здания 26, где сформировали разные, но одинаковые по размеру группы для практической лаборатории «Применение машинного обучения для изучения мозга», которую преподавал Баум. Она провела класс с помощью разработанных ею упражнений на языке Python, иллюстрирующих «контролируемые» и «неконтролируемые» формы машинного обучения, в том числе то, как последний метод можно использовать для определения того, что видит человек, на основе магнитных показаний активности мозга.

Пока студенты выполняли упражнения, товарищи по столу помогали друг другу, дополняя инструкции Баума. Лигорио, Востриков и Кайла Блинкоу, доцент кафедры биологии Университета Виргинских островов, например, вскочили на ноги, чтобы помочь за столами.

В конце урока, когда Баум спросил студентов, что они узнали, они предложили целый ряд новых знаний. Данные опроса, которые Сасанфар и Санчес-Хареги используют для анонимного отслеживания результатов QMW, выявили еще много подобных подтверждений ценности сеансов. На вопрос, как можно применить то, что они узнали, один респондент написал: «Занимайтесь исследовательской карьерой или начинайте заниматься, в котором я буду совместно применять концепции информатики и нейробиологии».

Прочные связи

В то время как некоторые новые посетители QMW, возможно, смогут только догадываться о том, как они будут применять свои новые навыки и отношения, Луис Мигель де Хесус Астасио может засвидетельствовать, как посещение QMW в качестве студента в 2014 году повлияло на карьеру, в которой он сейчас работает преподавателем. член отделения физики в кампусе Рио-Пьедрас Университета Пуэрто-Рико. После QMW тем летом он вернулся в Массачусетский технологический институт в качестве студента в лаборатории нейробиолога и профессора Пикауэра Сусуму Тонегавы. В 2016 году он снова вернулся в лабораторию физика и профессора Фрэнсиса Фридмана Мехрана Кардара. Что сохранилось на протяжении десятилетия, так это его связь с Сасанфаром. Итак, хотя когда-то он был студентом QMW, в этом году он вернулся с группой студентов в качестве преподавателя.

Майкл Алдарондо-Джеффрис, директор программ академического развития Университета Центральной Флориды, поддержал ценность сетевого взаимодействия, которое происходит в QMW. Он приводил студентов уже десять лет, в том числе четверых в этом году. Он заметил, что, когда студенты собираются вместе в таких местах, как QMW или программа McNair UCF, которая помогает подготовить студентов к поступлению в аспирантуру, они вдохновляются потенциальным будущим в качестве исследователей.

«Что выделяется, так это сформировавшееся сообщество», — говорит он. «Для многих студентов это первый раз, когда они попали в группу, которая понимает, к чему они движутся. Им не нужно объяснять, почему им нравится читать газеты в пятницу вечером».

Или почему они рады провести неделю, включая Новый год, в Массачусетском технологическом институте, изучая, как применять количественные методы к данным биологических наук.