Cydweithio a Phrosiectau

Sut mae cwmni ScienceTech sy'n gweithio ar blatfform gefell digidol, sy'n cynnwys Gwyliwr Cleifion cyntaf y byd, yn gallu manteisio ar fframweithiau data amlomeg i ddarparu offer diagnostig cenhedlaeth nesaf ar gyfer clinigwyr, clinigau ac ysbytai, wrth archwilio achosion defnydd wedi'u teilwra i arbenigwyr ar gyfer atal ac ymyrraeth gynnar?

Canolbwyntiodd fy astudiaeth ar ddefnyddio dysgu peirianyddol i ragweld y risg o Glefyd Cronig yr Arennau (CKD) yn gynharach ac yn fwy effeithiol ar sail ffactorau ffordd o fyw, fel ysmygu, deiet a gweithgarwch corfforol.

Roedd modelau dysgu peirianyddol fel Random Forest, Gradient Boosting a Support Vector Machines yn dangos cywirdeb rhagfynegol cryf, gan danlinellu potensial integreiddio ffactorau ffordd o fyw i asesu risg CKD.

Pwysleisiais yr angen i ehangu setiau data gyda'r wybodaeth ffordd o fyw fanylach hon ac fe wnes i argymell ymgorffori'r modelau hyn yn Systemau Cymorth Penderfyniad Clinigol (CDSS) ar gyfer asesiadau risg amser real yn ystod ymgynghoriadau, gan alluogi ymyriadau gofal iechyd personol (e.e. cyngor deietegol wedi'i deilwra, cyngor ar sut i roi'r gorau i ysmygu a chynlluniau ymarfer corff).

Trwy ganolbwyntio ar ganfod ac atal cynharach, mae gan fodelau dysgu peiriannau y potensial i wella rheolaeth CKD a chanlyniadau cleifion yn sylweddol.

Pa ffactorau sy'n dylanwadu ar newidiadau yn uchafbwynt metabolaidd athletwr, a sut y gall dadansoddiad o set ddata fawr roi mewnwelediadau i optimeiddio amseroedd hyfforddi ar gyfer y cynnydd perfformiad mwyaf posibl?

Mae chwaraeon modern wedi derbyn cynnydd ymylol i wella perfformiad, gan arwain at arloesi mewn meysydd fel gwella yn sgil anafiadau, dadansoddi athletwyr, a niwroseicoleg.

Mae Genletics Ltd ar flaen y gad, gyda'r nod o ragweld uchafbwynt metabolaidd dyddiol unigolyn - yr amser delfrydol ar gyfer hyfforddiant i wneud y mwyaf o ganlyniadau biolegol.

Cymharodd yr astudiaeth hon 10 model dysgu peiriant i ddilysu canfyddiadau Genletics ac archwilio potensial marcwyr genetig wrth ragfynegi uchafbwynt metabolaidd.

Des i'r casgliad mai coed penderfyniadau yw'r model mwyaf effeithiol ar gyfer setiau data bach, cymhleth fel rhwydweithiau genynnau a nodwyd dau fesur perfformiad allweddol, ynghyd â phum ffactor arwyddocaol ychwanegol.

Roedd lleihau nodweddion genetig yn hanfodol ar gyfer gwella cywirdeb model, gan dynnu sylw at yr addewid i nodi genynnau sy'n gysylltiedig â chloc y corff ar gyfer optimeiddio perfformiad athletaidd.

Sut y gellir datblygu model AI/ML y gellir ei ehangu a’i ailddefnyddio gan ddefnyddio data cyhoeddus/ffynhonnell agored i gefnogi modelu traffig prif lwybrau trafnidiaeth ledled y DU, gan gynnwys rheilffyrdd, traffyrdd a ffyrdd A, gan gyfrif am nifer teithwyr a chyfrif cerbydau?

Rhaid i gwmnïau telathrebu optimeiddio gwasanaethau rhwydwaith symudol i fodloni gofynion defnyddwyr, yn enwedig ar hyd llwybrau trafnidiaeth lle mae'r ddarpariaeth yn hanfodol. M

ae ffactorau megis tir, dwysedd poblogaeth ac amrywiadau mewn traffig oherwydd amser, tymhorau a dulliau trafnidiaeth yn cymhlethu lleoliad strategol tyrau cellog.

Gan ddefnyddio data cyhoeddus, datblygais fodel sy'n mapio dwysedd poblogaeth ar hyd llwybrau trafnidiaeth ffyrdd a rheilffyrdd y DU, gan nodi ardaloedd traffig uchel a bylchau cwmpas trwy gymharu'r canlyniadau yn erbyn mapiau cwmpas rhwydwaith symudol.

Mae meddalwedd system gwybodaeth ddaearyddol yn delweddu'r canfyddiadau hyn, tra bod model cyfres amser dysgu peiriant yn rhagweld patrymau traffig yn y dyfodol, gan ddarparu mewnwelediadau gweithredadwy ar gyfer buddsoddiad rhwydwaith wedi'i dargedu mewn rhanbarthau dwysedd uchel nad ydynt yn cael eu gwasanaethu’n ddigonol.

Mae Bwrdd Cynghori Allanol yr Academi Gwyddor Data (DSA) yn cynnig cyngor ac arweiniad ar ein cyfeiriad strategol, a hynny er mwyn llywio datblygiad a chyflwyniad y fenter. Rôl y bwrdd yw rhoi cyngor ar y canlynol: sut i ddatblygu brand yr Academi Gwyddor Data (DSA) a'i gefnogi; sut i ddatblygu ymgysylltiad allanol; yn ogystal â chynghori ar y cwricwlwm at ddibenion cefnogi cyflogadwyedd y graddedigion. Bydd aelodau o fwrdd cynghori allanol y DSA hefyd yn hyrwyddo ac yn hysbysebu Academi Gwyddor Data Prifysgol Caerdydd ymysg rhanddeiliaid allanol o bwys (gan gynnwys darpar gyllidwyr) ac yn cefnogi sefydlu cydberthnasau â sefydliadau blaenllaw eraill sy’n fuddiol i’r ddwy ochr.​

​Ymhlith y sefydliadau hynny sydd ag aelodau ar y Bwrdd ar hyn o bryd y mae:​

1. Mae angen i brosiectau gael eu hanelu at y lefel academaidd gywir i’r myfyrwyr a galluogi myfyrwyr i gyflawni nodau academaidd modiwl y traethawd hir. Gall tîm academaidd yr Academi drafod hyn â chi. Gall y tîm academaidd hefyd gynghori ynghylch pa radd y gallai eich prosiect fod yn fwyaf addas ar ei chyfer.
2. Bydd prosiectau tua 10-12 wythnos o hyd a byddan nhw’n rhedeg yn fras rhwng mis Mehefin a mis Medi.
3. Mae prosiectau’n gallu cynnwys mwy nag un myfyriwr, ond bydd y gwaith y mae pob myfyriwr yn ei wneud yn waith unigol yn hytrach nag yn waith tîm.
4. O ran dadansoddi data, mae'n bwysig bod data ar gael ar ddechrau'r prosiect ac yn ddienw i sicrhau bod digon o amser i'r myfyriwr gloddio, glanhau a dadansoddi'r data cyn ysgrifennu'r adroddiad (traethawd hir).
5. Mae gan y Brifysgol gontract safonol sy'n ymwneud ag eiddo deallusol a chyfrinachedd a gellir ei ddefnyddio pan y gallai fod angen diogelu buddiannau masnachol. Y drefn fel arfer yw bod y partner diwydiant yn cadw'r IP.  Cysylltwch â ni os oes gennych chi unrhyw ofynion IP cyn cyflwyno'r prosiect.

• ​Chwefror - Dyddiad cau ar gyfer cyflwyno syniadau traethawd hir. Efallai y cysylltir â chi ar ôl y cyfnod hwn am eglurhad neu gwestiynau addasu.
• ​Ebrill/Mai - Cadarnhau syniadau traethawd hir sydd wedi’u dewis.
• ​Mehefin/Gorffennaf - Prosiectau traethodau hir yr haf yn cychwyn
• Medi/Hydref - Prosiectau traethodau hir yr haf yn dod i ben.

​Rydyn ni hefyd yn ymdrechu i chwilio am ffyrdd i droi'r prosiectau hyn yn gyfleoedd ariannu pellach.

Mae gan ein staff a'n gwasanaethau proffesiynol arbenigedd mewn sawl maes o Wyddor Data, Deallusrwydd Artiffisial, Seiberddiogelwch, Modelu Mathemategol, Ffactorau Dynol a mwy. Rydyn ni hefyd yn gweithio gyda thîm rhyngddisgyblaethol mawr o fewn y brifysgol i ddarparu gwybodaeth arbenigol mewn ystod eang o bynciau. Rydyn ni’n eich annog yn benodol i gysylltu â ni gyda gofynion o ran systemau neu ddulliau newydd a dadansoddi data ar gyfer ymchwil a datblygu newydd. ​

​Rydyn ni’n arbennig o awyddus i gefnogi ceisiadau am gyllid fel grantiau INNOVATE UK SMART, Partneriaethau Trosglwyddo Gwybodaeth, Smart Cymru, cyllid EPSRC a mwy ar gyfer ceisiadau rhwng £10,000-£5,000,000. Siaradwch â ni i lunio tîm a gwneud cais am y cyllid hwn.

Rydyn ni’n croesawu sgyrsiau a gweithdai ar gyfer ein staff a'n myfyrwyr ar unrhyw bwnc cysylltiedig.  Gall hyn gynnwys sgyrsiau gweithredol fel sut mae data'n helpu i redeg busnes yn well a sut caiff data ei ddefnyddio mewn unrhyw ddisgyblaeth.

Rydyn ni’n croesawu interniaethau a chyfleoedd lleoliad ar gyfer ein myfyrwyr yn ogystal â lleoliadau myfyrwyr. Mae'r rhain yn cael eu talu fel rheol, ond efallai y bydd gennym hefyd gyfleoedd am interniaethau heb gost (yn dibynnu ar argaeledd myfyrwyr). Cysylltwch â ni i drafod amserlenni a disgwyliadau.

Rydyn ni’n chwilio am gefnogaeth i'n myfyrwyr a'n staff. Gall hyn amrywio o wobr un-tro am y prosiect myfyrwyr gorau, i noddi offer (beiros, llyfrau nodiadau, mygiau ac ati). Yna, fe fyddwn ni’n hyrwyddo ac yn hysbysebu'r noddwr. Cysylltwch â ni os hoffech fod yn noddwr i'r academi gwyddor data.