<kbd id="htwqe6cx"></kbd><address id="7ns2urkc"><style id="we3r9lt2"></style></address><button id="r9fl0bv7"></button>

          校友聚光灯:凯尔ellefsen

          Maria Montchal sits down with 凯尔ellefsen, a recent UCI alumni, for a Q&A about his time at UCI and how it prepared him for a career outside academia.

          帕克实验室,重症监护病房

          那你在读研究生学习?
          我研究了神经。博士。伊恩·帕克是我的导师,和大多数走进我的博士论文研究的是在改善我们如何离子通道调节细胞内钙离子信号,相互之间以及与钙的其他组件的信号传导通路沟通的理解执导。此外,我做了视皮层神经元调节的开发工作,并ADH这并没有清晰地融入我的论文其他几个合作。成像是我的主要实验技术,以及我的大部分时间都花在分析电影 - 写代码所提取的燃烧率从神经元发射的电影,履带荧光标记的蛋白质,因为他们拉上周围的细胞,并检测细胞内钙微小的局部增加。

          那你现在怎么办?是什么样的一个典型的一天?
          我目前在数据中心博世人工智能科学家在硅谷。一个典型的一天开始用咖啡与我的团队的其他数据科学家和工程师的数据(一个传统,我已经从实验室帕克结转!)。我们在各种咨询项目,博世等企业单位客户2-3组工作。通常最后几个月的几个项目,和我们平时在时间上的两个项目。更快地移动项目在行业比学,所以我沟通,每天其他团队成员和客户商议对策。当我们坚持在一个技术挑战是很常见的为我们抢谁长得最分心,要集体讨论可能的解决方案和白板​​。的其余时间都花在编码。有一个数据编码或毫升实验,呈现结果,并调整策略之间的紧密环管线。我一直在博世8个月,到目前为止,我已经使用机器学习技术(随机森林,支持向量机,卷积神经网络,逻辑回归,梯度推进,等等)通过它们的光谱自动校准安全气囊,分类塑料,侦查和分类交通标志,并检测挡风玻璃上的雨滴。当没有一个项目的最后期限或大演示来了我平时的工作9-5周一至周五,10-12小时的日子,虽然没有在关键时刻太罕见。我花了很多时间以外工作的学习机器学习,因为开关领域需要大量的知识获取和机器学习因为太酷了!

          那你在/做学校毕业后准备你目前的职业?
          作为研究生院的一部分,事情是现在非常有用的包括:在演讲,组织实验管道,编程,通信和项目规划与合作者,并花很多时间与伊恩·帕克说到,打破问题到他们的组件和系统地制订计划对付他们。超出了我的研究生院培训,我花了相当多的时间阅读有关概念形成,逻辑,科学的理念,这是几乎完全切向我的论文,但真正使我的机器学习的书籍。向研究生院的最后我申请和被接受洞察数据的科学,7个星期的密集训练计划连接我与很多公司找人从学术界转变。我得到了我现在的工作每月大约那个节目结束后。

          什么是你最喜欢你工作的一部分?
          人是真棒。绝大多数球队都在广泛领域的博士学位:例如物理学,统计学,数学,计算机科学,神经科学。气氛很是学术。我们有两个研究组,以及机器学习周刊俱乐部和俱乐部每两周。鼓励参加每个人都是一年1-2会议。我认为这主要是因为每个人的学术背景,好奇和不断学习的精神是行业至少这个角落非常活跃。

          你对目前的研究生有什么建议?
          经常涉及您的经验博士之间的硬(高故障率和细致的,重复的任务)试点工作和智力的发展平衡。因为在大多数实验室有实验工作巨大的需求,它可以很容易施加更多的能量对实验和失去平衡。研究生院的主要目的是让你发展成为一个更科学的思想家,而不是培养你成为一个世界一流的神经外科医生的鼠标。如果你的环境是不利于你的长期目标,滚出去!有没有改变你的实验策略,改变你的项目,或开关实验室的任何羞耻。我做了所有三个。跟其他的学生和博士后研究生手机澳门新莆京你的轨迹来校准你的亲戚进展。你(不是你的顾问或程序)负责你的最终学术成长!

          另外,不要让六年学术界使你忘记有它的一个大的外部世界,洋溢着激情,创造力,聪明的人做令人兴奋的事情!

          蒙特沙玛丽亚采访

          凯尔ellefsen

          凯尔是校友的最近UCI神经生物学和行为的部门,在2018年,从博士毕业春天。伊恩·帕克的实验室。毕业前,我在硅谷有识之士加盟数据的科学,这帮助他找到一份工作,作为博世中心人工智能数据科学家。因为ESTA采访中,我离开了博世和徒步近300公里的Camino de Santiago(图中所示),开始在谷歌的软件工程师机器学习之前。

              <kbd id="78ptj54i"></kbd><address id="z6ik79n5"><style id="qcr8ac4k"></style></address><button id="fp6uni30"></button>