透過世界各地的學界、業界、醫界、新創產業的前輩經驗分享或未來新知，得到自己學習的目標與生職涯規劃相關建議，以了解人工智慧的浪潮
-- Hosting provided by SoundOn
人工智慧醫學組織 Artificial Intelligence Medicine AIM
Claim This Podcastby 北醫大人工智慧醫學組織
36 episodes
Updated Daily
Accepts GuestsHas SponsorsLocation 🇹🇼
Podcast Overview
透過世界各地的學界、業界、醫界、新創產業的前輩經驗分享或未來新知，得到自己學習的目標與生職涯規劃相關建議，以了解人工智慧的浪潮 -- Hosting provided by SoundOn
Language
🇨🇳
Publishing Since
11/24/2020
1 verified contact email on file for 人工智慧醫學組織 Artificial Intelligence Medicine AIM
Pitch yourself as a guest, propose sponsorships, or reach out directly to the host.
Recent Episodes
July 22, 2023
AIM_OKSC S2-13 New era of Neuron brain image: 大腦影像與記憶的關聯探索
主題: New era of Neuron brain image: 大腦影像與記憶的關聯探索 講者：Dr. Sung-Mu Lee **背景介紹： ** 李松穆 (Scott)，在取得陽明大學生物醫學影像暨放射科學系的學士學位後，便進入了成功大學跨領域神經科學國際博士學位學程。在博士班的過程中(2019)，有幸獲得國科會千里馬補助計畫前往英國劍橋大學擔任為期一年的訪問博士生，且在返國取得博士學位後，再次取得國科會的補助計畫，回到英國劍橋大學擔任一年期的訪問學者。Scott的研究題目主要是使用磁振造影技術 (MRI) 之影像，來分析腦部記憶力行程跟特定腦區活化之關聯。研究並著重使用7T的磁振造影技術，更可達到分層腦區的活化關聯分析，這次我們ＡＩＭ，非常榮幸可以順利邀請到Scott來與我們分享他一路求學的心路歷程、申請國科會千里馬計畫的經驗分享，與在劍橋擔任訪問學者時所參與的研究。 分享內容： 1. 在台灣求學時的經驗（陽明與成大） 2. 申請千里馬計畫的契機 3. 選擇加入英國劍橋大學的來龍去脈。 4. 給有志想要投身進入影像醫學研究的後備建議 ➤ 分享者背景介紹 (0:39) ➤ 從大學時期，決定直接加入博班的動機 (2:29) ➤ 醫學大學與綜合型大學的差異 (8:29) ➤ 千里馬的經驗分享 (11:08) ➤ 英國與台灣影像醫學研究室的差異分享 (18:16) ➤ 腦影像與內隱記憶的研究 (24:08) ➤ 往記憶力的細胞生物機轉研究邁進？ (45:15) ➤ 自己的短中長期的未來研究之路 (46:32) ➤ 對於未來想申請千里馬的後輩一些小經驗分享 (50:12) ➤ 對於未來想投身腦影像研究的小建議 (53:02) ➤ 結語 (57:53) 歡迎大家一起收聽喔 : ) 連結由此去 -> https://linktr.ee/AIM_Podcast
July 7, 2023
AIM_OKSC S2-12 AI in Public Health and Sustainability: 健康與永續綠能的探索新武器
主題: AI in Public Health and Sustainability: 健康與永續綠能的探索新武器 講者：Dr. Kai Wang 背景介紹： 王愷 (Kai)，在取得臺灣大學電機學系與雙主修數學系的學士學位後，便直接申請進入了南加大電腦科學博士班，因緣際會下，就轉學前往哈佛大學電腦科學博士班，並於2023年五月完成口試。隨後即順利申請上喬治亞理工學院(Georgia Tech)，助理教授之職位。Kai的研究主題，主要圍繞著使用人工智慧技術、博弈理論(Game Theory)、多智能體系統 (Multi-agent system)，來對於永續、工業排放監測、野生動物保護、女性與幼兒健康議題來做分析，並期許自己的研究能協助產生更多的社會影響力。Kai的學術成果不僅多次受到國際研討會的最佳論文獎項的肯定，自身也成功得到在計算機科學領域中，重要的西貝爾學者獎 (Siebel Scholars) 的殊榮。此外，Kai也積極投身社會公益，與印度當地的非營利組織ARMMAN一起攜手合作，來針對孕婦、小孩，運用科技方式來傳播正確的衛生健康知識，來降低死亡率和疾病傳播率。這次我們ＡＩＭ，非常榮幸可以順利邀請到Kai來與我們分享他一路從台大求學到美國哈佛的心路歷程、與在哈佛所進行的研究，得獎的經驗跟如何在競爭的學術就業市場中，順利爭取到成為美國名校的助理教授資格。 分享內容： 1. 在台求學時的經驗與決定直接攻讀博班的動機。 2. 選定美國資工博士班為目標的原因與在美國（南加大＋哈佛）的研究 3. 順利爭取到教職的經驗分享。 4. 給有志想要投身進入AI於社會議題領域的朋友一些小建議 ➤ 分享者背景介紹 (0:32) ➤ 從台灣大學電機系求學時，雙主修數學系的動機 (3:12) ➤ 從大學時期，決定投身往教職方向的動機 (6:49) ➤ 從台灣大學學士畢業後決定赴美攻讀資訊工程領域原因 (9:30) ➤ 省略碩士，直接博士？怎麼敢呢 (13:25) ➤ 在美國資工博士班的修課經驗 (16:45) ➤ 南加大與哈佛資工博士班的環境差異分享(24:15) ➤ 博班的研究與社會貢獻（如何改善印度偏鄉的懷孕婦女的健康） (29:45) ➤ 與非營利組織的未來合作與聯繫的觀點 (52:41) ➤ 博班畢業後，隨即找到助理教授職位的經驗分享 (58:45) ➤ 上任助理教授，短中長期的未來研究之路 (1:07:12) ➤ 跳過博士後的訓練，直接挑戰教職的心路歷程 (1:10:07) ➤ 對於未來想投身本領域的後輩一些小建議 (1:13:01) ➤ 結語 (1:17:21) 歡迎大家一起收聽喔 : ) 連結由此去 -> https://linktr.ee/AIM_Podcast
June 23, 2023
AIM_OKSC S2-11 Computational challenge: 計算生物學與人工智慧的應用
主題: Computational challenge: 計算生物學與人工智慧的應用 講者：Yi Hsiao (PhD candidate) 背景介紹： 蕭毅 (Leo)，在取得臺灣大學的電機學士與生醫電資所碩士學位後，後在2020年前往美國密西根大學攻讀bioinformatics 的博士學位。而蕭毅也曾在美國農業部國家農業圖書館、新加坡國立大學癌症科學研究中心和臺灣AI Lab擔任實習生。其研究主題主要是針對透過癌症的蛋白基因體學資料分析，也利用機器學習的技術來進行化學資訊與電腦輔助藥物設計。在過去的研究發表裡，有針對藥物結構的藥物動力學和安全評估、幫助聚合物資料庫建立的模型開發，也在新冠肺炎疫情的前期投入老藥新用的開發。除了自身專業發展外，Leo也非常積極推動台灣生醫人才在美國的學術交流，目前擔任美國中西部生物科技年會(Midwest Taiwanese Biotechnology Association, MTBA)的會長。這次我們ＡＩＭ，非常榮幸可以順利邀請到Leo來與我們分享他一路求學的心路歷程與參與的研究。 分享內容： 1. 在台大求學時的海外與本土實習經驗， 2. 選擇赴美攻讀生物醫學資訊學博士的契機。 3. 目前博士班研究的主題與未來應用。 4. 給有志想要投身進入計算生物學或生物資訊學的後輩一些建議。 ➤ 分享者背景介紹 (0:24) ➤ 從台灣大學碩士畢業後決定赴美攻讀生資博班的原因 (2:10) ➤ 曾赴美與新加坡實習的經驗分享(3:42) ➤ 於Taiwan AI Lab 的研究經驗分享(9:33) ➤ 美國博士班的選校過程分享(13:55) ➤ 博班研究的白話文介紹 (21:39) ➤ 博班研究的下一個里程碑分享(39:25) ➤ 美國中西部生物科技年會介紹 (43:50) ➤ 短期與長期的生涯規劃 (46:56) ➤ 對於未來後輩的小建議(51:11) ➤ 結語 (57:58) 歡迎大家一起收聽喔 : ) 連結由此去 -> https://linktr.ee/AIM_Podcast
36 total episodes available
Deep-dive analytics for 人工智慧醫學組織 Artificial Intelligence Medicine AIM
Frequently asked questions
Have a different question and can't find the answer you're looking for? Reach out to our support team by sending us an email and we'll get back to you as soon as we can.
- What is 人工智慧醫學組織 Artificial Intelligence Medicine AIM?
- How often does this podcast release new episodes?
This podcast updates daily.
- Where can I listen to this podcast?
This podcast is available on 4 platforms including Apple Podcasts, Spotify, and more. You can also use the RSS feed directly.
- Does this podcast accept guests?
Yes, this podcast regularly features guests.
Legal Disclaimer
Pod Engine is not affiliated with, endorsed by, or officially connected with any of the podcasts displayed on this platform. We operate independently as a podcast discovery and analytics service.
All podcast artwork, thumbnails, and content displayed on this page are the property of their respective owners and are protected by applicable copyright laws. This includes, but is not limited to, podcast cover art, episode artwork, show descriptions, episode titles, transcripts, audio snippets, and any other content originating from the podcast creators or their licensors.
We display this content under fair use principles and/or implied license for the purpose of podcast discovery, information, and commentary. We make no claim of ownership over any podcast content, artwork, or related materials shown on this platform. All trademarks, service marks, and trade names are the property of their respective owners.
While we strive to ensure all content usage is properly authorized, if you are a rights holder and believe your content is being used inappropriately or without proper authorization, please contact us immediately at hey@podengine.ai for prompt review and appropriate action, which may include content removal or proper attribution.
By accessing and using this platform, you acknowledge and agree to respect all applicable copyright laws and intellectual property rights of content owners. Any unauthorized reproduction, distribution, or commercial use of the content displayed on this platform is strictly prohibited.