Author Profile

Written By

Yugal Sharma, Ph.D.

Dr. Yugal Sharma foi Diretor Sênior de Soluções do CAS, com mais de 15 anos de experiência na aplicação e no gerenciamento de abordagens de ciência de dados e aprendizado de máquina para resolver problemas complexos na área da saúde. Yugal foi cientista do National Institutes of Health (NIH), com foco no desenvolvimento de algoritmos de detecção precoce de doenças. Desde o NIH, Yugal ajudou a criar uma startup de tecnologia, seguida por uma startup de consultoria de negócios. Mais recentemente, ele aplicou sua experiência como consultor do governo com foco em estratégia de análise para clientes do NIH e da FDA. Publicou diversos artigos científicos e também foi coautor de um capítulo de livro sobre a mineração de registros eletrônicos de saúde para detectar sinais de doenças. Yugal obteve seu doutorado em Biofísica pela Universidade de Cincinnati, onde se formou com láurea. 

Latest Content from Yugal Sharma, Ph.D.

Optimizing AI for improved retrosynthesis predictions

May 28, 2021

Encontre um caminho melhor: otimizando a IA para previsões sintéticas mais originais

Modelos de IA e de aprendizado de máquina ajudam no planejamento retrossintético, mas ficam limitados pelos dados de treinamento que analisaram. Continue lendo para saber mais sobre as maneiras de gerar novas previsões, garantindo que seus dados tenham a diversidade e a qualidade necessárias para otimizar as principais iniciativas de planejamento sintético.

June 14, 2019

Estudo de caso: o impacto da qualidade dos dados na previsão algorítmica da atividade biológica

A IA e o aprendizado de máquina estão mostrando grande potencial para aumentar a produtividade da pesquisa em muitas áreas. No entanto, ainda há muitos desafios bem-documentados sobre a implementação dessas tecnologias em aplicações de P&D e muitas oportunidades para aproveitar os esforços já realizados para ter ainda mais sucesso. Na realidade, um analista do Gartner estima que até 85% dos projetos impulsionados por IA não estejam atendendo a seus objetivos. Como falei em outra publicação, eu e muitos outros acreditamos que uma das principais lacunas que em geral afeta as taxas de sucesso é a qualidade dos dados.

March 8, 2019

Qualidade de dados: a receita nem tão secreta da IA e do aprendizado de máquina

A promessa da inteligência artificial sempre pareceu um futuro distante, mas a realidade é que muitas empresas já estão adotando iniciativas de IA. No ramo da P&D científica, esse futuro já chegou. Nos últimos anos, houve um aumento enorme de iniciativas com aprendizagem de máquina e IA em tudo, de modelos QSAR a genômica. De acordo com uma pesquisa de 2018, a adoção de IA cresceu drasticamente de 38% em 2017 para 61% em 2018. Isso ocorreu em uma série de setores, incluindo saúde, manufatura e serviços financeiros. No entanto, a maioria dos que adotaram a tecnologia logo no início perceberam que um dos maiores desafios da implementação estava relacionado a dados, em especial acessar, proteger, integrar e preparar dados para iniciativas de IA.