Tim EuroCC2 projekta UCG (Enis Kočan i Božo Krstajić) je, u sklopu aktivnosti servisa i interakcije sa industrijom, održao sastanak sa manadžmentom i zaposlenima iz vrha tehničkog vodjstva FiveG grupe i NeurobotX kompanije koja se bavi primjenom AI i VR u industriji gaminga i razvijanju simulacionih nautičkih modela za svrhe obuke (Ivan Šoć, CEO FiveG grupe; Aleksa Čović, NeurobotX i Marko Šćepanović NeurobotX), 11.11.2024. godine u njihovim prostorijama.
Sastali smo se sa FiveG 11. novembra
Nakon prezentacije servisa koje NCC Crne Gore može pružiti kompanijama u okviru projekta EuroCC2, zajednički su analizirani aktuelni projekti FiveG kompanije, sa aspekta potencijalne implementacije istih na HPC resursima. Nakon opsežne analize, identifikovana su najmanje 2 projekta koji bi imali značajno unapređenje, ako bi se realizovali na HPC resursima. Dogovorene su aktivnosti na budućoj saradnji u pravcu pripreme identifikovanih projekata za implementaciju u HPC okruženju i njihovom učešću na predstojećoj Konferenciji na kojoj će biti poseban dogadjaj za kompanije koje preferiraju korišćenje HPC resursa putem HPC NCC Crne Gore.
Dogovoreno je u;e[‘e na IT2025 konferenciji i nastavak saradnje
Tokom jeseni 2024. godine, tim NCC-a na Univerzitetu Donja Gorica (UDG) razvio je novu obuku usmjerenu na upotrebu generativne vještačke inteligencije, sa posebnim fokusom na primjenu velikih jezičkih modela (LLM) u stvarnim situacijama i digitalnoj transformaciji. Obuka je razvijena na osnovu komunikacije sa studentima i predstavnicima industrije. Početna prijava u novembru obuhvatila je više od 40 studenata, od kojih se većina očekuje da završi obuku do 20. decembra.
Proučavanje inženjeringa upita predstavlja osnovnu tehniku za efikasnu interakciju sa naprednim jezičkim modelima kao što su GPT-4, LLama i drugi. Ovaj kurs omogućava studentima da steknu znanja i vještine neophodne za korišćenje transformativnog potencijala AI tehnologija, sa naglaskom na inovativne, odgovorne i industrijski relevantne primjene. U eri digitalne transformacije, gdje donošenje odluka u realnom vremenu i inteligentna automatizacija oblikuju industrije, potreba za računarskim sistemima visokih performansi (HPC) postaje ključna. Kroz proučavanje naprednih modela za obradu prirodnog jezika (NLP), studenti će ne samo razviti efikasne tehnike ispitivanja (prompting), već i razumjeti računske zahtjeve i infrastrukturu potrebnu za implementaciju ovih rješenja u velikom obimu.
Unlocking the Power of AI: The Role of High-Performance Computing in Real-Life LLM Applications and Digital Transformation
Kako veliki jezički modeli postaju sve sofisticiraniji, njihovi računski zahtjevi eksponencijalno rastu. Aplikacije poput interakcije sa korisnicima u realnom vremenu, prediktivne analitike i podrške u donošenju odluka u oblastima kao što su zdravstvo i obrazovanje, zahtijevaju HPC infrastrukturu kako bi se osigurali performanse i skalabilnost. Ovaj kurs spaja teorijsko znanje i praktičnu primjenu, pokazujući kako HPC omogućava implementaciju robusnih AI rješenja i podstiče inovacije u digitalnom dobu. Bilo da se pripremate za vođenje AI projekata u akademskom ili industrijskom okruženju, ovaj kurs vam pruža osnovna znanja za odgovornu i efikasnu primjenu AI tehnologija, pozicionirajući vas na čelo digitalne transformacije.
Pregled sadržaja kursa (12 modula):
Uvod u inženjering upita – Osnovni principi, značaj i primjene strukturiranja upita.
Razumijevanje AI modela – Pregled načina na koji jezički modeli obrađuju ulaze i generišu odgovore.
Kontekstualna važnost – Strategije za definisanje i pružanje konteksta za optimalne AI performanse.
Kreiranje efikasnih upita – Tehnike za strukturiranje, kontrolu tona i prilagođavanje stila.
Napredne tehnike upita– Višekoračni upiti, integracija varijabli i zadaci specifični za scenarije.
Eksperimentisanje i iterativno poboljšanje – Testiranje, analiza i usavršavanje upita za bolje rezultate.
Industrijske primjene – Praktični primjeri iz medicine, obrazovanja, marketinga i prava.
Integrativne tehnike – Kombinovanje “chain-of-thought” i meta-upita za veću prilagodljivost.
Etika u inženjeringu upita – Suočavanje sa pristrasnošću, prevencija zloupotrebe i etički standardi.
Tehničke osnove NLP-a i transformera – Ključni principi NLP-a i mehanika transformera sa fokusom na HPC za skaliranje AI rješenja.
Primjene LLM-ova u stvarnom svijetu, digitalna transformacija i potreba za računarstvom.
Uvod u HPC i razmatranja za njegovu primjenu.
Ishodi učenja
Po završetku ovog kursa, studenti će biti sposobni da:
Dizajniraju i strukturiraju efikasne upite prilagođene različitim zadacima.
Primijene napredne tehnike kao što su “chain-of-thought” i meta-prompting u složenim scenarijima.
Procjenjuju i optimizuju odgovore AI modela kroz iterativne petlje povratnih informacija.
Prilagode upite specifičnim industrijskim potrebama uz poštovanje etičkih standarda.
Razumiju tehničke aspekte NLP modela zasnovanih na transformerima.
Povežu LLM-ove i digitalnu transformaciju sa potrebom za računarskim resursima za stvarne aplikacije.
Kao dio EuroCC2 online događaja za razmjenu znanja između nacionalnih kompetentnih centara (NCC), koji služe kao platforma za razmjenu iskustava o najboljim praksama, modelima saradnje i uticajnim rezultatima, NCC Crna Gora je 7. novembra učestvovao na radionici „Uspostavljanje poslovnih odnosa između malih i srednjih preduzeća (MSP) i akademske zajednice“.
NCC Crna Gora predstavio je svoje aktivnosti usmjerene na informisanje i uključivanje MSP-ova, sa naglaskom na saradnju između akademskog sektora i industrije kroz: radionice i obuke u oblasti HPC/AI; aktivnosti na razvoju, istraživanju i inovacijama; kao i kroz zajedničke projekte i grant šeme. Kao značajan primjer uspjeha iz FinTech sektora, predstavljen je slučaj u kome su rješenja zasnovana na mašinskom učenju (ML) i HPC tehnologijama riješila konkretne poslovne izazove, uključujući korake implementacije i postignute benefite.
NCC Bugarska je naglasila važnost saradnje sa različitim industrijskim sektorima i akademskim institucijama u cilju uspostavljanja partnerstava sa MSP-ovima u rješavanju specifičnih izazova kroz naučna istraživanja, obuke, razvoj algoritama, HPC rješenja i studije efikasnosti i skalabilnosti. Kao primjeri uspješnih saradnji navedeni su unapređenje preciznosti u dizajnu namještaja i analiza efikasnosti reklamnih kanala.
NCC Norveška podijelila je uvide u energetsko tržište Norveške i saradnju sa istraživačkim institutom SINTEF Energy. Prelaskom energetskih modela na HPC infrastrukturu, vrijeme simulacije smanjeno je sa dva sata na svega dvije minute, što je omogućilo napredno testiranje scenarija i veću skalabilnost platforme. Ova radionica je pokazala praktične pristupe u okviru različitih NCC-ova, uz zajednički cilj: prevazilaženje jaza između akademskog i poslovnog sektora kroz inovacije zasnovane na HPC tehnologijama.
Kako je planirano, pozvano predavanje „Upravljanje rizicima u budućoj široko rasprostranjenoj elektrifikaciji“ koje je održao prof. Mladen Kezunovic održano je 25. oktobra 2024. godine u Preduzetničkom gnijezdu na UDG-u. Bilo je prisutno preko 60 učesnika, uključujući studente, akademike sa crnogorskih univerziteta i predstavnike industrije. Ova radionica je organizovana u okviru projekta HPC4S3ME i podržana od strane EUROCC NCC Montenegro tima.
Koji su rizici? Metodologija za upravljanje rizicima i njihovo ublažavanje? Koje podatke imamo i kako upravljamo svim tim podacima? Kako AI/ML uz podršku HPC-a može pomoći?
Dr. Mladen Kezunovic je istaknuti profesor na Texas A&M univerzitetu sa preko 35 godina iskustva u elektroenergetici. Globalno priznat, dr. Kezunovic je autor preko 600 radova i konsultant za više od 50 kompanija širom svijeta. Njegova obimna istraživanja i doprinos industriji, naročito u modelovanju kvarova, analitici podataka i pametnim mrežama, donijeli su mu status IEEE Life Fellow i priznanje Nacionalne akademije inženjerstva SAD.
prof. Kezunovic from Texas A&M gave presentation on a nove approach to Risk managemement in energy sectorThe workshop took place on 25 october at UDGOver 60 people attendedHow AI/ML supported by HPC can help mitigate risk in energy sector?
Ms. Tamara Pavlovic odbranila je svoj MSc rad na temu primjene HPC/AI za kreiranje prediktivnih modela za detekciju raka dojke dana 23.10.2024. Uz podršku od strane NCC Montenegro, Tamara je sprovela istraživanje u okviru projekta HPC4S3ME, sa fokusom na AI i primjene računarskog vida u medicini. Sa motivacionog aspekta, čestitamo Tamari na završetku i odbrani rada tokom mjeseca podizanja svijesti o raku dojke (‘Roze oktobar’), kada širom svijeta ljudi prihvataju roze boju i nose roze traku kako bi podigli svijest o zdravlju dojki.
APSTRAKT – Vještačka inteligencija (AI) donosi revoluciju u brojne sektore, uključujući i medicinu, nudeći inovativne metode za dijagnostikovanje, liječenje i istraživanje bolesti. Ovaj magistarski rad fokusira se na primjenu AI u dijagnostici raka dojke, koristeći algoritme računarskog vida za analizu mamografskih snimaka. Kroz kombinaciju konvolutivnih neuronskih mreža (CNN) i dubokog učenja razvijeni su modeli koji identifikuju maligne promjene, potencijalno doprinoseći ranijoj i preciznijoj detekciji bolesti. U radu se detaljno ispituje kako AI može unaprijediti efikasnost skrining procesa, smanjiti vrijeme potrebno za postavljanje dijagnoze i omogućiti personalizovaniji pristup liječenju. Pored tehnološkog napretka, razmatrana su i etička pitanja poput bezbjednosti pacijenata i transparentnosti AI sistema. Rezultati ovog istraživanja potvrđuju da primjena AI u dijagnostici raka dojke može značajno unaprijediti medicinske procedure. Testirani modeli, ResNet152 i DenseNet121, pokazali su veoma dobre performanse u klasifikaciji raka dojke. Njihove AUC vrijednosti, koje prelaze prag od 0.9, ukazuju na njihov potencijal za upotrebu u kliničkoj praksi. Ova saznanja ne samo da doprinose unapređenju dijagnostičkih procesa, već i otvaraju mogućnosti za dalja istraživanja i razvoj AI tehnologija u medicini.
This research was done in th context of HPC4S3ME and with the support from EUROCC NCC MontenegroMs Pavlovic finalized her thesis during the Breast Cancer Awareness Month (‘Pink October’)
Mr Mato Martinović odbranio je svoj magistarski rad dana 23. oktobra 2024. godine. Njegovo istraživanje bilo je fokusirano na detekciju biljnih bolesti sa primjenom u vinogradima. Eksperimentisao je sa HPC/AI tehnologijama i računarskim vidom. Mato je jedan od najnovijih diplomaca master programa iz oblasti vještačke inteligencije kreiranog u okviru projekta EUROCC, a mentorstvo je realizovano uz podršku EUROCC NCC Crna Gora.
APSTRAKT – Ovo istraživanje analizira upotrebu računarskog vida u oblasti vinogradarstva. Rad opisuje probleme u vinogradarstvu, računarski vid i njegovu primjenu u ovoj oblasti. Analizirane su performanse modela ResNet50, VGG16 i MobileNet u klasifikaciji bolesti i sorti vinove loze. Modeli su postigli tačnosti od 98.67%, 97.28% i 98.72% na originalnom test skupu podataka, dok su na proširenom skupu postigli 87.47%, 72.07% i 86.64% u klasifikaciji bolesti. U klasifikaciji sorti, modeli su ostvarili tačnosti od 70%, 78% i 88% na originalnom skupu, i 66%, 51% i 72% na proširenom skupu. Model VGG16 pokazao je najveću razliku u tačnosti na proširenim podacima, dok je ResNet imao najmanji pad tačnosti u oba slučaja, što ukazuje na to da ResNet bolje generalizuje podatke. U radu je prikazan i proces kreiranja platforme koja omogućava korisnicima da putem mobilne aplikacije pošalju sliku i dobiju predikciju.
HPC/AI and computer vision for applications in smart viticulture
Mr. Luka Jeremić odbranio je svoj magistarski rad dana 23. oktobra 2024. godine. Tema rada bila je AI i primjene u medicini. Njegovo istraživanje je realizovano uz mentorstvo članova tima HPC4S3ME i sprovedeno u okviru master programa iz oblasti vještačke inteligencije na Fakultetu za informacione sisteme i tehnologije Univerziteta Donja Gorica (UDG). Ovaj program i studenti master studija podržani su od strane EUROCC NCC Crna Gora.
APSTRAKT – Ovo istraživanje proučava primjenu vještačke inteligencije u medicini, sa fokusom na klasifikaciju bolesti mozga, jetre i krvnih ćelija. Glavni cilj je evaluacija efikasnosti algoritama u prepoznavanju i klasifikaciji bolesti ovih organa. Kroz razvoj prototipa informacionog sistema, rad analizira kako vještačka inteligencija može unaprijediti dijagnostiku i doprinijeti razvoju personalizovane medicine. Metodologija uključuje pregled literature, razvoj modela računarskog vida i procjenu tačnosti modela korišćenjem stvarnih medicinskih podataka. Rezultati pokazuju da modeli zasnovani na dubokim neuronskim mrežama mogu povećati tačnost i brzinu dijagnostike, omogućavajući precizniju klasifikaciju bolesti. U radu su takođe istaknute prepreke i izazovi u implementaciji ovih tehnologija, uključujući potrebu za etičkim razmatranjima i obukom medicinskog osoblja. Zaključci ukazuju da ovaj pristup ima potencijal da značajno unaprijedi medicinu, ali su potrebna dodatna istraživanja i usavršavanje.
Mr Jeremic defended his master thesis on AI/ML and applications in medicine