"False"
Hoppa direkt till innehållet
printicon
Huvudmenyn dold.
Publicerad: 2024-02-20 Uppdaterad: 2024-02-28, 13:49

Javads rön kan leda till bättre sjukvård

NYHET Javad Forough har varit doktorand sedan 2020 vid Institutionen för datavetenskap. Fredagen den 23 februari försvarar Javad sin doktorsavhandling, Machine Learning for Anomaly Detection in Edge Clouds.

javad_1280x720.png
Javad Forough, doktorand vid Institutionen för datavetenskap.

På eftermiddagen den 2 februari samlades en grupp människor i Forskarsalen på Umeå universitetsbibliotek. Bland kollegor och vänner spikade Javad Forough, doktorand vid Institutionen för datavetenskap, upp sin avhandling på väggen.

Spikningsceremonin har en lång tradition i det akademiska Sverige. Vissa menar att traditionen med spikning av avhandlingar kommer från Martin Luthers spikning av sina nittiofem teser i Wittenburgs kyrka på 1500-talet. Numera markerar spikningen slutet på en lång akademisk resa för doktoranden och början på ett nytt kapitel i hens liv. Spikningsprocessen fungerar både som ett tillkännagivande av att avhandlingen är tillgänglig och officiellt släppt och som en påminnelse om studentens prestation.

javad_erik_1024x1024.png

Javad Forough och hans handledare, professor Erik Elmroth.

Javad Forough har varit doktorand sedan 2020 vid Institutionen för datavetenskap. Han är en av medlemmarna i forskargruppen Autonomous Distributed Systems Lab. Labbet bedriver forskning på hög nivå inom intelligent och automatisk hantering av dataresurser och molntjänster. Tillsammans med sin handledare, professor Erik Elmroth, har han nått sitt mål: att hitta de svar på de frågeställningar han hade i början av sina doktorandstudier.

Fredagen den 23 februari försvarar Javad sin doktorsavhandling, Machine Learning for Anomaly Detection in Edge Clouds.
Institutionen fick en chans att prata med Javad under hans spikningsceremoni.


Problemlösningar för maskininlärning och edge computing

Disputationen är på fredag den 23:e, hur känns det?
– Att försvara min doktorsavhandling känns som en kulmen på flera års hårt arbete och engagemang. Det är en blandning av spänning och stolthet att veta att jag har möjlighet att presentera min forskning.

Kan du beskriva din forskning med några få meningar?
– Min forskning fokuserar på att utveckla maskininlärningsalgoritmer som är skräddarsydda för avvikelsedetektering (sk. anomali) i molnmiljöer. Genom att utnyttja avancerade tekniker strävar jag efter att förbättra edge-molnens förmåga att identifiera och mildra onormalt beteende i realtid och därigenom förbättra den övergripande tillförlitligheten och säkerheten för kantdatorsystem (sk. edge computing).

Edge computing, kan du förklara konceptet mer generellt?
– Edge computing är en teknik där servrar fysiskt placeras närmare slutanvändaren. På så sätt kan användarna få tillgång till beräknad data snabbare än med centralt placerade servrar.

Forskningsresultaten kan förbättra sjukvården och ge smartare transportnät.


I ett bredare perspektiv, var kan dina forskningsresultat tillämpas i samhället och vardagslivet?
– Mina forskningsresultat har potentiella tillämpningar inom olika sektorer i samhället och vardagslivet.

– De kan bidra till att förbättra säkerheten och tillförlitligheten i edge computing-system, vilket leder till mer robusta och effektiva IoT-enheter (Internet of Things, små sensorstyrda datorenheter som kommunicerar över internet).

Har du några planer för de kommande åren om vad du kommer att göra professionellt?
– Ja, jag är fast besluten att fortsätta min resa inom maskininlärning och edge computing-forskning, oavsett om det är inom den akademiska världen eller industrin.

– Mina planer innebär att fördjupa min expertis, bidra till banbrytande forskningsprojekt och eventuellt utforska möjligheter att tillämpa mina färdigheter i branschmiljöer för att ta itu med verkliga utmaningar.

javad_thesis_wall_1024x1024.png
Javads avhandling på väggen i universitetsbiblioteket

Doktorandstudier - ett minne för livet

Har du några fina minnen från din forskargrupp som du skulle vilja dela med dig av?
– Absolut, min tid med forskargruppen har varit fylld av underbara minnen. Från insiktsfulla diskussioner under labbmöten till firandet av våra prestationer, varje ögonblick har varit värdefullt. Efter att ha bott i Umeå i ett par år skulle jag rekommendera nya doktorander att utforska den unika naturen i Umeå, inklusive de vackra norrskenen.

– Umeås läge vid polcirkeln innebär att du kan se norrsken, eller aurora borealis, under vintern. Att hitta en lugn plats långt från stadens ljus för att titta på norrskenet är en oförglömlig upplevelse och en höjdpunkt i traktens fantastiska natur.

– Dessutom finns det mycket att upptäcka utomhus. Jag skulle rekommendera att du fördjupar dig i Umeås rika kulturliv, med dess konstgallerier och mysiga kaféer. Missa inte att uppleva det lokala köket och lära känna den vänliga gemenskapen som gör Umeå speciellt.


Vad kommer du att sakna mest från dina doktorandstudier?
– Det jag kommer att sakna mest från mina doktorandstudier är det ovärderliga stödet och vägledningen från mina handledare och den generösa hjälpen från WASP. Deras mentorskap har varit avgörande för min akademiska resa.

– Dessutom kommer jag att sakna den hisnande vackra naturen i Umeå, från de fascinerande norrskenen till de fridfulla skogarna. Och naturligtvis har känslan av samhörighet bland kollegor - samarbeten, utmaningar och firande av prestationer sida vid sida - gjort denna upplevelse verkligt minnesvärd.


Slutligen vill vi alla på institutionen önska dig lycka till med din disputation och i framtiden!

Javad Forough försvarar sin doktorsavhandling "Machine Learning for Anomaly Detection in Edge Clouds".

Fredagen den 23 februari kl 9:15 i rum SAM.A.280, Samhällsvetarhuset, Umeå universitet.

Fakultetsopponent:
Professor Shahid Raza, Avdelningen för nätverks- och inbyggda system, Mälardalens högskola.

Betygsnämndens ledamöter:

Docent Cicek Cavdar, Elektroteknik och datavetenskap, KTH

Biträdande professor Saguna Saguna, Institutionen för datavetenskap, Luleå tekniska universitet

Professor Vicenc Torra, Institutionen för datavetenskap, Umeå universitet