چگونه دانشجوی IIT مدرس با تجربه اندک برنامه‌نویسی به یک آزمایشگاه هوش مصنوعی در توکیو راه یافت
با وجود اینکه نداشتن آمادگی قبلی معمولاً مانعی جدی به شمار می‌رود، شودهانشو کومار یاداو، دانشجوی دوره BS مؤسسه فناوری هند (IIT) مدرس، نشان داده است که تلاش منظم و یادگیری هدفمند می‌تواند بر هرگونه نقطه‌ضعف اولیه غلبه کند.
یاداو که پیشینه تحصیلی‌اش در علوم فیزیکی بوده و تقریباً تجربه‌ای در برنامه‌نویسی نداشته است، اکنون به فعالیت‌های پژوهش‌محور در حوزه هوش مصنوعی (AI) رسیده و از سوی مؤسسات علمی در هند و ژاپن مورد توجه قرار گرفته است.
سوابق تحصیلی شودهانشو کومار یاداو
یاداو مدرک کارشناسی خود را در رشته علوم فیزیکی از دانشگاه دهلی دریافت کرد؛ دوره‌ای که پایه‌های او را در ریاضیات، فیزیک و شیمی شکل داد. با این حال، برنامه‌نویسی، علم داده و هوش مصنوعی برای او حوزه‌هایی ناآشنا بودند.
او در حال حاضر به‌طور هم‌زمان در دو برنامه تحصیلی شرکت می‌کند: دوره BS در علم داده و کاربردهای آن در IIT مدرس و دوره MSc در هوش مصنوعی و علم داده در دانشگاه مرکزی آندرا پرادش. به گفته او، برنامه IIT مدرس محیطی ساختاریافته فراهم کرد که به او اجازه داد مهارت‌هایش را به‌تدریج توسعه دهد و مفاهیم نظری را در مسائل عملی به کار بگیرد.
نخستین تجربه عملی او در جریان کارآموزی در Infosys Springboard رقم خورد؛ جایی که یک سامانه پیش‌بینی عملکرد محصولات کشاورزی توسعه داد. این پروژه نیازمند تحلیل متغیرهای محیطی و کشاورزی از جمله میزان بارندگی، دما، رطوبت و سطح مواد مغذی خاک بود.
یاداو در این پروژه پیش‌پردازش داده‌ها، مهندسی ویژگی‌ها و تحلیل اکتشافی داده‌ها را انجام داد و مدل‌های یادگیری ماشین مانند XGBoost و Random Forest را پیاده‌سازی کرد. او می‌گوید این پروژه به‌تدریج اعتمادبه‌نفس او را برای حل مسائل واقعی با استفاده از روش‌های داده‌محور افزایش داد.
پژوهش‌های یاداو
یاداو با تکیه بر این تجربه، یک دوره کارآموزی پژوهشی تابستانی هشت‌هفته‌ای با حقوق را در دانشگاه دیروبهای آمبانی در گاندی‌نگر و زیر نظر پروفسور آنکیت ویجی‌وارگیا به دست آورد.
پژوهش او در این دوره به بررسی کاربرد مدل‌های زبانی بزرگ (LLM) در تشخیص فعالیت‌های انسانی با استفاده از سیگنال‌های دریافت‌شده از واحدهای اندازه‌گیری اینرسی گوشی‌های هوشمند اختصاص داشت. این تحقیق بررسی می‌کرد که چگونه می‌توان استدلال مبتنی بر LLM را با پردازش سیگنال‌های حسگر و یادگیری ماشین ترکیب کرد.
این پژوهش از فناوری‌هایی مانند تولید تقویت‌شده با بازیابی (Retrieval-Augmented Generation)، تنظیم دقیق QLoRA و سامانه‌های چندعاملی ساخته‌شده با LangGraph بهره می‌برد. این دوره کارآموزی درک او از هوش مصنوعی مولد را عمیق‌تر کرد و در کنار فعالیت‌های مستقل او در زمینه کاربردهای هوش مصنوعی، سامانه‌های بک‌اند و APIها قرار گرفت.
تقدیرها و فرصت‌ها
تلاش‌های یاداو نتایج قابل توجهی به همراه داشت. او علاوه بر کارآموزی در گاندی‌نگر، پیشنهادهای کارآموزی از دانشگاه جامعیه ملیه اسلامیه و مؤسسه مدیریت هند بنگلور دریافت کرد.
او همچنین برای حضور در آزمایشگاه ماتسو و ایواساوا در دانشگاه توکیو و برنامه GCI World 2026 انتخاب شده است؛ فرصتی بین‌المللی که مرحله تازه‌ای در مسیر علمی او محسوب می‌شود.
پیشرفت یاداو تنها به حوزه فناوری محدود نبوده است. او در کالج دین دیال اوپادهایایا، دانشگاه دهلی ریاست Vivekananda Study Circle را بر عهده داشت و یک تشکل دانشجویی با بیش از ۸۰ عضو را مدیریت می‌کرد. در برنامه BS دانشگاه IIT مدرس نیز به عنوان رهبر گروه در Saranda House فعالیت داشت که تجربه او را در کار تیمی و هماهنگی افزایش داد.
یاداو درباره مسیر پیشرفت خود می‌گوید بزرگ‌ترین تغییر برای او افزایش اعتمادبه‌نفس بوده است؛ تغییری که آن را برای دانشجویی با پیشینه غیر فنی بسیار ارزشمند می‌داند.
شودهانشو در آینده قصد دارد فرصت‌هایی را در حوزه هوش مصنوعی مولد، کاربردهای LLM، یادگیری ماشین و پژوهش‌های هوش مصنوعی دنبال کند و تمرکز خود را بر توسعه راهکارهای عملی مبتنی بر هوش مصنوعی قرار دهد.